Claude Code 完整教學:7 個功能讓 AI 變成你的開發團隊

Claude Code 完整教學:7 個功能讓 AI 變成你的開發團隊
Claude Code 七大功能

如果你還在用 AI 當「高級自動補完」,這篇會改變你的想法。

Claude Code 有 7 個核心功能,每一個都在解決開發過程中的不同痛點。

我用「開發一個餐廳訂位網站」當例子,帶你走一遍每個功能的實際應用。

功能 1:MCP — 讓 Claude 連接外部服務

你的問題:Claude 沒辦法直接操作 GitHub、資料庫、Notion。

MCP 能幫你:讓 Claude 擁有「手」,直接幫你建 repo、寫 SQL、讀文件。

實際場景:

「幫我在 GitHub 建一個 restaurant-booking repo,建好 develop 分支,設定 branch protection。」

Claude 直接執行完畢,你不用切換任何畫面。

功能 2:Skills — 讓 Claude 自動懂你的規範

你的問題:每次都要重複說明公司的 coding style、API 格式、元件寫法。

Skills 能幫你:把規範寫成知識庫,Claude 會自動判斷什麼時候該載入。

實際場景:

你說「幫我建一個 DatePicker 元件」。

Claude 自動套用你的元件規範,建出符合專案結構的檔案。

不用每次都講一遍。

功能 3:Slash Commands — 常用指令一鍵執行

你的問題:常常重複輸入類似的 prompt,像是「幫我 review 這段 code」。

Slash Commands 能幫你:把常用 prompt 存成快捷鍵,打 / 就能用。

實際場景:

輸入 /review src/api/reservations.ts

Claude 立刻用你預設的審查標準,列出問題清單和嚴重程度。

輸入 /test components/ReservationForm.tsx

Claude 自動產生完整測試檔案。

功能 4:Hooks — 自動化你會忘記的事

你的問題:常常忘記跑 linter、忘記 commit、不小心執行危險指令。

Hooks 能幫你:在特定事件發生時,自動執行動作。

實際場景:

  • 設定「改完檔案自動跑 Prettier」→ 每次存檔自動格式化
  • 設定「對話結束自動 commit」→ 不用再手動 git add git commit
  • 設定「偵測到 rm -rf 就擋下來」→ 防止誤刪

人會忘記,機器不會。

功能 5:Subagents — 把複雜任務交給專家

你的問題:一個人要做架構設計、寫測試、安全審查,context 很亂。

Subagents 能幫你:建立專業分工團隊,每個專家有獨立的思考空間。

實際場景:

  • Architect Agent → 專門做系統架構設計,輸出 ADR 文件
  • Tester Agent → 專門寫測試,自動產生測試檔案和覆蓋率報告
  • Security Reviewer Agent → 專門做安全掃描,列出風險等級和修復建議

你只需要在關鍵節點做決策,其他的事情他們自己協調。

功能 6:Plugins — 用別人做好的配置

你的問題:不想每次都從零開始設定。

Plugins 能幫你:一鍵安裝別人打包好的 commands + skills + hooks 組合。

實際場景:

輸入 /plugin install code-review

立刻獲得完整的程式碼審查工具組。

輸入 /plugin install frontend-design

立刻獲得前端設計最佳實踐的 skill。

功能 7:Marketplace — 發現更多工具

你的問題:想找更多好用的配置,或想分享自己做的工具。

Marketplace 能幫你:瀏覽和安裝社群分享的 plugins。

實際場景:

輸入 /plugin search react

找到各種 React 相關的工具組。

你也可以把自己的配置打包,分享給團隊或社群。

快速查詢表

  • 想連接 GitHub、資料庫 → 用 MCP
  • 想讓 Claude 懂你的規範 → 用 Skills
  • 想要常用指令快捷鍵 → 用 Slash Commands
  • 想自動化 lint、commit → 用 Hooks
  • 想把任務交給專家 → 用 Subagents
  • 想用現成配置 → 用 Plugins
  • 想找更多工具 → 用 Marketplace

建議學習順序

如果你剛開始用:

MCP → Slash Commands → Hooks

這三個最快看到效果。

進階使用:

Skills → Subagents

團隊協作:

Plugins → Marketplace


重點不是 AI 有多厲害。

而是你怎麼設計人跟機器的協作流程。

把重複的事情交給機器,把決策留給自己。

這是未來幾年最值得學的技能。

]]>

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin