01 · Claude Code 是什麼

翔宇拆了一圈 AI 程式設計工具，原本以為差距在模型能力。追到底才發現，真正改變體驗的是一個樸素到不起眼的設計決定——AI 住在哪裡。想通這一點，Skills、MCP、Agent Teams 這些功能全都順理成章了。——翔宇

1. 一個你可能沒注意的動作

你在寫程式碼，遇到一個看不懂的報錯。

接下來你做了一件事——你可能太熟悉以至於根本沒注意自己在做：把報錯資訊複製了，切到瀏覽器，開啟 ChatGPT，貼上進去。

ChatGPT 給了解釋。你覺得有道理，但它說我需要看一下你的程式碼。你回到編輯器，複製了那個函式，切回瀏覽器貼上。它又問呼叫這個函式的地方。你翻了另一個檔案，複製，貼上。它再問資料庫表結構。你嘆了口氣，又去找。

來回七八次，四十分鐘。

這個過程裡，你充當了一個角色——搬運工。在兩個視窗之間來回搬運資訊：從編輯器搬到瀏覽器，從瀏覽器搬回編輯器。

2. 把所有表面現象剝掉，只剩一個問題

如果問 ChatGPT 寫程式碼為什麼不夠順暢，十個人裡有八個會說：它理解力不夠、它寫的程式碼跑不通、它不瞭解最新的框架。

這些都是真實的痛點。但我們做一個思維實驗：假設明天 ChatGPT 升級了，變得和世界頂級程式設計師一樣聰明。程式碼寫得完美，理解力超強，最新的框架全知道。

你還是得把程式碼複製出來給它看。它還是不知道你的專案有哪些檔案。你還是不能讓它幫你跑一下 npm test。

智力翻了十倍，但你當搬運工的那四十分鐘——一分鐘都沒少。

這個思維實驗指向一件事：AI 夠不到你的程式碼。

它沒有眼睛去看你的檔案。它沒有手去改你的程式碼。它沒有腳去跑你的命令。它被困在瀏覽器的一個文本框裡，唯一的資訊來源就是你貼上進去的那些文字。

就像一個外科醫生再厲害，如果他在電話裡指揮你給自己做手術，效果也好不到哪去。瓶頸從來不是他的醫術，是他不在手術室裡。

這是 AI 輔助程式設計最底層的一個位置問題，不是智力問題。

3. 把 AI 搬到你的電腦裡

理解了瓶頸在位置，解決方案就很自然了——把 AI 從瀏覽器搬到你的電腦裡。

這就是 Claude Code 做的事。一句話講完：它是一個住進你電腦裡的 AI 程式設計 agent（智慧代理）。

它跑在哪裡？最經典的形態是終端——也就是你電腦上輸入文字命令的那個視窗。但 Claude Code 不止終端，從 2026 年開始它支援 5 個入口（Terminal CLI / VS Code / JetBrains / Desktop app / Web），共用同一套引擎，CLAUDE.md 和 MCP 配置跨入口生效。詳細差異在本篇 §7 展開。

位置變了，會發生什麼？看這張對比圖。

flowchart LR
    subgraph Before["💬 瀏覽器聊天框時代"]
        U1["👤 你"]
        AI1["🤖 ChatGPT<br/>住在瀏覽器裡"]
        Code1["📁 你的程式碼<br/>在你電腦上"]
        U1 -->|複製貼上| AI1
        AI1 -->|給你建議| U1
        U1 -.->|手動搬運| Code1
        Code1 -.->|再手動搬運| U1
    end

    subgraph After["💻 Claude Code 時代"]
        U2["👤 你"]
        AI2["🤖 Claude Code<br/>住在你電腦上"]
        Code2["📁 你的程式碼"]
        Term["⚡ 終端 / 命令"]
        U2 -->|自然語言指令| AI2
        AI2 -->|直接讀| Code2
        AI2 -->|直接改| Code2
        AI2 -->|直接跑| Term
    end

    style Before fill:#fee2e2,stroke:#ef4444
    style After fill:#dcfce7,stroke:#22c55e
    style AI2 fill:#dcfce7,stroke:#22c55e,stroke-width:2px

住進你電腦裡這五個字看起來很普通，但它引發了一連串變化——四件 ChatGPT 永遠做不到的事：

它能看你的檔案

不是你貼一個片段給它——是它自己開啟你的目錄，把需要的檔案都讀一遍。

回到那個登入報錯的場景。你說一句登入功能報錯了。它不會問你要程式碼——它自己去找路由檔案、控制器、資料庫模型、認證中介軟體，把整條鏈路看一遍。你省掉了來回貼上的七八個回合。它一次能看多少？這個問題留給 02 · 一次能看多少程式碼 拆。

它能改你的程式碼

你說把 userName 改成 userId。它找到所有用到這個變數的地方——可能散落在十幾個檔案裡——全部改完。你在編輯器裡就能看到檔案變了。不是給你一段程式碼讓你自己替換，是它來動手。

它能執行命令

安裝依賴、跑測試、啟動服務、提交程式碼——你用自然語言說，它在終端裡執行。你說裝 Prisma 然後建立使用者表，它跑 npm install、寫 schema、執行遷移。不是告訴你步驟，是它動手。

它能自己規劃

這一點最容易被低估。你說重構這個模組，它不會只改一行。它會想：先讀哪些檔案？依賴關係怎麼處理？改完哪些測試可能受影響？然後制定計劃，逐步執行，最後跑測試驗證。你可以隨時叫停，也可以讓它跑完。

四件事合在一起——看檔案、改程式碼、跑命令、自主規劃——AI 從隔壁房間的顧問變成了坐在你旁邊的搭檔。

反向驗證：這四件事為什麼 ChatGPT 那種網頁端永遠做不到？因為瀏覽器有沙箱（sandbox = 瀏覽器對指令碼的安全圍欄）—— 網頁裡的 JavaScript 出於安全考慮，不能任意讀你硬碟檔案、不能跑系統命令、不能呼叫本地 Python。這是瀏覽器在設計層面就堵死的能力，不是哪天網頁升級就能突破的。Claude Code 不在瀏覽器裡，不受這個約束——所以才能做到這四件事。位置不一樣，許可權邊界根本不一樣。

回到開頭那個登入 bug 的場景。在 Claude Code 裡，那 40 分鐘會變成這樣：

七八輪貼上變成 1 輪對話。不是 AI 變聰明了，是 AI 終於在手術室裡了。

4. 一個位置決定，長出整個功能生態

後面你會遇到一系列功能名詞：Skills、SubAgents、Agent Teams、MCP、Hooks、CLAUDE.md。初看像一堆互不相關的東西。但它們全都是從 AI 住在你電腦裡這個根基上長出來的。

flowchart TB
    Root["🏠 AI 住在你電腦裡<br/>（位置就是根因）"]

    subgraph FS["📁 檔案系統能力"]
        F1[CLAUDE.md 長期記憶]
        F2[".claude/skills 工作流檔案"]
        F3[上下文看完整專案]
    end

    subgraph Exec["⚡ 命令執行能力"]
        E1[Hooks 自動跑指令碼]
        E2[SubAgents 派分身]
        E3[多 Agent 並行]
    end

    subgraph Net["🌐 本地程序能力"]
        N1[MCP 接外部服務]
        N2["資料庫 / GitHub / Slack"]
        N3[瀏覽器自動化]
    end

    subgraph Tool["🛠️ 你的工具箱"]
        T1["Python / FFmpeg / Git"]
        T2[任何 CLI]
        T3[裝什麼用什麼]
    end

    Root --> FS
    Root --> Exec
    Root --> Net
    Root --> Tool

    style Root fill:#dcfce7,stroke:#22c55e,stroke-width:3px
    style FS fill:#fef3c7,stroke:#f59e0b
    style Exec fill:#dbeafe,stroke:#3b82f6
    style Net fill:#f3e8ff,stroke:#a855f7
    style Tool fill:#fee2e2,stroke:#ef4444

每一個分支都有同一個前提：AI 住在你電腦裡。如果 AI 還在瀏覽器，這些功能一個都做不了。

5. 你的電腦能做什麼 = Claude Code 能做什麼

你可能會有一個直覺：Claude Code 是寫程式碼的工具。

它的核心能力其實更寬——是在你的電腦上執行任務。寫程式碼只是其中一種。

它的能力邊界 = 你電腦的能力邊界 + MCP（Model Context Protocol，模型上下文協議）連線的外部服務。MCP 怎麼連，09 · 怎麼連外部服務 會拆。

當然有限制：它不能直接操作滑鼠鍵盤（除了透過 Playwright 間接操作瀏覽器），不能看你的螢幕截圖（除非你主動給它），執行命令前會先徵求你同意（安全設計，11 · 該給 AI 多少許可權 會講）。

6. 三個模型，一條原則

Claude Code 背後有三組模型可選。你可能會想：選最強的不就完了？

做一個類比：你出門買個早餐——會開車去嗎？大多數人不會，走路 5 分鐘的事開車反而更慢（還得找停車位）。但如果你要去 200 公里外的城市，走路就不現實了。

選模型的邏輯一樣：用最小夠用的那個。

預設掛 sonnet。遇到搞不定的複雜問題切 opus。簡單到不用動腦子的活切 haiku 省錢。

新手常見的錯配：剛上手就把所有任務都開 opus，結果兩個問題——一是費用快速膨脹（opus 是 sonnet 的 5 倍貴），二是簡單任務被過度推理汙染（opus 會順手給出"是否需要重構整個模組"的建議，新手照著改反而引入風險）。判斷方式跟早餐 vs 長途一樣：走路能到的別開車。

深入一步：effort 思考深度

Opus 4.7、Opus 4.6、Sonnet 4.6 都支援 effort 引數（思考深度）。

• Opus 4.7：5 檔 low / medium / high / xhigh / max，預設 xhigh。
• Opus 4.6 / Sonnet 4.6：4 檔 low / medium / high / max（無 xhigh），預設 high。

同一個模型，讓它快速掃一眼（low）或仔細想想（xhigh），token 成本能差幾倍。

effort 背後的快思考 vs 慢思考哲學，05 · AI 怎麼決定想多深 會展開。這裡先知道有這個開關就夠了。

7. 5 個入口，位置程度不一樣

Claude Code 當前有 5 個入口，但住在哪裡程度不一樣。理解這個差異，對後面許可權和雲端任務章節會有幫助。

Terminal CLI

位置定位：100% 本地

關鍵特徵：主戰場，許可權最深、自動化最強。能讀你磁碟任何檔案、跑任何 CLI 命令。

適合：日常程式設計、CI 整合、指令碼化批次任務。

IDE 擴充套件

位置定位：本地（嵌入 IDE）

關鍵特徵：跟編輯器檢視深度整合（inline diff、@-mention、command palette）。VS Code / Cursor / JetBrains 都支援。

適合：邊寫邊問、看著 diff 改、需要視覺化對比。

Desktop App

位置定位：本地（獨立桌面程序）

關鍵特徵：多會話並行、視覺化 diff 審閱、定時任務（schedule）。macOS / Windows 都有。

適合：同時跑多個 Agent、長任務監控、定時跑 PR review。

Web

位置定位：遠端（Anthropic 雲端容器）

關鍵特徵：長任務非同步跑，電腦關機也在跑；不直接接你電腦檔案，讀的是它自己 clone 的專案副本。

適合：扔一個超長任務後去喝咖啡、不想本地跑、移動端啟動。

移動 / 遠端

位置定位：遠端轉發

關鍵特徵：iOS App、Remote Control、Slack / Discord 等 Channels 把任務路由到電腦端會話或雲端會話。

適合：地鐵上發任務、晚上手機看進度、外網時讓家裡電腦幹活。

關鍵區分：前 3 個真正住在你電腦裡，後 2 個是雲端的 Claude Code。你電腦關機時雲端能繼續，但讀不到你磁碟檔案。

這件事不影響本篇對位置的理解：核心仍然是有一個能直接操作程式碼檔案 + 跑命令的現場，無非這個現場可以是你的電腦，也可以是 Anthropic 雲端的臨時容器。

5 個入口怎麼選——一句話決策：

8. 檢驗你真懂了嗎

費曼說，檢驗你是不是真的理解一件事，試試能不能解釋給朋友聽。

📖 本篇術語速查表

英文 / 縮寫	中文	一句話解釋
agent	智慧代理	能圍繞目標自主使用上下文、工具、反饋迴圈的 AI 系統
coding agent	程式設計智慧代理	面向程式設計任務的 agent，Claude Code 是典型代表
token	詞元	模型讀 / 寫文本的最小單位，1 箇中文字大約 2 token
context window	上下文視窗	一次對話裡 AI 能同時看到的資訊總量，詳見 02 篇
CLAUDE.md	專案記憶檔案	寫給 Claude 的長期指令，每次啟動自動讀，詳見 03 篇
Skills	技能檔案	把工作流寫成檔案，Claude 按需載入，詳見 06 篇
SubAgents	子代理 / 分身	主 Claude 派出去做子任務的獨立工作單元，詳見 07 篇
MCP	Model Context Protocol，模型上下文協議	Agent 接外部工具的標準協議，詳見 09 篇
Hooks	鉤子	操作前後自動執行的指令碼，詳見 10 篇
effort	思考深度	控制模型在每步上花多少 token 思考，詳見 05 篇

官方資料

• Claude Code 官方文件
• Model configuration（模型別名、effort、extended context 全部以此為準）
• What's new（版本更新和能力變更）
• Claude Models overview（具體模型 ID 與版本號）

接下來去哪

不用按順序全讀。挑你最好奇的那條線走就行——每篇開頭都會標註需要先讀哪篇。