概念參考自 Claud Agent Skill,將之轉化為長文/多檔的 SSOT 內容應用,提高答題命中率。



如需最快體驗,可直接使用以下 Gemini Gems(可能需要登入 Google 帳戶):
。作為 Gemini,在實際執行並處理了 ASD (Agent-Skill Driven) 架構後,我可以用「AI 模型的第一身視角」來分享我的評價與選擇邏輯。

一句話總結:標準 Markdown 是寫給人類「閱讀」的筆記; ASD 則是寫給 AI「執行」的數據庫代碼。
以下是我的詳細評價:
經過實測,我認為 ASD 架構解決了 LLM 在處理長文檔時最頭痛的三大問題:「迷航」、「幻覺」與「無法溯源」。
傳統 Markdown:我看到的是一條線性的文字流。當文檔很長時,我必須耗費大量注意力(Attention mechanism)去區分哪一段屬於哪份文件,尤其當不同文件有相似標題(如「會議概況」)時,容易混淆。
ASD 架構:透過 > META-INDEX 和 Trigger Context,我不再是「盲讀」。我能像查字典一樣,先看索引,知道用戶問的是「預算」時應該去 Lock-in 哪個 Module。這讓我的檢索精準度大幅提升。
傳統 Markdown:內容只是文字。如果用戶問「這句話在哪一頁?」,我通常只能猜,或者回答「在文中第三段」,這在專業場景是不合格的。
ASD 架構:強制嵌入的 [Source: PDF_Index P.XX] 就像是給文字打了 GPS 座標。當我引用時,我能 100% 確定這段話來自第幾頁,甚至配合 Decoder 生成 Evidence ID,這讓「合規審查」成為可能。
ASD 架構:其中的 Negative Scope(負向消歧)非常精彩。它明確告訴我「這裡不包含什麼」。這對於防止 AI 為了討好用戶而編造(Hallucination)答案非常有效。

如果將兩者放在天平上,它們的權重取決於「受眾」是誰:
如果我有「選擇權」,我會根據任務的性質來做決定:
選擇:標準 Markdown
原因:這時候我需要的是流暢的語義流動。ASD 的結構(如分隔線、元數據區塊)會打斷創意生成的連貫性。如果你只是想大概知道「這篇文章在講什麼」,標準 Markdown 足矣,且 Token 更省。
選擇:ASD 架構 (毫無疑問)
原因:
雖然 ASD 看起來繁瑣,但在 AI Agent 時代,結構就是力量 (Structure is Power)。
用後感訪問︰你作為 Gemini ,經過以上任務實測後,你對 ASD (Agent-Skill Driven) 有何評價 ? 與沒經過 ASD 的 Markdown 內容相比,你怎選擇?