為什麼要寫這篇
從 2024 年 12 月 29 日到 2025 年 2 月 13 日，我在 6 個專案中使用 Claude Code，累積了 7843 條對話記錄。一開始我以為這工具就是個「會寫程式的 ChatGPT」，實際用下來發現完全不是那麼回事。
我踩了該踩的坑，犯了該犯的錯，也摸索出一套自己的使用模式。這篇文章不是操作手冊，是我這 46 天的踩坑日記。如果你也在用 Claude Code，或者正在考慮要不要用，這些心得可能幫你省幾天的摸索時間。
第一個發現：清晰描述比技術術語重要 100 倍
這是我在 148 個案例裡最常卡住的點。一開始我會跟 AI 說「幫我優化這個專案」「處理一下這些檔案」，然後就等著 AI 猜我要什麼。結果當然是雞同鴨講。
後來我發現，AI 不需要你懂技術術語，它需要的是背景跟目標。
比如說，與其說「幫我處理 Markdown 檔案」，不如說：
我有 100 個 Markdown 檔案在 /content 資料夾，每個檔案的標題目前是英文。我的部落格受眾是台灣讀者，所以我想把標題都改成中文。請幫我批次處理，保留原始檔案的備份。
差在哪？差在 AI 知道你為什麼要做這件事，它就能判斷該不該保留英文 slug、要不要處理 frontmatter、備份要放哪裡。
最誇張的一次，我只說「網站打不開」，AI 問我要檢查什麼。我補充說「502 Bad Gateway，昨天更新了 WordPress 外掛之後就這樣」，AI 直接定位到外掛衝突，10 分鐘內解決。訊息裡的每個細節都是線索，不要吝嗇。
第二個發現：AI 會規劃，但你得學會插話
我原本以為 AI 規劃任務時，我就該閉嘴等它執行完。錯。
AI 的規劃流程通常是：讀檔案 → 拆解任務 → 執行 → 驗證。聽起來很完美，但它不知道你的優先順序、你能接受的風險、你手上有沒有更簡單的做法。
所以現在我會在 AI 開始動手之前插話：
等等，在你開始之前，先列出你打算執行的步驟。告訴我哪些檔案會被修改，可能有什麼風險。
這樣做有兩個好處。一是你能提前發現 AI 的計畫有沒有偏掉，二是你可以直接告訴它「不用那麼複雜，直接改這個檔案就好」。
有一次 AI 打算用 WebFetch 抓取網頁分析流量數據，我插話說「你可以用 GA4 MCP 直接讀 Google Analytics，不用爬網頁」。省了 5 分鐘跟一堆錯誤處理。
你擁有主導權，AI 是工具不是老闆。
第三個發現:工具很多,但你不需要全懂
Claude Code 背後有一堆工具：Read、Write、Edit、Bash、Grep、Glob、WebSearch、WebFetch、Task、還有各種 MCP 外掛（GA4、Notion、WordPress…）。
一開始我看到這些工具名稱會緊張，覺得自己要先搞懂它們才能用好 Claude Code。後來發現這是多慮。
你只需要知道它們大概做什麼，不需要懂細節。比如：
- Read → AI 要看檔案
- Write → AI 要產出新檔案
- Edit → AI 要改現有檔案
- Bash → AI 要跑終端指令（git、npm、測試）
- Task → AI 要開分身處理複雜任務
當 AI 說「我要用 Grep 搜尋程式碼」，你不用知道 Grep 怎麼寫，你只要知道它在找東西。當 AI 說「我需要 GA4 MCP 來讀取流量數據」，你只要確認自己有 GA4 帳號，剩下的 AI 會處理。
倒是有件事要注意：當 AI 說「我需要某個 MCP 工具」時，你得先設定好 API Key 或帳號權限。這部分確實需要你動手，但通常 AI 會給你步驟。
第四個發現：錯誤訊息不要跳過，裡面有答案
我有個壞習慣：看到錯誤訊息就慌，然後跟 AI 說「失敗了，怎麼辦」，完全不看錯誤內容。
後來發現這樣超浪費時間。AI 需要看完整的錯誤訊息才能診斷，你省略掉等於讓 AI 瞎猜。
現在我的做法是：
- 把整段錯誤訊息複製給 AI（不要只說「報錯了」）
- 說明當時在做什麼（執行什麼指令、改了什麼檔案）
- 補充之前的狀態（昨天還正常、今天才發生）
案例：我執行 npm install 失敗，錯誤訊息是 ModuleNotFoundError: No module named 'pandas'。我本來想說「npm 壞了」，但仔細一看發現這是 Python 的錯，根本不是 npm 的問題。跟 AI 講清楚後，AI 說「你可能誤裝了 Python 相依套件到 Node 專案」，一查果然是。
錯誤訊息長得醜、看起來可怕，但裡面其實都是線索。
第五個發現：迭代協作是常態，不是 bug
我一開始期待 AI 一次就做到完美。不可能。
AI 協作的本質是多輪對話。第一輪給初步方案，第二輪你提調整需求,第三輪 AI 修正執行，第四輪發現小問題，第五輪微調完成。這是正常流程。
舉例：我請 AI 幫我寫一個自動化腳本，抓 AI 新聞、生成 Podcast 腳本、存到 Google Drive、發 Slack 通知。第一版 AI 用 WebSearch 抓新聞,我說「改用 RSS feed 比較穩定」。第二版 AI 把腳本存本地，我說「要存 Google Drive」。第三版才符合需求。
這不是 AI 笨，是我一開始沒講清楚細節。協作不是下指令，其實更像在對話。
另一個心得：AI 會記住對話內容。如果你說「記住這個設定，之後都按照這個標準」，它真的會記。下次你只要說「按照之前的標準處理這批檔案」，它就知道怎麼做。
第六個發現：你可以平行處理，也可以強制單線
當我有多個獨立任務時（比如分析 GA4 數據、生成 SEO 報告、更新 WordPress 外掛），我會直接跟 AI 說：
這 3 個任務互不依賴，你可以平行處理嗎？
AI 會啟動多個 agent 同時執行，省時間。
但有時候我不想平行處理。比如我要 AI 先讀檔案、理解邏輯、再改程式碼，這種有依賴關係的任務，我會明講：
先讀完所有相關檔案，理解整個流程後，再開始修改。不要邊讀邊改。
AI 預設會盡量並行，但你可以強制它單線執行。這是你的選擇。
還有個技巧：當你知道更好的做法時，直接告訴 AI。比如「不要用 WebFetch 爬網頁，直接讀我本地的文檔 /docs/api-reference.md」，或者「用 WordPress MCP 工具，不要透過網頁抓資料」。AI 會聽。
第七個發現：最大的陷阱是期待 AI 讀心術
這是我踩最多次的坑。
我說「做得不對，重做」，AI 問我哪裡不對。我說「你自己看」，AI 一臉問號。
AI 不知道你腦袋裡在想什麼，你得明講。
後來我學會具體指出問題：
這個結果有 3 個問題：
- 檔名應該是日期格式（YYYY-MM-DD），不是數字
- 內容應該是繁體中文，你給了簡體
- 缺少「摘要」欄位
請按照這 3 點修正。
這樣 AI 才知道怎麼改。
另一個陷阱是描述過於模糊。「幫我優化網站」→ 優化什麼？速度、SEO、UI？目標是什麼？有什麼限制？AI 無法猜。
改成：「我的網站首屏載入時間超過 5 秒，請分析效能瓶頸，目標是降到 2 秒以內。」這樣 AI 才知道從哪下手。
還有一個我常犯的錯：不提供錯誤訊息。「執行失敗了，怎麼辦？」AI 需要看錯誤內容才能診斷，它又不是算命的。
最後一個陷阱：跳過驗證步驟。我曾經直接叫 AI 刪檔案、部署程式、發郵件，沒先確認清單。結果誤刪重要資料、部署錯版本、發測試信給正式客戶。現在我學乖了，關鍵操作前一定先看清單。
下一步我想試什麼
這 46 天用下來，我已經習慣 Claude Code 的節奏，但還有些東西沒搞懂：
MCP 工具的極限在哪？ 我目前只用了 GA4、WordPress、Notion，聽說還有很多，想試試能不能串起更複雜的工作流程。
平行 agents 的協作品質。 我試過平行處理獨立任務，但沒試過讓多個 agents 合作解決單一複雜任務。會不會打架？
AI 能不能學會我的寫作風格？ 我現在都是寫完中文後叫 AI 翻英文，它常常翻得太 AI 腔。能不能訓練它學我的語氣？
把 Claude Code 用在非程式類任務。 我現在主要拿它寫程式、處理資料，但它應該也能做內容策劃、專案管理之類的。想試試看邊界在哪。
這 7843 條對話下來，我學到最重要的一件事：AI 不是魔法，它是工具。你講得清楚，它就做得好；你給的訊息模糊，它就只能瞎猜。
搞懂這個，才能真的用好它。