Claude Code 是 Anthropic 開發的命令列 AI 編碼助手(CLI tool),能直接在終端機讀寫整個程式碼庫、執行命令、呼叫外部 API。2025/2026 年的版本已超越傳統代碼補全工具,進化為可接管開發、行銷與日常自動化任務的完整 AI 作業系統。這篇文章將帶你從基礎操作到進階多代理架構,完整掌握最新的 Claude Code 使用方式。
最後更新:2026 年 3 月 27 日 · 資料來源整合自 31 份實戰研究
目錄
- 2025/2026 最新核心更新
- 四大權限模式與計畫模式
- 上下文管理與 CLAUDE.md
- Skills 技能系統與自動進化
- Hooks 攔截器系統
- MCP 整合與成本優化
- 多代理架構:Sub-agents 與 Agent Teams
- 成本控制實戰技巧
- 三大實戰案例
Claude Code 2026 有哪些最新核心更新?
直接答案:2025/2026 年 Claude Code 新增了 Dispatch 遠端派發、
/by the way臨時提問、/loop排程任務、Fast Mode 快速模式,以及結構化 Automemory 記憶系統,讓 AI 助手從「對話工具」升級為可 24/7 背景運行的自主代理。
2025/2026 破壞性新功能
Claude Code 在近期推出了多項重大更新,徹底改變了開發工作流:
| 功能 | 說明 | 適用場景 |
|---|---|---|
| Dispatch 遠端派發 | 透過手機 Claude App 傳送指令,讓電腦背景執行任務 | 外出時遠端啟動分析任務 |
/by the way | 主任務執行中的臨時提問,不污染主對話 | 長任務進行中快速查詢 |
/loop 排程任務 | 定期執行提示詞,如每日晨間 PR 摘要 | 自動化日報、監控 |
| Fast Mode | 約 3 倍價格,2.5 倍生成速度 | 大量並行處理 |
| Effort Levels | 可切換低/中/高/Ultra 推理投入程度 | 按任務複雜度調配資源 |
| Automemory 強化 | 結構化記憶寫入(規則 + 動機 + 應用場景) | 跨對話上下文保留 |
Dispatch 遠端派發架構
sequenceDiagram
participant Phone as 📱 手機<br/>Claude App
participant Cloud as ☁️ Anthropic Cloud
participant PC as 💻 本地電腦<br/>Claude Code
Phone->>Cloud: 傳送自然語言指令<br/>"整理上週的銷售報表"
Cloud->>PC: Dispatch 派發任務
PC->>PC: 背景執行:<br/>讀取 Excel → 分析 → 生成報告
PC->>Cloud: 任務完成通知
Cloud->>Phone: 推送結果摘要實際效益:這讓 Claude Code 可以像 24/7 的個人助理一樣運作,而不需要自己架設任何伺服器。
Claude Code 的四種權限模式如何選擇?
直接答案:Claude Code 透過
Shift + Tab循環切換四種模式。日常開發建議用 Edit automatically(黃金平衡點);開始複雜功能前務必先用 Plan Mode(唯讀,只輸出架構,不修改任何檔案)——研究指出先規劃再實作,平均可節省 10 倍的重構成本。
按 Shift + Tab 可快速循環切換以下四種模式:
flowchart TD
A[🚀 開始任務] --> B{選擇工作模式}
B --> C[📋 Ask before edits\n修改前詢問]
B --> D[⚡ Edit automatically\n自動編輯]
B --> E[🔓 Bypass permissions\n完全授權]
B --> F[🗺️ Plan mode\n計畫模式]
C --> C1["✅ 適合:新手探索\n❌ 缺點:速度極慢"]
D --> D1["✅ 適合:日常開發\n⚖️ 黃金平衡點"]
E --> E1["✅ 適合:已知自動化任務\n⚠️ 危險:無任何限制"]
F --> F1["✅ 唯讀模式,僅輸出架構\n💰 省錢防呆最強工具"]
style F fill:#0c3a3d,color:#8ff5ff,stroke:#8ff5ff
style F1 fill:#0c3a3d,color:#8ff5ff,stroke:#8ff5ff為什麼「計畫模式」最重要?
計畫模式(Plan Mode)是所有模式中最具價值的工具。在此模式下:
- Claude 只讀不寫,無法修改任何檔案
- 會主動上網研究、閱讀所有相關程式碼
- 產出包含檔案結構、依賴關係、實作步驟的詳細藍圖
💡 黃金法則:「一分鐘的計畫,能省下十分鐘的構建時間」
計畫模式的架構修改 → 免費
寫錯代碼後重構 → 消耗大量 Token + 時間
正確工作流程:
flowchart LR
A[收到需求] --> B[切換 Plan Mode]
B --> C[Claude 研究 + 生成藍圖]
C --> D{架構確認?}
D -->|需調整| C
D -->|確認| E[切換 Edit Mode]
E --> F[Claude 實作代碼]
F --> G[✅ 完成]
style B fill:#1e1040,color:#ceb9ff,stroke:#ac89ff
style E fill:#0c3a3d,color:#8ff5ff,stroke:#8ff5ff如何用 CLAUDE.md 管理 Claude 的記憶與上下文?
直接答案:
CLAUDE.md是每次對話自動載入的指令檔案,相當於 Claude 的「大腦設定」。放在~/.claude/為全域規則,放在專案根目錄為該專案規則。最重要原則:最致命的規則放最頂端(首因效應),總長度控制在 200–500 行,切勿塞入完整 API 文件。
CLAUDE.md:你的 AI 大腦設定檔
CLAUDE.md 是每次對話前自動載入的指令檔案,它定義了 Claude 的行為準則。
~/.claude/CLAUDE.md → 全域規則(所有專案)
./CLAUDE.md → 專案根目錄規則
./src/CLAUDE.md → 子目錄規則(覆蓋上層)
首因效應(Primacy Bias)
研究發現,語言模型對檔案開頭的記憶最深。善用這個特性:
# ⚠️ 絕對不可違反的規則(放在最頂端!)
1. 永遠不要使用相對路徑
2. 永遠不要直接修改 themes/ 目錄
3. 所有資料庫操作必須使用參數化查詢
# 一般規則
...其他規則放在下方...
CLAUDE.md 最佳實踐
mindmap
root((CLAUDE.md))
長度控制
200-500 行以內
不要塞入完整 API 文件
使用 /rules 目錄分割
結構設計
頂部放致命規則
中間放工作流程
底部放參考資訊
規則拆分
code-style.md
security.md
testing.md
git-workflow.md記憶體管理指令
| 指令 | 功能 | 何時使用 |
|---|---|---|
/context | 查看目前 Token 使用量 | 定期檢查成本 |
/clear | 完全清空對話記憶 | 切換到全新任務 |
/compact [保留內容] | 高密度壓縮對話歷史 | 保留關鍵決策並釋放空間 |
使用範例:
# 保留架構設計,清除其他對話
/compact 僅保留資料庫架構與 API 設計決策
什麼是 Claude Code Skills?如何讓技能自動進化?
直接答案:Skills 是將重複性工作封裝為自動化流程的指令集,存放在
~/.claude/skills/下的獨立資料夾。每個 Skill 平時僅消耗約 60 Tokens(漸進式揭露),觸發後才載入完整指令。進階用法是結合 Andrej Karpathy 的 Autoresearch 框架,讓技能在背景自動評分、優化、並 Commit 最佳版本。
Skills 是將重複性工作流封裝成自動化流程的核心機制。
漸進式揭露架構
flowchart TD
A[Claude 對話開始] --> B[載入所有 Skills 的 Frontmatter]
B --> C{約 60 Tokens/技能\n消耗極小}
D[使用者輸入請求] --> E{Claude 判斷\n是否需要技能?}
E -->|不需要| F[一般對話回應]
E -->|需要| G[載入完整 SKILL.md\n+ 腳本 + 參考文件]
G --> H[執行技能工作流]
style C fill:#0c3a3d,color:#8ff5ff
style G fill:#1e1040,color:#ceb9ff平時消耗:每個技能 ~60 Tokens 啟用後消耗:完整載入所有相關資源
Skills 目錄結構
~/.claude/skills/
└── article-writing/
├── SKILL.md # 主要指令(含 YAML frontmatter)
├── scripts/
│ └── check-seo.py # 輔助腳本
├── references/
│ └── brand-voice.md # 參考文件
└── assets/
└── template.html # 素材資源
SKILL.md 的 YAML Frontmatter
---
name: article-writing
description: >
Write blog articles with SEO optimization,
proper headings, and brand voice compliance.
Triggered when user asks to write, draft, or
create any article or blog post.
version: 1.2.0
---
# Article Writing Skill
## Gotchas(常見陷阱)⭐
<!-- 這是 Skill 中最有價值的區塊! -->
- 永遠不要在標題中使用問號
- 字數必須超過 1500 字,否則 SEO 評分極低
- 圖片 alt 文字必須包含主關鍵字
## 工作流程
1. 分析目標關鍵字
2. 生成文章大綱(確認後才開始撰寫)
...
自動進化系統(Autoresearch)
結合 Andrej Karpathy 的 Autoresearch 框架,Skills 可以自動學習並提升品質:
flowchart TD
A[定義二元評估標準\nEvals] --> B[排程執行技能]
B --> C[自動評分]
C --> D{分數是否提升?}
D -->|是| E[Commit 保留此次\n提示詞修改]
D -->|否| F[Revert 復原\n嘗試其他修改]
E --> B
F --> B
G[["評估標準範例\n✅ 標題是否包含數字?\n✅ 是否有具體視覺錨點?\n✅ 字數是否超過 1500?"]]
style A fill:#0c3a3d,color:#8ff5ff
style E fill:#1d2634,color:#a5abb8
style G fill:#1e1040,color:#ceb9ff關鍵設計原則:評估標準必須是客觀的是/否問題,而非主觀感受。這樣才能讓 AI 自動進行量化評分並優化。
Claude Code Hooks 如何防止 AI 誤刪檔案或執行危險命令?
直接答案:Hooks 是在 Claude 執行工具「前/後」插入的攔截邏輯,設定於
settings.json中。最實用的是PreToolUseHook:可攔截rm -rf、DROP TABLE等危險命令,或鎖定特定目錄(如themes/)防止誤改。設定後,Claude 在執行高風險操作前會先跳出阻擋提示。
Hooks 讓你在 Claude 執行操作的前後插入自訂邏輯,是安全防護的最後一道防線。
Hook 類型
flowchart LR
A[使用者輸入] --> B[PreToolUse Hook\n工具執行前]
B --> C{是否通過?}
C -->|通過| D[Claude 執行工具]
C -->|攔截| E[阻擋並告知原因]
D --> F[PostToolUse Hook\n工具執行後]
F --> G[結果返回]
style B fill:#1e1040,color:#ceb9ff
style F fill:#0c3a3d,color:#8ff5ff
style E fill:#3d0c0c,color:#ff8f8f實用 Hook 範例
安全攔截器(/careful):
{
"hooks": {
"PreToolUse": [{
"matcher": "Bash",
"hooks": [{
"type": "command",
"command": "echo '${tool.input.command}' | grep -qE '(rm -rf|DROP TABLE|kubectl delete)' && echo 'BLOCKED: 危險命令需要手動確認' && exit 1 || exit 0"
}]
}]
}
}
目錄鎖定(/freeze):
{
"hooks": {
"PreToolUse": [{
"matcher": "Edit|Write",
"hooks": [{
"type": "command",
"command": "echo '${tool.input.file_path}' | grep -q 'themes/' && echo 'BLOCKED: themes/ 目錄已鎖定' && exit 1 || exit 0"
}]
}]
}
}
如何整合 MCP 讓 Claude Code 連接外部服務?
直接答案:MCP(Model Context Protocol)是 Anthropic 提出的開放標準,讓 Claude 透過統一協議連接 Slack、Notion、資料庫、瀏覽器等外部服務。安裝方式為在
~/.claude/settings.json的mcpServers區塊設定伺服器位址。重要警告:安裝 2-3 個大型 MCP,尚未輸入任何對話就可能消耗 10,000–20,000 Tokens。
Model Context Protocol(MCP)是讓 Claude 操控外部服務的標準協議,就像一個「萬能遙控器」。
MCP 的本質架構
flowchart TD
A[Claude Code] -->|MCP 協議| B[MCP Server]
B --> C[Slack]
B --> D[Google Drive]
B --> E[Notion]
B --> F[ClickUp]
B --> G[NotebookLM]
B --> H[Chrome DevTools]
B --> I[Neon Database]
style A fill:#0c3a3d,color:#8ff5ff
style B fill:#1e1040,color:#ceb9ff⚠️ MCP 成本陷阱
安裝 2-3 個大型 MCP → 尚未輸入任何對話
就已消耗 10,000 ~ 20,000 Tokens!
MCP 工具會將所有工具定義、參數描述完整載入到 Context Window。部分 MCP 可能比你的整個對話歷史還要重。
最佳整合策略
flowchart LR
A[用 MCP 快速原型] --> B{流程可行?}
B -->|是| C[請 Claude 參考 MCP\n操作,寫成 Python 腳本]
C --> D[封裝為專屬 Skill]
D --> E["🎯 消耗從 20,000 Tokens\n降至不到 100 Tokens"]
B -->|否| A
style E fill:#0c3a3d,color:#8ff5ff推薦 MCP 組合
| MCP | 功能 | Token 消耗 |
|---|---|---|
| Chrome DevTools | 控制本地瀏覽器、截圖、資料抓取 | 中等 |
| NotebookLM | 免費大型知識庫 RAG 系統 | 低(Google 端處理) |
| Context7 | 即時查詢最新函式庫文件 | 低 |
| Neon Database | PostgreSQL 直接操作 | 中等 |
Claude Code 多代理架構:Sub-agents 和 Agent Teams 如何選擇?
直接答案:Sub-agents 是主代理(Opus)將任務分發給多個獨立子代理(Sonnet/Haiku)並行執行,成本可控,適合明確分工任務。Agent Teams 是實驗性功能,多代理完全平等且能互相溝通,Token 消耗是單一對話的 7 倍以上,適合探索性或需要辯論的任務,必須搭配 Git Worktrees 防止檔案衝突。
當專案規模擴大,並行化任務是提升效率的關鍵。
Sub-agents(子代理)架構
flowchart TD
A["🎯 主代理\nClaude Opus\n(昂貴但智慧)"] --> B[分解任務]
B --> C["🔍 Research Agent\nSonnet/Haiku\n上網查文件"]
B --> D["💻 Code Agent\nSonnet/Haiku\n實作功能 A"]
B --> E["💻 Code Agent\nSonnet/Haiku\n實作功能 B"]
B --> F["🧪 QA Agent\nHaiku\n跑測試"]
C -->|結果| G[主代理整合]
D -->|結果| G
E -->|結果| G
F -->|結果| G
G --> H[✅ 最終交付]
style A fill:#0c3a3d,color:#8ff5ff
style C fill:#1d2634,color:#a5abb8
style D fill:#1d2634,color:#a5abb8
style E fill:#1d2634,color:#a5abb8
style F fill:#1d2634,color:#a5abb8子代理的核心優勢:
- 每個子代理有獨立的 Context Window,沒有歷史包袱
- 完成後僅回傳結果,不污染主代理記憶體
- 使用便宜模型(Haiku/Sonnet),大幅降低成本
Agent Teams(代理團隊)
這是更進階的實驗性功能,需要在 settings.json 開啟:
{
"claude_code_experimental_agent_teams": 1
}
flowchart TD
A[共享任務面板] --> B["🎨 設計代理 A\n極簡風格"]
A --> C["🎨 設計代理 B\n大膽撞色"]
A --> D["🎨 設計代理 C\n企業專業"]
B -->|完成| E[Git Worktree A\n獨立分支]
C -->|完成| F[Git Worktree B\n獨立分支]
D -->|完成| G[Git Worktree C\n獨立分支]
E --> H[人工選擇\n最佳版本]
F --> H
G --> H
H --> I[合併主分支]
style A fill:#1e1040,color:#ceb9ff
style H fill:#0c3a3d,color:#8ff5ffAgent Teams vs Sub-agents 比較:
| 特性 | Sub-agents | Agent Teams |
|---|---|---|
| 溝通方式 | 主代理指揮 | 互相溝通 |
| Context 共享 | 否 | 共享任務面板 |
| Token 消耗 | 適中 | 極高(7倍以上) |
| 適用場景 | 明確分工任務 | 探索性/辯論性任務 |
| Git 整合 | 可選 | 強烈建議 Worktrees |
Git Worktrees 最佳實踐
使用代理團隊時,務必搭配 Git Worktrees,讓每個代理在獨立資料夾分支工作:
# 為代理團隊建立獨立工作區
git worktree add ../project-agent-a feature/agent-a-design
git worktree add ../project-agent-b feature/agent-b-design
git worktree add ../project-agent-c feature/agent-c-design
# 完成後合併最佳版本
git merge feature/agent-b-design
如何控制 Claude Code 的 Token 成本?
直接答案:成本控制的核心是防止「Context Rot」(記憶體衰退)——Context Window 填滿後 AI 推理能力顯著下降。三個關鍵習慣:(1) 用
/context定期查看用量;(2) 切換任務時/clear清空記憶;(3) 複雜任務前先用 Plan Mode 確認架構,寫錯代碼後的重構成本遠高於預先規劃。
Context Rot(記憶體衰退)
當 Context Window 填滿時,不僅成本暴增,AI 的推理能力也會顯著下降。這個現象稱為 Context Rot。
xychart-beta
title "Context 使用量 vs AI 回答品質"
x-axis ["0%", "25%", "50%", "75%", "100%"]
y-axis "品質分數" 0 --> 100
line [95, 88, 78, 60, 35]成本控制清單
每次工作前:
- 使用
/context查看 Token 使用量 - 確認
CLAUDE.md控制在 500 行以內 - 清理不必要的 MCP
切換任務時:
- 使用
/clear完全清空記憶 - 或使用
/compact壓縮保留關鍵資訊
複雜任務前:
- 先使用 Plan Mode 確認架構
- 用 Sub-agents 而非單一大 Context
模型選擇策略
flowchart TD
A[任務評估] --> B{任務複雜度}
B -->|簡單重複| C["🐦 Haiku\n最便宜\n輕量代理、批量處理"]
B -->|一般開發| D["⚡ Sonnet\n性價比最高\n日常編碼主力"]
B -->|複雜架構| E["🧠 Opus\n最貴最聰明\n架構決策、研究分析"]
style C fill:#1d2634,color:#a5abb8
style D fill:#0c3a3d,color:#8ff5ff
style E fill:#1e1040,color:#ceb9ff實戰案例
案例一:截圖迴圈網頁設計
這是目前最高效率的網頁設計方法,無需寫任何 CSS 即可產出精緻頁面。
flowchart LR
A["🌐 找到靈感網站"] --> B["📸 F12 全螢幕截圖\n壓縮至 5MB 以內"]
B --> C["📋 複製 body CSS 樣式"]
C --> D["🤖 給 Claude:\n截圖 + CSS\n要求精準還原"]
D --> E["📸 對 Claude 結果截圖"]
E --> F{是否滿意?}
F -->|否| G["提供兩張截圖對比\n要求修正差異"]
G --> E
F -->|是| H["✅ 完成\n通常 2-3 輪迭代"]
style D fill:#0c3a3d,color:#8ff5ff
style H fill:#1d2634,color:#a5abb8效果:2-3 分鐘內產出 85%+ 相似度的高端設計頁面,完全無代碼。
案例二:NotebookLM RAG 知識庫
當文件量龐大(如 99,000 行的 n8n 文件),直接放入 Claude 成本暴增。解決方案:
flowchart TD
A["📚 大型文件庫\n99,000 行文件"] --> B["上傳至 Google NotebookLM\n完全免費"]
C["開發者向 Claude 提問"] --> D["Claude 透過 MCP\n查詢 NotebookLM"]
D --> E["Google 端執行 RAG\n遠端檢索分析"]
E --> F["回傳精華結果\n極少 Token 消耗"]
F --> G["Claude 整合並回應"]
style B fill:#0c3a3d,color:#8ff5ff
style E fill:#1e1040,color:#ceb9ff效益:
- NotebookLM 免費處理 RAG 複雜度
- Claude 只需消耗極少 Token 接收結果
- 支援超大規模知識庫,零額外成本
案例三:全自動 SaaS 應用生成
從需求描述到可運行的全端 SaaS,流程如下:
flowchart TD
A["語音/文字輸入需求\n'需要登入、提案、電子簽名、支付'"] --> B[切換 Plan Mode]
B --> C["Claude 生成架構藍圖\nNext.js + Supabase + Stripe"]
C --> D{架構確認?}
D -->|調整| C
D -->|確認| E[切換 Edit Mode]
E --> F["貼入 Supabase API Key\n+ Stripe API Key"]
F --> G["Claude 自動生成:\n• SQL 遷移腳本\n• 前後端代碼\n• 認證系統"]
G --> H[部署至 Netlify]
H --> I["✅ 15-20 分鐘完成\n媲美 PandaDoc 的 SaaS"]
style B fill:#1e1040,color:#ceb9ff
style I fill:#0c3a3d,color:#8ff5ff常見問題 FAQ
Claude Code 需要付費嗎?如何取得?
Claude Code 透過 claude.ai/claude-code 或直接用 npm install -g @anthropic-ai/claude-code 安裝。費用依使用量計算(按 Token 計費),不同模型(Haiku / Sonnet / Opus)費率不同。目前 Claude Pro 訂閱方案包含有限的 Claude Code 使用額度,超出後按用量計費。
Claude Code 和 GitHub Copilot 有什麼差別?
GitHub Copilot 主要在 IDE 內提供行內補全建議,屬於「寫作時的提示」。Claude Code 是命令列工具,能讀寫整個程式碼庫、執行 Bash 命令、查詢外部 API,並透過多代理架構並行處理複雜任務。兩者定位不同:Copilot 加速「寫」,Claude Code 自動化「做」。
CLAUDE.md 放錯位置會有什麼影響?
~/.claude/CLAUDE.md 是全域規則,每個專案都會載入;./CLAUDE.md 只對當前專案有效;子目錄的 CLAUDE.md 會覆蓋上層規則。如果規則衝突,較深層的目錄規則優先。常見錯誤是把敏感專案規則放在全域,導致洩漏給其他專案。
使用 Agent Teams 時 Git Worktrees 是必須的嗎?
強烈建議。沒有 Git Worktrees 時,多個代理會在同一目錄操作,極易發生同時寫入同一檔案的競爭條件(Race Condition),導致代碼被覆蓋。Worktrees 讓每個代理在獨立資料夾分支工作,完成後再合併,是唯一安全的多代理並行開發方式。
Claude Code 可以在 Windows 上使用嗎?
可以,透過 WSL2(Windows Subsystem for Linux)或直接使用 Node.js 安裝。Anthropic 官方建議在 macOS 或 Linux 環境下使用以獲得最佳體驗,特別是涉及 Bash Hooks 和 Git 操作時,WSL2 的相容性最好。
總結
Claude Code 在 2025/2026 的核心進化方向是:從工具走向自主作業系統。
mindmap
root((Claude Code\n2026))
自主化
Dispatch 遠端派發
排程自動執行
Skills 自我進化
智慧化
Plan Mode 防呆
Context 管理
首因效應優化
規模化
Sub-agents 並行
Agent Teams 辯論
Git Worktrees 隔離
經濟化
MCP → Skills 轉化
模型分級使用
Context Rot 預防最後,分享這套系統的核心使用哲學:
「先計畫,後實作;先規則,後代碼;先技能,後 MCP。」
每一項投資在架構和規則上的時間,都會以數倍的開發效率回報。
本文資料來源整理自 Claude Code 官方文件及多位實戰開發者的分享,所有技術細節均以 2026 年 3 月最新版本為準。
