年前我把 Claude Code 的花式應用示範給幾個朋友看——不是寫程式，是辦公室工作：整理會議記錄、批次處理資料、自動化重複流程。無一例外，他們都說「哇這也太猛了吧」。
然後我把手上的免費體驗連結發給他們。Pro 付費會員免費體驗一週，三張 pass，我原本還在想會不會一下就被搶完。
結果到現在，三張都還沒有人用過。
驚艷和行動之間的鴻溝
這個落差讓我想了很久。不是因為他們不相信這個工具，他們親眼看到了。也不是因為太貴，免費的。
原因是習慣的慣性。舊的工作流程「沒壞」，所以不需要修。 就算一個更好的工具就在面前，需要花精力切換才能真正上手，大多數人就不會動。
根據我身邊的觀察，90% 的人對 AI 工具的應用都落後於技術狂熱者大約 1.5 到 2 年，甚至更長。而且這個差距很難被拉近——每次狂熱者前進一步，普通人也在前進，但步幅不同。
AI 導入要 top-down，不要 bottom-up
有人問我他是不是可以自己寫一個庫存管理系統，用 Claude Code 做。我沒有直接回答，先問他幾個問題：這個系統是自己用還是給別人用？資料會怕傳給 AI 嗎？現在是用什麼管的？
問完這些，答案通常就出來了。
很多人把 AI 導入想成「我來開一個新工具、同事自然會跟上」。實際上基層員工沒有動力優化自己的工作流程，他們大多只是在既定框架內朝九晚五。AI 導入有機會的路線是 top-down——高層說要用，有預算、有要求，才會真的發生。Bottom-up 的機率很低。
同溫層外，知道 Claude Code 的人比我們想像的少太多了。
學習的觸發點是障礙，不是好奇心
我自己學 Claude Code 的過程，回頭看完全是障礙驅動的——每一個新功能的學習，都有一個具體的痛點觸發。
不是因為「這個功能看起來很酷」就去學，而是「我遇到了一個問題，這個問題剛好能用這個功能解決」，這才是真正的學習時機。
比如：對話太長，模型開始忘東西，這才去學用文件記錄管理上下文。沒有這個障礙，我可能現在還不知道 CLAUDE.md 的存在。
這對於想推廣 AI 工具給別人的人是一個重要提醒：展示「能做什麼」比不上讓人先遇到「現在在痛什麼」。後者才是真的說服力。
門檻不是技術，是思維
很多人看到 vibe coding 的宣傳（「不會寫 code 也能做 app」）就以為 AI 工具真的沒有門檻了。
但如果那個 CEO 真的要找這樣的人，面試問題大概會是：你這樣設計的邏輯是什麼？用戶需求是什麼？成本效益分析？資安怎麼做？隱私資料治理怎麼處理？——這些才是真正的門檻，技術只是其中一小部分。
Claude Code 最厲害的絕對不是提示詞，而是 Agent 能力。 但 Agent 能做到多高，取決於你給它的文件庫有多完整、你建立的規則有多清楚、你的知識庫有多結構化。一個提示詞下得很隨便的人，只要「工兵建設」做好，照樣能完成複雜任務。
你的細心程度和邏輯，決定了 agent 能有的高度。模型會繼續進步，但如果你是豬隊友，就算最強的模型也會被你拖累。
差距的啟示
回到那三張 pass 的故事。我現在不覺得遺憾，反而覺得這是一個很清醒的提醒。
這個工具的勢力範圍，目前還在技術狂熱者這個圈子裡打轉。等它普及到一般辦公室白領，會是一個漫長的過程，中間會有無數個「我知道但不用」的阶段。
而在這段時間裡，先把它用深的人，會建立起別人一時半刻難以複製的工作習慣和知識體系。
這個差距，才是真正值得在意的事。