從焦慮到信任:一個月的授權噩夢,到一晚上用 Claude Code 搞定 API 串接的領悟


▋ 當初那個月,我幾乎快瘋了

說起來有點丟臉,但我得老實講——最開始串接 Facebook 和 Instagram 的發文功能時,我花了整整一個月。一個月啊,你聽起來可能覺得正常,但那一個月裡我經歷的心理狀態真的不太妙。

OAuth 授權流程、API 金鑰管理、權限設置、各種稀奇古怪的 Error Code……我每天都在官方文件和 Stack Overflow 之間切換,反覆測試、碰壁、修改參數、再碰壁。有幾次我真的坐在電腦前,盯著同一個 401 錯誤整整兩小時,想不出問題在哪裡。那種感覺很難形容,就是心裡知道「應該就快了」,但就是過不去那道檻。

問題是,不管我做再多功課,這個授權系統就像一個只會說 No 的門神,你得反覆調整每個參數,直到它願意放你進去。期間我甚至懷疑過自己是不是不適合做技術工作。

▋ Performance API 串接時的震撼

然後這禮拜,我要串接 Meta 的 Performance API——順帶一提,這是用來追蹤廣告成效的工具。我以為這次又要花個兩週才能搞定。結果呢?我開啟 Claude Code,把需求和現有的 API 文件丟給它,然後去喝了杯咖啡。

一個晚上。真的只花一個晚上。

Claude 根據文件自動理解了整個流程邏輯,甚至在一些我沒明確說明的地方,它自己「腦補」出了最合理的實作方式。更扯的是,它把發文 API 串接時累積的經驗自動套用過來,整個流程非常順暢。我只需要跑一遍測試、調整兩三個小細節,就完成了。

那一刻我坐在辦公室,有點懵。同樣的任務性質,同樣複雜程度的文件閱讀和邏輯推導,為什麼當初要一個月,現在只要一晚上?

▋ 那些我曾經的擔心

講實話,我一開始對用 Claude Code 這類工具生成的程式碼還是有疑慮的。我最擔心的是系統維護——如果有 Bug 我能 debug 嗎?如果 API 更新了我能快速修改嗎?我怕 AI 生成的東西是黑盒子,看不懂邏輯。

但實際使用下來,我發現我的擔心有點多餘。Claude 的程式碼註解很清楚,邏輯層次分明,我能很快理解每一段在幹嘛。而且因為有完整的錯誤處理和日誌系統,當真的出問題時,追蹤 Bug 反而變得更容易了。

最重要的是,當我需要修改某些邏輯時,我不用從零開始。我直接把現有的代碼和修改需求給 Claude,它理解上下文的速度比我重新整理思路還快。有時候它甚至會主動指出潛在的問題,像「這邊如果 API 回應延遲可能會有時序問題,要不要加個 retry 機制」之類的。

▋ 真正的領悟:其實都是「起頭難」

現在回頭想,那一個月的痛苦和一晚上的順暢,差別根本不在複雜度,而在於「已知」和「未知」。

當初我是完全陌生的狀態。我得從零開始理解 OAuth 是什麼、Flow 怎麼走、權限怎麼配、錯誤訊息代表什麼。每個環節都需要親身經歷一遍失敗,才能逐漸構建知識框架。那是必要的過程,但確實很慢。

但到了 Performance API,我已經有了前一個月累積的經驗。我理解了 Meta API 的思維邏輯、知道常見的坑在哪裡、也有了可以參考的程式碼架構。Claude 做的,其實就是在已知的框架下,快速套用新的需求。它不是憑空創造,而是在我積累的經驗基礎上加速執行。

所以真正的領悟是:我之前所有的掙扎都不是白費的。那一個月的研究、失敗、調試,不只讓我完成了發文功能,更重要的是它奠定了我能快速判斷、快速決策的能力。現在換個工具或換個 API,我至少知道該從哪裡開始問問題。

▋ 現在的狀態

我現在還是會自己寫代碼,但更多時候是在用 Claude Code 和我一起協作。它負責快速原型和那些重複性高的部分,我負責理解邏輯、做決策、處理超出預期的狀況。這種分工方式效率高多了。

而且有趣的是,當我真的遇到問題時,因為整個脈絡我都參與過,所以 debug 起來其實比自己寫出來的代碼還快——因為我知道為什麼要這樣寫,所以能迅速定位問題。

不過我還是會保持一個習慣:每次完成功能後,我都會花時間徹底讀一遍生成的代碼。不是不信任,而是真的想理解。因為我深知,在你理解之前,再智能的工具也只是工具。

▋ 給同樣在摸索技術的朋友

如果你現在也在某個領域卡住,花了很多時間卻進展緩慢,我想說的是——這可能不是你不聰明,而是你在累積「已知」的過程中。一旦那道坎過了,後面的速度會快得嚇人。

新工具能幫你加速,但它加速的是「已知」的部分。而第一次的失敗、摸索、甚至是那些看起來浪費的時間,其實都在為後面的飆速奠基。

所以與其焦慮「為什麼別人這麼快」,不如接納「起頭難」是常態,然後認真走過那個難的階段。因為一旦過了,下一次再難的事,可能也就是一晚上的事了。

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