如何將 Claude 用作技術主管:Dante Skill 指南

更新於 閱讀時間 14 分鐘 KissMySkills
這個頁面
  1. Question 一:這是一扇你可以走回去的門嗎?
  2. Question 二:這個團隊能在凌晨 3 點運行它嗎?
  3. 審查:平面清單問題
  4. 向上爭取支持
  5. 在不變成路由器的情況下解除阻塞
  6. 失敗的地方
  7. 如何安裝 Dante Skill?
  8. 這適合誰?
  9. 相關 Skill 指南
Skill · .md

本指南背後的 Skill:Dante - Tech Lead AI Skill。它掌握你的技術堆疊、團隊實際的運作經驗,以及正在進行中的決策,因此建議會依據團隊能運行什麼來篩選,而不是依據技術上最佳的方案 - $19,一次付款,永久擁有。

查看 Dante Skill →

兩個問題就能解決大多數技術決策,而模型一個也不會主動提出:撤銷這項決定要付出多少代價,以及這個團隊能否在凌晨三點運行它。詢問模型該選哪個資料庫、哪個框架、哪種架構,它會選出一個並為其辯護得很好 - 無論錯誤答案讓你付出一週還是三年的代價,它都會有完全相同的自信,而且不知道誰負責待命。技術主管工作中非撰寫程式的部分,主要就是這兩個問題。本指南的目的,就是迫使大家把它們帶進討論。

Question 一:這是一扇你可以走回去的門嗎?

亞馬遜 2015 年的股東信,幾乎以最清楚的方式說明了這一點。有些決策「影響重大且不可逆,或幾乎不可逆 - 單向門 - 而這些決策必須有條理、謹慎、緩慢地做出,並經過充分的深思熟慮與諮詢。」大多數決策並非如此:「它們是可變更、可逆的 - 它們是雙向門」,而且這些決策「可以也應該由具備高度判斷力的個人或小型團隊迅速做出。」

這件事之所以在有模型的情況下比沒有模型更重要,是因為模型會抹平這種差異。在同一個工作階段詢問它日誌格式和資料模型,你會得到兩個同樣詳盡、同樣自信的答案。其中一項決策,你可以在某個星期二下午改變。另一項決策,則會在做出決定的人離開後,你仍然持續承受其影響。

所以第一步不是「哪個選項」。而是整理決策:撤銷這項決定實際上要付出什麼代價,以什麼單位計算,以及是什麼讓它變得昂貴。當你提出這個問題時,模型很擅長回答,但它永遠不會主動提出這個問題。

模型還不會提出第三種答案:現在還不需要做決定。在了解更多資訊之前,延後一個單向門決策,往往是主管能做出的最資深舉動,而對所有沒有留心的人來說,這看起來像是優柔寡斷。

Question 二:這個團隊能在凌晨 3 點運行它嗎?

模型知道技術上什麼是好的。它讀過那些架構部落格,而架構部落格都是由擁有平台團隊的公司員工撰寫的。

它不知道的是,誰負責待命、他們以前操作過什麼、他們將因何事被呼叫,以及十八個月後還有多少人會留在這裡。這些才是真正決定問題的事實,而它們從來不會出現在 prompt 中。結果就是:一項在抽象層面確實正確、但對四位從未運行過訊息代理程式的工程師而言卻是錯誤的建議。

可操作性問題不是「這個好不好」,而是「在一年中最糟糕的那個夜晚,這會讓我們付出什麼代價」。誰會收到呼叫通知。他們必須知道什麼。執行手冊會寫些什麼。當唯一了解它的人正在休假時會發生什麼事。把這些內容作為限制條件放進 prompt 中,候選清單就會改變,而且往往變化很大。

prompt 1 - 在做決策前先整理決策類型

先不要推薦任何選項。 這是我必須做出的技術決策:[DESCRIBE] 首先,先分類: - 這是可逆的、難以逆轉的,還是實際上永久性的? - 具體來說,12 個月後我們必須做什麼才能撤銷這項決定, 以及工程師週數與風險方面的成本是多少? - 什麼因素會讓撤銷決定的成本很高:資料、合約、公開 API, 招聘、其他事情? - 是否必須現在決定?如果不必,稍後我們會知道什麼 - 現在是否必須做出決定?如果不必,稍後我們會知道哪些現在不知道的事,而等待的代價是什麼? - 誰是做這項決定的合適人選:只有我、我和另一個人, 另一個人,還是讓整個團隊提出書面提案? 然後直白告訴我:這是一扇單向門還是雙向門, 以及我是否在這件事上投入了適量的流程?如果我 如果我在一個可逆的決策上反覆斟酌過久,請指出來。

prompt 2 - 可操作性篩選

提供團隊的資訊,而不只是問題。以下事實會改變答案。

根據我的團隊評估這些選項,而不是根據最佳實務 實務。 決策:[DESCRIBE] 選項:[LIST] 我的團隊: - [N] 位工程師。資歷組成:[DESCRIBE HONESTLY] - 我們過去確實在正式環境中操作過的項目:[LIST] - 我們從未執行過的項目:[LIST] - 值班:[WHO, HOW OFTEN, AND WHETHER IT IS PAID] - 預期的人員流動:誰可能離開,以及只有他們知道的資訊 - 我們目前實際的部署與回滾情況 針對每個選項,回答: 1. 這項服務故障時誰會收到呼叫通知,而他們需要 知道如何在凌晨 3 點修好它? 2. 有哪種故障模式可能整整一週都沒人發現? 3. 執行手冊必須包含什麼內容,又由誰撰寫? 4. 如果主導這項工作的人離開了,會發生什麼事? 5. 每月的營運成本是多少小時,而不是 美元? 接著依照這個團隊能夠執行的程度排列選項,並說明 明確指出該排名在哪些地方不同於技術上最佳的選項 答案。我想兩者都看。
Skill 聚焦
Dante - 技術主管 AI Skill
Dante - 技術主管 AI Skill
$19 · 一次付款

在工作階段之間帶著團隊的實際情況,而這正是關鍵差異。每次在新的聊天中重新輸入你的技術堆疊、值班輪值表,以及團隊從未操作過的系統,正是多數人最後放棄、接受泛用答案的原因。它也會先按可逆性排列決策,再提出建議,並保留進行中的決策,因此不會再與上週的決定互相矛盾。

查看 Dante - Tech Lead AI Skill →

審查:平面清單問題

請模型審查一個 diff,你會得到一張清單。命名偏好、缺少測試和競態條件,全都以相同大小、相同克制的語氣和相同信心呈現。這正是 AI 審查回饋讓人疲於接收、也無法用來教學的原因:作者無法分辨什麼重要,所以他們不是機械式地全部修正,就是略讀過去。

有兩項修正。第一,強制區分嚴重程度並設定額度:最多三個必須修正項目,其餘全部明確標示為可選。設定額度會迫使它做出選擇,而它選擇的內容也很有參考價值。

第二點,也是對主管更重要的一點:它不了解你的慣例,所以會自行捏造。 它會告訴初級工程師,一段完全合理的程式碼違反了並非你們所採用的標準,還把它說得像是普遍規則。這比沒有審查更糟,因為初級工程師會以為那是你認可的。提供你的慣例,並禁止它斷言任何你未提供的規則。

提示詞 3 - 能教會人的審查

請將這個 diff 審查結果寫成我會交給作者的回饋。 我們的慣例:[貼上,或提供樣式指南連結] 背景:[這項變更的目的,以及作者的程度] 規則: - 最多 3 個 MUST FIX 項目。如果有更多候選項,請選擇 - 並告訴我你捨棄了什麼。 - 其他所有內容歸入 OPTIONAL,並標註為我的 - 偏好,而不是規則。 - 對每個 MUST FIX:說明它能防止的具體失敗,以及 輸入或觸發它的順序。「這可能導致 「問題」不是審查評論。 - 不要斷言任何不在我提供的慣例中的標準。 提供給你的內容。如果你認為某件事有問題,但它只是一項 如果只是其他地方的慣例,就用那些字眼說明。 - 只有在確實為真且具體時,指出作者做得好的一件事。 具體。 - 不要評論格式。那是 linter 的工作。 然後,與審查分開:告訴我這個 diff 表示作者目前還不理解,所以我知道該教導什麼 教導,而不是告訴他該修正什麼。

向上爭取支持

技術主管花了出乎意料多的時間在爭取時間。重構那個東西、償還技術債、用一個 sprint 改善部署管線。請模型撰寫那份商業論證,它會很樂意產出一份包含數字的版本 - 避免事故的百分比、工程工時數字、速度提升幅度。你並沒有提供那些數字。它是捏造的,而你正要在主管面前以自己的名義提出這些數字。

一如其他情況,規則相同:模型未獲提供的數字,一律不得自行補上。但在這裡,比起直接起草案例,還有更好的用法。

要求它反駁你。讓它寫出一位明智的主管應該拒絕的最強理由。這份輸出確實很有用,因為它會告訴你實際上必須回答什麼;當你明確要求時,模型很擅長這件事,但它不太會主動注意到自己需要這麼做。

提示 4 - 為拒絕意見提出最強論證

我想要求[時間/人力/一個衝刺]來完成 [工作]。以下是我的理由:[貼上] 不要改善我的案例。請反駁它。 寫出一位有能力的、善意的[總監/副總裁/創辦人]會給出的最強拒絕理由, 在已知情況下,一位善意的[總監/副總裁/創辦人]會給出的 而且他們也要對[相互競爭的優先事項]負責。 使用他們的用語,而不是我的。 接著: - 指出我論點中最薄弱的環節,以及它為什麼最薄弱 - 指出我假設他們已經同意的事情, 可能不會 - 告訴我什麼證據實際上會改變他們的想法,以及他們是否 我目前掌握的 - 標出我案例中的每個數字,以及它的來源。如果我沒有 如果我沒有提供數字,就不要自行補上 - 請寫 [所需數字:什麼],而不是 如果我的案例確實薄弱,請直說。我寧願現在就發現 在這裡。

在不變成路由器的情況下解除阻塞

有位工程師卡住了。最快的做法,是把他們的問題貼到聊天中,取得答案,再轉交給他們。這只需九十秒,而且確實有效,但也悄悄讓事情變得更糟:工程師什麼也沒學到,下次會更早來找你,而你也把自己變成了快速 API 前面的一個慢速 API。

可擴展的做法,是要求模型提供問題,而不是答案。如果你禁止它親自走完診斷流程,它確實很擅長產生診斷路徑。

提示 5 - 問問題,而不是給答案

我團隊中的一位工程師卡在這個問題上:[描述問題 以及他們已經嘗試過的做法] 不要替我解決。不要暗示解法。不要說出 你認為原因是什麼。 告訴我應該依序問他們的三個問題,我 應該問他們什麼,最有可能引導他們找出 自己找出答案。對每個問題,說明回答是「是」或「否」會 逐一排除每條規則。 那麼告訴我:這位工程師必須事先知道什麼,才會 問題一要如何才有用?如果他們不知道,這個落差就是 真正該教的是什麼,而除錯工作階段要提出的 錯誤的介入方式。

提示 6 - 沒有人會寫的決策紀錄

一項技術主管幾乎不需付出成本、卻能替下一位省下六個月的成果。在對話結束時執行,趁被拒絕的選項仍在其中。

把我們的對話整理成一份決策紀錄。簡短,以書面形式呈現 讓一年後加入團隊、詢問為什麼會這樣運作的人也能看懂 用這種方式。 章節: - 決策 - 用一句話說明的決策 - 日期,以及由誰決定 - 是否這是一扇單向門或雙向門,以及撤銷決定的代價 - 我們拒絕的選項,以及拒絕每個選項的實際原因 遭到拒絕 - 不要寫成「它比較差」 - 決定這項決策的限制條件,包括團隊和 營運方面的事項 - 我們明知故犯而放棄的事項 - 讓我們重新檢視這項決定的條件:具體的觸發因素,而不是 「如果情況改變」 只使用這段對話中已說過的內容。凡是我斷言 沒有證據時,將某件事寫成假設,而不是事實 而不是事實。標記任何你不確定我確實說過的內容。

在工作流程開始前,而不是在流程中,先一次解決程式碼分享的問題

技術主管通常是決定,或至少示範團隊貼進聊天視窗的內容的人。原始碼、客戶資料、憑證和內部架構受你的僱傭協議、公司政策以及常見的客戶合約所規範;答案取決於你使用的是哪個層級和哪個帳戶,而不是當下什麼最方便。

在它變成習慣之前,有意識地決定是否採用,並以書面記錄。無論情況如何都適用的做法包括:思考問題的形狀,而不是貼上整個檔案;在放入任何內容之前,先遮蔽識別資訊和密密;完全不要放入客戶資料;並記住,小到足以貼出的程式碼片段,加上你的公開儲存庫,就可能像檔頭註解一樣確實地識別出該程式碼庫。如果你的公司有政策,就應以政策為準。如果沒有,你可能就是應該撰寫政策的人。

失敗的地方

失敗 會發生什麼事 該怎麼做
被抹平的利害關係 對可逆的選擇和永久性的選擇,給出同樣自信且詳盡的答案 先按可逆性排序。先問「撤銷這項決定要付出什麼代價」,絕不要先問「哪個選項」
部落格文章式的架構 因為撰寫原始資料的人就是擁有平台團隊的公司,所以建議採用那類公司的做法 將值班表、離職風險,以及你從未操作過的內容作為限制條件放入 prompt
捏造的業務數字 技術債務論述中那些不知從何而來的百分比和節省工時 禁止使用任何不是你提供的數字。用它來攻擊你的論點,而不是寫入其中
捏造的慣例 告訴初級成員,他的程式碼違反了一項不是你制定的規則,語氣卻聽起來像是你的規則 提供你的慣例,並禁止它聲稱任何你未提供的標準
扁平的審查清單 命名上的小問題與競態條件,權重和信心程度完全相同 設定嚴重性預算。最多三項必須修正的問題,而且它必須做出取捨
它不會說等等 被要求做決定時,它就會做出決定。它不會主動指出這項決定為時過早 明確詢問這是否需要現在決定,以及等待能帶來什麼好處
贊同 詢問你的計畫是否周全,你會得到肯定的答覆 要求它以必須核准這項決定的人之口吻,提出反對這項決定的最有力論據
完全沒有信任 它不在事件現場,不知道這名工程師已經精疲力竭,也不對團隊擁有任何權限 工作的那一半無法委派。這部分負責推理與寫作

如何安裝 Dante Skill?

下載檔案是 ZIP,且壓縮檔根目錄包含 SKILL.md,而不是放在巢狀資料夾中 - 上傳失敗通常就是因為資料夾結構不正確。在 Claude 桌面應用程式中,開啟 自訂 → Skills,上傳 ZIP 並將其開啟。

Skills 需要啟用程式碼執行功能,位置在 設定 → 功能。Anthropic 的說明中心目前列出 Free、Pro、Max、Team 和 Enterprise 可使用 Skills,而其 Academy 教學則列出 Pro、Max、Team 和 Enterprise - 因此如果你使用免費方案,請查看自己帳戶中的設定 → 功能,不要直接採信任一頁面的說法。完整操作流程請參閱 Skills 安裝指南。

在 ChatGPT 或 Gemini 中不需要上傳步驟:開啟 SKILL.md,複製內容,然後貼到自訂指示中。你會失去自動觸發功能,但保留這套方法。

這適合誰?

技術主管和資深工程師在負責技術方向的同時,也承擔自己的交付工作;以及首次擔任主管、已負有責任但尚未擁有職稱的人員。它可在 Claude、ChatGPT 或任何 AI 聊天工具中運作。

工程職位各自拆分為獨立的 Skills,每個售價 19 美元,下載一次即可:

更廣泛的集合是軟體開發人員 skills以及軟體與 IT skills。

總結:

先對決策進行分類,再做決定,因為模型會對可逆選擇和永久性選擇給出同樣自信的答案,而且永遠不會告訴你目前面對的是哪一種。將團隊情況作為硬性限制放入 prompt - 誰負責 on-call、他們從未運維過什麼、誰可能離職 - 並要求提供兩種排名:技術上最佳的方案,以及你的團隊實際能夠運行的方案。將審查控制在三個必須修正的項目,並禁止模型臆測你未提供的慣例,否則它會教導初級成員你從未制定的規則。與其讓它撰寫你的技術債務論點,不如讓它反駁這個論點;不要讓它自行捏造任何你未提供的數字。然後趁被否決的選項仍在對話中時,寫下決策紀錄。若要保留跨工作階段的團隊資訊,請使用 Dante - Tech Lead AI Skill($19)。可在 Claude、ChatGPT 及任何 AI 聊天工具中使用,並提供 30 天退款保證。

Skill · .md · 可搭配 Claude & ChatGPT 使用

Dante - 技術主管 AI Skill

在提出任何建議前,先按照撤銷決策的成本排序;根據你的團隊實際運維過的內容篩選選項;控制審查意見的數量;而當你要求時,還會反駁你的立場。無需訂閱。永久屬於你。

$19
取得 Dante skill →

KissMySkills 是一個提供 2,000+ 個 AI skills、80+ 個 prompt packs、75+ 個 agents 及 免費工具 的市集,適用於 Claude、ChatGPT 及任何 AI 聊天工具。

相關 Skill 指南

常見問題

Can Claude help with technical decisions?+

It can reason through options well, but it will not raise the two questions that actually settle most of them. The first is reversibility: ask it about your log format and your data model in the same session and you get two equally confident answers, though one is changeable on a Tuesday and the other outlives everyone who chose it. The second is operability: it does not know who is on call. Ask it to sort the decision by what undoing it costs before you ask it which option, and put your team in the prompt as a hard constraint.

What is a one-way door decision?+

Amazon's 2015 shareholder letter frames it as decisions that are consequential and irreversible or nearly irreversible, which must be made methodically, carefully and slowly with great deliberation and consultation. Most decisions are not like that: they are changeable, two-way doors, and those can and should be made quickly by high-judgement individuals or small groups. The practical value for a tech lead is spotting when a team is applying one-way-door process to a two-way-door decision, which is where most of the slowness comes from.

Why does AI recommend architecture my team cannot run?+

Because it optimises for what is technically good, and the material it learned from was written largely by people at companies with a platform team. It does not know who is on call, what they have operated before, what they will be paged for, or how many of them will still be there in eighteen months. Give it those facts as constraints and ask for two rankings: the technically best answer and the one this team can actually run. Where they differ is the interesting part.

Is AI good at code review?+

It is good at finding candidates and bad at weighting them. The default output is a flat list where a naming preference, a missing test and a race condition all appear at the same size in the same confident tone, which is exhausting to receive and teaches nothing. Two fixes: impose a budget of at most three must-fix items so it has to choose, and supply your conventions while forbidding it from asserting any standard you did not give it. Otherwise it will tell a junior their code breaks a rule that is not your rule.

Will it invent numbers in a tech-debt business case?+

Yes. Ask it to make the case for paying down debt and you get percentages of incidents avoided and engineering hours saved that you never supplied. Forbid any figure you did not give it, with a placeholder instead. The better use is to point it the other way entirely: ask it to write the strongest refusal a competent director would give, in their vocabulary. That tells you what you actually have to answer, and models are good at it when asked and bad at noticing it needs doing.

How do I unblock an engineer without doing the work for them?+

Do not paste their problem in and hand back the answer. It takes ninety seconds and it makes you a slow API in front of a fast one, while the engineer learns nothing and comes to you sooner next time. Ask the model for the three questions to ask, in order, with what a yes and a no would each rule out, and forbid it from hinting at the cause. Then ask what the engineer would need to already know for the first question to land - if they do not know it, the gap is the thing to teach and the debugging session is the wrong intervention.

Is it safe to paste work code into an AI chat?+

That is a policy question rather than a technical one, and as a tech lead you are usually the person who sets it or models it. Source code, customer data, credentials and internal architecture are governed by your employment agreement, your company's policy and often a customer contract, and the answer depends on your tier and account. Settle it in writing before it becomes a habit. Practices that hold regardless: reason about the shape of a problem rather than pasting the file, redact identifiers and secrets, keep customer data out, and remember a small snippet plus your public repo can identify the codebase.

How do I install the Dante skill?+

The download is a ZIP with SKILL.md at the root of the archive rather than inside a nested folder, which is the usual reason an upload fails. In the Claude desktop app open Customize, then Skills, upload the ZIP and toggle it on. Skills need code execution enabled, under Settings then Capabilities. Anthropic's help centre currently lists Skills on Free, Pro, Max, Team and Enterprise, while its Academy tutorial lists Pro, Max, Team and Enterprise, so if you are on the free plan check Settings then Capabilities for your own account rather than trusting either page. In ChatGPT or Gemini there is no upload step, so open SKILL.md, copy the contents and paste them into custom instructions.

~/get-started

實用的 Skills。不說空話。

瀏覽商店中的每個技能、prompt 套件和 agent。

瀏覽所有技能 →或試試免費工具