Claude Code 完整使用教學：從安裝到讓 AI 自己跑完一個功能

晚上十一點，內湖一間新創辦公室只剩兩個人。工程師接到明天上線前必須修掉的 bug，問題出在三年前離職同事寫的模組，沒註解、沒測試。他把需求打進終端機，起身去倒咖啡。回來時，畫面上已經列出五個相關檔案、指出可能成因，並改好了其中一處、跑過測試。

這不是廣告場景，是 Claude Code 現在的日常用法。但也正因為它真的會動手改你的程式碼，用錯方式的代價比一般 AI 工具高得多。這篇把我實際使用的流程整理出來，包含幾個我自己吃過虧的地方。

這是什麼：代理，不是補完

先把定位講清楚，因為這決定你要怎麼用它。

多數人熟悉的 AI 寫程式工具是「補完型」：你打字，它猜下一行，按 Tab 接受。GitHub Copilot 早期就是這個模式，你全程盯著，它省你打字的時間。

Claude Code 是「代理型」。你給一個目標——修掉這個 bug、把這個 API 加上分頁——它自己決定讀哪些檔案、跑哪些指令、測試失敗怎麼修，整個循環走完，你負責驗收。

實務意義是：你的角色從「打字的人」變成「審查的人」。省下的不是打字時間，是理解陌生程式碼與嘗試錯誤的時間。而審查能力不足的人，用這個工具反而危險。

能在哪裡用

目前的介面比多數人以為的多：

• 終端機 CLI：功能最完整，安裝指令是 curl -fsSL https://claude.ai/install.sh | bash
• 桌面版：macOS、Linux、Windows 都有
• 瀏覽器版：claude.ai/code，不必安裝
• IDE 外掛：VS Code 與 JetBrains
• 手機：iOS 與 Android App
• Slack 機器人：在對話裡直接開任務
• GitHub Actions：做自動化的 PR 審查

我自己是 CLI 為主、手機看進度。CLI 的優勢在於它就在專案目錄裡，環境變數、git 狀態、測試指令全都現成。

怎麼用：四個步驟

步驟一：安裝並在專案目錄啟動

裝好之後，一定要 cd 到專案根目錄再啟動。很多人在家目錄啟動它，它看不到專案結構只能瞎猜。第一次啟動會要求登入，有 Claude 訂閱就直接綁定，走 API 金鑰則照 token 計費。

步驟二：先讓它讀懂專案，再叫它做事

新手最常犯的錯是一上來就丟需求。比較好的第一句話是：

先看一下這個專案的結構，告訴我技術棧、主要模組怎麼分、測試怎麼跑。先不要改任何東西。

「先不要改任何東西」這句很重要——它預設積極，你不喊停可能就動手了。確認它沒誤會，再進下一步。

步驟三：寫 CLAUDE.md，這是整個工具最關鍵的一步

在專案根目錄放一個 CLAUDE.md，裡面寫專案的規則。每次啟動它都會讀。這個檔案的品質，直接決定你用起來是順手還是抓狂。

實際該寫什麼：

## 專案慣例
- 前端 TypeScript + React，後端 Node.js
- 測試用 vitest，執行指令 `npm run test`
- commit 訊息用中文，格式：`類型: 描述`

## 重要限制
- 只做我明確要求的事。不要順手重構、不要加沒被要求的抽象層。
- 不要新增第三方套件，需要時先問我。
- `src/legacy/` 底下的程式碼不要動，那是待汰換的舊系統。
- 改完一定要跑 `npm run test`，測試沒過不要說做完了。

「只做我明確要求的事」這條，我認為是所有規則裡最該寫的。 你叫它修一個 bug，它可能順手重構三個檔案、加了錯誤處理、補了型別。單看都不算錯，但你的 code review 會變成災難，而且分不出哪些是修 bug 必須改的、哪些是它自己加戲。

步驟四：下任務，然後驗收

任務描述得越具體越好。差的問法與好的問法：

• ❌「幫我優化這段程式碼」——它不知道你要優化什麼，可能改了效能也可能改了可讀性
• ✅「這個函式在資料量超過一萬筆時會超時，找出瓶頸並修掉，不要改變它的對外介面，改完跑測試」

第二種寫法給了它目標、限制與驗收標準。

進階技巧

用 /clear 切斷上下文。 換任務時不清掉，前一個任務的脈絡會干擾判斷。一個任務一個乾淨的對話。

善用計畫模式。 遇到大改動，先要它「只提計畫，不要動手」，審過再放行，比改完再回退省事太多。

讓它自己看錯誤訊息。 不必複製貼上錯誤，直接叫它跑測試，它會自己讀輸出、自己修。

額度管理。 Pro 方案（每月約 17～20 美元）跑大型重構很容易在幾小時內把額度用完，認真用的人多半得升 Max 5x（100 美元）或 Max 20x（200 美元）。建議先用 Pro 跑一個月，記錄撞到上限的頻率再決定。

注意事項

它會產出看起來很對、實際有錯的程式碼。 它寫的東西語法正確、風格一致、很專業，但邏輯可能是錯的，尤其在邊界條件與並發問題上。你必須有能力審它的輸出，這不是可選項。

資料外流要先確認。 程式碼會送到雲端模型。金融、醫療與有保密合約的專案，導入前務必確認公司政策與合約條款——台灣很多團隊是先用了才想到，順序錯了。

不要讓它碰資料庫遷移與正式環境部署。 這類操作不可逆，出錯的成本遠高於省下的時間。我的原則是：可逆的事情放手讓它做，不可逆的事情自己來。

別期待它取代你思考架構。 它很會執行，但「這個功能該不該做、要不要拆服務、資料模型怎麼設計」這些決定仍是你的工作。想交叉比較，可搭配 Cursor 之類的編輯器整合方案。

適合搭配的工作流

我的節奏是：早上把範圍明確的任務丟給它跑，自己處理需要判斷的部分，下午統一 review 它產出的 diff。更多把 AI 塞進日常工作的方法，可以看 AI 任務指南 或 提示詞範本庫。

TheAI學院 評語

老實說，我對「AI 取代工程師」的說法一直很感冒，但用了幾個月之後，我承認工程師的工作內容確實在變。變的不是「還需不需要工程師」，而是價值從「寫出來」轉移到「判斷寫得對不對」。

評語：Claude Code 是目前最成熟的 AI 編碼代理，但它放大的是你既有的判斷力——判斷力強的人產能翻倍，判斷力弱的人只是更快地製造技術債。

給台灣讀者的具體建議：三年以上經驗的工程師現在就該把它排進工作流，先從「寫測試」與「修明確的 bug」開始，投報最高、風險最低。剛入行的新人我反而建議先自己寫、再拿它對照，別跳過建立判斷力的那段路。團隊導入則先讓一兩位資深工程師試一個月，用省下的工時算投報，比看任何評測都準。

資料來源

• Claude Code 官方產品頁（安裝方式、支援平台、方案）

依公開資訊整理、以官方為準。實際功能與定價可能隨版本調整。