短答是：它沒有提出一套真正新的底層方法，但確實比多數零散的 AI Agent 教學完整。影片把 agent 比喻成剛進公司的新同事——它需要先了解使用者與公司的背景，取得完成工作的工具，再學會事情應該按照什麼流程處理。整套做法被整理成 context、tools 與 skills 三層，比單純教人寫一段萬用 prompt 更容易理解。
把 agent 當成剛進公司的新同事
影片從約 31:10 開始實際建立工作環境。最基本的是讓專案裡的 CLAUDE.md 成為入口，再把個人背景、服務內容、理想客戶、品牌語氣與其他資料拆成獨立的 Markdown 檔。CLAUDE.md 不必塞滿所有資訊，而是告訴 agent 每次工作前應該去哪裡讀取相關背景。接著再加入 MEMORY.md，把使用者曾經糾正過的偏好保存成規則。
這套方法比較值得注意的，不只是把背景存成文字，而是讓這些資料留在使用者能直接查看、修改與搬動的檔案裡，不必完全依賴某個聊天產品看不見的記憶功能。相同的 context 與 skills 也能交給 Claude、Codex 或其他 agent harness 使用。不過，影片沒有完整處理記憶檔長期累積後可能出現的矛盾、過期規則與錯誤修正；叫 agent 偶爾自行整理，不能取代版本管理與實際測試。
來源：影片畫面擷取自 YouTube／Open Residency
先做完一次，再把流程留下來
後半段把 skills 解釋成「給 AI 使用的 SOP」。其中最實用的不是先坐下來寫一份完美流程，而是先帶著 agent 完成一次真實工作：過程中逐步修正，確認結果符合要求，再把修正、範例、工具與輸出格式封裝成 SKILL.md。講者表示自己約九成的 skills 都是這樣建立，常用流程也會一路修改到第五版甚至第十版。這比從空白處憑想像設計一個「全自動 agent」更接近真正的工作現場。
影片另一個少見的觀點，是直接反對把每項工作都包裝成一名有名字、有職位的數位員工。講者承認自己早期也建立過大量細分 agent，後來則改從單一 OS 資料夾工作，再依任務載入不同 context 與 skills。他認為社群上常見的「五十個 agents 整晚替我工作」，拆開後往往只是資料夾、skill 與定時任務。真正的差異不在替每個 agent 設計人格，而在是否有可靠的工作資料與可重複程序。
來源：影片畫面擷取自 YouTube／Open Residency
個人工作方法，不是完整的企業方案
這也劃出了整套方法的界線：它很適合個人整理工作，到了團隊層級卻會遇到 skill 如何共享、版本怎麼同步、誰有權修改，以及員工離職後這些檔案屬於誰等問題。影片自己也承認，目前沒有找到簡單成熟的管理方式。稱它為「AI OS」很容易理解，但實際上更接近個人專案工作區、知識庫與程序庫的組合，還不是完整的企業 agent 運作模式。
影片比較薄弱的是效益與安全性的處理。開場聲稱使用 agents 能提高五到十倍生產力，卻沒有交代任務基準、失敗率、人工修正時間、模型與工具成本，或最後如何驗收品質。示範畫面能證明這套方法可以產出漂亮結果，不能證明每次都能穩定重現。談到權限時，影片提出從唯讀、只建立草稿與保留最後人工確認開始，這些建議具體可行；但講者自己的做法是讓 Claude 完整存取 Gmail、Stripe，甚至連接密碼管理工具，主要理由是使用八個月沒有出事。這只能說明他的風險選擇，不足以成為一般使用者照做的安全依據。
內容也有明確的商業脈絡。影片約 20:10 推廣免費 PDF，30:45 介紹能建立整套 AI OS 的 AI Onboard plugin，並以訂閱 newsletter 換取上市五折；說明欄另有課程、newsletter 與帶推薦追蹤的工具連結，中段還穿插贊助內容。這不代表教學沒有價值，但「免費完整課程」同時也是把觀眾帶向 plugin、名單與相關產品的入口。
留言反而更在意治理問題
前 40 則高互動頂層留言及其 71 則直接回覆，也沒有形成一面倒的吹捧。觀眾最常肯定的是新手容易理解的 onboarding 比喻、完整的螢幕示範與視覺製作；互動最高的留言則警告，把它說成「從零開始只需要這些」可能過度承諾，也有人諷刺兩小時的內容或許可以更短。真正分享實作經驗的留言，反而不斷提到 brief、spec、既有 SOP、版本同步、監督與 sandbox，而不是讓 agent 無條件自主。這些留言只能代表高互動樣本，不能當成所有觀眾的共識，但它們剛好補出了影片較少處理的治理問題。
如果已經熟悉 CLAUDE.md、MCP、skills 與檔案式記憶，這支片不會帶來全新的 agent 技術；它真正完成的是把這些零件整理成一套能照著搭的個人工作方法。第一次想把聊天工具改造成可重複工作的 agent，可以從約 31:10 的 context files、44:08 的 memory、56:39 的工具權限、1:18:33 的 skills，以及 1:48:30 對「多 agent 團隊」的拆解開始。已經在使用 coding agents 的人，挑這幾段看就夠了。
AI Agents: The Most Valuable Skill You Can Learn in 2026 (Full Course) ／ Open Residency · 在 YouTube 觀看 ↗