Claude Code 是 Anthropic 推出的 AI coding agent，能直接讀取你的專案目錄、修改檔案、執行終端機指令、跑測試，而且不需要離開開發環境。它跟 ChatGPT 最根本的差異在於：ChatGPT 在瀏覽器裡跟你「聊」程式，Claude Code 走進你的本機 repo 動手做事。跟 OpenAI Codex 的核心差異則是定位：Claude Code 貼近本機開發流程，Codex 雖然也有本機 CLI 與 IDE 擴充，但整體更偏向 App 與雲端任務分派。想並排逐項比較兩者，我們另一篇Codex vs Claude Code 完整比較把權限治理、定價模型與本機 shell 整合攤開來講；想看 Codex 全貌則有OpenAI Codex 完整教學。值不值得用？如果你日常需要在本機處理程式碼、檔案或自動化流程，值得試。如果只是偶爾問幾個問題，ChatGPT 就夠了。
先說實測結論：我們用 Claude Code 在一個約 8,000 行、45 個檔案的中型 Node.js 專案上跑了三個任務（修一個 login API 回傳 500 的 bug、補 password validation 的單元測試、更新過時的 README），三件事加起來約 9 分鐘，同樣的工作手動處理大概要 40-50 分鐘。但其中有 1 個測試是「看起來合理、跑起來才發現錯」的 unicode 邊界誤判，這種輸出最需要人工覆核。更重要的是，這不是紙上談兵：我（Sliven）現在每天都用 Claude Code 維運你正在讀的這個網站 seo.whoops.com.tw。整條內容發布流程，從選題方向、大綱、草稿、多維度審查、配圖、精選圖、上傳 WordPress 到補內部連結，全由倉庫裡的腳本管線串起來，連這篇文章的 HTML 與 SEO 欄位都是 Claude Code 直接呼叫 WordPress REST API 完成的（這份教學最後實測於 2026 年 7 月）。下面會把這段實測過程、踩到的坑、安裝到 CLAUDE.md 的完整設定，以及值不值得導入的判斷一次講清楚。
本文更新基準：功能、安裝方式與方案資訊最後核對於 2026 年 7 月 28 日。Claude Code 更新很快，文中容易變動的段落都附上 Anthropic 官方來源，實際介面與帳號權限仍以你的帳號畫面為準。
TL;DR： Claude Code 的強項是貼近本機開發流程。Codex 的強項是程式介面與任務分派。只想在本機深度處理一個 repo，先試 Claude Code；想在程式介面管理多個任務，優先看 Codex。
你現在要解決哪個 Claude Code 問題？
- 第一次接觸：先留在本篇，從安裝、第一個任務與常用指令開始。
- 想把專案規則寫好：看〈CLAUDE.md 完整教學〉。
- 擔心誤改或指令風險：看〈Claude Code 權限與 Plan Mode〉。
- 正在比較方案：看〈Claude Code 費用與方案〉。
- 正在比較競品：看〈Codex vs Claude Code〉。
文章目錄
Claude Code 是什麼？不是「更會寫程式的 ChatGPT」
最常見的誤解：Claude Code 就是一個比較會寫程式的 ChatGPT。不是。兩者的根本差異在於能不能動手。ChatGPT 是聊天室裡的程式設計顧問，你問它答，答案貼出去之後要自己動手改檔案、跑指令、看結果。Claude Code 是走進你開發環境裡的 agent，它可以直接存取檔案系統、執行終端機指令、讀取 Git 狀態，然後自己做修改、自己跑測試、自己看結果決定下一步。
用一個比喻：聊天式 AI 像你拿食譜打電話問朋友怎麼煮，對方口頭告訴你步驟，你自己在廚房操作。Claude Code 像有人直接走進你的廚房，幫你找鍋子、切菜、開火，每做一步會先問你「這樣可以嗎」，你點頭它才繼續。
Claude Code 不只是一個終端機工具。除了 CLI，也能從 VS Code、JetBrains、Claude Desktop 的 Code 分頁與 Web 版進入，還能用 Remote Control 從 claude.ai 或手機接手正在本機執行的 session，並可接到 GitHub Actions 等開發流程。實際可用入口與系統需求會持續更新，安裝前請以 Anthropic 官方安裝文件為準。
定義講清楚：Claude Code 是一個 agentic coding tool。「Agentic」的意思是它不是一問一答就結束，而是會根據任務自己決定要做哪些事、讀哪些檔案、跑哪些指令，然後觀察結果再決定下一步。這個循環會一直重複，直到任務完成或它需要你介入判斷。
第一次使用，我建議先讓它讀專案，不要一開始就叫它改檔案。理解它的判斷邏輯之後，再慢慢加大任務範圍，先建立對它的判斷可信度。如果你還不熟 Claude 的帳號、介面與基本操作，可先看〈Claude 教學〉。
Claude Chat、Cowork、Code 差在哪？三種型態一次搞懂
先把三個名稱分開：Chat 是一般對話介面；Cowork 是 Claude Desktop 裡可在隔離環境執行知識工作任務的 agent；Code 則是能讀 repo、改檔案、跑指令與測試的 coding agent，而且入口不只終端機，也包含 Desktop、Web 與 IDE。
Claude Chat（對話型）
就是你在 claude.ai 網站、手機或 Desktop App 上使用的一般對話介面，適合問答、寫作、分析與整理資料。它可以產生 artifacts 或搭配連接器，但不等於進入 repo、執行 shell 與跑測試的 Claude Code 工作流。
Claude Cowork（協作型）
Cowork 是 Claude Desktop 裡的工作型 agent，會在隔離的雲端虛擬機中執行研究、文件整理與其他多步驟任務。它和 Claude Code 的差別不在有沒有圖形介面，而在主要工作對象：Cowork 面向一般知識工作，Code 面向程式碼與開發流程。
Claude Code（終端機 agent）
前面已經提過，它直接在你的電腦上操作。讀檔案、改程式碼、跑測試、操作 Git，全部在本機環境裡完成。它不是在沙盒裡幫你做東西，是走進你實際的工作目錄動手做事。這也代表你給它的權限越大，它能做的事越多，但你需要看著它。
三種型態比較
| 功能特性 | Claude Chat | Claude Cowork | Claude Code |
|---|---|---|---|
| 主要入口 | Web、手機、Desktop | Desktop App | CLI、IDE、Desktop、Web |
| 主要工作環境 | 對話與 artifacts | 隔離的雲端虛擬機 | 本機 repo 或連接的遠端 repo |
| 主要任務 | 問答、寫作、分析 | 研究、文件與多步驟知識工作 | 讀碼、改檔、跑測試、Git 與自動化 |
| 最適合 | 需要對話協助的人 | 想交付完整工作成果的知識工作者 | 需要 AI 直接進入開發流程的人 |
誰該用哪個？問問題和寫東西用 Chat，想讓 Claude 在專屬空間幫你產出文件或原型用 Cowork，想讓它直接改你的程式碼和跑指令用 Code。最常被搞混的是 Cowork 和 Code：Cowork 是 Claude Desktop 裡的協作介面，Code 是獨立的 coding agent，兩個完全不一樣。更多細節可以看 Claude 教學和 Claude Desktop 介紹。
Claude Code 怎麼運作？理解 Agent Loop
Claude Code 的核心運作機制是一個叫做 Agent Loop 的循環。理解這個循環，你才知道為什麼有些任務它做得好、有些不行，以及怎麼給它更好的指令。
Agent Loop 分六步。
- 理解任務：解析你給的指令，確認目標是什麼
- 探索上下文：自己決定要讀哪些檔案、看哪些目錄、查哪些設定
- 制定計畫：根據探索結果，列出要執行的步驟
- 執行動作：修改檔案、跑指令、安裝套件、執行測試
- 觀察結果：讀錯誤訊息、檢查測試輸出、確認修改是否生效
- 調整或回報：如果結果不對，回到步驟 2 重新探索；如果完成，回報給你
這不是一次給答案就結束的過程。它可能會迴圈跑很多次，每次根據上一步的結果調整方向。這就是為什麼 Claude Code 處理一個任務可能要幾十秒到幾分鐘，而不是像聊天機器人那樣秒回。
但這裡有一個關鍵問題：Agent Loop 的第 5 步「觀察結果」需要回饋訊號。如果你的專案沒有測試、沒有 linter、沒有型別檢查，也沒有明確的錯誤訊息，Agent Loop 就像在陌生城市裡靠感覺開車。它會試著判斷自己做對了沒有，但缺乏客觀的驗證機制。這不是 Claude Code 的 bug，是所有 agentic tool 共同的結構性限制。
所以如果專案還沒有測試、lint 或型別檢查，建議先補最基本的驗證機制。目的不是追求流程形式，而是讓 Agent Loop 有客觀回饋，知道修改到底有沒有成功。
Claude Code 能幫你做什麼？
直接回答：Claude Code 能做的事比你想像的多，但不是每件事都適合全交給它。以下分工程師和非工程師兩個群體來看。
工程師的 7 個場景
| 場景 | 可以幫忙的 | 仍要把關的 |
|---|---|---|
| 修 bug | 讀錯誤訊息、定位根因、提出修復方案 | 邊界條件、效能影響、向後相容 |
| 寫測試 | 根據現有程式碼產生測試案例 | 測試覆蓋率是否足夠、案例是否有意義 |
| 重構 | 統一命名、拆分大函式、搬移檔案 | 重構後的行為是否完全不變 |
| 整理文件 | 更新 README、補 API 文件、整理 CHANGELOG | 技術細節的準確性 |
| Git 操作 | 產生 commit message、建立分支、解 merge conflict | 分支策略、release 流程的判斷 |
| 學新專案 | 快速摘要架構、畫出依賴關係、解釋核心邏輯 | 深層設計決策的脈絡 |
| 自動化流程 | 寫 CI/CD 腳本、建置工具鏈、設定 lint/format | 安全性設定、環境變數管理 |
非工程師也能用的場景
不用會寫程式，Claude Code 一樣幫得上忙。以下是幾個實際的例子。
整理資料夾、批次改檔名。200 張照片檔名是 IMG_20260101_001.jpg 這種相機預設格式，想改成「日期＋地點」。跟 Claude Code 說「把這個資料夾裡所有照片按照 EXIF 日期重新命名，格式是 YYYY-MM-DD-序號」，它會寫腳本、執行、完成，你只要確認前幾個檔名對不對。
把 Excel 資料彙整成報表、自動化重複作業。月底行銷部門跑了 8 個活動、各一份 Excel 成果表，你可以叫 Claude Code 讀進來按欄位彙整成總表，甚至產生統計摘要，省下半小時。每週固定要寄檔案、每天要複製資料到試算表這類規律工作，也能請它寫成可重複執行的腳本。需要內部表單頁或簡單工具，它也能直接產生 HTML/CSS/JS。
一個星期五下午的故事
想像一個情境：星期五下午四點半，你接到一個兩年前別人寫的專案的 bug 回報，程式碼你沒看過、文件幾乎是空的。手動讀完加 debug 可能到下班還做不完。這時你打開 Claude Code，請它先讀專案架構、找出跟錯誤訊息相關的模組、定位根因，十分鐘後有了方向，三十分鐘修復完成、測試也跑過了。但有一個判斷要說清楚：可以讓 Claude Code 做，不要一開始就全自動做。先讓它做一步、你確認一步，建立信任之後再慢慢放大，把它當成能力很強但偶爾會犯錯的同事，而不是全知全能的自動化機器。
10 分鐘開始用 Claude Code
六步完成安裝與第一個任務
最快的方式是打開終端機，六步走完。前提是你已經有 Claude Pro 以上的帳號。
步驟 1：安裝（1 分鐘）
官方推薦用 native install（一行指令、不需 Node.js）：macOS/Linux/WSL 跑 curl -fsSL https://claude.ai/install.sh | bash，Windows PowerShell 跑 irm https://claude.ai/install.ps1 | iex。裝好就有 claude 指令可用。官方推薦 native install；npm install -g @anthropic-ai/claude-code 仍完整支援，只是需要 Node.js 22 以上。
步驟 2：登入（1 分鐘）
終端機輸入 claude，第一次執行會引導你用瀏覽器完成 Anthropic 帳號授權，授權完自動接上，不需要額外設定 API key。
步驟 3：進入專案（30 秒）
用 cd 切到你想讓 Claude Code 工作的專案目錄，然後輸入 claude 啟動。它會自動偵測這個目錄下的檔案結構、Git 狀態和相關設定。
步驟 4：下第一個指令（2 分鐘）
老實說，第一次用 Claude Code 最好的入門指令不是叫它改東西，而是叫它讀專案。試試這句：
「請先讀這個專案，不要修改檔案，幫我摘要架構。」
這句話讓它只做理解、不動手。你會看到它自己讀目錄、開檔案、抓重點，然後給你一份結構摘要。這就是 agentic coding 的核心：它自己決定要讀哪些檔案、怎麼理解你的專案。更多 Claude 的基本操作，可以參考我們的 Claude 教學。
步驟 5：試一個小任務（3 分鐘）
接著給它一個具體但小的任務，例如：「幫我在 README.md 加入一個安裝說明段落」。它會讀現有的 README、判斷格式、產生新內容，然後詢問你是否同意修改。確認後它才會寫入檔案。
步驟 6：查用量（30 秒）
在對話中輸入 /usage，可以看到目前的 token 用量和剩餘額度。養成習慣，每隔一段時間確認一下。
走完六步你就用過了。接下來的內容都是在這個基礎上往上加。
Claude Code 安裝：CLI、VS Code、Desktop、Web 與 Remote Control
四種主要入口，加一種跨裝置接手方式
安裝前先確認帳號方案：目前 Free 方案不含 Claude Code，個人使用通常從 Pro 開始。你仍可登入一般 Claude，但無法啟用 Claude Code；方案內容若有調整，以官方定價頁為準。
CLI（命令列）安裝
這是進階開發者最常用的方式。官方目前推薦 native install，一行指令搞定、不需要 Node.js；舊的 npm install 方式已標為不建議。
macOS / Linux / WSL：
curl -fsSL https://claude.ai/install.sh | bashWindows PowerShell：
irm https://claude.ai/install.ps1 | iex裝完後跑 claude --version 確認版本，或跑 claude doctor 做一次完整健檢。第一次登入直接輸入 claude，它會引導你完成瀏覽器授權。
建議第一次使用先下低風險指令試水溫，例如 claude "列出這個目錄下的所有 TypeScript 檔案"，確認它理解環境、回應正常，再給更複雜任務。
VS Code 擴充功能
在 VS Code 市集搜尋「Claude Code」直接安裝。裝好後用 Cmd+Shift+P（macOS）或 Ctrl+Shift+P（Windows）開命令面板，搜尋 Claude Code 就能啟動。
這個擴充功能在 Cursor 裡也能用。如果你已經是 Cursor 用戶，不用額外裝東西，在同一個編輯器裡就能呼叫 Claude Code。最大好處是不用離開編輯器，改完直接看 inline diff，改了什麼一目了然。前後端修改都在同一個視窗裡完成，對需要頻繁看 diff 的開發者很方便。
Desktop App
到 claude.ai/download 下載 Desktop App。安裝完打開 Claude，登入後選「Code」分頁（與「Chat」、「Cowork」並列三個分頁）。Claude Code Desktop 目前支援 macOS 與 Windows；Linux 尚未提供 Desktop App，Linux 使用者請改用 CLI、IDE 或 Web 版。完整平台狀態可查 Claude Code Desktop 官方文件。
Desktop App 適合不喜歡終端機的人。它背後跑的是同一個引擎，只是用圖形介面包了一層。Desktop App 把 AI 的操作門檻降到最低，適合先用圖形介面熟悉流程。
Web 版
連到 claude.ai/code，免安裝，開瀏覽器就能用。Web 版可以處理遠端 repo，同時開多個 session，適合臨時要在別台電腦上工作的情境。
Web 版適合把遠端 repo 任務交給雲端環境執行，也能平行開多個 session；CLI、IDE 與 Desktop 則更貼近本機檔案、指令與即時 diff。不是哪個一定比較完整，而是工作位置不同。
Remote Control：從手機或瀏覽器接手本機 session
Remote Control 跟 Web 版最容易搞混。Web 版是在 Anthropic 的雲端環境執行；Remote Control 則是程式仍跑在你的電腦上，只把操作介面延伸到 claude.ai 或 Claude 手機 App。你可以在本機執行 claude remote-control，或在既有 session 輸入 /remote-control，再從另一台裝置接手。因為工作仍在本機執行，原本的檔案、MCP、工具與專案設定都能沿用。詳見 Remote Control 官方文件。
| 方式 | 適合誰 | 優點 | 注意事項 |
|---|---|---|---|
| CLI | 習慣終端機的開發者 | 貼近 shell、腳本與完整本機工作流 | 要熟悉命令列與權限提示 |
| VS Code 擴充功能 | 日常用 VS Code / Cursor 的人 | 不離開編輯器、inline diff 直覺 | 仍要看終端機輸出與實際測試結果 |
| Desktop App | 偏好圖形介面的人 | 可視化管理 session 與 diff | 先確認系統支援與 Code 分頁權限 |
| Web 版 | 遠端 repo、跨裝置或平行任務 | 免本機安裝，可在雲端環境執行 | 本機使用者設定與 MCP 不會自動帶過去 |
| Remote Control | 想從手機或瀏覽器接手本機工作的人 | 程式仍跑在本機，可沿用本機設定與工具 | 本機 Claude Code 必須保持執行與連線 |
設定是否共用要看程式跑在哪裡。CLI、IDE、Desktop 的本機環境與 Remote Control 可讀取本機 Claude Code 設定；Web 版在雲端執行，不會自動帶入你電腦上的使用者設定或本機 MCP。要讓 Web 任務取得專案規範，應把可共用的 CLAUDE.md、hooks、settings 或 .mcp.json 放進 repo，並避免提交密碼與憑證。詳見 Claude Code on the web 官方說明。
裝好只是第一步。知道有哪些常用指令和快捷鍵，才能把 Claude Code 用得順手。下面是一張速查表，建議直接加書籤。
Claude Code 常用指令與高品質 Prompt 寫法
這段是速查區。完整指令列表可以看 Claude Code Commands 官方文件，費用計算看 Costs 文件。
先看啟動類指令，這些是你在終端機裡直接輸入的：
| 指令 | 用途 | 什麼時候用 |
|---|---|---|
claude | 啟動互動式對話 | 每天開工的第一步 |
claude "任務描述" | 帶著任務直接啟動 | 明確知道要做什麼時，省去互動 |
claude -p | 非互動模式（pipe 模式） | 要串接腳本或 CI/CD 時 |
claude -c | 繼續上次對話 | 中斷後回來繼續工作 |
claude -r "session" "任務" | 從指定 session 繼續工作 | 要回到某一段歷史工作，而不是只接最近一段時 |
再看對話中的指令，這些是進 Claude Code 後輸入的斜線指令：
| 指令 | 用途 | 什麼時候用 |
|---|---|---|
/clear | 清空對話、重開新 session | 話題切換時。最重要的新手指令，避免舊上下文污染新任務 |
/compact | 壓縮對話歷史、釋放 context 空間 | 對話太長開始變慢或變貴時 |
/model | 切換模型（Sonnet / Opus） | 簡單任務用 Sonnet 省錢，複雜推理切 Opus |
/plan | 進入 Plan Mode，只規劃不執行 | 想先看 AI 的判斷再決定要不要動手 |
/usage | 查看本次 session 的花費和用量 | 不確定已經燒了多少 token 時 |
/context | 視覺化目前的 context 使用狀況 | 需要了解 token 用到哪裡去了 |
/memory | 編輯 CLAUDE.md 記憶檔案 | 要調整專案設定或加入新規範 |
Shift+Tab | 切換權限模式 | 在 Default / Accept Edits / Plan 之間切換 |
Esc | 取消目前動作 | AI 開始跑偏了，先停下來 |
Esc+Esc | 強制中斷 | 真的卡住了，連按兩下 Esc 緊急停止 |
特別講一下 /clear。為什麼它是最重要的新手指令？因為 Claude Code 對話有上下文長度限制。在一個 session 裡改了十幾個檔案後，context 塞滿舊的程式碼片段和修改紀錄，AI 判斷力會下降，就像跟記憶力過載的同事講話、他開始搞混你講過的東西。所以每次換任務，養成習慣先跑一次 /clear。
指令熟了之後，另一個能提升使用體驗的設定是 CLAUDE.md。這個檔案就像幫 AI 寫一份專案說明書，讓它每次啟動都帶著正確背景知識。
Prompt 寫法：背景、限制、驗收
很多人覺得 Claude Code 不好用，問題往往出在指令寫得太模糊。把同一個任務的兩種寫法擺在一起，你會看到明顯差距。底下三個原則可以記起來：給背景（這是什麼專案、為什麼要改）、給限制（哪些檔案不能動、用什麼風格）、給驗收（怎樣算做完、要不要跑測試）。
| 任務 | 模糊寫法（容易出錯） | 清楚寫法（背景＋限制＋驗收） |
|---|---|---|
| 修一個 API bug | 「login 壞掉了，幫我修」 | 「這是 Express 後端。login API 回傳 500，找出根因，先不要改檔；只看 src/routes/auth 底下的程式碼；給我修法後我用既有的錯誤格式 { success, data, error } 驗收。」 |
| 補測試 | 「幫密碼驗證寫測試」 | 「這是 ESM 專案，用 Vitest。幫 src/lib/password.ts 補單元測試，覆蓋正常輸入、空值、unicode 特殊字元三類；測試要能直接 npm test 跑過，不要動其他檔案。」 |
| 更新文件 | 「README 太舊了更新一下」 | 「讀現在的程式碼，把 README 更新成符合現況。只更新安裝與指令段落，不要新增『貢獻指南』這類不存在的章節；更新完跑一次 npm run lint 確認沒有格式問題。」 |
這三組對照有一個共同點：右邊的版本都把「AI 容易自由發揮的地方」先框住。給了背景，它就不會用跟專案不一致的慣例；給了限制，它就不會去動你不想被改的檔案；給了驗收條件，它就不會在沒跑測試時就宣稱完成。多花三十秒寫清楚指令，通常能省下十幾分鐘修正時間。
如果你發現自己常常要重複解釋同一組背景，那就代表這些資訊該寫進 CLAUDE.md，而不是每次都重打。指令是臨時的，設定檔是長期的，兩者搭配才是順手的工作流。
想把背景、限制、驗收再升一級，可以套用 PTCF 提示詞框架：Persona（角色，要它用什麼身分思考）、Task（任務，要它做什麼）、Context（脈絡，相關的專案背景與限制）、Format（格式，要它用什麼形式輸出）。例如把「幫我寫測試」改寫成「你是這個專案的資深測試工程師（Persona），幫 password.ts 補單元測試（Task），這是 ESM 專案用 Vitest、不能動其他檔案（Context），輸出成可直接 npm test 跑過的測試檔（Format）」。背景、限制、驗收對應到 PTCF 的 Context 與 Task，再多補一個角色設定與輸出格式，指令的精準度會再往上提一階。
CLAUDE.md 是什麼？怎麼設定？
CLAUDE.md 就是你的專案說明書。它告訴 Claude Code 這個專案是什麼、用什麼技術棧、有什麼規範、哪些地雷不能踩。沒有這個檔案，Claude Code 就像一個新來的同事對專案一無所知，只能靠你自己口頭解釋。有了它，AI 每次啟動就自帶完整背景知識。
CLAUDE.md 採用分層記憶設計，由上到下分四層，愈上層優先級愈高、影響範圍愈大：
| 層級 | 位置 | 影響範圍 | 適合放什麼 |
|---|---|---|---|
| Managed Policy（組織層） | 由管理員集中部署，使用者無法覆寫 | 整個組織、所有專案與成員 | 資安底線、合規要求、禁止外傳的檔案規則（團隊/企業方案） |
| User（使用者層） | ~/.claude/CLAUDE.md | 你個人的所有專案 | 個人偏好、通用編碼風格 |
| Project（專案層） | 專案根目錄 CLAUDE.md | 這個專案的所有協作者 | 技術棧、架構、規範、常用指令（進 git、團隊共用） |
| Local（本地層） | CLAUDE.local.md | 只有你自己 | 本機路徑、個人除錯習慣（不會進 git） |
理解這個分層的關鍵是優先級與部署方式。當不同層衝突時，Managed Policy 永遠最高，且由管理員集中派發、成員無法關閉，這也是企業用來強制資安底線的機制；Project 層進版本庫、團隊共用；User 與 Local 層只影響你自己。實務上把「團隊必須一致」的規則放 Project、「公司絕對不能違反」的放 Managed Policy、「只有我習慣」的放 User 或 Local，三者各司其職才不會打架。
那到底什麼內容該寫進去？判斷標準很簡單：拿掉這條規則，AI 會不會犯錯？ 會就寫，不會就不需要。不需要把整個 README 複製貼上，只寫 AI 不知道就會搞砸的那幾條。精準比冗長有用。
下面是一個完整可複製的範本，你可以根據自己的專案修改：
# 專案名稱：My Project
## 專案概覽
這是一個 Node.js + Express 後端 API 服務，搭配 React 前端。
主要功能：用戶註冊、登入、資料 CRUD、定時排程。
## 技術棧
- 後端：Node.js 20、Express、PostgreSQL
- 前端：React 19、Vite、Tailwind CSS
- 測試：Vitest + Playwright
- 部署：Docker + AWS ECS
## 專案結構
- `src/routes/` API 路由定義
- `src/models/` 資料庫模型（Sequelize）
- `src/services/` 商業邏輯層
- `src/middleware/` 認證與錯誤處理中介層
- `frontend/src/` React 前端原始碼
## 編碼規範
- 後端使用 ESM（import/export），不使用 CommonJS
- API 回應統一格式：`{ success, data, error }`
- 資料庫操作只在 service 層，route 層不直接操作 DB
- 錯誤處理統一 throw CustomError，由全域 middleware 攔截
## 重要限制
- 環境變數在 `.env`，不要寫死在程式碼裡
- `src/migrations/` 裡的檔案只能加、不能改
- 所有對外 API 必須通過認證 middleware
## 常用指令
- `npm run dev` 啟動開發伺服器
- `npm test` 跑測試
- `npm run db:migrate` 跑資料庫遷移
- `npm run lint` 檢查程式碼風格這個範本覆蓋六個關鍵面向：專案概覽、技術棧、目錄結構、編碼規範、重要限制、常用指令。你不需要照抄，但這六個分類是好的起點。關鍵不是寫多少，而是每個規則都有明確目的。
還有一個實用建議：CLAUDE.md 要短而具體。Anthropic 建議目標控制在 200 行以內；檔案太長會增加 context 成本，也更容易讓重要規則被大量背景資訊稀釋。把完整文件留在原本的 docs，需要時再從 CLAUDE.md 指向它。想看分層、範本與常見錯誤，可接著讀〈CLAUDE.md 完整教學〉。
Plan Mode、權限模式與模型選擇
Claude Code 有三個你一定要搞懂的控制機制：權限模式決定 AI 能做什麼、Plan Mode 決定它先想還是先做、模型選擇決定它有多聰明（和多貴）。三個湊在一起，就是你在成本和效率之間拿捏的施力點。
先看權限模式。Claude Code 目前有六種模式；一般互動中用 Shift+Tab 主要循環切換 Default、Accept Edits 與 Plan，其他模式依啟動參數或政策設定使用。完整行為以 官方權限模式文件為準。
| 權限模式 | 行為 | 適合場景 |
|---|---|---|
| Default | 首次使用工具時詢問批准 | 一般使用與新專案 |
| Accept Edits | 自動接受檔案編輯，其他高風險工具仍詢問 | 信任改碼，但仍想控制指令 |
| Plan | 只分析與規劃，不直接修改 | 高風險或範圍不明的任務 |
| Auto | 在限制條件內自動處理權限提示 | 需要較連續的代理工作流 |
| DontAsk | 未預先允許的工具直接拒絕，不跳出詢問 | 非互動或政策明確的流程 |
| Bypass Permissions | 略過權限檢查 | 只限另有外部隔離的環境；不可在一般本機工作區隨意使用 |
新手強烈建議先用 Plan Mode。在這個模式下，Claude Code 只能讀檔案和提出計畫，不能改任何東西。你先看它的判斷對不對，對了再切回 Default 或 Accept Edits 讓它動手。這個習慣可以幫你省下很多「AI 改錯了要 undo」的麻煩。特別是當你的專案牽涉到部署、效能或資料處理這類對細節敏感的設定時，先規劃再動手就更重要。
接著是模型選擇。截至 2026 年 7 月，Claude Code 預設仍是 Sonnet 系列；Opus 5 已可手動切換（需要較新版本的 Claude Code），但額度消耗明顯較高，建議留給跨模組的架構決策。差別在哪？
| 選擇面向 | 預設／較快模型 | 較高能力模型 |
|---|---|---|
| 適合任務 | 小修改、文件、例行除錯與反覆迭代 | 跨模組推理、架構決策與高複雜度除錯 |
| 成本與速度 | 通常較快、較省額度 | 通常需要更多時間與額度 |
| 怎麼選 | 先用目前預設模型完成可驗證的小步驟 | 當預設模型無法穩定處理複雜關聯時再切換 |
模型不要靠記憶中的名稱或隱藏代號硬猜。用 /model 查看帳號目前可選的模型，再依任務調整；日常小修改先用預設模型，跨模組推理或架構決策才切到更高能力模型。需要控制推理深度時，用 /effort 調整。
Claude Code vs Codex：該選哪一個？
搞懂 Claude Code 能做什麼後，很多人會問它跟 OpenAI Codex 差在哪。兩者現在都支援本機與雲端工作流，不能只用「終端機對雲端」二分。實際選擇要看團隊既有生態、權限治理、常用入口，以及你偏好即時在本機協作，還是把任務交給背景環境。完整逐項比較可看〈Codex vs Claude Code〉。
| 比較面向 | Claude Code | Codex |
|---|---|---|
| 核心定位 | 本機深度工作的 AI agent | 雲端任務為中心的 agent 平台 |
| 主要入口 | CLI、VS Code、Desktop App、Web | ChatGPT App、Web、IDE、Cloud、GitHub、Slack |
| 最適合 | 需要深度理解專案結構的複雜開發任務 | 批量背景任務、PR review、團隊協作流程 |
如果工作主要發生在現有本機 repo、需要邊看 diff 邊調整，Claude Code 很順手；如果團隊已深度使用 OpenAI 的 App、雲端任務與 review 流程，Codex 的導入摩擦可能更低。兩者都能處理程式碼，也都需要權限邊界與人工驗收。上述比較依 Claude Code 官方文件與 Codex 官方文件的現行功能整理。
抽象比較看完，換兩個具體情境幫你判斷。第一個是小團隊在本機 repo 協作：程式碼主要在一台機器或一份本機 clone 上，改完要立刻看 diff、立刻跑測試，這時 Claude Code 貼著終端機與編輯器的深度整合很順手，省掉把任務丟上雲端再撈回來的往返。
第二個是跨時區的 PR review 流程：團隊分散在不同時區，希望每個 PR 一開出來就有 AI 先看過、標出風險，再交給人類審查。這種以 PR 為中心、批次處理的任務，Codex 在 ChatGPT App 與雲端任務那套流程裡整合得更緊。兩者不是誰取代誰，而是看你每天的工作發生在哪個介面。
Claude Code 的進階功能：Hooks、Skills、Subagents 與 MCP
你不需要一開始就把這些全部搞懂，但知道天花板在哪很重要，不然會以為 Claude Code 只是比較聰明的終端機助手。事實上它已經能擴充成跨終端機、IDE、手機、排程與外部服務的自動化流程。以下是實務上最常遇到的功能：
| 功能 | 做什麼 | 什麼時候用到 |
|---|---|---|
| Hooks | 在特定事件（如檔案修改、指令執行）前後自動觸發腳本 | 想在 AI 每次 commit 前自動跑 lint、或修改後自動格式化 |
| Skills | 可重複使用的提示套件，把常用流程封裝成一個指令 | 有固定流程（code review、PR 建立）想一鍵觸發 |
| Subagents | 在獨立 context 裡處理子任務的 AI，把搜尋、log 等會洗主對話的工作隔離開來 | 多檔案或多模組的重構，想讓主對話保持乾淨 |
| GitHub Actions | 在 PR 裡標記 @claude 觸發自動 review | 團隊協作時，每個 PR 都有 AI 先看一遍 |
| JetBrains | 官方外掛支援 IntelliJ / WebStorm 等 IDE | 你是 JetBrains 生態的用戶 |
| Slack | 在 Slack 頻道裡標記 @Claude 觸發任務 | 團隊溝通和任務指派在同一個地方完成 |
| Chrome 擴充功能 | 在瀏覽器裡呼叫 Claude Code | 看網頁文件時想直接讓 AI 根據內容寫碼 |
| MCP | 連接外部工具和資料來源的協定（Model Context Protocol） | 要讓 AI 連資料庫、打 API、操作第三方服務 |
| Plugins | 把 Skills、Hooks、Subagents 與 MCP 設定包成可安裝套件 | 想把團隊流程版本化並重複安裝 |
| Remote Control | 從 claude.ai 或手機操作正在本機執行的 session | 離開座位後仍要查看進度或提供批准 |
| Scheduled tasks | 讓例行任務按時間在 CLI、Desktop 或雲端執行 | 定期跑維護、報告、依賴檢查或程式碼審查 |
這些功能裡面，Hooks 和 MCP 仍是最值得先投資理解的。Hooks 讓你把 AI 的行為加上「安全護欄」，例如每次修改檔案前自動備份；MCP 把 Claude Code 從讀寫本機檔案擴充到外部工具。Plugins 適合在流程穩定後再把這些設定打包給團隊重複使用；Remote Control 與排程則解決跨裝置和例行任務。功能入口可從 Claude Code 運作方式與 Remote Control 文件交叉核對。
底下把 Hooks、Skills、Subagents 三個最容易卡關的功能，各用一個最小例子講清楚。
Hooks：在 AI 動手前先踩剎車
Hooks 是在特定事件（像 PreToolUse、PostToolUse）前後自動執行的腳本。最實用的場合是資安護欄，例如 AI 每次準備寫入檔案前，先檢查是不是會碰到 .env 這類不能外洩的檔案。設定寫在 .claude/settings.json，結構大概像這樣（概念示意）：
{
hooks: {
PreToolUse: [{
matcher: 'Write 或 Edit',
command: '遇到 .env 就阻擋並還原'
}]
}
}重點不是這行程式多複雜，而是 Hooks 讓你把「每次都要手動盯」的資安規則，變成自動執行的護欄。我在自己的發布管線裡就用類似機制擋住環境變數與鎖檔，避免 AI 一時手快把秘密寫進版本庫。
Skills：把常用流程封裝成一個指令
Skill 是一個資料夾，裡面放一份 SKILL.md 描述這個技能做什麼、什麼時候觸發，再加上需要的腳本或範本。Claude Code 會根據你的任務自動挑選適用的 Skill。例如一個「上線前檢查」的 Skill，結構大概像這樣：
pre-launch-checklist/
├── SKILL.md 觸發條件、步驟、驗收標準
├── checklist.md 要逐項確認的清單
└── rollback.md 出問題時的回滾步驟封裝成 Skill 之後，只要說「幫我跑上線前檢查」，Claude Code 就會照資料夾裡的流程走，不用每次重新描述。這對團隊尤其有用，等於把資深工程師的 SOP 變成人人能呼叫的指令。
Subagents：把會弄亂主對話的子任務隔離出去
Subagents 不是「同時跑多個 Claude」，而是在同一個 session 裡，把某個會洗版、會佔 context 的子任務（像搜尋整個程式庫、讀一大堆 log）交給一個獨立 context 的代理，做完只回傳摘要。例如要重構一個跨多個檔案的模組，可以讓一個 Subagent 先掃出所有相關呼叫點、回報清單，再由主對話決定怎麼改；主對話保持乾淨，成本也比較可控。真正要平行跑多個獨立 session，用的是 background agents，那是另一回事。
MCP 實作案例：把外部服務接進 Claude Code
MCP 的價值在於讓 Claude Code 直接讀寫外部系統，不必你手動複製貼上資料。底下三個是實務上常見、而且對應 MCP 伺服器真實存在的串接案例：
- Sentry 錯誤監控：接上 Sentry 的 MCP 伺服器後，你可以直接對 Claude Code 說「把今天 production 新增的錯誤列出來，挑出出現次數最多的那個，找出對應程式碼並提出修法」。它會自己抓錯誤堆疊、定位本機檔案，把「看後台、找檔案、修」這條斷裂流程接起來。
- PostgreSQL 自然語言查詢：透過 PostgreSQL 的 MCP 伺服器，Claude Code 在讀取 schema 後，可把你口語的需求（例如「列出上週沒下單的活躍使用者」）轉成 SQL、在唯讀連線執行、再解讀結果，適合快速資料探索。
- GitHub PR 審查：接上 GitHub 的 MCP 伺服器，Claude Code 能讀取指定 PR 的 diff、留言和測試結果，幫你整理「改了什麼、有哪些風險點、測試有沒有覆蓋」。對要同時看多個 PR 的維護者，等於多一個先過濾一遍的助手。
一個重要前提：每接一個 MCP 伺服器等於多給 AI 一組權限，務必在 .claude/settings.json 或 Managed Policy 裡限定它能讀寫的範圍，例如資料庫只給唯讀帳號、issue tracker 只開讀取權限。擴充能力和控管風險是一體兩面，權限越大的工具越要分開管理。
這些功能仍在快速演進。建議先熟悉 CLI、CLAUDE.md 與權限模式，再逐步加入 Hooks、Skills 與 MCP；每次新增整合都要重新檢查它能讀取、修改與對外傳送哪些資料。
功能講了這麼多，你可能更想知道實際用起來到底怎樣。下面是我用 Claude Code 跑了三個真實任務的操作記錄，連同結果和需要修正的部分一起攤開給你看。
我用 Claude Code 實測 3 個任務：修 bug、補測試、改 README
前面談了很多功能，但實際用會發生什麼？以下是我用 Claude Code 處理三個真實任務的過程記錄。測試環境是中型 Node.js 專案（約 8,000 行、45 個檔案），Pro 方案 + Sonnet 模型，刻意挑了三種不同性質的工作。
| 任務 | 下達的指令 | 耗時 | 結果 | 我需要額外修正的部分 |
|---|---|---|---|---|
| 修 login 回傳 500 的 bug | 「login API 回傳 500，找出原因並提出修法，先不要改檔」 | 約 2 分鐘 | 正確定位到 middleware 裡一個未處理的 null check | 它提議的錯誤訊息格式跟專案慣例不同 |
| 替 password validation 補單元測試 | 「幫 src/lib/password.ts 補單元測試，覆蓋正常輸入、空值、特殊字元」 | 約 3 分鐘 | 產生 12 個測試，11 個直接通過 | 1 個 unicode 邊界條件誤判 |
| 更新過時 README | 「讀取目前的程式碼，把 README 更新成符合現況的版本」 | 約 4 分鐘 | 結構清楚、技術棧準確 | 加了一段不存在的「貢獻指南」 |
三個任務加起來約 9 分鐘，同樣的工作手動處理大概要 40-50 分鐘，速度差距最明顯的是定位 bug 那段。最值得留意的是補測試：12 個測試通過 11 個聽起來不錯，但那 1 個失敗的測試如果沒實際跑過就送出去，會讓人誤以為是程式碼有問題而不是測試寫錯，這種「看起來合理但其實不對」的輸出，是最需要人工覆核的情境。免責聲明：這不是嚴謹的基準測試，只是我在一個專案上的操作記錄，不同專案規模、模型、指令寫法結果都會不同。
上面的測試結果也突顯一件事：就算 AI 表現不錯，人類的覆核仍不可少。很多新手踩的坑其實都可以避免。
新手常犯的 5 個錯誤
用 Claude Code 一段時間後，我整理出五個最常見的踩坑模式。這些錯誤我都犯過。
- 一開始就下大任務。「重構整個專案」這種指令幾乎一定出問題。AI 在缺乏上下文時做大規模改動，出錯率很高。從小任務開始，例如「這個 function 加個錯誤處理」，讓 AI 先熟悉你的 codebase 再逐步放大範圍。
- 不同任務之間不清除對話。上一個任務的上下文會干擾下一個任務的判斷。切換工作時用
/clear清掉對話歷史，讓 AI 從乾淨狀態重新理解需求，這不是浪費 token，是避免錯誤累積。 - 不設 CLAUDE.md。沒有專案規範檔，AI 每次都要猜你的慣例和限制。前面有提供範本，照著填就好，五分鐘投資能省下後面無數次修正。
- 不看 diff 就接受修改。AI 改完能跑不代表改對了。它可能改了不該改的檔案、引入不一致的命名、或在邊界條件上偷懶。每次接受修改前花 30 秒看 diff，養成習慣比事後補救便宜太多。
- 期待完全不用審查。把 Claude Code 當成一個能力很強但偶爾會犯低級錯誤的同事。你會讓一個新來的資深工程師不經 review 就直接 push 嗎？對待 AI 也一樣。
犯錯的成本可以透過習慣降低，但另一個很多人在用之前就開始擔心的問題是：我的程式碼交給 AI，安全嗎？
這個網站本身就是 Claude Code 跑出來的產線
前面那三個任務只是熱身。真正讓我敢把 Claude Code 放進日常工作的原因，是我用它在生產環境裡維運你正在讀的這個網站 seo.whoops.com.tw。整條內容發布流程，從決定寫什麼、到大綱、草稿、多維度審查、配圖、精選圖、上傳 WordPress、到最後補內部連結，八個步驟全由這個倉庫裡的腳本串起來，其中四個還打包成任何人都能用的公開 web 工具：免費 SEO 健檢、llms.txt 產生器、AI 能見度檢測器，以及 OKF 產生器。你現在讀的這段 HTML、它的 Rank Math SEO 欄位、甚至發布後清除 Cloudflare 邊緣快取，都是 Claude Code 直接打 API 完成的。
這條產線大致長這樣：
- 方向：先決定這篇文章要回答讀者什麼真實問題
- 大綱：把回答拆成可執行的章節結構
- 草稿：照大綱寫出繁體中文初稿
- 審查：多維度品質審查，涵蓋事實查證、可讀性與 SEO
- 配圖：產出文章內的圖表與示意
- 精選圖：產生 1600×900 的社群分享圖
- 上傳：透過 WordPress REST API 把文章發布上線
- 內部連結：補上這篇文章與其他文章的關聯
這條產線能穩定跑、不會三天兩頭出事，靠的是倉庫裡一份 CLAUDE.md，每踩一次坑就補一條規則。底下是幾條真的在壓制生產事故的原文：
No <h1> in article content: the theme renders the post title as the only H1.
Always send a User-Agent header on WP REST: returns 403 without one.
Every post author MUST be Sliven (WP user id 2), never the API user.
Rank Math objectType MUST be post even for pages: page returns 403.每一條背後都是一次真的發生過的事故：標題被覆寫成英文 slug、API 明明帶對密碼卻回 403、文章作者掛到機器帳號上。這種細節，是只看官方文件湊不出來的，也是我願意把 Claude Code 放進日常產線的原因。
把 AI 爬蟲觀測層也交給 Claude Code 部署
產線裡有一個我自己覺得最有趣的環節：AEO 觀測層。seo.whoops.com.tw 的 AI 流量到底長什麼樣、哪些 AI 答題引擎來抓、抓了哪些頁又撲空，這些資訊我沒有靠第三方工具，而是用 Claude Code 寫了一個 Cloudflare Worker 掛在整個網域上，每次有請求就讀 User-Agent，若是已知的 AI 爬蟲就寫一筆進 D1 資料庫。觀測對象是 2026 年主流的 AI 答題與訓練爬蟲，這份清單本身就是 Worker 裡的一段陣列，新增爬蟲只要加一行：
// Worker 裡自我宣告的 AI 爬蟲清單（節錄）
{ ua: 'OAI-SearchBot', cat: 'AI Search' }, // ChatGPT 搜尋引用來源
{ ua: 'GPTBot', cat: 'AI Crawler' },
{ ua: 'ClaudeBot', cat: 'AI Crawler' },
{ ua: 'PerplexityBot', cat: 'AI Search' },
{ ua: 'CCBot', cat: 'AI Crawler' }部署設定也很短，一個路由綁住整個網域、一個 D1 binding 接資料，wrangler deploy 一個指令就上線。這層觀測最實用的產出，是 AI 404 需求清單：AI 爬蟲想抓、卻拿到 404 的頁面路徑。這些代表 AI 認為該有、但網站還沒提供的內容，正是下一篇文章該寫的題目。我把這個迴圈交給 Claude Code 維運，它等於一邊幫我發布內容、一邊告訴我下一個缺口在哪。
要誠實說明的是，這個觀測層只能記錄爬蟲自我宣告的 User-Agent，不是加密或 IP 驗證過的身份，也不能直接證明索引或引用。它的價值在長期趨勢與缺口觀察，把這個網站本身變成 AEO 的實驗場，而這件事從設計、寫碼到部署，全程是 Claude Code 做的。
Claude Code 費用、安全與團隊導入
資料安全與隱私
這是很多人在用 AI 程式工具前最猶豫的問題：我的程式碼會不會被拿去訓練模型？答案取決於帳號類型、資料控制設定，以及組織是否自願加入資料分享計畫。以下依 Claude Code User FAQ與 Development Partner Program 說明整理。
| 帳號類型 | 資料使用原則 | 你該做什麼 |
|---|---|---|
| Free / Pro / Max（消費者方案） | 是否可用於模型改善取決於帳號資料控制設定 | 處理敏感內容前先確認 Data Controls，並避免讓 agent 讀取不需要的憑證 |
| Team / Enterprise / API（商業方案） | 預設不會用輸入與輸出訓練模型；組織可自願加入 Development Partner Program | 仍應落實最小權限、branch 保護、審查與機密管理 |
具體建議
- 公司專案用 Team 或 Enterprise 方案，不要用個人 Pro 帳號混著跑。
- 如果你用 Pro 方案，登入帳號後去 Settings 確認資料改善選項是否已關閉。
- 在專案根目錄的
.claude/settings.json設定權限，明確拒絕讀取.env、憑證檔案等敏感檔案。如果任務會碰到部署或伺服器設定，更要明確限制它能讀寫的範圍。 - 資料政策可能隨時間調整，處理公司或敏感程式碼前應重新核對 Anthropic 官方資料政策與組織設定。
安全問題搞清楚後，費用是另一個實際考量。
Claude Code 費用與方案
Claude Code 的計費綁定 Claude 方案，主要看訂閱層級與實際用量。截至 2026 年 7 月，下表是官方公開價格；方案內容會調整，付款前請再核對 Anthropic 官方定價頁。
| 方案 | 公開價格 | 適合 | 判斷重點 |
|---|---|---|---|
| Pro | 年繳折算約 US$17／月；月繳約 US$20 | 個人入門 | 先用低風險 repo 試跑，觀察實際額度消耗 |
| Max | 約 US$100／月起 | 重度個人使用 | 適合每天長時間使用或處理較多複雜任務 |
| Team Standard | 年繳約 US$20／人／月；月繳約 US$25／人／月 | 團隊與公司專案 | 除了額度，也要評估管理、資料政策與權限治理 |
幾個提醒：
- 實際價格以 Anthropic 官方定價頁為準，這裡的數字可能已經過時。
- 不要只看月費。Claude Code 的實際消耗取決於每次 session 的上下文長度，一個複雜重構任務可能吃掉大量額度。
- 養成用
/usage查看消耗、/compact壓縮上下文、/clear重置對話、/model切換模型的習慣，這四個指令是控制用量的基本功。
個人使用門檻不高，但如果你的團隊也打算導入 AI coding agent，評估的面向會多好幾層。
團隊導入前要評估什麼？
個人用和團隊用是兩回事：一個人踩坑自己扛，團隊踩坑是集體買單。導入前建議先過一次下面的評估表，底層邏輯是專案基礎越穩固，AI 能發揮的空間越大。
| 檢查項 | 可以導入的訊號 | 需要暫緩的訊號 |
|---|---|---|
| 專案狀態 | 有測試覆蓋、lint 規則、CI pipeline | 沒有測試、沒有文件、沒人知道哪些功能還活著 |
| 權限治理 | 有 branch 保護、PR review 機制、部署審核 | 所有人直接 push main，沒有任何防線 |
| 任務類型 | bug fix、寫測試、更新文件、小功能 | 高風險架構改造、涉及付款或權限的重構 |
| 團隊習慣 | 成員願意逐行看 diff、理解改動原因 | 只想讓 AI 直接交付，不看過程 |
如果你的團隊在右欄的項目比較多，不是不能用 AI，而是要先補好基本設施再說。沒有測試的專案加上 AI 的速度，出錯也會變快。
導入初期做好三件事
- 用乾淨的 branch 跑，不要在 main 上直接讓 AI 動手。
- 限制 AI 的指令範圍，明確指定它可以動哪些檔案、不能動哪些。
- 所有 diff 經過人工 review 才合併，沒有例外。
團隊也要先定義好專案規範檔。用 Claude Code 就寫 CLAUDE.md，把技術棧、常用指令、不可修改的路徑與驗收方式說清楚；大型 legacy codebase 或缺少測試的專案尤其不能只看 AI 的語氣判斷正確性。沒有測試、lint 或人工 diff review，AI 只是把出錯速度一起加快。權限治理細節可參考〈Claude Code 安全與 Plan Mode〉。
Claude Code 新手建議流程
如果你讀到這裡決定要開始試試看，以下是建議的七步流程。
- 選一個低風險 repo。不要拿 production 核心專案當實驗品，找一個改壞了也無所謂的 side project 或工具庫。
- 選主要工具。本機開發用 Claude Code，雲端協作用 Codex（想了解後者可以看 OpenAI Codex 完整教學）。初期專注一個就好，同時學兩個會分散注意力。
- 寫清楚專案規範。建立
CLAUDE.md，把專案架構、技術棧、命名慣例、不能碰的檔案都寫進去。 - 先做只讀任務。例如「幫我摘要這個專案的架構」或「這個 function 的用途是什麼」。讓你熟悉 AI 的理解能力，也讓 AI 建立對你專案的基本認知。
- 派一個小任務。例如「幫這個 function 加錯誤處理」或「補一個單元測試」。明確、小範圍、可驗證。
- 看 diff 與驗證結果。跑測試、看改動、確認沒有副作用。這一步不是可選的，是必要的。
- 用一週記錄成效。每天記錄用了什麼指令、花了多久、結果如何、修正了哪些錯誤。一週後你會有具體資料來判斷這個工具對你的價值。有記錄，才知道它到底有沒有幫你省時間。
立即可做的三件事
- 選一個低風險專案，只做架構摘要，先感受 AI 對你程式碼的理解程度。
- 建立專案規範檔（
CLAUDE.md），五分鐘就能完成。 - 用一週記錄成效，用資料說話而不是用感覺。
Vibe Coding 工作流範本：先規劃再動手
很多人把 Claude Code 當成「問一句做一句」的工具，其實它更適合搭配一套固定的工作流範本。坊間稱為 Vibe Coding 的做法，核心是用三個檔案把「規劃、技術決策、待辦」拆成兩層管理，讓 AI 在有脈絡的狀態下做事：
plan.md：寫這次要達成什麼目標、為什麼要做、驗收標準是什麼。這是給人和 AI 都看的「任務合約」。tech.md：記錄這次任務會用到的技術棧、目錄結構、不能違反的慣例。它和 CLAUDE.md 互補：CLAUDE.md 是專案長期規範，tech.md 是單次任務的臨時脈絡。todo.md：把任務拆成可勾選的小步驟，每完成一項就劃掉。Claude Code 可以根據它自己推進進度，你也能隨時看到做到哪。
兩層指的是「規劃層」（plan.md 加 tech.md，決定方向與邊界）與「執行層」（todo.md，記錄進度）。開工前先讓 Claude Code 讀過 plan.md 與 tech.md，再依 todo.md 一步一步推進、每步看 diff，這比一句「幫我重構這個專案」可控得多。
Claude Code 最有價值的地方，不是讓工程師放棄理解程式碼，而是把時間從重複操作移回判斷、設計與驗收。工具負責加速執行，人負責確認方向、風險與是否接受改動。若你還在比較另一個主流 coding agent，可接著看〈Codex vs Claude Code 完整比較〉。
七天練習路線
很多人裝完 Claude Code 之後就卡住，不知道怎麼循序漸進。底下是一份一週練習路線，每天給自己一個明確的小目標，七天結束你會擁有一套可重複使用的工作流程。重點不是學會所有指令，而是建立「先規劃、再動手、接著驗收」的肌肉記憶。
| 天數 | 練習目標 | 代表指令 | 驗收標準 |
|---|---|---|---|
| Day 1 | 安裝、登入、讓它讀懂一個小專案 | claude +「摘要這個專案架構，不要改檔」 | 能正確說出技術棧、目錄結構與入口檔案 |
| Day 2 | 建立 CLAUDE.md，把慣例寫進去 | /memory 編輯專案規範 | 拿掉任何一條規則，AI 都會犯對應的錯 |
| Day 3 | 練習 Plan Mode，只看不動 | /plan 或 Shift+Tab 切到 Plan Mode | AI 提出的步驟你看懂、也同意 |
| Day 4 | 派一個小修改任務並看 diff | 「幫這個 function 加錯誤處理」 | 改動範圍符合預期、沒有動到不相關檔案 |
| Day 5 | 補測試或補文件 | 「幫 src/lib/password.ts 補單元測試」 | 產生的測試能跑、案例覆蓋正常與邊界值 |
| Day 6 | 處理一個真實 bug | 「login API 回傳 500，找出原因，先不要改檔」 | 正確定位根因，修法與專案慣例一致 |
| Day 7 | 整理一週成果並調整設定 | /usage + /compact | 能說出哪類任務最耗 token、CLAUDE.md 是否要補 |
這條路線的核心是「風險從低到高」。前三天都是只讀或只規劃，你不會弄壞任何東西；第四天起才開始真的改檔案，而且每次都先看 diff 再決定是否接受。如果你的專案還沒有測試和 lint，建議在 Day 3 之前先把這些基礎設施補起來，後面的練習會踏實很多。
另一個關鍵是每天收尾都要驗收。AI 給的輸出「看起來合理」不等於「真的正確」，特別是補測試和修 bug，一定要實際跑過驗證。把這個習慣建立起來，一週後你對 Claude Code 的判斷可信度會有清楚的依據，而不是憑感覺。
用我自己的用法收尾：我（Sliven 褚崇名）把 Claude Code 當成「會動手、但需要驗收」的初級夥伴，重複性高、定義清楚的任務交給它，架構判斷與最終驗收自己來。這篇文章，以及你正在用的幾個 web 工具，都是這套工作方式實際跑出來的成果。如果也想從一個低風險 repo 開始試，前面七天路線是最穩的起點。
Claude Code 主題深度延伸
- Claude Opus 5 是什麼？梯隊定位、規格、新功能與選用指南：Anthropic 2026-07-24 發表的 Opus 旗艦，$5/$25 與 4.8 同價、逼近 Fable 5 半價，thinking 預設開的完整拆解。
- CLAUDE.md 完整教學與範本：想把專案規範交給 AI、卻不知道該寫什麼，這篇有分層結構與可複製的範本。
- Claude Code 權限、Plan Mode 與安全設定：怕 AI 亂改檔或讀到敏感資料，從 settings.json 到 Plan Mode 的防線一次看懂。
- Claude Code 費用與損益平衡：在 Pro 與 Max 之間猶豫，用實際消耗算出回本門檻。
- Claude Cowork 是什麼：同樣叫 Claude，Cowork 跟 Code 差在哪、什麼情境該用哪個。
- Codex vs Claude Code 完整比較：在本篇的簡短比較之外，這篇把兩者並排逐項拆解。
常見問題（FAQ）
入門、安裝與帳號
Claude Code 免費能用嗎？
不行。Claude Code 需要 Pro、Max、Team 或 Enterprise 方案。Pro 年繳折算約 US$17／月、月繳約 US$20，是目前最低門檻。Free 方案無法使用 Claude Code。
不會用終端機，能用 Claude Code 嗎？
可以。除了 CLI 之外，Claude Code 有 VS Code 擴充功能、Desktop App 和 Web 版。不熟悉終端機的操作者可以從 VS Code 擴充功能開始，介面比較友善。
公司專案的程式碼會被拿去訓練 AI 嗎？
Team、Enterprise 與 API 等商業方案預設不會用輸入與輸出訓練模型；組織若自願加入 Development Partner Program 則是例外。Free、Pro、Max 等消費者方案則取決於帳號的資料控制設定。公司專案除選對方案，也要落實最小權限、機密管理與人工 review。
設定、功能與工作流程
CLAUDE.md 要寫什麼？
寫專案架構、技術棧、程式碼規範、不能碰的檔案。判斷標準很簡單：如果拿掉這個資訊，一個新來的工程師會不會犯錯？會的話就寫進去。
Claude Code 可以完全取代工程師嗎？
不建議這樣理解。需求判斷、架構取捨、安全審查、使用者體驗的權衡，這些都需要人類工程師。AI 擅長的是執行明確的技術任務，不是替代決策過程。
MCP 是什麼？
Model Context Protocol，一個讓 Claude Code 連接外部工具和資料來源的標準協定。透過 MCP，Claude Code 可以存取資料庫、API、檔案系統等外部資源，擴充它的能力範圍。
Claude Code 支援哪些 IDE？
VS Code（含 Cursor 等 VS Code 系編輯器）、JetBrains 全系列（IntelliJ、WebStorm、PyCharm 等）、以及獨立 CLI。幾乎涵蓋主流開發環境。
新手一週該怎麼開始練習？
建議照「先只讀、再規劃、接著改檔」的順序：前三天讓它讀專案並寫 CLAUDE.md、用 Plan Mode 練判斷，第四天起才派小修改任務並看 diff，第七天整理一週用量與設定。重點是建立「規劃、動手、驗收」的肌肉記憶，而不是一次學會所有指令。
下 prompt 要注意什麼？
把握三個原則：給背景（這是什麼專案、為什麼要改）、給限制（哪些檔案不能動、用什麼風格）、給驗收（怎樣算做完、要不要跑測試）。把模糊指令改寫成「背景＋限制＋驗收」之後，出錯率會明顯下降。
Claude Cowork 和 Claude Code 差在哪？
Cowork 是 Claude Desktop 裡的工作型 agent，會在隔離的雲端虛擬機執行研究、文件與多步驟知識工作；Code 則專注 repo、程式碼、測試、Git 與開發自動化。兩者都可能有圖形介面，真正差異是任務與工作環境。
CLAUDE.md 有哪幾層？誰的優先級最高？
由上到下分四層：Managed Policy（組織層，管理員集中部署、成員無法覆寫）、Project（專案根目錄、團隊共用）、User（個人所有專案）、Local（只有自己）。優先級最高的是 Managed Policy，企業用它來強制資安與合規底線。一般人最常寫的是 Project 層的 CLAUDE.md。
MCP 實際能用來做什麼？
常見的串接案例包括：接 Sentry 讓 Claude Code 直接抓 production 錯誤並定位本機程式碼、接 PostgreSQL 用自然語言查資料庫、接 GitHub 自動整理 PR 的 diff 與風險點。每接一個 MCP 伺服器等於多給一組權限，務必限定它能讀寫的範圍。
費用、安全與工具選擇
Claude Code 一個月多少錢？有哪些方案？
Claude Code 個人入門通常從 Pro 開始：年繳折算約 US$17／月、月繳約 US$20；Max 約 US$100／月起。Free 方案目前不含 Claude Code。價格與用量限制會調整，購買前請以 Anthropic 官方定價頁為準，使用中可用 /usage 查看消耗。
Claude Code 安全嗎？公司程式碼會被拿去訓練嗎？
安全與否取決於方案、權限與工作流程。商業方案預設不把輸入與輸出用於訓練，但組織可自願加入 Development Partner Program；消費者方案取決於資料控制設定。公司專案應使用合適的商業方案，並在 .claude/settings.json 限制權限、拒絕讀取 .env 與憑證，所有 diff 仍要人工審查。
Claude Code 值得付費嗎？什麼人該買？
日常需要在本機處理程式碼、檔案或自動化流程的人，值得，我們實測三個任務約 9 分鐘，手動要 40-50 分鐘。如果只是偶爾問幾個問題、不碰本機 repo，ChatGPT 就夠了，不必為了 Claude Code 升級。判斷點在於你會不會讓 AI 走進你的專案動手做事。
Claude Code 跟 ChatGPT 差在哪？
最根本的差異是運作方式：ChatGPT 在瀏覽器裡跟你「聊」程式，Claude Code 走進你的本機 repo 動手做事，讀檔案、改程式碼、跑終端機指令、執行測試。要邊問邊學、不動到本機，用 ChatGPT；要 AI 直接在你的專案裡完成工作，用 Claude Code。
