在開始之前
文章
你一定遇過這些
⏱ 約 12 分鐘
⚡ 已上過入門課程？前兩篇快速翻過，從「AI 不聽話的四種原因」開始是我想告訴你的角度。
你買這份東西，大概是因為 Claude Code 裝好了，基本操作也會了，但總覺得少了甚麼，也許你複製了別人的 CLAUDE.md 範本，AI 好像聽話了一陣子，但越用越覺得它在敷衍你；也許你裝了幾個 Skill，但不太確定它們到底有沒有在運作；也許你每次開新 session 都要重新交代一堆事，覺得很煩但不知道怎麼解決。
🔑 重點：問題不在工具不夠多，是你不知道為甚麼要這樣設計。這份東西要補的就是這個認知缺口。
當你發現這些問題之後，也許開始不停追逐更強的知識管理、更強的記憶插件、更強的 Skill，Plugin 一個接一個換，還用上 Hook、用上甚麼省 token 的插件，可以說是使出渾身解數了，可是最後還是會冒出一個很煩的感覺：怎麼我的 AI 用起來好像就是沒那麼厲害？
更焦慮的是，你看到別人分享的用法好像甚麼都好輕鬆，照著做卻完全不是那個效果。你會開始懷疑是不是自己的問題，甚至開始想：是不是要換一個平台、再花一筆錢訂閱？
我也是這樣走過來的
我從 ChatGPT 一路用到 Claude Code，Cursor、Gemini 這些工具也都摸過，也在大家都追高階模型時，刻意去試舊版模型、小模型和比較弱的模型，中間為了瞭解 AI 工具背後到底都搞了甚麼鬼，我也研究過不少 AI 應用的機制、拆了 Claude Code 的原始碼做研究。
所有一切的背後全是踩坑過來的。我的 CLAUDE.md 曾經長到自己都懶得看，AI 當然也越來越抓不到重點；我的 MCP 再到現在的 Skill 到後面至少裝了幾十個，但大半不觸發；我的記憶系統試過向量資料庫、試過 RAG、試過 file-based 方案，最後才發現不同場景適合不同做法，我也花了很多時間追逐新的超高 Stars 專案、新的研究、新的機制。
在我走過這段路之後，再看到別人也在走一樣的路，而且花的時間與精力明顯比我多很多，才慢慢搞清楚一件事：問題真的不在工具不夠多，是我們一開始就很容易忽略「為甚麼要這樣設計」。
曾經的我也追逐那些社群上說很強大的設定檔，後來才發現複製別人的範本只能拿到表面的效果，就算是某個大神分享的設定包，裝上去效果看起來很好，但那是根據他的需求和工作方式設計的，他的判斷邏輯、他的優先級、他遇到的問題跟我不一樣，只要不懂設計背後的為甚麼，就沒辦法調整，遇到問題也不知道從哪裡下手。
換再多工具，如果判斷標準只是感覺和他人的評價，最後只會把自己的體驗標準建立在別人的成果上。追不上就開始焦慮，被別人的成果震驚到時還是會有失落感，儘管那個成果可能根本不是我真正需要的東西。
讀完你能得到什麼
我不希望你讀完只記得 CLAUDE.md 要精簡、Skill 的 description 要怎麼寫、記憶系統要怎麼設計。這些都會教，但你真正需要帶走的是：這些設計背後各自在解甚麼問題。這樣遇到 AI 不聽話時，不會只剩下換模型、換平台、換設定包，而是能自己診斷是哪一層出了問題。
更具體一點，你會開始能從自己的工作痛點出發設計 Skill；能讓 AI 跨 session 接上你的偏好和決策；也能把零碎記憶和素材慢慢整理成 AI 能使用的格式。這些加起來，就是從「會使用工具」往「能設計自己系統」移動。
所以讀這份手冊時，不要先問「我是不是該用某個功能」，先問你的工作場景是哪一種問題：固定流程一直忘，先寫 checklist，跑穩後才考慮 Hook；筆記很多但 AI 用不起來，通常是 Knowledge 問題；資料或操作在外部系統，才開始評估 MCP；支線研究會污染主任務，才輪到子任務隔離或切 session。
工具一定會變，模型也一定會變，但判斷力不會那麼快過時。我希望你帶走的不是設定步驟，是我這段時間在 AI 應用領域踩坑累積的判斷方式。
那這份東西是甚麼？
這份不是 CabLate 的設定包大全。如果你只想要一包現成設定，GitHub 上比我好用、比我完整、看起來更華麗的範本一抓一大把。
比較適合這份手冊的人，是已經安裝 Claude Code、至少跑過幾次真實任務，也知道 CLAUDE.md 大概是用來放專案規則的人。你不怕看 Markdown 檔案，也願意改自己的設定；你遇過 AI 不聽話、Skill 不觸發、記憶斷掉、每次 session 都像新來的；你也可能發現訂閱跟別人一樣的等級，自己用沒多久就 token 啞火，而別人的 AI 好像完全用不完又很高產。
如果你想知道的是設計原因，不是只想拿一包設定照抄，這份手冊比較可能適合你。
🚧 注意：如果你還沒裝 Claude Code，先去裝好用一週再回來。如果你已經有完整的自製系統在跑，且能清楚解釋每個部件為甚麼在那裡，你可能要斟酌一下這份內容是否適合你。
路線是這樣排的
前段先講基礎，用來建立共同語言。有些概念真的需要先後順序——你還不知道 context 怎麼影響 AI，就很難判斷 CLAUDE.md、Skill、Memory 分別是幹嘛的、該放甚麼。
目前這條路線會經過幾個主題：
- 最基礎的概念：先把 context、CLAUDE.md、啟動習慣打穩
- Skill：把重複交代的工作方式外化
- 記憶：讓跨 session 的偏好、決策與狀態接得上
- 知識庫：把可累積的素材整理成 AI 好管理的格式
- Hooks：把已經穩定的流程進一步交給自動化
- Context Engineering：回頭看整套系統怎麼分配資訊
後半段則會展開實際應用和較深度的主題——遇到問題時怎麼排查。前段是共同地基，後段主題式展開，不需要每個內容都硬塞成下一層。
🎯 實作：打開你的 CLAUDE.md，看它是否已經長到你自己也讀得吃力。在旁邊寫下「哪些行是真正重要的、哪些你根本也不知道是為甚麼存在的」——這個判斷力就是這份手冊要培養的東西。
更進一步之前，需要先搞懂四件事：怎麼給 AI 好的 context、AI 不聽話時怎麼診斷、CLAUDE.md 為甚麼要分層、以及第一週最容易踩的坑。每個主題都有案例當參考，你讀完會知道為甚麼它們長那樣，也有能力改成適合你自己的版本。
⚠️ 如果不確定自己卡在哪：打開 CLAUDE.md，看你能不能解釋每條規則為甚麼在那裡。大部分解釋不出來，從下一篇開始讀；解釋得出來但 AI 還是常不聽，直接跳到「AI 不聽話的四種原因」做診斷。
你現在可以做的一件事：打開你的 CLAUDE.md，看你能不能解釋每條規則為什麼在那裡。解釋不出來的，就是你下一步該處理的事。