Claude Code — 完整指南 v2025

從 Prompt 到 Agent
AI 協作完整指南

整合入門教學與 Taipei Meetup 實戰經驗，帶你從基礎操作到多 Agent 架構。

AI 協作演進
23
2023 — Prompt Engineering
ChatGPT 帶動 AI 寫程式風潮，開發者學習撰寫好的 prompt。
▲ 生成式 AI 元年
24
2024 — Context Engineering
GitHub Copilot 讓 AI 成為日常副駕駛，AI 與你協作程式碼。
▲ AI 協作時代
25
2025 — Harness Engineering
Claude Code 等 AI Agent 自主讀取檔案、執行指令、規劃步驟。開發者從「逐行指揮」轉變為「設定目標、審閱成果」。
▲ Agent 元年
核心名詞

基礎概念

名詞說明
Session（對話）一次與 Claude Code 的互動過程。每個 session 各自獨立，擁有自己的對話歷史。可命名方便日後恢復。
Context WindowClaude 在單次對話中能「記住」的資訊量上限。超出範圍的早期內容會被壓縮或捨棄，適時使用 /clear。
Prompt（提示詞）你輸入給 Claude 的文字指令。好的 prompt 能讓 AI 更精準理解你的意圖，減少來回修正。
模型選擇

三種模型

最快 / 最省

Haiku

簡單任務或詳細的 prompt 步驟。速度優先，成本最低。

推薦
速度 × 能力

Sonnet

日常開發首選，適合大多數任務。平衡速度與推理能力。

最強推理

Opus

複雜跨檔案開發、困難 debug、多步驟任務。支援調整 effort 思考深度。

Context 容量：訂閱制為 200K tokens，使用付費 API 則可達 1M tokens。

可讀性不只是為了人類與未來的自己——也是為了讓 LLM 能更好地閱讀與理解你的程式碼。

Chapter 02

安裝 & 基本操作

從啟動到常用指令，快速上手 Claude Code 的日常開發流程。

啟動

安裝與啟動

cd your-project # 確認進入正確的專案目錄 claude # 啟動 Claude Code
注意：Claude Code 以當前目錄作為工作範圍，影響它讀取檔案和理解專案結構的能力。啟動前請先 pwd 確認位置。
輸入技巧

輸入方式

操作說明
直接打字 + Enter送出訊息給 Claude
Option + Enter（Mac）換行（多行輸入），適合撰寫較長的指令
@檔案路徑引用檔案作為上下文，支援自動補全
! 開頭直接執行 Bash 指令，執行結果會留在 context 中
操作模式

三種模式 — Shift+Tab 切換

預設

Normal

每個檔案編輯與指令執行都需要手動確認。最謹慎。

推薦

Plan Mode

Claude 先規劃步驟，確認後才執行。複雜任務必用，可搭配手動或自動同意。

快速

Auto-Accept

自動接受檔案編輯，終端機指令仍需手動確認。搭配 VS Code diff 使用更安心。

常用指令

指令速查

分類指令說明
對話管理/clear清除當前對話歷史
/compact壓縮對話內容
/resume [session]恢復先前對話
/rename <名稱>為 session 命名
/rewind撤銷最近一次變更
設定切換/model切換模型或調整思考深度
/sandbox開啟沙箱模式
/ide管理 IDE 連線（VS Code 整合）
專案工具/init初始化，自動產生 CLAUDE.md
/commit建立 git commit（自訂 Skill）
/doctor檢查安裝狀態或查看版本
Chapter 03

CLAUDE.md
專案記憶

Claude Code 每次啟動都會自動讀取的 Markdown 檔案——給 AI 看的 README。

放置位置

三種層級

路徑用途Git 追蹤
./CLAUDE.md 專案層級，與團隊共用 是
./.claude/CLAUDE.local.md 個人專用的專案設定 否（自動 gitignore）
~/.claude/CLAUDE.md 全域設定，所有專案共用 不適用
管理策略 — Meetup 重點

兩派哲學

Boris Cherny 派

持續迭代累積

  • CLAUDE.md 約 2,500 tokens
  • 遇到問題就加進去
  • 搭配 Verifier 驗證
  • 適合：成熟產品、持續改進
RPI 學派

早期優化精簡

  • 60 行以內
  • 避免冗余，保持乾淨
  • 核心理念：早期優化
  • 適合：初期探索階段

每次 Claude 做錯了什麼，就把它加進 CLAUDE.md，讓它永遠不再重蹈覆轍。

— Boris Cherny（Claude Code 創作者）
何時拆分

3 個移出信號

1
檔案大小達臨界
約 50 行時開始考慮拆分，識別可獨立的規則。
2
Rule 遵守率下降
Claude 不再持續遵守某條規則，升級為 Hook / Skill / Agent。
3
定期審查時間
建議每週例行檢查，評估規則成熟度。
效能上限：當 context window 超過 40% 被佔用時效能下降（「笨蛋區」）。理論上限約 100 條規則，包含 Claude Code 自身的 50 條 system prompt。
# CLAUDE.md 漸進設計流程 遇到問題 → 加入 CLAUDE.md → Claude 不遵守 → 升級為 Hook/Skill/Agent
Chapter 04

提示詞實戰技巧

好的提示詞能大幅提升 AI 協作效率。依情境分類的常用策略。

6.1 需求描述

明確功能需求

請參考 @xxx 檔案，幫我實作 A 功能

跨檔案複雜需求

@/xxx 是 API 的資料回應，現在在 @/頁面 的 XX 下拉式選單... 期望可以做到…… @/OOO 是欄位的相關檔案 你可能需要知道的 context 是 @OOO @BBB @AAA 幫我分析此次需求，對於需求有疑問的部分請使用 AskUserQuestion 工具
6.2 引導式對話

先建立共識，再動手

1
載入 context
「你有看到 XXX 功能嗎？這個是 xxx」
2
確認理解
「先不要做，先回答你目前理解的需求是什麼？」
3
分階段追問
針對某些部分追問更詳細的實作細節，對齊後再開始執行。
6.3 範圍控制

避免一次做太多

我預計先做某某功能，針對某某部分先不要做，先用 TODO 標記
大檔案策略：需求變動頻繁時，先將功能集中在一個大檔案開發，等需求穩定後再拆分模組。過早拆分反而增加維護成本。
6.4 Debug 協作

一起縮小排查範圍

我跟你一起 debug，幫我在相關的地方添加 console.log 我遇到了 XX 問題，你覺得可能的原因有哪些？幫我加 log 驗證
6.5 & 6.6

方案比較 & 驗證回答

比較方案

請提出不同方案，分析各自的優缺點 請給我五種命名

驗證 AI 回答

真的嗎？請用 web search 搜尋官方文件 親自去官方文件比對一下

AI 有時會 hallucination，涉及第三方套件 API 用法時務必對照官方文件。

Chapter 05

進階功能

MCP、Plugin、Skill、Agent、Git Worktree — 擴充 Claude Code 能力的完整工具箱。

MCP

Model Context Protocol

擴充 Claude Code 能力的外掛協議，透過第三方工具提供額外的上下文來源與操作能力。

工具說明使用範例
Context7查詢元件 props、API 文件等技術文檔請用 context7 查詢某某 props
DeepWiki查詢 GitHub 開源專案的文件與架構請用 deepwiki 查詢某套件
Serena內建 LSP，支援 30+ 語言符號查找與分析符號定位、程式碼分析
Skill vs Agent

選哪個？

維度SkillAgent
目標特定任務專屬角色（人設）
System Prompt預設設定由 Agent 自定義
應用場景單一可重複工作流跨多種任務執行相同角色
最適情境不常使用的工作流打造持續性「人設」
Skill 最大陷阱：數量過多觸發衝突，類似 RAG 文件碰撞。50 份文件運作很好，800 份碰撞率高。Skill 越少越好，定期合併相似 Skill。
Git Worktree

真正的平行開發

讓你從同一個 repository 建立多個獨立工作目錄，每個對應不同分支，搭配 Claude Code 實現真正平行開發。

cd my-project && claude # 主目錄正常開發 # 開另一個終端，處理其他任務 git worktree add ../my-project-fix-bug fix/login-bug cd ../my-project-fix-bug && claude

適用情境

  • 主分支開發新功能同時修 bug
  • 在獨立 worktree 中 Code Review PR
  • 實驗性開發，失敗直接刪除

注意事項

  • 每個 worktree 佔完整磁碟空間
  • 不同 worktree 不能同時 checkout 同一分支
  • 每個 session 有獨立 context，不互相干擾
Hooks

自動化執行機制

Hook 類型觸發時機用途
PreToolUse工具執行前防止特定檔案被讀取或修改（如 .env）
PostToolUse工具執行後執行格式化工具、linter、logger
StopClaude 嘗試完成時加驗證器，強制通過前無法停止
Stop Hook + Verifier 威力：5 步驟 × 80% 可靠度 = 33% 整體成功率。加上 Verifier 重試機制 → 99% 成功率（4 次嘗試）。
Claude Code Meetup Taipei — 2026.04

Meetup
實戰筆記

David Chu & Jeffrey Lin 的演講重點整理，從混亂到系統化 Agent 架構的完整路徑。

講者
DC
David Chu 前 ENS 團隊
從 100% Claude 生成程式碼的混亂實踐，到系統化的 CLAUDE.md 管理策略與 5 層 Agent 進化框架。
JL
Jeffrey Lin ABConvert 創辦人
年收超過 100 萬美金的 Shopify A/B 測試應用，從自學開發者到多 Agent 架構的真實演進歷程。
David Chu — 5 層進化框架

AI 代理進化路徑

L1
對話式（Conversational）
你輸入提示 → Claude 回應 → 你作出反應。最基礎的互動模式。
▲ 大多數人停留在此
L2
配置式（Configured）
CLAUDE.md 引導行為，記憶保留學習成果。開始積累知識。
▲ 大多數人停留在此
L3
自動化（Automated）⭐
Hooks 強制執行規則 + Skills 將工作流程編碼。自動執行常見工作流，減少重複提示。
▲ 第一個進階目標
L4
編排式（Orchestrated）⭐
自訂 Agents 具備特定角色、工具與記憶。多個 Agent 協同工作，角色分工明確。
▲ 進階目標
L5
自主式（Autonomous）
Agent 團隊獨立運作並相互驗證成果。大多數企業目前還不可達。
Jeffrey Lin — ABConvert 案例

實績數據

2K+
用戶數
$1M+
年營收
2.5x
上季 PR = 過去 2.5 年總和
4 層技術架構
4
編排層（Orchestration Layer）
原則 & 協調：n8n、Linear、OpenClaw
3
Context 層（Context Layer）
策略內容：GitHub、Notion、Skills.md
2
資料層（Data Layer）
信息來源：PostHog、Intercom、MongoDB、Google Cloud
1
執行層（Execution Layer）
構建交付：Claude Code、GitHub Actions、Cron、腳本
4 大 Agent 角色
Agent職責輸入源運作模式
SRE Agent監控日誌、推送修復應用日誌24/7 持續
技術支援 Agent抓取對話、問題排查Intercom按需觸發
產品工程 Agent接收工單、交付功能Linear按優先級
知識 Agent回答內部問題、數據提取Slack/PostHog常駐 Slack
核心結論

兩位講者的共同洞察

工具成長來自實際摩擦，不是提前優化。基礎決定上限——基礎差，AI 也無法放大優勢。

David 的路徑

遇到問題 → 加規則到 CLAUDE.md → 不遵守 → 升級為 Hook/Skill/Agent

Jeffrey 的路徑

清理代碼 → 建立 context → 試驗 agents → 測量改善 → 持續委派
實踐清單

你的 Claude Code
導入路徑

點擊項目標記完成，追蹤你的導入進度。

0 / 10 完成
基礎建設
進階自動化
團隊建立
延伸資源
官方文件 → OpenSpec 1.0.0 → AI Superpowers →