AI製品目錄：值得機構投資的持久標準

企業普遍嘗試利用人工智慧提升內部生產力，但成功案例並不多見。像Ramp和Intercom這樣取得成效的企業，更多是例外而非常態。更復雜的是，實現這些收益所需工具的主流敘事不斷變化：對於軟體工程師而言，2024年的首選是GitHub Copilot的自動補全，2025年轉向Cursor，而2026年則是基於命令列的編碼代理如Claude Code和Codex。

儘管工具層來來去去，許多工具都開始共享一些共同的基元：即開放標準，用於配置和引導這些工具的能力。Agent Skills、MCP（模型上下文協議）和外掛都是與廠商無關的機制，但並非通用解決方案。如何連線MCP伺服器取決於組織的安全策略；為一個團隊設計系統定製的Agent Skill很難直接複製到另一個團隊。

當組織內的個體開始配置甚至從頭構建技能和MCP伺服器以獲得實際生產力提升時，下一步就是將這些成功轉化為可共享、可複用的制度知識。AI製品目錄正是這一步驟的輸出。它們代表了將員工當前手動完成的大部分工作連線起來的內部知識和粘合劑，並賦能兩方面：一方面，透過跨團隊共享製品，生產力得以在組織內擴散；另一方面，為代理執行時（如Claude Code或Codex）配備領域特定的指南，使員工能花更多時間構建代理系統，而減少重複勞動。

開放標準的永續性至關重要。整個行業正急於購買AI解決方案，但95%的試點專案以失敗告終。完全依賴Anthropic的工具體系，若Anthropic持續領先則一切順利；但若押注一個未能廣泛採用的初創公司產品，則可能陷入專有資料模型的死衚衕，一年後需推倒重來。相反，投資開放標準如Agent Skills、MCP和外掛，不僅可抵禦單一廠商失敗的風險，還能在下一季度主流編碼代理更換時無縫切換，切換成本降至專有方案的一小部分。

AI能力飛速演進，但廠商中立的標準化基元是創新可構建的概念，而非被替換的物件。我們仍在HTTP之上構建網路，QWERTY鍵盤標準雖非最優卻延續至今，JavaScript支撐著網際網路的前端。當AI降低構建成本時，協調成本依然高昂，標準因而稀缺且寶貴。

AI製品的成熟度：標準最關鍵的是採納程度。當前，主導AI內部轉型的工具集中在Claude Code、Codex、Claude Cowork以及Anthropic或OpenAI的Agent SDK。我根據這些工具對各類製品的相容性評估了現狀：Agent Skills（技能）和MCP伺服器作為廠商中立標準，採納度最高；外掛次之；命令列工具（CLI）雖高度採用但缺乏標準化；鉤子（Hooks）、根（Roots）和規則（Rules）則處於中等水平，部分基於衍生的開放外掛標準。

技能是大多制度知識的命脈。正如Tim O'Reilly所述，技能可以是“編排何時及如何使用工具的專家工作流邏輯，結合領域知識使LLM在上下文中做出良好判斷”。技能有多種形式，但最寶貴的是編碼內部專家知識，這類知識往往未被文件化，而是以隱性知識存在於員工腦中，且難以透過模型訓練獲取。因此，內部定製技能的價值遠超任何公開下載的公共技能。

MCP和CLI工具是連線外部系統的層面。MCP有成熟的約定和標準（如Server Card、server.json以及即將推出的mcp.json），而CLI則需要自行定義格式。MCP獲得了廣泛採納，CLI則受限於沙盒環境。

鉤子（Hooks）可在確定的觸發點注入功能，例如捕獲會話記錄用於後續審查。鉤子沒有獨立標準，而是融入即將到來的開放外掛標準。多數主流編碼代理支援該概念，但實現略有差異。

規則（Rules）最初由Cursor推廣，允許在上下文注入片段，但功能上可能被技能和AGENTS.md檔案取代。根（Roots）是代理的檔案系統起點，例如Git倉庫資料夾，其隱含在AGENTS.md標準中。

外掛（Plugins）是多種製品的捆綁包，包括技能、規則、鉤子和MCP伺服器。Vercel推動的開放外掛標準正在成型。Claude Code的外掛市場成為事實上的分發機制。像Intercom這樣一些公司完全依賴外掛，將技能和鉤子內聯其中。大多數代理工具生態對齊外掛，但Pi和OpenCode除外。

最終，豐富且實用的製品目錄是區分AI成功故事與反覆失敗的關鍵。無論選擇全面投入外掛還是按型別精細化目錄，核心是建立共享語言，使團隊能夠順暢整合，激發對AI未來的熱情。