Claude Code

A collection of 24 posts

AI

Claude Code 開發者建議：先問 codebase，再改碼

Claude Code 開發者 Boris 的實用階梯：先 codebase Q&A 再改碼；先計畫與自檢迴圈；用短 CLAUDE.md／MCP／企業設定共享脈絡；進階把 claude -p 當 Unix 工具、worktree 平行。

AI

Claude Code 為什麼有效：模型無狀態，狀態在執行環境

Claude Code 有效，是因為模型無狀態，狀態由 harness 組裝：工具 schema、系統提示、CLAUDE.md、skills 與權限。客製的是執行環境；開發重心轉向意圖表達與驗證審查，而非背誦神奇 prompt。

AI

從聊天框到本機執行：非工程師的 AI 飛輪

別再只把 AI 當聊天框。用「採訪你 → 建議打造什麼 → 本機經允許執行 → 更新心智模型」的 AI 飛輪，把痛點做成最小可用工具；搭配有用性護欄與權限習慣，非工程師也能安全跨過技術阻力。

mk-brain

當 AI 寫下 90% 的程式碼：工程團隊的競爭力，正從個人產出轉向系統設計

Anthropic 內部高達 90% 的程式碼由 AI 產出，這不僅是生產力工具的勝利，更是工程組織轉型的信號。當 AI 成為主力開發者，人類工程師的角色將從「寫」程式轉向「設計與審查」系統。未來的競爭優勢，將取決於誰能建立更高效、更安全的 AI 協作流程與自動化護欄。

Claude Code

Claude Code Hooks 實戰：8 個讓 AI 不再闖禍的自動化規則

CLAUDE.md 是建議，Hooks 是法律。8 個可直接複製的自動化規則，讓 Claude Code 不再 git add .、不看 diff 就 commit、重試到死。附完整 settings.json 範例。

AI

你的 AI 沒有反對黨：為什麼單一 LLM 是一場 Echo Chamber

你讓 Claude 寫了一段 code，然後請它 review 自己寫的 code。它說「看起來不錯」。恭喜你，你剛跑了一場一人選舉。Multi-agent 不是軍備競賽，是治理結構。

mk-brain

AI 代理的工業革命：從單一 Agent 到可自我擴展的代理工廠

當前對 AI Agent 的討論，多半集中在如何打造更強的單一代理。然而，真正的競爭壁壘正在轉向更高維度：我們能否將「生成代理」與「生成技能」的過程本身自動化？本文從一個名為 harness 的專案出發，探討 AI 系統建構如何從手工作坊式的 Agent 調校，演進到可規模化、可複製的「代理工廠」模式，這將是決定未來生產力分野的關鍵。

MCP

用 Markdown 寫 MCP Server：一個 bash runbook 橋接器的誕生

一個讓你用 Markdown 定義 MCP tools 的橋接器。四位 AI 審查、測試、打臉後的誠實記錄。

AI Tools

95% 壓縮率，但我們決定不做：一個 AI 工具 idea 的生與死

一個看起來完美的工具構想，經過四位 AI Coder 的嚴格審查，被全票否決。這篇記錄完整過程——從發想到 benchmark 到被殺掉，以及我從中學到的判斷框架。

Claude Code

Claude Code /loop 實戰：讓 AI Agent 自己跑到完

你不需要別人的模板庫。理解 /loop 的兩種模式，搭配 hook 和 loop.md，讓 AI Agent 在你泡咖啡的時候自己跑完整個工作流。

AI

Claude 學會自己組團隊了，但誰來懷疑這個團隊？

Claude Code 推出 Dynamic Workflows，Claude 會自己當 PM 組團隊、平行執行、互相驗證。執行力很猛，但有一個結構性盲點：所有 Agent 都是 Claude，沒有外部觀點。平行化不等於對抗式思考。

AI

從 AI 使用者到 AI Orchestrator：我如何把 Claude Code 用成多 Agent 作業系統

當 AI 不再只是回答問題，而是開始參與真實工作流程，工程能力的核心也會改變：從單點使用模型，走向調度、治理與觀測一整個多 Agent 系統。

AI Agent

七位一體一次健檢，最高 leverage 不在 code review，在 Scout

整場 4 小時七位一體 memhall 巡檢，最高 leverage 的 P0 不是來自 code review agent，是 human-mediated Scout。一個對 multi-agent system 設計的反直覺洞察 + 7 commits 實戰紀錄。

Claude Code

做完 50+ 個 Claude Skill 之後，我發現一個反直覺的事實：越私有越值錢

Anthropic 官方把 skill 的用途寫成 for yourself, your team, or for the community——yourself 排第一。我做完 50+ 個 skill 之後發現：越綁死個人環境、越不能分享的 skill，ROI 越高。這篇文章告訴你做 skill 該朝哪個方向走——跟官方指南相反。

AI

當工程師一年沒寫一行 code：Boris 談 Claude Code 的工程新秩序

Anthropic Claude Code 負責人 Boris 從 2025 年 11 月起沒有親手寫過一行程式碼，每天仍產出 10–30 個 PR。這不是「工具升級」，而是工程師身份的重寫——稀缺性從雙手的產能移動到腦袋的判斷力。

Claude Code

我用四個 AI 審計了一個 AI 工具——gstack telemetry 事件實錄

裝了一個 YC CEO 推薦的 Claude Code skill pack，兩週後發現它在記錄我的專案名稱。我用 Claude、Codex、Gemini、Perplexity 四個 AI 開了一場三方會議來審計它。

AI

我後悔教朋友用多 AI Agent 協作了

我教了朋友用多 AI Agent 協作框架，結果他讓三個 Agent 討論了一輪，產出一份 20 頁的架構方案——但連產品的第一個功能都還沒用過。

AI

記憶系統的三個工程取捨：Claude Code 的設計告訴我們什麼

Claude Code 的記憶架構設計揭示了三個工程取捨：索引層的維護成本、非同步濃縮的同步延遲、以及身份隔離的架構投入。沒有免費的午餐，關鍵是在你的場景下選對取捨。

AI

Claude Code 的三個改變都在解決『無差別執行』的成本問題

Claude Code v2.1.85 的三個改變都在解決同一個問題：從無差別執行轉向精準執行，降低隱性成本。

AI

Claude Code 的多 Agent 編排，為什麼要從 Teams 開始想

Claude Code 的多 Agent 編排不該從「更聰明」開始想，而是從「如何分工協作」開始——oh-my-claudecode 用 Teams 模式解決的是複雜任務中的上下文和可控性問題。

AI

當 AI 不只是寫 code，而是成為你的基礎設施副駕駛

最近我收到一份自動分析報告，統計了我過去兩週使用 Claude Code 的紀錄：115 個 session、1,497 則訊息、3,709 次 Bash 指令。 看完之後，我有一個很強烈的感覺——我其實不是在用 AI 寫程式，而是在和 AI 一起操作系統。 不是 AI Coding，是 AI Operations 很多人談 AI coding，腦中浮現的畫面是這樣： 工程師 → AI → 產生 code 但我最近真正的工作方式，比較像： 人類 → AI → 基礎設施 → 服務 我讓 AI 做的事，有很多以前需要工程師手動完成：SSH 到不同機器部署

AI

我為 AI 多 Agent 協作寫了一部憲法

當你的 AI Agent 們開始互相矛盾、決策散落在 20 個對話裡找不到，你需要的不是更好的 prompt — 你需要一部憲法。

AI

管理 AI 跟管理人一樣難：我用 TPM 思維治理四個 AI Agent

所有人都在教你怎麼裝 multi-agent 工具，沒人教你管 AI 團隊。我用十年 TPM 經驗學到的三件事：角色邊界、交叉 review、停損機制。

Claude Code

Claude Code 把檔案路徑藏起來了：一個產品管理的反面教材

用戶要一個顯示檔案路徑的開關，官方說「用 verbose mode」。結果 verbose mode 太吵，官方開始砍內容——等於用最麻煩的方式重新發明一個設定開關。月付 200 美金的工具，這種細節見真章。