📺 YouTube 訂閱 👥 FB 社群 🏠 首頁 💼 企業 AI 導入與顧問 🤗 HF Space ⭐ GitHub 點星

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

💼 從頂層 AI 戰略到地端 GPU 部署企業方案： 卡在開源模型效能低落？不知道如何為企業私有雲架設高併發的推論伺服器？提供 FDE (Forward Deployed Engineering) 級別的 AI 落地顧問與架構建置以及企業級的 LLM 架構健檢與地端部署服務。
Logo TonTon
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。
這裡不僅匯集了我們歷年的 Meetup 紀錄，更是 AI 演算法與開源資源匯整中心。
👉 Deep Learning 101 歷年 Meetup 📺 💼 預約企業 AI 架構健檢與 POC 諮詢
🔥 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 2026 Claude Code 完全整合指南 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🛡️ AI 大模型安全護欄綜合報告 實戰⚔️ LLM 安全攻防策略深度解析
🛠️ 工具、論文、趨勢、科普、踩坑▼
🛠️ 實戰工具 & Agent 框架▼
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
🛡️ 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

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」

一句話定調：

「其他 AI 工具是幫你寫代碼，Claude Code 是替你執行任務。」
Skills 不是讓它變聰明，Skills 讓它變自律。

它是 Anthropic 推出的終端原生 AI Agent（代理），能：

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」。

目標受眾分析：

2. 與 Copilot / Cursor / 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。
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。
    • 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

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。 IDE 整合補充：除終端 CLI 外，Claude Code 亦可作為擴充套件整合至 VS Code 與 JetBrains 系列 IDE，在編輯器側邊欄直接操作；進階場景下還可掛進 GitHub Actions，自動執行 PR 審查或代碼生成。三種終端以外的入口共用同一帳號與 CLAUDE.md 規範。

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。

透過 Amazon Bedrock 使用 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」。

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：

❌ 不要放：

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。

4.4 CLAUDE.md 進階維護心法 (活的文件)

為了防止 AI 在執行任務時「走神」，維護這份專案憲法時應遵循以下原則：

5. Plan Mode：先想清楚再動手

5.1 怎麼進入

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

5.3 實戰感覺

你描述需求 → Claude 先問關鍵假設（「要去重嗎？用 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。

6.3 上下文決策框架：Every Turn Is a Branching Point

關鍵主張：1M tokens 視窗再大，也只是「裝得下」，不代表「乾淨」；差異點不在容量，而在你怎麼做 decision point。

Claude Code 的上下文視窗是 1M tokens，但用久了會出現 context rot（上下文腐化）：注意力被攤薄、早先不相關內容干擾當前目標、signal-to-noise 比下降。通常在 300k–400k tokens 附近就會開始有感（視任務而定，不是死閾值）。

6.3.1 每一輪結束，你都站在一個分叉點（5 選 1）

Claude 完成一輪後，你的選項不是只有「繼續聊」，而是：

選項 指令/動作 適用
Continue（續聊） 直接送下一條訊息 同一任務、方向清楚、上下文仍乾淨
/rewind（回到分叉點重走） Esc+Esc 或 /rewind 你發現它走歪了，不要「補 patch prompt」，而是回到還沒走歪的點再下正確約束
/clear（開新 session） /clear → 帶一則 distill 過的 brief（一句話說明現狀＋禁止事項） 任務切換、或上下文已污染到不值得救
/compact（有損壓縮） /compact，可加 focus：/compact focus on auth refactor, drop test debugging 想保留「有效約束」，但丟掉試錯廢氣
Subagent（乾淨隔離調查） 透過 /dispatching-parallel-agents 等 Skill 下一段要掃很多檔案、產大量中間輸出，但你只需要結論

⚠️ 最重要的一句話：
Rewind 往往比「補一句糾正」更好。
因為 /rewind 會把那個分支之後的訊息「從上下文直接拔掉」，而補 prompt 只是在壞分支上繼續堆解釋。

實戰範例（你會懂的那種）：

你還可以用 summarize from here 做「來自未來的紙條」：只保留結論，把中間的試錯丟掉。

6.3.2 compact vs. /clear（lossy vs. 你重控邊界）

  /compact /clear＋brief
本質 有損壓縮：讓模型總結歷史→用摘要續行 你重建邊界：你寫 brief，決定帶什麼、丟什麼
省力？ 高（讓它幫你壓） 低（你要寫一句現狀摘要）
可控？ 較低（它決定什麼重要） 較高（你決定）
地雷 bad compact：它壓縮時往往模型狀態最差（上下文已長、rot 開始作用），而且它無法預測你下一步要往哪 無（但你懶就會寫太爛的 brief）

6.3.3 Subagent 首先是「上下文管理工具」（不是只是平行加速）

用 subagent 的判斷題：

典型：

一句話：Subagent 給你一個 fresh context window，中間垃圾不回傳，主線就不髒。

6.4 權限與沙箱：allow / ask / deny（讓它跑，但不讓它亂跑）

Claude Code 最煩的不是「不夠強」，是它太能幹，所以你得定邊界。
解法不是「關掉所有確認」（會被它摸到 .env 或誤 push），而是分三層：

6.4.1 三層定義（.claude/settings.json 的 permissions）

層級 行為 適合放什麼
allow 低風險高頻：直接放行 git status、git diff、npm run test、npm run lint
ask 有風險但要做：保留確認 裝依賴、跑 build 腳本、改專案檔案
deny 絕不碰：直接擋 .env*、金鑰路徑、生產發布腳本

範例片段（JSON 寫法）：

// .claude/settings.json
{
    "permissions": {
    "allow": [
        "Bash(npm run test *)",
        "Bash(npm run lint)",
        "Bash(git status)",
        "Bash(git diff *)"
        ],
// deny 優先級最高：就算別處 allow，命中 deny 還是擋
    "deny": [
        "Read(./.env)",
        "Read(./.env.*)",
        "Bash(git push *)",
        "Bash(rm -rf *)"
        ]
    }
}

⚠️ 實務鐵律：.env、金鑰目錄、發布指令優先寫進 deny，不要靠「我到時候看彈窗再判斷」。

6.4.2 sandbox：讓它在邊界內連續跑

sandbox 的用意是「設執行邊界」——專案目錄內的讀取/執行/驗證可連續跑，不每一步都來問你；但需要專案外路徑（全域工具、Docker）時要額外配。

適合場景：跑 Stripe Webhook 邏輯驗證、跑測試→看 log→檢查 DB 狀態這種「一串要連貫」的流程。

6.4.3 security-review：涉使用者資料時的「安全視角」

每次涉及：

→ 寫完就跑，別等到要上線才跑。

最常見的兩個地雷：

  1. IDOR（越權）：查詢只寫 WHERE id = {userId} 卻沒加 AND ownerId = currentUser.id
  2. GDPR 痕跡：錯誤日誌把使用者 Email/IP/個資噴出來

最小作法：

6.5 Prompt Caching：大幅降低大上下文成本

對於每次呼叫都需要攜帶大量重複內容（例如龐大的 System Prompt、參考文件或整個 Repo）的場景，務必善用快取機制來控制開銷。

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

7.3.1 高階實戰指令 Prompt 模板（Slash Commands 啟發）

如果你經常做某類工程任務，可以參考開源社群的指令設計方式，將以下 Prompt 作為你發號施令的起手式：

7.4 把 Claude 當 senior engineer 問事

不是只叫它改；多問：

7.5 Claude Code 團隊內部的 5 條實戰原則

根據 Anthropic 內部開發團隊的工程總監分享，AI 介入後工程瓶頸已從「寫碼」轉移到「驗證與審查」，並衍生出以下五條新規範：

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。
如同前文所述，Claude 已經具備頂級的推理智力，而 Skills 的任務，是賦予它企業級開發所需的工程紀律。

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：

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 / 作用 何時值得 / 觸發方式
Ralph-Wiggum 循環迭代 Skill：讀取 spec 自動反覆執行「做 → 評估差距 → 修 → 再評估」，直到收斂。 追求品質的完美主義者；適合 UI 實作、文案打磨等需要多次微調的場景。使用 /ralph-wiggum 觸發。
Skill Creator （元技能/官方內建）：引導你定義觸發條件、工作流與輸出格式，自動生成符合規範的 SKILL.md。 別人寫的 Skill 不夠用、想封裝團隊內部獨特的工作流與領域知識時。使用 /skill-creator 觸發。
Find-Skills （官方內建技能搜尋器）：輸入需求，自動幫你從 GitHub 或生態系中檢索、推薦並一條龍安裝。 新手探索期、或是不知道目前生態系有沒有現成 Skill 可用時。例如：我想找一個能做資料庫 migration 的 Skill。
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
Document Skills 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

Document Skills 四件套說明（Anthropic 官方出品）：

Office 四件套 (docx/pptx/xlsx/pdf) 文件產出（不自己排版） 能生成排好版的 Word、帶配色與字體的 PPT、帶公式的 Excel；PDF 支援 OCR 提取合約條款
Schedule (定時任務) 週期性自動化作業 設定好時間/週期，Claude 自動執行並推送結果（如：每週五自動生成週報）
Context7 突破訓練資料截止日限制 /plugin install context7@claude-plugins-official；拉取最新官方文件注入上下文，極度適合快迭代的前端框架
Playwright MCP 用自然語言測試 UI /plugin install playwright@claude-plugins-official；打開真實 Chrome 點擊與截圖，適合探索性測試
Security Guidance 零配置的安全防線 /plugin install security-guidance@claude-plugins-official；在 PreToolUse 攔截命令注入/XSS/危險 eval
Chrome DevTools MCP 接管瀏覽器開發者工具 讀取網路請求、Console 報錯與 DOM；極度適合調試線上問題與登入態 Bug
Figma MCP 設計稿直出前端代碼 /plugin install figma@claude-plugins-official；讀取真實 frame 結構化資料而非截圖辨識

8.6 安裝來源（用一句話講清楚）

8.7 中文在地化與跨編輯器生態 (Power User 必備)

隨著開源社群的推進，Skills 已經不再侷限於英文與終端機環境：

9. Skills 安裝管理與優先級建議

裸裝 Claude Code 就像買了新電腦卻沒裝軟體[cite: 5, 8]。Skills 就是 Claude Code 的「App Store」：裝上後，Claude 從「通用助理」變成「專業工具」——會寫測試、會調試、會做前端、會查文件。

9.1 兩種標準安裝方式

  1. npx 一鍵安裝（最推薦、最簡便） 可以直接從 GitHub 倉庫拉取並安裝技能： 
    npx skills add <owner/repo>
  2. **手動放置 SKILL.md** 若你想針對單一專案客製化，可將 SKILL.md 放入專案級目錄：
   專案根目錄/.claude/skills/技能名/SKILL.md

如果是全域安裝（所有專案都能用），請放置於：

   ~/.claude/skills/技能名/SKILL.md

(註：裝完後重啟 Claude Code 即生效，輸入 /skills 可列出已安裝技能)

9.2 社群最值得裝的 10 大 Skills 清單

以下是開源社群中經過驗證、熱度與實用性最高的 10 個 Skills：

# 名稱與安裝指令 核心定位與亮點
1 Superpowers

npx skills add obra/superpowers		 14 合 1 全家桶（34k+ stars）：覆蓋從需求分析到 code review 的完整流程（TDD / 除錯 / 審查 / 子代理）。所有人都該先裝這套。
2 Context7

(需透過 MCP 安裝)		 突破知識截止日（12k+ stars）：解決 Claude「知識截止」問題，自動抓取 React/Next.js 等最新版官方文件注入上下文，大幅減少幻覺。安裝指令：

claude mcp add context7 -- npx -y @upstash/context7-mcp@latest
3 frontend-design

npx skills add obra/frontend-design		 前端設計規範：讓 Claude 具備間距、顏色、排版層級等設計系統思維，不再隨便「糊」介面。
4 claude-skills

npx skills add alirezarezvani/claude-skills		 大型技能超市（2.1k+ stars）：內含 235+ 技能、12 大分類，適合不想要全家桶、只想按需獨立安裝特定 Skill 的人。
5 shadcn/ui Skills

(專案手動放置)		 shadcn/ui 專用：讓 Claude Code 遵循 Best Practice，正確 import 元件並走 shadcn 註冊表，不自己瞎寫樣式。
6 dotclaude

npx skills add FradSer/dotclaude		 15 個專業 Agent 合集（1.8k+ stars）：偏工程鏈自動化，包含規範化提交（Conventional Git）、CLAUDE.md 生成器、專利申請生成與飛書文件建立。
7 ralph-wiggum

npx skills add obra/ralph-wiggum		 自主循環賽迭代：讀取一份任務說明書（spec）後，反覆執行「做 → 評估差距 → 修 → 再評估」直到達標。適合 UI 微調場景。
8 skill-creator

(內建 / 包含於 Superpowers)		 自己造 SKILL.md：引導你定義觸發條件、工作流與輸出格式，自動生成符合規範的自訂 Skill。使用 /skill-creator 觸發。
9 find-skills

(內建)		 技能搜尋器：不知道裝什麼？輸入 /find-skills <需求>，讓 Claude 幫你從社群生態系中檢索、推薦並一條龍安裝。
10 everything-claude-code

npx skills add zmoke/everything-claude-code		 全棧大合集（1.5k+ stars）：一次給齊編碼重構、單元/整合測試、安全審查依賴檢查、Changelog 文件與 DevOps Docker 配置。

9.3 建議的「上手段階梯」與安裝哲學

⚠️ 重要提醒：別一口氣全裝！ 裝太多 Skills 與 MCP 會在背景佔掉龐大的 Tokens 上下文（甚至逼近 50K tokens），反而會攤薄 AI 的注意力讓它變笨。先用好 2–3 個，不夠再加。

  1. 第一階段（打底必裝）：
    • 先裝 Superpowers：獲得 TDD、系統化除錯與 Code Review 等核心工程紀律。
    • 搭配 Context7：只要有用到前端快迭代框架，必裝此項以獲取最新官方 API 知識。
  2. 第二階段（按場景挑選）：
    • 做前端：加上 frontend-design 或 shadcn/ui。
    • 負責全棧/維運：考慮 everything-claude-code 或 dotclaude。
  3. 第三階段（團隊資產化）：
    • 發現通用 Skill 無法滿足獨特工作流時，利用 skill-creator 封裝自己團隊專屬的 SKILL.md。

9.4 常見疑惑一次答

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

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

除了上述五大擴展點，還有兩個極高投資報酬率的輔助機制：LSP（符號級導航，對 C/C++/多語大型 repo ROI 極高）與 Subagents（子代理探索）。

以下針對實務上最容易誤解的三個進階機制，進行深度拆解：

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

10.4 企業級案例：Anthropic 開源金融 Agent 架構約束

若要將 Agent 部署於高風險的商業環境（如華爾街金融分析），可參考 Anthropic 開源的 anthropics/financial-services 框架。其應對真實業務流的核心設計約束如下：

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和試錯廢氣污染，AI 產生思維定勢。 絕對不要留在原對話繼續補 patch prompt 糾正！立刻使用 Esc+Esc 或 /rewind 回退到犯錯之前的乾淨節點，重下精確指令。若污染太深則直接 /clear。
CLAUDE.md 太肥 -> Claude 直接忽略一半指令 檔案超過 200 行，平鋪式資訊過載導致 AI 走神。 無情刪減，控制在 50-200 行內。只留普遍且 Claude 猜不到的核心硬約束，其餘特定目錄規範改用級聯式局部 CLAUDE.md 或封裝成獨立的 Skill。

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。

定位：free-claude-code 專注於「換模型後端」，讓本地 Agent 可以擺脫官方 API 的限制。 專案連結：https://github.com/Alishahryar1/free-claude-code

12.1 先講清楚它「不是」什麼

它不是：

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。

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：

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（使用官方專屬啟動器）
fcc-claude   
# 註：fcc-claude 會自動讀取你的 Admin UI 設定（包含 Port 與 Token），
# 自動在背景注入環境變數，並幫你把自動壓縮視窗設為 190k tokens，接著啟動真正的 claude。
# (完全不需要手動 export 環境變數！)

(補充：如果你是在 VS Code 或 JetBrains IDE 內建的 Claude 擴充套件中使用，才需要手動將 ANTHROPIC_BASE_URL=http://localhost:8082 與 ANTHROPIC_AUTH_TOKEN=freecc 寫入編輯器的 settings.json 中。)

在 Admin UI 裡:

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）

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。

定位：cc-connect 專注於「把 Agent 橋接到聊天平台」（如 Line/飛書/釘釘/Telegram/Discord/微信個人號/QQ 等），負責終端交互的延伸。 專案連結：https://github.com/chenhg5/cc-connect/

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

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：

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

14.6 進階啟動參數 (Power User CLI Flags)

對於需要將 Claude Code 嵌入 CI/CD 流程或進行極限除錯的開發者，以下啟動參數至關重要：

參數 (Flag) 作用與場景 實戰警告
--dangerously-skip-permissions 最高風險：跳過所有 ask 權限確認，完全自主執行。 僅限在隔離的 Docker 容器或一次性 CI 虛擬機中使用。
--max-turns <數字> 限制 Claude 在單一 session 中自動對話的輪數上限。 防止 AI 陷入無限除錯迴圈（死循環）燒光 Token。
--verbose 輸出極度詳細的底層執行日誌與 MCP 工具呼叫細節。 適合用來開發自己的 Skills 或排查網路連線問題。
--model <模型名稱> 指定呼叫的模型（如切換為 Haiku 處理簡單任務）。 搭配 Free Claude Code 閘道器時，可實現成本最佳化調度。

14.7 生態系與開源 Skills 資源總覽

想要追蹤社群最新的 Claude Code 玩法與開源技能，以下是必備的社群入口與倉庫：

資源名稱 說明與定位 連結
Superpowers 核心開源全家桶（obra 系），最普及的工程自律依賴 github.com/obra/superpowers
Context7 即時最新文件 MCP（Upstash 出品），查框架新功能必備 github.com/upstash/context7
claude-skills 大型技能超市（alirezarezvani），內含 235+ 獨立技能 github.com/alirezarezvani/claude-skills
dotclaude 專業 Agent/Skills 合集（FradSer），偏工程工具鏈自動化 github.com/FradSer/dotclaude
everything-claude-code 全棧配置合集，適合單兵作戰的多面手調度 github.com/zmoke/everything-claude-code
skills.sh 社群 Skill 排行榜與熱度目錄（Vercel 系生態入口） skills.sh
awesome-claude-skills 收錄大量自訂 Skills 的精選資源庫 (Curated List) github.com/Chat2AnyLLM/awesome-claude-skills
SkillHub / skillsmp AI Agent Skills 的大型社群導航與搜尋市場 skillhub.club / skillsmp.com
🤖
Deep Learning 101 小助手 ✖