Claude-Code

Properties2
tags狀態/草稿, 領域/ai輔助開發
aliasesClaude Code, CC, Anthropic Claude Code

閱讀時間約 11 分鐘

Claude-Code

簡介

Anthropic 推出的 CLI 編程助理，把 Claude 模型（Sonnet / Opus / Haiku）放進終端機，能讀寫專案檔、執行 bash、跑測試、串接 MCP 工具，並透過 .claude/ 與 CLAUDE.md 等專案內檔案被「設定化」。是 AI輔助開發 從「複製貼進對話框」走向「agent 駐留在工作目錄」這一典範轉移的代表性產品之一。

重要事實

  • Plan mode（規劃模式）：在 CLI 介面按 Shift+Tab 兩次進入；先讓 Claude 產出實作計畫並等使用者確認，再進入修改階段。對位 Prompt-Engineering 的「先想清楚再下指令」原則。
  • CLAUDE.md（專案規範檔）：每次 session 啟動會自動讀取的 markdown 檔；本 vault 的 CLAUDE.md 即此用法的應用案例。實務原則：(a) 簡短（模型一次 ~150-200 條指令上限，系統提示已用 ~50 條）；(b) 專案特定（寫 weird stuff 與 bash 指令，不解釋通識）；(c) 講 why 而不只是 what；(d) 邊用邊更新（按 # 鍵讓 Claude 自己加上）。
  • Context window 劣化：教程當時的 Opus 4.5 名義 200k tokens，但實測使用率 20-40% 起品質就開始下降；/compact 壓縮無法恢復已劣化的對話品質。對應 Context-Engineering「容量不只是上限，更是工作區」的工程化做法。時點 caveat：截至本頁 updated 日期，Anthropic 已迭代至 Opus 4.7（見 Anthropic > Claude 模型世代（時間線骨架））；具體劣化起點數值可能變動，但「容量是工作區、/compact 不能恢復品質」的方法論態度可長期保留。
  • Context 管理工具集：/compact（壓縮）、/clear（清空，仍保留 CLAUDE.md）、外部記憶體（讓 Claude 寫 SCRATCHPAD.md / plan.md 跨 session 持續）、複製貼上重置（手動篩選關鍵內容後 /clear）。
  • 多模型工作流：Opus 規劃與架構 → 切到 Sonnet（Shift+Tab）執行，CLAUDE.md 確保兩個模型在相同約束下運作；按用途選模型而非單純按等級。
  • 擴充機制：
    • MCP servers：連接外部資料 / 工具（Slack / GitHub / DB / API），找不到現成的可自建，是 Claude Code 走向 Agent 化的主要工具層。
    • Hooks：在 Claude 修改檔案前 / 後自動執行命令（Prettier / type check / 測試），即時擋下問題、長期清理技術債。
    • Custom slash commands：.claude/commands/ 下放 markdown，把重複用的 prompt 包成 /commandname。
    • Skills / Plugins / Settings.json：作者列出但未深入；屬於「付費版本就值得全部試一遍」的功能群。
  • Headless mode（-p 旗標）：跳過互動介面、直接吐結果，可被 bash / script / CI 呼叫，是 Claude Code 從互動工具升級為 build system 元件的關鍵介面——對應 vault 自身的「pipeline 自動化」遠期目標（見根 CLAUDE.md §8）。
  • 企業級用例：自動 PR review、自動支援工單回覆、自動 log / 文件更新——可審計、可逐月迭代。執行底層是 GitHub工作流 + Pull-Request + Git 三件組（feature branch 隔離 / diff 檢查 / squash-merge 把關），讓 agent 大量產出代碼時仍能維持 main 的可信度。
  • OpenCode 是 AI Agent 的 Nokia 時代代表（李宏毅 比喻，2026-05-02-AI-Agent-Context-Engineering系統化）：今天的 OpenCode / Claude Code 「就好像今天用 iPhone 看當年 Nokia」——只是 AI Agent 的初代原型，未來還會有更多演進。本實體是當前 vault 裡此原型的代表案例。
  • /compact 是寫死規則的設計理由（演算法層解析）：LLM 天生不喜歡壓縮自己的記憶（多次 paper 反覆驗證；AgentFold paper 試過硬 prompt 模型用 erase 工具，模型仍不執行），所以 /compact 採取「達到 context 上限就強制執行」的硬規則路線——避開「讓 LLM 自己決定」這個陷阱。
  • memory_search + memory_get 兩工具（Agent-Memory）：memory_get 帶起始行 + 行數避免一次讀爆 prompt——讀檔本身有過濾語意，是 過濾治本 精神延伸到 memory 子議題的具體落地。
  • Skill 系統 = 按需加載（按需加載）：並非把所有 skill 一次放進 prompt，而是要用時才從硬碟讀出來；對應 MCP-Zero 概念。
  • Sub-agent 能力（Sub-Agent）：Claude-Code 接 Claude 模型已內建 sub-agent 能力——但這不是模型原生能力，是 Anthropic 在訓練流程中加入此能力（純 prompt 學不會）。
  • Pro Max 訂閱：作者引用價格 USD 200/月；訂閱後解鎖 Opus 高頻使用與全部進階功能。
  • 快速進化：作者強調「一個月前不行的現在可能可以」，建議定期重試舊 setup。
  • 2026-04 政策變動：第三方 harness 不再可接 Claude（Anthropic > 商業政策軸）：訂閱方案下，第三方 harness（如 OpenCode）因心跳 / 排程機制讓 token 用量爆量；Anthropic 停用第三方 harness 連接 Claude API。Claude Code 成為連接 Claude 模型的官方 harness——移植路徑超簡單：把 OpenCode / 其他 harness 的 agents.md 直接改檔名為 CLAUDE.md 即可。
  • AutoDream（外洩程式碼揭示的隱藏功能）：agent 閒置時自動進入睡眠狀態整理記憶——對應 Lifelong-AI-Agent 的 agent sleep 議題。
  • Skill 自寫機制（Verbalized-Feedback 永久化路徑）：解決問題後 Claude Code 能自動生成 / 修改 skill.md 檔；典型案例 = 李宏毅 小金 YouTube 上傳事件——Claude Code 一開始以為自己沒能力上傳 YT，等了 15 小時 / 200 次排程後在被質問時繞過 MCP 用底層 curl 成功上傳並寫成 skill。過去自己給自己的能力邊界 ≠ 真實邊界。
  • Meta-harness 自我演化案例（李宏毅 元實驗）：Opus 4.6 改 Haiku 3.5 的 AGENTS.md 打 PinchBench，從 13.5 → 85 分；驗證 Opus 確實有能力幫弱模型寫 harness。最終 AGENTS.md 結構（具普適性）：(a) 環境與工具列表前置；(b) 第一步永遠 exec_dir 看資料夾；(c) 開工前先讀題目提到的所有檔案；(d) 不要 hallucinate 不存在的東西。

相關概念

  • AI輔助開發 — Claude Code 是當前 IDE-agent / CLI-agent 派的代表工具；本實體頁是該概念進入「駐留 agent」具體實作的第一個 vault 案例。
  • Prompt-Engineering — Plan mode 與 CLAUDE.md 把 prompt engineering 從「一次對話內」推到「對話之外的常駐配置」；「Be specific / Tell what NOT to do / Tell why」是 Claude Code 視角的 prompt 原則。
  • Context-Engineering — 來源提供「容量在 100% 之前已劣化」的具體經驗值（20-40% 開始下降）+ 外部記憶體、scope 對話、copy-paste reset 三個工程化做法，是該概念在 CLI agent 工具層的具體化。
  • Model-Context-Protocol — Claude Code 是 MCP host 的具體實例；MCP / Hooks / Custom slash commands 構成 Claude Code 的擴充三件組。
  • Agent — Headless mode + 企業級自動化用例使 Claude Code 進入 Agent / Augmented-LLM 的疆域；和 2026-04-28-Anthropic-Building-Effective-Agents 的 5 patterns 是上下游關係（Claude Code = 落地工具，patterns = 設計藍圖）。
  • ChatGPT — 介面對位：ChatGPT 是「對話框 + 多輪上下文」，Claude Code 是「駐留終端機 + 專案配置 + 可被 script 呼叫」；同一波 LLM 應用浪潮的兩條不同路線。
  • GitHub工作流 / Pull-Request / Git — Claude Code 企業級自動化用例（自動 PR review / GitHub MCP / 自動文件更新）的執行底層；feature branch 隔離 + PR review 是 AI agent 大量產出代碼時的安全網與技術債閘門。
  • Harness-Engineering — Claude Code 是 Harness 在 CLI-agent 場景的具體 host；CLAUDE.md 是 Natural Language Harness 的代表案例。
  • Lifelong-AI-Agent — AutoDream / memory.md / skill 自寫機制是 lifelong agent 在 Claude Code 上的具體實作面。

相關來源

備註

建頁理由：作為 AI輔助開發 第一個被深入記錄的 CLI-agent 工具，獨立成 entity 而非併入概念頁。理由：(1) 是具體 product，有版本演進、價格、訂閱方案等實體屬性；(2) 累積方向多元（不同模型版本、Skills 系統、IDE 整合、企業部署、與其他 agent 工具如 Cursor / Aider / Copilot 的對位）；(3) 本 vault 的 CLAUDE.md 配置即為 Claude Code 的具體應用，自我參照清晰。

未來累積方向：(a) Skills / Plugins / 設定檔細節；(b) 與其他 CLI agent（Aider / Cline / Cursor CLI）的對位；(c) Headless mode 的 CI / script 整合範例；(d) Claude Code 在本 vault 自身 ingest pipeline 的應用紀錄；(e) 多模型工作流的具體成本 / 品質權衡資料。

反向連結