Deep Learning 101, Taiwan’s pioneering and highest deep learning meetup, launched on 2016/11/11 @ 83F, Taipei 101

AI是一條孤獨且充滿惶恐及未知的旅程，花俏絢麗的收費課程或活動絕非通往成功的捷徑。
衷心感謝當時來自不同單位的AI同好參與者實名分享的寶貴經驗；如欲移除資訊還請告知。
由 TonTon Huang Ph.D. 發起，特別感謝時任職公司台灣雪豹科技無償贊助場地及茶水點心。
Deep Learning 101 創立初衷，是為了普及與分享深度學習及AI領域的尖端知識，深信AI的價值在於解決真實世界的商業問題。

---

📚 精選資源導航

🔥 嚴選 (必讀)

策略 AI新賽局：企業的入門策略指南 評測 臺灣 LLM 性能評測與在地化分析 實戰 從零到一：打造高精準度 RAG 系統 避坑 避開 AI Agent 開發陷阱與解決方案 手把手 Cloudflared 實作內網穿透 (Tunnel) 爆火 OpenClaw(MoltBot/Clawdbot)讓您焦慮嗎？ 實戰 S.H.I.E.L.D. (主權啟發式情資與企業邏輯防禦系統)

🛠️ 實戰工具 & Agent 框架 ▼

2026 Claude Code 完全整合指南 Dify, Coze, n8n, AutoGen 熱門框架比較 推論加速：vLLM, Ollama, SGLang Gemini + LangGraph 全端實戰 基於 AutoGen 的 FinRobot 體驗

📝 論文快遞 ▼

Agentic AI：Gemini 3.1 WebMCP 實戰 NVIDIA PersonaPlex 全雙工語音 AI 深度技術分析 CoT (思维鏈) is not explainability arXiv: Potemkin Understanding in LLMs arXiv: Agentic Reasoning

📝 產業趨勢 ▼

🤖 企業級 AI 標竿分析與負責任 AI 治理建議 💰 GenAI 在金融產業的應用分析 🤖 2025 趨勢：AI Robot 陪伴型機器人

🚧 踩坑指南 & 科普入門 ▼

🎓 白話文科普 GenAI (硬體/數據) 🛑 LLM 打完收工？硬體升級重要性 📘 LLM 入門完整指南：原理與應用 🎨 Diffusion Model 圖像生成解析 💻 訓練微調 VRAM 估算指南 🎙️ ASR/TTS 語音開發避坑 📝 NLP 自然語言開發避坑 🐧 Ubuntu 深度學習環境安裝教學

🛡️ AI 資安與 AIxCC 競賽 ▼

🏆 冠軍團隊：亞特蘭大 (Team-Atlanta) 解析 🥈 亞軍團隊：Trail of Bits 解析 🐚 Shellphish：用 LLMs 解決 CTF 挑戰 🛡️ AI 大模型安全護欄綜合報告 ⚔️ LLM 安全攻防策略深度解析

🔥 快速存取熱門資源

🤖 LLM 與 Agent 資源大全 👁️ 電腦視覺選型清單 🎤 語音處理實戰懶人包 🛡️ AI 大模型安全護欄 ⚔️ LLM 安全攻防策略 💡 Changelog（更新日誌）

---

作者：TonTon Huang Ph.D.

---

Claude Code 完全整合指南：從核心機制、工程紀律、大規模部署到生態擴展

定位：整合了Claude Code核心文章與開源項目，以及自己的使用體驗，目的是提供一套可查閱、可執行、有層次的全景知識體系，而非功能羅列。

---

目錄（點擊跳轉）

• 1. Claude Code 是什麼？為什麼它「感覺不同」
• 2. 與 Copilot, Cursor, Gemini CLI, Antigravity的差異
• 3. 安裝與起步
• 4. 核心機制：CLAUDE.md —— 讓 AI 真正懂你的專案
• 5. Plan Mode：先想清楚再動手
• 6. 上下文管理：這份工具的命脈
• 7. 工作流哲學：給驗證標準、四階段循環、怎麼跟 Claude 溝通
• 8. Skills 深度整合：工程紀律的「四層架構」
• 9. Skills 安裝、管理與優先級建議
• 10. 大規模代碼庫與企業級框架：Harness 比模型更重要
• 11. 避坑指南：失敗模式對照表
• 12. 生態擴展一：free-claude-code —— Claude Code 的「換引擎」本地閘道
• 13. 生態擴展二：cc-connect —— 把本地 Agent 橋接到你的聊天平台
• 14. 附錄：指令 / 命令速查表

---

1. Claude Code 是什麼？為什麼它「感覺不同」

一句話抓住本質：「其他 AI 工具是幫你寫代碼，Claude Code 是替你執行任務。」
它是 Anthropic 推出的終端原生 AI Agent（代理），能：

• 讀懂「整個專案」結構（跨文件、跨層級推理）
• 自主規劃 → 修改多個文件 → 執行 shell / test / build
• 透過 CLAUDE.md 學你的專案規範，把「專案知識」變成長效上下文
• 把很多原本要開幾十個 tab、反覆試錯的過程，坍縮成一個對話式工作流
• 在 SWE-bench 測試中，其解決真實 Issue 的能力獲得了 80.8% 的驚人成績。

這種體驗有一個很準的詞：認知壓縮（Cognitive Compression）。

它最關鍵的差異不在「生成更準」，而在於它理解系統而非片段：重構時是真的在重組架構邏輯，debug 時會推理 Bug 擴散鏈，接手陌生 repo 時能跨文件連概念，而不只是孤立解釋「這個函式做什麼」。

一句話定調：

其他工具是「幫你寫程式」；Claude Code 是「替你完成任務」。
Skills 不是讓它變聰明，Skills 讓它變自律。

目標受眾分析：

• ✅ 極度適合： 具備開發基礎想放大產出的工程師、需要經常寫腳本處理資料的 PM/營運、想邊做邊學的技術創業者。
• ⛔ 不適合： 完全零基礎且沒用過終端機的人（建議先用網頁版）、企業內網完全無法連外網的封閉場景。

---

2. 與 Copilot / Cursor / Gemini CLI / Antigravity的本質差異

六大 AI 編程工具核心差異對比（更新台灣用語版）

工具	定位	核心工作模式	上下文	核心優勢 / 使用場景
GitHub Copilot	智慧程式碼補全	整合在 IDE 中，即時提供單行或多行程式碼建議。	~8K tokens	補全速度極快，無縫融入既有的編碼流程，幾乎沒有學習成本。
Cursor	AI 增強型 IDE	以 VS Code 為基礎深度整合 AI（聊天與 Composer 模式），支援多檔案編輯與對話。	專案感知	保留完整的 VS Code 體驗，同時提供強大的聊天、編輯與內建代理功能，生態系完整。
Claude Code	終端原生 Agent	在終端機裡作為自主代理執行，能夠讀取檔案、執行指令、規劃任務。	200K tokens	具備系統級推理與自主任務執行能力。擅長複雜重構、偵錯、遷移等需要跨檔案、多階段操作的專案級任務。
Gemini CLI	終端原生 Agent	與 Claude Code 類似，是 Google 推出的終端 AI 代理，可執行指令、讀寫檔案。	約 100萬 tokens (Gemini 2.0)	上下文視窗極大，在需要分析超長程式碼庫或文件時佔有優勢。目前其生態系與工具鏈成熟度相較 Claude Code 仍在發展中。
Google Antigravity	智慧型體優先 (Agent-first) IDE	基於 VS Code 建構的整合開發環境，可將複雜編碼任務委託給由 Gemini 3 Pro 等模型驅動的自主 AI 智慧型體執行。智慧型體能直接操作編輯器、終端機與瀏覽器。	取決於所選模型（支援 Gemini 3 Pro, Claude Sonnet 4.5, OpenAI 模型等）	實現「智慧型體優先」的高自主性開發。智慧型體會產生可檢驗的「工作成品」（如任務清單、實作計畫、截圖），而非僅是原始工具呼叫，旨在建立使用者信任並完成從規劃到實作的完整任務鏈。

---

如何選擇與搭配使用？

基於以上更完整的工具生態，一個有效率的現代化開發工作流可以這樣安排：

1. 日常編碼（在編輯器內）：
   • GitHub Copilot：用於毫秒級的程式碼片段自動完成，提升純打字效率。
   • Cursor：作為主力 IDE，當需要主動使用其智慧聊天和重構功能時使用。
2. 複雜任務委託（終端機或專屬 IDE）：
   • Claude Code：作為主力工程智慧型體。當有明確、複雜的開發任務時，在終端機中交給它來規劃與執行。
   • Gemini CLI：在需要分析單一極長檔案或進行全域搜尋時，其超大的上下文視窗是獨特優勢。
   • Google Antigravity：當您希望在一個 IDE 環境內，以更高自主性的方式，將一個完整功能或模組的開發工作委託給 AI 智慧型體，並透過其產生的「工作成品」來追蹤與驗證執行過程時使用。

總結：當前的 AI 輔助編程生態已形成多層次的工具矩陣，從被動補全、主動對話，到高自主性的智慧型體執行。Antigravity 的加入代表了「智慧型體優先」理念在 IDE 層級的正式產品化，與終端 Agent 和傳統增強型 IDE 形成了差異化競爭。開發者可根據任務的粒度、執行環境的偏好，以及對智慧型體自主性的信任程度，靈活選用最適合的工具。

---

3. 安裝與起步

3.1 前置條件

• Claude Pro（$20/月）或更高（Max 5x $100 / 20x $200）
• Node.js ≥ v18
• 能連 Anthropic 的網路環境

3.2 安裝（通用方式）

npm install -g @anthropic-ai/claude-code

claude --version
claude

首次啟動會引導：

1. 選主題（暗色／亮色）
2. Claude 帳號授權
3. 信任當前工作目錄

三個入口：終端 CLI（最深、最專注）／桌面 App（獨立視窗）／網頁&手機（構思用）。共用同一個帳號。

3.3 費用與額度（實務要知道的事）

方案	價格	每 5hr 窗口恢復額度	備註
Pro	$20/mo	約 45 條對話級	多數個人夠用
Max 5x	$100/mo	約 225	重度日活
Max 20x	$200/mo	約 900	團隊級消耗

額度以「5 小時窗口」滾動計算；吃完就要等窗口重置或升級。

Amazon Bedrock 上的 Claude Code 參考這

---

4. 核心機制：CLAUDE.md —— 讓 AI 真正懂你的專案

4.1 它是什麼

放在專案根目錄的 CLAUDE.md，Claude Code 每次啟動自動讀取，相當於給專案一本「工作手冊」。

• 拒絕百科全書： 根目錄的 CLAUDE.md 應極度精簡（建議控制在 50 行以內），只放最高層級的指標與絕對禁止的陷阱。
• 分層載入（Additive Loading）： 採用目錄樹結構。例如，開發包含前端與資料庫的專案時，不要在根目錄寫滿 SQL 規範。讓 AI 在進入 /frontend 目錄時才讀取 Next.js 的規範（例如：核心 UI 區塊通常位於 line 104），進入 /db 時才讀取 PostgreSQL 與 Drizzle ORM 的設定。
• 主動降噪： 透過 .ignore 或 .claude/settings.json 中的 permissions.deny 排隊生成的構建檔案（Artifacts），這能大幅節省 AI 的注意力與 Token。

4.2 應該寫什麼（三層原則）

✅ 要放（專案特有、Claude 猜不到的）：理想的配置必須涵蓋三層邏輯：

• 1. What（專案用途與邊界）： 描述技術棧與目錄結構。例如：「這是一個整合了 LINE Pay 與 GA4 事件追蹤的訂位系統，前端 UI 核心區塊位於 line 104，請優先從該處切入分析。」
• 1. Why（架構決策原因）： 解釋為什麼這樣設計。例如：「我們的支付閘道採用特定的異步回調，這是為了防範 Zero-day 威脅，請勿擅自重構為同步請求。」
• 1. How（開發與測試規範）： 明確指出代碼風格（如 YAML Front Matter 規範）、構建指令，以及 AI 修改代碼後必須執行的測試步驟。

❌ 不要放：

• Claude 讀碼就知道的事
• 標準語言慣例
• 會頻繁變的東西
• 冗長教學文

4.3 最小可用模板（直接可貼）

# CLAUDE.md — <專案名>

## 技術棧
- Next.js 14 (App Router) / Python FastAPI / …
- TypeScript / Prisma + PG / Tailwind …

## 目錄結構（一句話定位）
- app/       頁面與路由
- components/ 公共元件
- lib/        工具與 client
- prisma/     schema

## 常用命令
- dev:    npm run dev
- build:  npm run build
- test:   npm run test
- db:     npx prisma migrate dev

## 規範（只寫「你要它守的」）
- 元件用 function、async/await
- 只用 Tailwind，不寫 CSS 檔
- 每次功能開 branch；每完成一個階段就 commit
- 不得直接改 prisma/schema.prisma 除非我說

讓 Claude 幫你生初稿：幫我分析這個專案，生成 CLAUDE.md …，再手修。提交進 git，全團隊受益。

---

5. Plan Mode：先想清楚再動手

5.1 怎麼進入

• Shift + Tab 兩次（左下出現模式標識）
• Windows 若不順：Alt + M

Plan Mode 下 Claude 只能讀文件/搜尋/問你問題，不能改文件、不能執行命令。

5.2 什麼時候該用

• 新功能涉及 >3 個文件
• 動 DB schema
• 不確定方案
• 接手陌生專案

5.3 實戰感覺

你描述需求 → Claude 先問關鍵假設（「要去重嗎？用 PG 還是 Redis？實時還是批次？」）→ 出一份實施計畫（新增哪個欄位、改哪些檔、順序）→ 你確認 → 退出 Plan Mode → 執行

這道「強制先思考」的閘門，能把返工機率壓低非常多（實務感受約 ~80% 的無謂返工消失）。

---

6. 上下文管理：這份工具的命脈

核心約束：上下文視窗再大，也會滿；滿了以後性能下滑、會忘、會犯蠢。

用量	狀態	建議
0–50%	正常	自由工作
50–70%	注意	避免再大量讀新文件
70–90%	危險	/compact 壓縮
90%+	臨界	/clear 重置（你的檔案還在，只是清對話）

6.1 關鍵命令

/compact           壓縮歷史（保留關鍵資訊）
/clear             完全重置對話（CLAUDE.md 還在，專案檔不動）
/btw               快速問、答案不進歷史（省上下文）
Esc                停動作、保留上下文
Esc+Esc / /rewind  回退到某個檢查點
claude --continue  新終端續上最近 session

6.2 讓專案「自我記錄」

階段完成後，讓 Claude 更新 CLAUDE.md 或 docs/，寫三行就夠：

<!-- docs/progress.md -->
- [x] 閱讀量：加 DB 欄位 + API 回傳
- 下一步：前端顯示、用 SWR 做 revalidate
- 已知坑：count 要避免 N+1，改用 SELECT COUNT 快取

下次 /clear 後重開，一句「我們做到 DB 欄位完成，現在要做前端顯示」就能快速恢復。

---

7. 工作流哲學：給驗證標準、四階段循環、怎麼跟 Claude 溝通

7.1 最重要的一條鐵律：永遠給成功條件

❌ 模糊	✅ 有驗證標準
實作 validateEmail	寫 validateEmail；測資：a@b.c→true、invalid→false
把儀表板弄好看點	貼設計截圖，實作後截圖比對差異再修
build 失敗	貼錯誤訊息；修完且驗證 npm run build success

沒有驗證標準，AI 會產出「看起來對但邊界壞掉」的東西。

7.2 四階段循環（推薦預設）

1. Explore：只讀不寫（Plan Mode），搞清楚地形
2. Plan：產出有序步驟＋依賴＋待確認假設
3. Implement：退出 Plan Mode → 編碼＋跑指令驗證
4. Commit：git commit + PR；階段完成後更新 CLAUDE.md

小任務（改 typo、加一行 log）可跳過全套開銷，直接做。

7.3 怎麼下指令才有效

• 用 @filename 引用文件
• 貼 log / stack trace / 截圖
• 縮範圍：「只改 X 檔的 Y 行為，不要動其他檔」
• 描述「症狀」而非只丟結論："用戶報逾時後登入失敗，檢查 src/auth/…"

7.4 把 Claude 當 senior engineer 問事

不是只叫它改；多問：

• 這個日誌系統怎麼運作的？
• 為什麼 ExecutionFactory 的 API 演變成這樣（叫它看 git log）？
• 如果我們加 OAuth2，你會怎麼切責任？

---

8. Skills 深度整合：工程紀律的「四層架構」

8.1 為什麼需要 Skills（一句話）

Skills 本質＝把工程規範數位化：先想、再計畫、再執行、測試覆蓋、驗證完成、乾淨分支。
Claude 本身已經很聰明；Skills 讓它變自律。

---

8.2 第一層：規劃與思考（解決「一上來就亂寫」）

名稱	它在解什麼痛點	實務重點
Brainstorming（頭腦風暴前置）	阻止「你描述需求→它直接開寫→方向錯→重來」	強制先列 3+ 實作路徑＋權衡＋風險＋要你確認的假設；適合「創造新功能、架構決策」
Writing Plans（計畫書生成）	大任務黑盒化→白盒化；跨 session 上下文會丟	輸出 5–10 步有序計畫（每步可驗證、有依賴）；搭配 findings.md/task_plan.md/progress.md 把記憶放磁碟
Executing Plans（按計畫執行不跑偏）	每步完成必驗證預期輸出，失敗就停、報問題，不允許自行改路
Planning-with-files（文件型外部記憶）	強制把計畫/調研/進度寫進專案目錄檔案；每次重要決定前重讀、完成後更新（目前最實的「短期記憶替代」）

怎麼用這一層：把 Brainstorming 當「大決策閘門」；Writing Plans 當「複雜任務骨架」；Planning-with-files 當「跨天/跨 session 的錨」。

---

8.3 第二層：品質保障（讓「完成」兩個字有分量）

整合後名稱	它在解什麼痛點	實務重點
TDD Skill（測試驅動）	AI 先寫實作→補的測試在測「自己的實作」而非業務行為	拒絕直接寫實作；先問行為/成功標準/邊界→先寫測資讓你確認→再實作通過測試；（Test Writer 版強調：先掃你現有測試風格再仿寫）
Systematic Debugging（結構化除錯）	四階段鎖死：Observe→Hypothesize（3-5 假設排序）→Test（最小驗證）→Fix（根治＋防復發）；不允許在 Observe 沒做完前猜原因
Requesting Code Review（多 Agent 審查）	普通 AI review 變安慰式「看起來不錯」	召 5 個並行專項（安全/效能/正確性/風格/測試覆蓋）→匯總成 HIGH/MED/LOW 置信度報告＋檔名＋行號
Verification Before Completion（完工清單）	Claude 的「完成」有時＝code done≠really done	完工前強制跑核對表：test 真跑過？硬編碼抽配置？錯誤處理只有 happy path？安全掃描？README 過期？輸出 ✅❌⚠️

怎麼用這一層：

• 核心模組＝TDD＋Verification
• 線上詭異問題＝Systematic Debugging
• PR 前＝Requesting Code Review（當你跟自己代碼「距離太近」時尤其值）

---

8.4 第三層：執行效率與協作流（把小時級變成分鐘級）

整合後名稱	它在解什麼痛點	實務重點
Dispatching Parallel Agents（並行分派）	獨立子任務卻順序跑，浪費時間	識別無依賴子任務→分給多 sub-agent 同時跑；每個任務描述必須自包含；適合「給 N 個模組加同一套入參校驗/日誌 middleware」
Using Git Worktrees（分支隔離）	每個分支一個隔離目錄→Claude 在裡面工作→提供 merge/PR/放棄標準流程；告別 stash 衝突焦慮
Commit Helper（提交規範）	分析 git add 的改動→自動生成 Conventional Commits 格式＋「為什麼改」（被多篇評為CP 最高、天天用的 skill）
Batch（內建，不用裝）	批量改造幾十個介面/依賴，手動搞到死	Claude Code 內建 /batch；拆成隔離子任務→平行跑→自動開 PR；適合統一改 response 格式、批次升依賴

---

8.5 第四層：擴展、特殊需求、團隊資產化

整合後名稱	定位	何時值得
Ralph-Wiggum（自主循環）	Stop-hook 攔退出→把任務＋上下文重新餵回→形成 loop	只適合「有清晰驗收標準的批量活」（加註釋、格式化等）；必設 --max-iterations，否則危險
MCP Builder	從設計→測試的 MCP Server 開發流程	你要替團隊接內部 API/DB 成 MCP；一般使用者現成 MCP 就夠
Skill Creator（元技能）	用自然語言生 SKILL.md＋測試	價值在團隊：把內部規範/領域知識封裝成 Skill 推給所有人；個人用「裝現成」通常就夠
Document Skills（官方）	Claude 在終端直接吃 PDF/Word/Excel/PPT	非純開發者、要處理大量需求/技術文件時省事（Anthropic 官方出品）
Frontend Design	注入設計規範讓 UI 代碼別那麼「2015 管理後台感」	內部系統/工具產品夠用；差距是「從隨便堆→基本規範」，不是魔法
Excalidraw Diagram	自然語言→可編輯 .excalidraw 圖	技術方案圖/架構圖/時序圖快速草圖；Excalidraw 可再編輯＋JSON 可存 git

---

8.6 安裝來源（用一句話講清楚）

• 9 個主體來自 superpowers 包：

  /plugin install superpowers-skills@anthropics-claude-code
  /reload-plugins
  

• 另有中文社群版：/plugin install superpowers-zh@jnMetaCode
• excalidraw-diagram 單獨：

  /plugin install excalidraw-diagram@claude-plugins-official
  

---

9. Skills 安裝管理與優先級建議

9.1 建議的「上手段階梯」

1. 先裝 Commit Helper（天天用、CP 最高、干擾最小）
2. 再加品質閘門：Code Review ＋ Planning-with-files（解真痛點）
3. 再上約束：Brainstorming / Writing Plans / Executing Plans（接受被管，換大任務可控）
4. Batch 直接用（內建，不用裝）
5. Ralph-Wiggum / MCP Builder：等有「明確批量任務」或「要接內部系統」再碰

9.2 常見疑惑一次答

• 會強制改變所有行為嗎？ 不會。多數 Skill 是「有意圖觸發」才生效；你可說「跳過 brainstorming 直接執行」。
• 跟 Hooks 差在哪？ Skill＝方法論層（工作流程）；Hook＝事件觸發層（確定性動作，例如 commit 前必 lint）。
• 裝太多會不會衝？ Skills 按需載入，不常駐；但不同來源的 Skill 若「都想接同一類任務」要留意優先級（superpowers 內部有元 Skill 管優先序）。

---

10. 大規模代碼庫與企業級框架：Harness 比模型更重要

決定 Claude Code 在千萬行 monorepo 能走多遠的，不是模型基準，而是 Harness（生態搭建品質）。

10.1 Claude 怎麼導航：Agentic Search，不是 RAG 索引

• Claude Code 不走「embedding 索引整個 repo」那套（易過時、追不上活躍提交）
• 而是像人：遍歷檔案系統、grep、沿引用跨文件跳
• 代價：高度依賴起手上下文品質 → 所以 CLAUDE.md、分層結構、ignore 規則才關鍵

10.2 Harness 的五個擴展點（重要性有順序）

擴展點	角色	實務重點
CLAUDE.md	第一基石（每次讀）	精簡、分層、只放普遍適用內容
Hooks	事件觸發的自動化	lint/format 這種「確定性」比靠 prompt 可靠；stop hook 可做會話後反思→建議 CLAUDE.md 更新
Skills	專長按需出現（漸進披露）	可綁路徑（只在某目錄激活）；別把一切塞 CLAUDE.md
Plugins	打包成可分發單元	避免好設置只活在部落；新人不需從零配
MCP Servers	接外部世界	建議最後做：基礎穩了再接內部工具/工單系統

外加兩個輔助：LSP（符號級導航，對 C/C++/多語大型 repo ROI 極高）、Subagents（探索與編輯分開；唯讀 subagent 先寫發現→主 agent 再編輯）。

• Hooks (確定性約束與反饋迴圈)：與其在 Prompt 裡千叮嚀萬交代「請記得做語法檢查」，不如利用 Hooks 建立強制性的工程約束。
  • PreToolUse（事前攔截）： 阻擋危險操作。例如，修改到特定敏感的系統配置檔前，強制觸發備份腳本。
  • PostToolUse（事後修正）： 修改代碼後自動觸發 Lint 或測試。如果報錯，AI 會直接讀取 stderr 並自我修正，無須人工介入。
  • 物理與邏輯邊界： 利用 Hooks 卡控設計規範。例如，若偵測到前端更新，自動驗證視覺設定檔中是否包含禁止的參數（確保視覺特效如高科技能量矩陣般展開，嚴禁使用爆炸效果）。
• Skills (漸進式揭露的模組化能力)
  • ⚠️ 錯誤認知： 許多人會把 Skills 當成零散的快捷指令，或把所有工作流硬塞進 CLAUDE.md。
  • ✅ 正確理解： Skills 是一種「漸進式揭露 (Progressive Disclosure)」的機制。
  • 整合應用思維： 你可以設計一個「Security Audit Skill」。當你輸入 /audit 時，該 Skill 才被喚醒，並嚴格遵循你設定的實體邏輯（例如：檢查特定機械結構的設計是否避開了無法從背面存取的盲孔，或是確保某些工具未被錯誤歸類）。這讓 AI 的上下文保持絕對乾淨，不會在寫一般業務邏輯時被資安檢查規則干擾。

當你有一系列複雜的任務（如：建立資料庫遷移、執行零日威脅掃描），將其打包成 SKILL.md。Claude 啟動時，只會讀取每個 Skill 的名稱與簡介（約 100 tokens），只有當你的任務與該技能匹配時，它才會完整載入該技能的深層邏輯與腳本。

• MCP 與 Subagents (外部擴展與探索隔離)：當基礎穩固後，才接入外部工具。
  • Subagents（子代理）： 用來拆分「探索」與「編輯」。面對高複雜度架構（如具備 GraphRAG 與威脅狩獵機制的 S.H.I.E.L.D. 系統），不要讓主 Agent 直接動手。先派遣一個唯讀的 Subagent 去爬梳依賴關係與圖譜，寫出調查結論後，主 Agent 再依據該結論進行精準改檔，藉此保護主 Agent 珍貴的 Context Window。

10.3 三種成功配置模式（可直接抄）

1. 讓代碼庫保持「Claude-navigable」
   • CLAUDE.md 根層輕薄＋子目錄加層
   • 在子目錄啟 Claude，而非永遠 repo 根
   • .claude/settings.json 的 permissions.deny 排除 build artifacts
   • 有 LSP 就開（grep 對常見函式名會爆上下文）
2. 主動維護 CLAUDE.md（隨模型演進）
   • 每 3–6 個月回顧一次
   • 曾為舊模型寫的「補丁規則」，新模型可能已不需要甚至有害
3. 明確歸屬人（DRI）
   • 沒人管就會部落化；至少需要一位 DRI 管 CLAUDE.md 規範、plugin 市場、權限策略

---

11. 避坑指南：失敗模式對照表

症狀	你做錯的事	解法
Claude 改出一堆你沒要的	需求太模糊	說清範圍＋限制＋驗證條件
兩件事的碼混一起、難回滾	不 commit 就續做	每完成一個階段就 git commit
Claude 開始「胡說八道」	上下文 90%+ 還硬撐	70%→/compact；90%→/clear 重開
看起來合理但邊界壞掉	沒給驗證（測資/截圖/腳本）	永遠附成功標準
同一 session 混不相關任務	上下文污染	/clear；不相關＝新 session
同一錯法被糾正兩次還錯	上下文已被失敗路徑污染	/clear＋更精準 prompt 重開
CLAUDE.md 太肥→Claude 忽略一半	把該進 Skill 的塞進去了	無情刪減；只留普遍且 Claude 猜不到的

---

12. 生態擴展一：free-claude-code —— Claude Code 的「換引擎」本地閘道

由於官方綁定 Anthropic 且具備嚴格的 Rate Limit，透過部署開源的 Free Claude Code (FCC)，你可以將流量代理到全球各大模型，實現模型自由與成本控制。

cc-connect「換模型後端」，free-claude-code「把 Agent 橋接到聊天平台」（Line/飛書/釘釘/Telegram/Discord/微信個人號/QQ 等）。
https://github.com/chenhg5/cc-connect/
https://github.com/Alishahryar1/free-claude-code

12.1 先講清楚它「不是」什麼

它不是：

• 一個「憑空變出無限免費頂級 Claude」的魔法
• 也不需要改 Claude Code 本體

它是：

一個跑在你本機的 Anthropic-compatible proxy / gateway，把 Claude Code 送出的 Messages API 流量轉到你指定的 provider（免費層 / 付費 API / 本地模型）。

在本地建立一個 FastAPI 代理伺服器。它攔截 Claude Code 送出的 API 請求，將 OpenAI 的 Chat Streaming 翻譯為 Anthropic SSE 格式，同時正規化 Thinking 區塊與 Tool calls，讓 Claude Code 毫無察覺地使用非官方模型。

• 優勢： 內建自動壓縮視窗（寫入 CLAUDE_CODE_AUTO_COMPACT_WINDOW=190000），並提供網頁版 Admin UI 管理配置。

一句話點破：

免費只是鉤子，選擇權才是正文。
它把「前台（Claude Code 工作流）」和「後台（哪家模型/本地模型）」拆開了。

12.2 架構長怎樣（概念圖→文字版）

Claude Code CLI / VSCode / Bots
        │
        ▼
  ┌─────────────────────┐
  │  fcc-server (proxy) │ ← Admin UI (localhost:8082/admin)
  │  - model router      │
  │  - provider adapters │
  │  - request normalize │
  └──────────┬──────────┘
             ▼
  NVIDIA NIM / OpenRouter / Gemini / DeepSeek / Mistral / Kimi
  / Groq / Cerebras / Fireworks / Z.ai / Wafer …
  └─或本地：LM Studio / llama.cpp / Ollama

關鍵實作細節：

• 暴露 Anthropic-compatible routes：/v1/messages、/v1/messages/count_tokens、/v1/models
• 支援 streaming / tool use / thinking block 轉譯
• 提供者分兩大類：OpenAI-compat 風格 vs Anthropic Messages 風格 vs 本地路徑

12.3 核心設定（最小可跑）

# 1. 裝官方 Claude Code（它仍需要存在）
npm install -g @anthropic-ai/claude-code

# 2. 裝 free-claude-code
# macOS/Linux
curl -fsSL "https://github.com/Alishahryar1/free-claude-code/blob/main/scripts/install.sh?raw=1" | sh
# Windows PS
irm "https://github.com/Alishahryar1/free-claude-code/blob/main/scripts/install.ps1?raw=1" | iex

# 3. 啟 proxy
fcc-server
# 終端會印 Admin UI URL，預設如 http://127.0.0.1:8082/admin

# 4. 讓 Claude Code 走 proxy（這兩行是核心）
export ANTHROPIC_BASE_URL=http://127.0.0.1:8082
export ANTHROPIC_AUTH_TOKEN=freecc

fcc-claude   # 它會讀 port+token → 設環境變數 → 啟動真正的 claude

在 Admin UI 裡：

• 選一個 provider（OpenRouter / Gemini / DeepSeek / NVIDIA NIM / local…）
• 貼 API key
• 設 MODEL= 對應 slug
• Validate → Apply

進階：可用 MODEL_OPUS / MODEL_SONNET / MODEL_HAIKU 做分級路由（重活走強模型、輕活走便宜/本地）。

12.4 實用玩法（但請務實期待）

玩法	價值	但你要知道
NVIDIA NIM 等免費層	日常輕量開發能跑	非無限、限速；「免費 Claude Code」嚴格說是「免 Claude 原廠 token 費」，不是無限頂級智力
本地模型接管	隱私好、離線可跑	代碼能力/tool calling 穩定性/上下文長度要看你選的模型
混合路由	成本調度	工程上很香；但「前台工作流體驗」會被後端模型能力天花板限制

12.5 風險與安全底線（很重要）

• 這類 proxy 讓 Claude Code 的流量經你本機程式，你要負責 key 保護、allowed directory、不要亂開 raw logging
• .env 裡可能有 payload/SSE/CLI diagnostic 開關 → 能不開就不開，尤其公司 code / 客戶專案
• bot wrapper（Discord/Telegram）更要設 allowed directory、權限邊界
• 先拿 demo repo 試，不要第一晚就對核心專案開 full 權限

---

13. 生態擴展二：cc-connect —— 把本地 Agent 橋接到你的聊天平台

當你需要離開座位，或希望讓整個團隊在通訊軟體中監控並指揮 AI Agent 時，CC-Connect 是最強大的橋接中樞。它能將運行在機器上的 Agent（如 Claude Code, Kimi CLI, Gemini CLI 等）對接到 12+ 種通訊平台。

cc-connect「換模型後端」，free-claude-code「把 Agent 橋接到聊天平台」（Line/飛書/釘釘/Telegram/Discord/微信個人號/QQ 等）。
https://github.com/chenhg5/cc-connect/
https://github.com/Alishahryar1/free-claude-code

13.1 它解決什麼

一句話：

在任何聊天工具裡，遠程操控你的本地 AI Agent；隨時隨地用手機發訊，讓它在你機器上的專案目錄做事。

13.2 亮點功能速覽

• 12 大聊天平台接入（多數不需公網 IP，靠 WS/long-poll）
• 10+ Agent 支援：Claude Code、Codex、Cursor Agent、Gemini CLI、Kimi CLI 等，也支援 ACP
• 聊天即控制：斜槓命令切模型 (/model)、切權限模式 (/mode)、切工作目錄 (/dir)
• 多 Agent 協作：群裡綁多個機器人，讓 Claude 和 Gemini 在一個對話裡接力
• 定時任務：自然語言創建 cron 任務
• 語音/圖片：支援 STT/TTS 和多模態轉發
• Web 管理後台：可視化管理項目、服務商、會話、定時任務
• 持久化記憶：直接在聊天中讀寫 Agent 的指令文件 (/memory)
• 系統用戶隔離：用不同 Unix 用戶啟動 Agent，實現作業系統級文件系統隔離
• 附檔回傳：Agent 在本地生成圖片/文件後，可主動發回當前聊天

13.3 核心玩法：用聊天操控你的本地開發機

場景：你在通勤路上，手機收到一個 bug 報告。打開飛書/Telegram，對接了你開發機的 cc-connect bot：

你：/dir ~/projects/myapp
你：檢查一下 src/api/auth.js 的 token 刷新邏輯，用戶報告逾時後登入失敗。
(bot 轉發給本地 Claude Code → Claude Code 讀檔、分析、回覆)
Claude via bot：找到問題。第 45 行的 refreshToken 邏輯沒處理 429 回應。建議修復為… 要現在改嗎？
你：/mode yolo
你：修復它，並跑一遍現有測試。

這就是 cc-connect 的核心價值：遠程、非同步、對話式地驅動你本地的強力編程 Agent，無需 SSH 連回機器、無需開 IDE。

13.4 安裝與起步

# 透過 npm（最簡單）
npm install -g cc-connect

# 或 Homebrew
brew install cc-connect

# 啟動 Web 管理後台進行配置（推薦）
cc-connect web
# 瀏覽器會打開管理界面，可視化添加專案、平台、Agent。

# 配置完成後，啟動服務
cc-connect

在 Web UI 中，你可以：

1. 創建專案：綁定一個本地目錄和一個 AI Agent（如 Claude Code）。
2. 添加平台：選擇飛書、Telegram 等，按指南配置 token/webhook。
3. 管理服務商：配置 Claude/OpenAI 等 API 金鑰。
4. 直接對話：在瀏覽器裡就能和綁定的 Agent 測試對話。

13.5 與 free-claude-code 的關係與結合

它們是互補而非互斥的：

1. free-claude-code 管模型後端：決定 Claude Code 的「大腦」用哪家 API/本地模型。
2. cc-connect 管訪問入口：決定你如何（透過哪個聊天 App）去觸發和操控 Claude Code。

你可以同時使用：

• 用 free-claude-code 讓 Claude Code 對接低成本/本地模型。
• 用 cc-connect 把這個「強化版」Claude Code 橋接到你的團隊聊天工具，實現移動辦公。

---

14. 附錄：指令 / 命令速查表

14.1 上下文與會話管理

命令	作用	備註
/compact	壓縮對話歷史	上下文 >70% 時用
/clear	完全重置對話 (保留文件)	上下文 >90% 或切新任務時用
/btw	快速提問 (不進歷史)	節省上下文
Esc	停止當前動作	保留上下文
Esc+Esc 或 /rewind	回退到之前的檢查點	後悔藥
claude --continue	在新終端繼續最近會話
/rename <名稱>	為當前會話命名	方便管理

14.2 專案與文件操作

命令/操作	作用
@filename	在對話中引用文件內容
/init	分析專案並生成 CLAUDE.md 初稿
在子目錄啟動 claude	最佳實踐：限定上下文範圍，Claude 會自動向上讀取父級 CLAUDE.md

14.3 核心工作流命令 (部分需 Skills)

命令	對應 Skill/功能	作用
Shift+Tab (x2)	Plan Mode	進入「只讀規劃」模式
/brainstorming <需求>	Superpowers: Brainstorming	強制頭腦風暴
/writing-plans <需求>	Superpowers: Writing Plans	生成詳細實施計畫
/executing-plans	Superpowers: Executing Plans	按計畫逐步執行
/test-driven-development <需求>	Superpowers: TDD	以測試驅動的方式開發
/systematic-debugging <現象>	Superpowers: Systematic Debugging	結構化四階段除錯
/requesting-code-review	Superpowers: Code Review	5專項Agent並行審查
/dispatching-parallel-agents <任務>	Superpowers: Parallel Agents	並行處理獨立子任務
/verification-before-completion	Superpowers: Verification	完工前強制檢查清單
/using-git-worktrees <功能>	Superpowers: Git Worktrees	創建隔離的分支開發環境
/excalidraw-diagram <描述>	Excalidraw Diagram	生成可編輯架構圖
/batch <批量任務>	(內建) Batch	批量並行處理任務

14.4 cc-connect 常用斜槓命令 (在聊天平台中使用)

命令	作用
/new [名稱]	創建新會話
/list	列出所有會話
/switch <id>	切換會話
/model	列出可用模型
/model switch <alias>	切換模型
/mode	查看權限模式
/mode yolo	切換到自動批准模式
/dir 或 /cd	查看/切換工作目錄
/dir <路徑>	切換到指定目錄
/cron add <表達式> <任務>	添加定時任務
/provider list	列出API服務商
/provider switch <名稱>	切換服務商

14.5 free-claude-code 關鍵命令

命令	作用
fcc-server	啟動本地代理伺服器和 Admin UI
fcc-claude	啟動已配置代理的 Claude Code 客戶端
訪問 http://127.0.0.1:8082/admin	打開管理界面配置模型和服務商