二月底我開始規劃一場很不一樣的 Claude Code 工作坊——目標是讓零編程基礎的人，五個小時內帶走一套自己的工作流成品。
開放報名表半小時就有 50 多人報名。打開報名表看到大家填的需求，發現 AI 應用在編程之外仍然是一片藍海。因為非常討厭那些亂賣 Vibe Coding 的騙錢課程，所以這個工作坊的設計目的，是讓每個人上完之後都能帶走實際成果，而不是回家繼續當對話框問答機器人。
第一期只收 10 位，但每個人的需求描述有些過於龐大，有些又過於籠統。最好的教學當然是一對一，但工作坊就得顧及其他人等待的空擋——能不能用一個案例讓所有人都學到東西，這是設計上最難的部分。
需求落差才是最有意思的地方
80 多個報名表裡，讓我印象最深的不是最多人想要的功能，而是需求的落差。
里程查詢有 6 個人寫，比我預期多很多。這表示他們已經在用 AI，但還停在「問答機器人」的階段：有問有答，但不會主動幫你做事。
12 個人想做市場研究和資料搜集。他們不只想問 AI 問題，而是希望 AI 替他們去找資料、爬網站、整理成報告。這是截然不同的需求：從使用工具變成指揮工具。
更少人寫到的，反而是層次更高的需求：法律卷宗分析、CRM 業務追蹤、全公司 SOP 的 AI 導入。這幾個如果真的做到，省下的時間是里程查詢的幾十倍。
工作坊的設計就是要讓大家跨過這個落差。
五小時的教學流程
設計好久才定案的流程：
開場先打開我日常最常用的四個對話——SEO 調查、社群媒體回覆置入連結、輿情收集、幫學生規劃讀書計畫——重點展示工作流最大程度自動化，人為最小介入。
回來講解跟網頁版對話最不同的五大神器：tool、skills、MCP、subagent、plan mode，以及基本的斜線指令操作。
然後用我的範例講解這五大神器如何交互運用。開始打開幫部分學員做好的 predemo 做示範解說，同時在空白對話從零開始跑類似需求的任務。最後讓同學上機操作，走的時候每個人都帶走一套自己的工作流。
做完這些我都覺得：收全套 1500 台幣真的是有夠便宜。
教學設計上的選擇：git 直接先跳過，命令行躲不過只好用耐心換取空間，md 檔用電腦預設編輯器打開就好。從跨文檔整理跟雜亂資料夾整理開始——至少可以示範 subagent 平行工作和迅速串聯多個檔案的能力。Skill 的部分選 SEO 相關的，可以快速看到怎麼分析一個網站的流量表現。MCP 則是用 Chrome MCP 跟 Reddit、Yahoo Finance MCP，前者是必備，後兩者配置不困難，對一般人來講也很直觀。
15 條速成心法
工作坊前一天晚上，我用語音邊想邊講，整理出 15 條給零基礎學員的心法：
- 從你自己會做的事開始，不畫大餅
- 先把「人要怎麼做」複現清楚，再交給 AI
- 用自己的話說就好，打錯字、口語都沒關係
- 簡單任務直接跑，複雜任務開計劃模式
- AI 會偷懶（比如用假數字 fallback），你要看得出來
- 做好不知道怎麼用？直接問他「我要怎麼用你」
- 越改越糟的時候，推倒重做比一直改更快
- 講意圖，不只講指令，他會更懂你要什麼
- 找不到檔案的時候，描述它是什麼，讓 Claude 去找
- 先問有沒有現成 Skill / MCP / 開源專案，再規劃
- 習慣的工作流存成 Skill
- MCP 快速大量結構化，瀏覽器廣泛但慢
- 大部分用 Sonnet，複雜才開 Opus
- 需要登入的網站自己先登好
- 有餘力就趕緊去學 Git
或許這才是 Agent 還沒普及的原因
規劃這場工作坊才真正體會到：不是 AI 做不到，而是身為指揮者的我們，很多時候還沒有想清楚自己到底需要的是什麼。不是每個人都能把 spec、pipeline 敘述得清楚。
操作 Claude Code 的重點是邏輯、邏輯、還有一些創意。看了學員問卷才知道，大部分的人都有一個想要交給 AI 的工作流，但在網頁對話式的 AI 只能 9 成自己做、1 成聽 AI 說。在 Claude Code 可以完全反轉：9 成 AI 做，1 成是 AI 聽你說。
未來 AI-native generation 的學校基礎教育，結構化思維應該要放在第一位。