Claude Code 完整使用教学：从安装到让 AI 自己跑完一个功能

晚上十一点，内湖一间新创办公室只剩两个人。工程师接到明天上线前必须修掉的 bug，问题出在三年前离职同事写的模组，没注解、没测试。他把需求打进终端机，起身去倒咖啡。回来时，画面上已经列出五个相关档案、指出可能成因，并改好了其中一处、跑过测试。

这不是广告场景，是 Claude Code 现在的日常用法。但也正因为它真的会动手改你的程式码，用错方式的代价比一般 AI 工具高得多。这篇把我实际使用的流程整理出来，包含几个我自己吃过亏的地方。

这是什么：代理，不是补完

先把定位讲清楚，因为这决定你要怎么用它。

多数人熟悉的 AI 写程式工具是「补完型」：你打字，它猜下一行，按 Tab 接受。GitHub Copilot 早期就是这个模式，你全程盯着，它省你打字的时间。

Claude Code 是「代理型」。你给一个目标——修掉这个 bug、把这个 API 加上分页——它自己决定读哪些档案、跑哪些指令、测试失败怎么修，整个循环走完，你负责验收。

实务意义是：你的角色从「打字的人」变成「审查的人」。省下的不是打字时间，是理解陌生程式码与尝试错误的时间。而审查能力不足的人，用这个工具反而危险。

能在哪里用

目前的介面比多数人以为的多：

• 终端机 CLI：功能最完整，安装指令是 curl -fsSL https://claude.ai/install.sh | bash
• 桌面版：macOS、Linux、Windows 都有
• 浏览器版：claude.ai/code，不必安装
• IDE 外挂：VS Code 与 JetBrains
• 手机：iOS 与 Android App
• Slack 机器人：在对话里直接开任务
• GitHub Actions：做自动化的 PR 审查

我自己是 CLI 为主、手机看进度。CLI 的优势在于它就在专案目录里，环境变数、git 状态、测试指令全都现成。

怎么用：四个步骤

步骤一：安装并在专案目录启动

装好之后，一定要 cd 到专案根目录再启动。很多人在家目录启动它，它看不到专案结构只能瞎猜。第一次启动会要求登入，有 Claude 订阅就直接绑定，走 API 金钥则照 token 计费。

步骤二：先让它读懂专案，再叫它做事

新手最常犯的错是一上来就丢需求。比较好的第一句话是：

先看一下这个专案的结构，告诉我技术栈、主要模组怎么分、测试怎么跑。先不要改任何东西。

「先不要改任何东西」这句很重要——它预设积极，你不喊停可能就动手了。确认它没误会，再进下一步。

步骤三：写 CLAUDE.md，这是整个工具最关键的一步

在专案根目录放一个 CLAUDE.md，里面写专案的规则。每次启动它都会读。这个档案的品质，直接决定你用起来是顺手还是抓狂。

实际该写什么：

## 专案惯例
- 前端 TypeScript + React，后端 Node.js
- 测试用 vitest，执行指令 `npm run test`
- commit 讯息用中文，格式：`类型: 描述`

## 重要限制
- 只做我明确要求的事。不要顺手重构、不要加没被要求的抽象层。
- 不要新增第三方套件，需要时先问我。
- `src/legacy/` 底下的程式码不要动，那是待汰换的旧系统。
- 改完一定要跑 `npm run test`，测试没过不要说做完了。

「只做我明确要求的事」这条，我认为是所有规则里最该写的。 你叫它修一个 bug，它可能顺手重构三个档案、加了错误处理、补了型别。单看都不算错，但你的 code review 会变成灾难，而且分不出哪些是修 bug 必须改的、哪些是它自己加戏。

步骤四：下任务，然后验收

任务描述得越具体越好。差的问法与好的问法：

• ❌「帮我优化这段程式码」——它不知道你要优化什么，可能改了效能也可能改了可读性
• ✅「这个函式在资料量超过一万笔时会超时，找出瓶颈并修掉，不要改变它的对外介面，改完跑测试」

第二种写法给了它目标、限制与验收标准。

进阶技巧

用 /clear 切断上下文。 换任务时不清掉，前一个任务的脉络会干扰判断。一个任务一个干净的对话。

善用计划模式。 遇到大改动，先要它「只提计划，不要动手」，审过再放行，比改完再回退省事太多。

让它自己看错误讯息。 不必复制贴上错误，直接叫它跑测试，它会自己读输出、自己修。

额度管理。 Pro 方案（每月约 17～20 美元）跑大型重构很容易在几小时内把额度用完，认真用的人多半得升 Max 5x（100 美元）或 Max 20x（200 美元）。建议先用 Pro 跑一个月，记录撞到上限的频率再决定。

注意事项

它会产出看起来很对、实际有错的程式码。 它写的东西语法正确、风格一致、很专业，但逻辑可能是错的，尤其在边界条件与并发问题上。你必须有能力审它的输出，这不是可选项。

资料外流要先确认。 程式码会送到云端模型。金融、医疗与有保密合约的专案，导入前务必确认公司政策与合约条款——台湾很多团队是先用了才想到，顺序错了。

不要让它碰资料库迁移与正式环境部署。 这类操作不可逆，出错的成本远高于省下的时间。我的原则是：可逆的事情放手让它做，不可逆的事情自己来。

别期待它取代你思考架构。 它很会执行，但「这个功能该不该做、要不要拆服务、资料模型怎么设计」这些决定仍是你的工作。想交叉比较，可搭配 Cursor 之类的编辑器整合方案。

适合搭配的工作流

我的节奏是：早上把范围明确的任务丢给它跑，自己处理需要判断的部分，下午统一 review 它产出的 diff。更多把 AI 塞进日常工作的方法，可以看 AI 任务指南 或 提示词范本库。

TheAI学院 评语

老实说，我对「AI 取代工程师」的说法一直很感冒，但用了几个月之后，我承认工程师的工作内容确实在变。变的不是「还需不需要工程师」，而是价值从「写出来」转移到「判断写得对不对」。

评语：Claude Code 是目前最成熟的 AI 编码代理，但它放大的是你既有的判断力——判断力强的人产能翻倍，判断力弱的人只是更快地制造技术债。

给台湾读者的具体建议：三年以上经验的工程师现在就该把它排进工作流，先从「写测试」与「修明确的 bug」开始，投报最高、风险最低。刚入行的新人我反而建议先自己写、再拿它对照，别跳过建立判断力的那段路。团队导入则先让一两位资深工程师试一个月，用省下的工时算投报，比看任何评测都准。

资料来源

• Claude Code 官方产品页（安装方式、支援平台、方案）

依公开资讯整理、以官方为准。实际功能与定价可能随版本调整。