AI
Claude Code 創始團隊的 10 個最佳實踐,讓你的 AI 編程生產力翻倍
Claude Code 創建者 Boris 分享團隊內部的 10 個最佳實踐:並行 worktree、Plan Mode、維護 CLAUDE.md、自動化 Skills、讓 Claude 自己修 Bug 等,從執行層面釋放注意力,專注在決策和方向上。
AI
Claude Code 創建者 Boris 分享團隊內部的 10 個最佳實踐:並行 worktree、Plan Mode、維護 CLAUDE.md、自動化 Skills、讓 Claude 自己修 Bug 等,從執行層面釋放注意力,專注在決策和方向上。
Claude
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、
AI
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,
AI
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
AI
訂閱了一堆很棒的工具,付了錢,卻發現自己根本沒時間用。Claude in Chrome 讓我實現了每天醒來就有懶人包可看的夢想。
AI
AI
每天早上起床,我最期待的一件事,就是看到 GA 分析助手整理好的昨日報表。它會清楚告訴我用戶在哪裡卡關,讓營運長的智慧不再被瑣事淹沒。
AI
實測 Claude Agent 完成從 GA 數據分析到 NotebookLM 簡報生成的全自動化流程,展示 AI Agent 如何理解任務、操作介面、完成複雜工作流程。
YouTube
AI 模型每週都在更新,新功能不斷推出,很多人嘗試了各種工具,最後卻感到更加迷茫。 這支影片系統性地整理了一套完整的 AI 學習路徑,從最基礎的溝通技巧到進階的自動化應用,幫助使用者真正發揮 AI 的潛力。 與 AI 溝通的三大核心 有效的 AI 提示包含三個關鍵元素:清晰的任務說明、相關的背景資訊、以及明確的輸出格式。 以績效考核對話為例,若只是籠統地詢問,ChatGPT 會給出普通的回應。但當我們清楚說明任務目標、提供背景脈絡、指定輸出形式時,回應品質會大幅提升。 一個實用技巧是:讓 AI 主動提問,幫助你發現還缺少哪些必要的背景資訊。 四個進階提示技巧 第一是「範例提示法」,給 AI 參考樣本。影片中示範用 Gemini 建立網頁,單純描述需求只能得到標準化的結果,但附上兩張風格參考圖後,產出立刻變得精準且有質感。 第二是「觀點轉換法」,讓 AI
Claude Code
AI
在 AI 快速發展的年代,到底該追產品還是追技術?答案是:從問題出發。先問自己想解決什麼問題,再找技術、學技術、分享過程,你就已經在累積第一批使用者了。
AI
分享使用 Claude Skills 和 Remote MCP 的實戰經驗,包括避免命名衝突、使用程式碼強制執行、防止重複發送等關鍵技巧。