Chapter 01
1. 實務問題
換用新模型時，把所有舊提示詞、規則與專案資料一次貼上，常造成回應變慢、重點被淹沒與規則衝突。建築與室內設計還有圖面、模型、規範及交付責任，不能只靠一次生成。
Chapter 02
2. 為什麼發生
來源簡報將 Prompt Engineering 推進到 Context Engineering：重點不是把指令寫長，而是安排什麼資訊、何時載入、交給哪個角色。個人偏好、全域 AGENTS、專案 AGENTS、任務 Skill 與即時資料應分層管理，並區分官方概念與 HANSUN 實務解讀。
Chapter 03
3. 如何拆解
- -AGENTS.md 放穩定的專案導航與硬限制，不做百科。
- -Root router 判斷任務類型、選擇 Skill 與停止條件。
- -Task Skill 只放單一工作的必要流程、檢核與工具路徑。
- -Retrieval 與腳本在需要時才載入。
Chapter 04
4. 操作流程
- 01寫清目標、輸入、硬限制、完成條件與停止條件。
- 02由 router 判斷研究、建模、文件、資料或發布任務。
- 03採 progressive disclosure，只載入必要 Context。
- 04安全可逆的動作先做；正式資料、付款、發布與不可逆覆寫須停下確認。
- 05執行→檢查→修正→重跑→交付，直到完成條件成立。
Chapter 05
5. 實際案例
平面圖轉 3D 時，AI 可整理需求並提出體量、材質草案；接著建立可編輯 Blender 模型，回看樓層、尺寸、構件與輸出。至少做視覺、幾何／資料、專業人員三層 QA。AI 產出不等於施工核准。
Chapter 06
6. 常見錯誤
- -所有規則塞進單一超長 Skill。
- -AGENTS.md 混入一次性任務細節。
- -沒有定義 done，看到回覆就以為完成。
- -只看渲染圖，不回讀模型、圖層、尺寸與結構。
- -把官方文件與自身解讀混寫。
Chapter 07
7. 風險與限制
Context 分層不能消除錯誤；來源不完整、尺寸缺失或權限不足時應標記未知並停止。結構、消防、法規、正式資料與對外發布仍須由有權限的人員確認。簡報中的 OpenAI 資料是來源整理；HANSUN 建築工作流屬實務延伸。
Chapter 08
8. 建議做法
每個 Skill 只解一類問題，開頭寫觸發時機與輸入，結尾列驗收清單。AGENTS.md 保持導航性，細節放支援文件。每次留下可回讀產物、測試結果與未解風險；模型依任務複雜度與失敗成本選擇。
Chapter 09
9. 結論
GPT-6 Astra 的價值不只在回答更強，而是在正確 Context 中持續完成工作。把規則分層、決策邊界寫清楚、QA 變成流程，才能讓建築室內 AI 成為可維護、可驗收、可交接的專業工作流。
檢核清單：目標明確？來源可追溯？只載入必要 Context？定義 done 與 stop？視覺、幾何、專業 QA 完成？
