Claude Code 術語大全：Agent、MCP、Skills、Hooks，一篇搞懂 38 個 AI 開發關鍵詞
Claude Code 術語大全：Agent、MCP、Skills、Hooks，一篇搞懂 38 個 AI 開發關鍵詞
你有沒有過那種感覺？打開一篇 Claude Code 教學文章，裡面滿滿都是 Agent、MCP、Subagent、Skills、Hooks、Context Window...... 每個字你都認識，合在一起卻像在讀外星語。
我第一次接觸 Claude Code 的時候也是這樣。就像走進一間全日文菜單的拉麵店，看著牆上密密麻麻的品項，不知道「味玉」到底是蛋還是玉米。
這篇文章就是你的「中文菜單」。我會把 Claude Code 世界裡的 38 個核心術語，從最基礎到最進階，用生活化的比喻一次講清楚。不需要任何技術背景，只要你會用電腦，就能看懂。
為了讓你更容易理解，我會用一個貫穿全文的比喻 —— 把 Claude Code 想像成一間超級餐廳。這間餐廳裡的廚師、食材、廚房設備、外賣系統，都對應著一個個技術術語。
準備好了嗎？我們從最底層的概念開始。
第一層：AI 基礎概念 —— 先搞懂這 7 個再說
這一層是地基。不管你要不要用 Claude Code，只要接觸 AI 開發，這 7 個詞你都會不斷遇到。
1. LLM（Large Language Model）大型語言模型
一句話： AI 的「大腦」，經過海量文字訓練出來的超級語言理解引擎。
生活比喻：LLM 就是餐廳裡那位看過上萬本食譜的主廚。他不是背下了每道菜怎麼做，而是「理解」了烹飪的邏輯，所以你隨便說一道菜，他都能推理出做法。Claude（由 Anthropic 開發）就是目前最頂級的主廚之一，其他知名主廚還有 GPT（OpenAI）和 Gemini（Google）。
2. Token 令牌
一句話： AI 處理文字的最小單位，也是計費的基本單位。
生活比喻：Token 就是食材的「份量單位」。一顆蛋是 1 份，一片肉是 1 份。在 AI 的世界裡，一個英文單字大約是 1 個 token，一個中文字大約是 1.5-2 個 token。你跟 AI 說的每句話、AI 回你的每段文字，都在消耗 token。API 帳單上看到的數字，算的就是這個。
目前 Claude Opus 4.6 的定價是每百萬個輸入 token 5 美元，輸出 token 25 美元。
3. Prompt 提示詞
一句話： 你對 AI 說的話、下的指令。
生活比喻：Prompt 就是你在餐廳裡的「點餐內容」。你說得越具體（「我要一碗不加蔥、少鹽、加大蒜的味噌拉麵」），出來的菜就越符合你的期待。說得太模糊（「給我一碗麵」），結果就靠廚師自由發揮了。寫好 Prompt 是用好 AI 最核心的技能。
4. System Prompt 系統提示詞
一句話： 在對話開始前就塞給 AI 的「出廠設定」指令。
生活比喻：System Prompt 是餐廳老闆貼在廚房牆上的「廚師守則」。比如「所有菜都要少油少鹽」、「客人沒有特別要求就預設用橄欖油」。廚師在接到每一張點單之前，會先讀這份守則。用戶看不到這份守則，但它默默影響著每一道菜的味道。
5. Context Window 上下文窗口
一句話： AI 一次能「看到」和「記住」的資訊總量上限。
生活比喻：這是廚房的工作台大小。台子越大，廚師能同時擺放的食材、器具、食譜就越多，做出來的菜就越精緻。Claude Opus 4.6 目前的工作台是 200K tokens（beta 測試中已經到 1M tokens），大約等於一本 500 頁的書。一旦工作台滿了，舊的東西就得被清掉，廚師可能會「忘記」你之前說過的話。
6. Agentic Loop（ReAct Pattern）代理迴圈
一句話： AI 的工作方式 —— 不斷重複「思考、行動、觀察」這個循環直到任務完成。
生活比喻：想像一位廚師接到「做一桌生日派對料理」的任務。他不是一口氣全做完，而是：先思考（這桌需要什麼菜？）→ 行動（去冰箱拿食材）→ 觀察（食材夠不夠？品質好不好？）→ 再思考（下一步要先做什麼？）→ 繼續行動...... 這個循環就是 Agentic Loop。Claude Code 就是用這種方式工作的 —— 它會自己讀檔案、跑命令、看結果、再決定下一步。
7. Tool Use / Function Calling 工具使用
一句話： AI 不只會說話，還能「動手」呼叫外部功能來完成任務。
生活比喻：廚師除了有腦子，還會使用廚具 —— 烤箱、攪拌機、溫度計。Tool Use 就是 AI 呼叫這些「廚具」的能力。比如 Claude Code 可以呼叫 Read 工具來讀檔案、呼叫 Bash 工具來執行終端指令、呼叫 Edit 工具來修改程式碼。沒有 Tool Use 的 AI 只能紙上談兵，有了它才能真正動手做事。
第二層：認識 Claude Code —— 你的 AI 工作站
看完基礎概念，現在來認識 Claude Code 這間「餐廳」本身的配置。
8. Claude Code
一句話： Anthropic 官方推出的 CLI（命令列介面）AI 程式開發工具。
生活比喻：Claude Code 就是這間超級餐廳本身。它不是一般的聊天機器人，而是一個住在你電腦終端機裡的 AI 助手。它能看你的專案檔案、理解你的程式碼結構、幫你寫程式碼、跑測試、管理 Git，甚至替你開 Pull Request。你在瀏覽器裡用的 Claude 是「外帶窗口」，Claude Code 則是「坐進廚房跟廚師一起工作」。
9. CLAUDE.md
一句話： 放在專案根目錄的指令檔，告訴 Claude「這個專案的規矩和偏好」。
生活比喻：CLAUDE.md 就是每間分店的「菜單和店規」。台北店可能偏辣，高雄店可能偏甜。你在這個檔案裡寫下：「這個專案用 TypeScript」、「縮排用 2 個空格」、「commit 訊息要用繁體中文」，Claude 每次啟動都會讀取這份指令，確保它的風格和你的專案一致。除了專案級的，你還能設全域級的 <sub>/.claude/CLAUDE.md，像是「所有餐廳的統一品牌標準」。
10. Rules 規則
一句話： 分散在
.claude/rules/目錄下的指令檔案，是 CLAUDE.md 的模組化延伸。
生活比喻：如果 CLAUDE.md 是一整本店規，Rules 就是拆成一張張的「注意事項卡片」：一張寫安全規範、一張寫程式風格、一張寫 Git 流程。好處是方便管理，不同的規則可以分別維護，不用全擠在一個大檔案裡。
11. Slash Commands 斜線命令
一句話： 用
/開頭的快捷指令，像是 Claude Code 裡的「快速鍵」。
生活比喻：這是餐廳裡的「快速點餐按鈕」。按一下 /commit 就能幫你提交程式碼，/compact 就清理記憶空間，/model 切換 AI 模型。你也可以自定義專屬的 Slash Command，比如設一個 /deploy 自動執行你的部署流程。輸入 / 再按 Tab 就能看到所有可用命令。
12. Permissions & allowedTools 權限控制
一句話： 決定 Claude 能做什麼、不能做什麼的安全機制。
生活比喻：這是餐廳的門禁系統。讀取檔案（Read）不需要你同意，但修改檔案（Edit）、執行命令（Bash）這些「動手」操作，Claude 預設會先問你：「我可以做這件事嗎？」你可以設定 allowedTools 來預先授權特定工具，就像給廚師一把「可以自由使用冰箱」的鑰匙。也有不同的權限模式可選，從完全手動確認到全自動執行都有。
13. Statusline 狀態列
一句話： 顯示在 Claude Code 底部的即時資訊欄，讓你知道目前的 token 使用量和模型狀態。
生活比喻：這是廚房牆上的「儀表板」，顯示瓦斯剩多少、冰箱溫度幾度。你能一眼看到 context window 用了多少百分比、目前用的是哪個模型、思考模式開不開。當你看到用量超過 70%，就知道該考慮清理一下了。
14. Auto-compact / Compaction 自動壓縮
一句話： 當 context window 快滿的時候，自動把前面的對話「摘要」成更短的版本以騰出空間。
生活比喻：工作台快被食材堆滿了，助手會把用過的食材整理打包，只留下關鍵成品在台面上。你之前的對話不會完全消失，但會被壓縮成摘要。最佳實踐建議不要等到自動觸發（約 95% 容量），而是在 75% 左右就主動用 /compact 清理，品質會更好。
15. Checkpoint 檢查點
一句話： 在 Claude 執行重大操作前自動建立的「存檔點」，讓你能隨時回到之前的狀態。
生活比喻：就像電玩裡的存檔。廚師在嘗試一道新菜之前先拍張照記錄目前的狀態，萬一做壞了可以回到這個點重來。Claude Code 的 Checkpoint 機制會在每次重大檔案修改前自動建立 Git snapshot，你可以隨時回溯。
第三層：擴展機制 —— 讓 AI 變得更強
原生的 Claude Code 已經很強了，但它真正的威力來自擴展。這一層介紹的 5 個概念，就是把 Claude Code 從「單人廚房」升級為「美食帝國」的關鍵。
16. MCP（Model Context Protocol）模型上下文協議
一句話： 由 Anthropic 推出的開放標準協議，讓 AI 能以統一的方式連接各種外部工具和資料來源。
生活比喻：MCP 是「外送平台的統一標準」。想像以前每間餐廳都有自己的外送系統，Uber Eats 用一套、foodpanda 用另一套，互不相通。MCP 就是定義了一套統一的介面 —— 不管你是 GitHub、Notion、Jira 還是你自己的資料庫，只要遵守這套協議，AI 就能直接連上來用。這就像 USB 標準讓所有設備都能用同一個接口連接一樣。
17. Skills 技能
一句話： 可重用的能力包，打包好一組指令和行為模式，讓 Claude 在特定場景下自動啟用。
生活比喻：Skills 就是「食譜卡」。比如你寫了一份「寫部落格文章」的食譜，裡面記錄了步驟（先搜尋資料、再寫大綱、配圖、SEO 優化），Claude 以後每次接到「幫我寫文章」的請求，就會自動拿出這份食譜來用。根據官方說明，Skills 放在 .claude/skills/ 目錄下，用 Markdown 格式撰寫，是最輕量級的擴展方式。
18. Hooks 鉤子
一句話： 綁定在特定生命週期事件上的確定性腳本，不牽涉 LLM 推理。
生活比喻：Hooks 是廚房裡的「自動化裝置」。你在烤箱設定了計時器 —— 烤到 30 分鐘自動關火（這是 PostToolUse Hook）。你在門口裝了自動洗手機 —— 廚師走進來前自動噴消毒液（這是 PreToolUse Hook）。Hooks 和 Skills 最大的差別是：Hooks 是機械式的「如果 A 就做 B」，完全不需要 AI 思考。常見用法包括：編輯檔案後自動跑 Prettier 格式化、提交前自動檢查有沒有遺留 console.log。
19. Plugins 外掛
一句話： 把 Skills、Hooks、Commands 等元件打包在一起，方便分享和安裝的完整能力套件。
生活比喻：如果 Skills 是食譜卡、Hooks 是自動化設備，Plugins 就是「整套加盟方案」。買一個加盟包，食譜、設備、員工訓練手冊全都包了。你可以把你的整套工作流打包成 Plugin，分享給團隊裡的其他人一鍵安裝。
20. Subagent 子代理人
一句話： Claude 在自己的 context window 之外啟動的獨立工作者，完成特定任務後把結果摘要送回來。
生活比喻：Subagent 就是「外包的專科醫生」。主廚發現一道菜需要特殊的甜點技巧，就叫了一位甜點師傅過來。甜點師傅在自己的工作台上做好後，只把成品端回來，過程中用了什麼材料、試了幾次都不會佔用主廚的工作台空間。這就是為什麼 Subagent 能有效保護主 context window 不被中間過程塞滿。
第四層：MCP 深入解析 —— AI 連接外部世界的方式
MCP 是整個擴展生態的核心，值得單獨拆開來講。
21. MCP Server
一句話： 實作了 MCP 協議的服務程式，對外提供工具、資源和提示詞模板。
生活比喻：MCP Server 就是「外賣店」。每間外賣店專精不同的東西 —— 壽司店提供壽司、Pizza 店提供 Pizza。在 AI 的世界裡，一個 MCP Server 可能專門連接 GitHub（提供 PR 查看、Issue 建立等功能），另一個專門連接 PostgreSQL 資料庫（提供查詢功能）。你的 Claude Code 就是那個可以同時從好多間外賣店點餐的客人。
22. MCP Tool
一句話： MCP Server 暴露出來的「可呼叫功能」，AI 模型可以決定何時呼叫它。
生活比喻：這是外賣店菜單上的每一道菜。比如 GitHub MCP Server 提供的 Tool 可能有 create_issue（建立 Issue）、list_pull_requests（列出 PR）等。AI 看到你的需求後，會自己判斷該點哪道「菜」。
23. MCP Resource
一句話： MCP Server 提供的「可讀取資料」，像是檔案、資料庫架構或應用程式資訊。
生活比喻：如果 Tool 是菜單上的菜，Resource 就是「食材展示櫃」。你可以看到這間店有哪些食材（資料）可用，但你不是直接「呼叫」它，而是「讀取」它。比如一個資料庫 MCP Server 可能把表格結構當作 Resource 暴露出來，讓 AI 先了解資料庫長什麼樣子，再決定怎麼查詢。
24. MCP Prompt
一句話： MCP Server 提供的預設提示詞模板，幫助用戶快速完成特定任務。
生活比喻：這是外賣店的「推薦套餐」。你不知道點什麼的時候，店家會建議：「A 套餐適合一個人吃，B 套餐適合家庭聚餐。」MCP Prompt 就是這種預設好的指令模板，比如「Review 這個 PR」或「用這個資料庫跑分析」。它們會自動變成 Claude Code 裡的 Slash Commands 供你使用。
25. JSON-RPC
一句話： MCP 底層使用的通訊協議，定義了 Client 和 Server 之間如何交換訊息。
生活比喻：這是外送平台裡「訂單系統」使用的語言格式。客人（Client）和餐廳（Server）之間的所有溝通 —— 點餐、確認、取消、送達 —— 都用同一種格式來表達。作為使用者你不需要了解它的細節，就像你不需要知道 Uber Eats 後台用什麼程式語言一樣。但知道它的存在，有助於你理解 MCP 的運作原理。
第五層：Agent 系統 —— AI 的團隊作戰
當一個 AI 不夠用的時候，就讓一群 AI 一起上。這是 Claude Code 最令人興奮的能力之一。
26. Agent 代理人
一句話： 能夠自主規劃、使用工具、完成複雜任務的 AI 系統，而不只是回答問題。
生活比喻：普通的 AI 是「顧問」——你問它問題，它給你建議。Agent 是「全能主廚」——你說「幫我準備一桌年夜飯」，它自己規劃菜單、採買食材、下廚烹飪、擺盤上桌。Claude Code 本身就是一個 Agent，它能自主閱讀你的程式碼、規劃實作步驟、寫程式、跑測試、修 bug，全程不需要你一步步指示。
27. Subagent Types 子代理人類型
一句話： Claude Code 內建的多種專精子代理人，各自擅長不同的任務類型。
生活比喻：餐廳裡有不同崗位的專業人員。根據 Claude Code 文件，常見的子代理人包括：
| 類型 | 角色比喻 | 擅長的事 |
|---|---|---|
| Explore | 偵察兵 | 快速瀏覽程式碼庫，找到你要的檔案和模式 |
| Plan | 軍師 | 設計實作方案，不動手寫程式 |
| general-purpose | 全能選手 | 什麼都能做，包括編輯和執行 |
| Bash | 技工 | 專跑終端機命令 |
| code-reviewer | 品管員 | 審查程式碼品質和安全性 |
28. Agent Teams 代理人團隊
一句話： 多個完整的 Claude Code 實例協同工作，各自有獨立的 context window，能互相溝通。
生活比喻：這不是叫外包了，這是開「分店」。一間分店負責前端、一間負責後端、一間負責測試，各自有完整的廚房和設備。店長（Team Lead）負責分配任務和統整成果，分店之間還能直接互相傳訊討論。根據 Anthropic 官方文件，Agent Teams 和 Subagent 的最大區別是：Subagent 做完就走，Agent Teams 的成員是常駐的，可以被重新分配任務、追問問題。目前還是 Research Preview 階段，需要設環境變數 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 才能開啟。
29. Task 任務工具
一句話： 用來啟動 Subagent 或 Agent Team 成員的核心工具。
生活比喻：Task 就是「工作單」。你（或 Claude）填寫一張工作單：「任務內容：研究這 5 個 API 的差異」、「指派給：Explore 類型的子代理人」、「要求：只做調查，不要動程式碼」。填好後送出，一個新的子代理人就會被啟動來執行這項任務。
30. Plan Mode 規劃模式
一句話： 讓 Claude 先探索和規劃、不直接動手寫程式碼的工作模式。
生活比喻：廚師在動刀之前先寫菜單、畫流程圖。按下 Shift+Tab 或讓 Claude 自行進入 Plan Mode 後，它只能用唯讀的工具（讀檔案、搜尋程式碼），不能修改任何東西。等你看過計畫、點頭同意，它才會退出 Plan Mode 開始實作。這樣做的好處是避免 AI 一上來就瘋狂改你的程式碼，結果改錯方向要花更多時間回頭。
31. TaskList / TaskCreate / TaskUpdate 任務管理
一句話： 內建的任務追蹤系統，用來管理多步驟工作的進度。
生活比喻：廚房牆上的白板。上面列著今天要做的所有菜，做完一道就打勾。Claude 可以用 TaskCreate 建立任務、用 TaskUpdate 更新狀態（pending → in_progress → completed），你隨時可以用 TaskList 看到全局進度。在 Agent Teams 裡，這個白板是所有團隊成員共享的。
第六層：進階功能 —— 專業用戶的秘密武器
走到這一層，你已經理解了 Claude Code 的核心生態。這些進階功能不是必須的，但掌握它們能讓你的效率再上一個台階。
32. Fast Mode 快速模式
一句話： 同一個模型、更快的輸出速度，用
/fast切換。
生活比喻：廚師開啟「渦輪模式」。菜色品質一模一樣，只是手速更快了。這不是換成低階模型，而是同一個 Opus 4.6 用更激進的輸出策略。適合那些你已經很確定該怎麼做、只需要 Claude 快速執行的場景。
33. Extended Thinking 延伸思考
一句話： 讓 Claude 在回答之前進行深度內部推理的模式。
生活比喻：廚師在動手之前，先在腦海裡把整道菜從頭到尾模擬一遍。按 Tab 鍵就能開啟。開啟後 Claude 會花更多 token 在「想」上面，但回答的品質通常會明顯提升，特別是面對複雜的程式設計問題、debug 或架構決策。代價是更慢、更貴。
34. Adaptive Thinking 自適應思考
一句話： 讓 Claude 根據問題的複雜程度，自動決定要「想多深」。
生活比喻：這是廚師的「自動檔」。簡單的問題快速回答，複雜的問題自動啟動深度推理。根據 Anthropic 的說明，Opus 4.6 支援三個努力等級：低（快速便宜）、中等、高（深度推理）。你不用手動切換，它會自己判斷。
35. Worktree Git 工作樹
一句話： 從同一個 Git 倉庫建立的隔離工作目錄，讓多個 Claude 實例同時在不同功能上工作而不衝突。
生活比喻：你有一間廚房，但你需要同時做甜點和主菜。Worktree 就是在旁邊開一間獨立的「臨時廚房」，用的是同一批食材（Git 歷史），但工作完全隔離。一個 Claude 在臨時廚房 A 重構登入功能，另一個在臨時廚房 B 做新的儀表板，互不干擾。做完了再把成品合併回主廚房。
36. Headless Mode 無頭模式
一句話： 不需要互動 UI、可以透過程式自動驅動的 Claude Code 執行方式。
生活比喻：這是「無人廚房」。沒有服務生、沒有菜單，一切由自動化系統下單和出餐。適合把 Claude Code 整合進 CI/CD 流水線、自動化腳本或其他程式中使用。你的程式透過 SDK 直接呼叫 Claude Code，Claude 在背景完成工作後回傳結果。
37. Auto Memory 自動記憶
一句話： Claude Code 跨對話持久保存的記憶系統，記住你的偏好和專案知識。
生活比喻：廚師的「筆記本」。他會記下「這位客人不吃香菜」、「上次用的調味比例效果不錯」。下次你再來，他不用重新問你偏好。Claude Code 的記憶存在 </sub>/.claude/projects/ 目錄下的 MEMORY.md 和相關檔案中，在對話之間持續保留。
38. Model Selection 模型選擇
一句話： Claude Code 支援多種不同能力等級的模型，用
/model切換。
目前可選的三位「廚師」：
| 模型 | 角色 | 適合場景 | 成本 |
|---|---|---|---|
| Opus 4.6 | 總主廚 | 複雜架構決策、深度推理、長任務 | 最高 |
| Sonnet 4.6 | 主力廚師 | 日常開發、平衡速度和品質 | 中等 |
| Haiku 4.5 | 快手廚師 | 簡單任務、大量重複工作 | 最低（約 Sonnet 的 1/3） |
選擇的原則很簡單：能用 Haiku 解決的就別用 Opus，省下來的預算讓你做更多事。
術語關係圖
這些術語之間到底是什麼關係？用一張圖說清楚：
┌─────────────────────────────────────────────────────────┐
│ Claude Code (CLI) │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ CLAUDE.md│ │ Rules │ │ Memory │ ← 配置層 │
│ └──────────┘ └──────────┘ └──────────┘ │
│ │
│ ┌──────────────────────────────────────┐ │
│ │ Agentic Loop (ReAct) │ ← 核心引擎 │
│ │ 思考 → Tool Use → 觀察 → 重複 │ │
│ └──────────────────────────────────────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌────────┐ ┌────────────┐ ┌─────────┐ │
│ │內建工具│ │ Skills │ │ Hooks │ ← 擴展層 │
│ │Read │ │ (食譜卡) │ │(自動化) │ │
│ │Write │ └────────────┘ └─────────┘ │
│ │Edit │ │
│ │Bash │ ┌────────────────────────┐ │
│ │Glob │ │ MCP Servers │ ← 外部連接 │
│ │Grep │ │ ┌──────┬──────┬────┐ │ │
│ └────────┘ │ │ Tool │Rsrc. │Prmt│ │ │
│ │ └──────┴──────┴────┘ │ │
│ └────────────────────────┘ │
│ │
│ ┌─────────────────────────────────────┐ │
│ │ Agent System │ ← 協作層 │
│ │ │ │
│ │ Subagent ──→ 獨立完成 ──→ 摘要回傳 │ │
│ │ │ │
│ │ Agent Teams ──→ 多實例協作 │ │
│ │ ├── Team Lead (指揮) │ │
│ │ ├── Teammate A (前端) │ │
│ │ └── Teammate B (後端) │ │
│ │ ↕ 共享 TaskList │ │
│ └─────────────────────────────────────┘ │
│ │
│ ┌────────┐ ┌────────┐ ┌──────────┐ ┌───────────┐ │
│ │Plan │ │Fast │ │Extended │ │ Worktree │ │
│ │Mode │ │Mode │ │Thinking │ │ │ │
│ └────────┘ └────────┘ └──────────┘ └───────────┘ │
│ ↑ 工作模式層 │
└─────────────────────────────────────────────────────────┘
常見問題 FAQ
Skills、Hooks、MCP 到底怎麼選？
這三個東西解決不同層次的問題：
| 需求 | 該用什麼 | 為什麼 |
|---|---|---|
| 「每次寫完程式碼自動跑格式化」 | Hooks | 確定性的自動化動作，不需要 AI 判斷 |
| 「教 Claude 怎麼寫我們的技術文件」 | Skills | 可重用的指令和行為模式 |
| 「讓 Claude 能查我們的 Jira 看板」 | MCP | 連接外部系統和服務 |
簡單記法：Hooks 管流程、Skills 管能力、MCP 管連接。
Subagent 和 Agent Teams 差在哪？
| Subagent | Agent Teams | |
|---|---|---|
| 比喻 | 叫外賣 | 開分店 |
| 溝通方式 | 做完交成品，單向 | 雙向持續對話 |
| 持續性 | 做完就消失 | 常駐可重新指派 |
| 成本 | 較低 | 較高（每個成員都是獨立實例） |
| 適合 | 獨立的調查/分析任務 | 需要協作的複雜專案 |
Context Window 滿了怎麼辦？
- 主動壓縮：輸入
/compact手動觸發摘要壓縮 - 開新對話：用
/clear清空，從乾淨的狀態重新開始 - 善用 Subagent：把耗 context 的研究工作丟給子代理人
- 寫 CLAUDE.md：把重要資訊寫在配置檔裡，不用每次對話都重複
- 用 Checkpoint：在關鍵節點保存進度，壓縮後不怕丟失
新手應該先學什麼？
建議學習順序：
- 安裝 Claude Code，試著跟它對話（理解 Prompt）
- 建立你的 CLAUDE.md（理解配置）
- 學會
/compact和/clear（理解 Context Window） - 試用 Plan Mode（理解 Agent 工作方式）
- 安裝一兩個 MCP Server（理解擴展機制）
- 寫你的第一個 Skill（理解自定義能力）
不要試圖一次學完所有東西。先把第一層和第二層搞熟，剩下的在實際使用中自然會碰到。
寫在最後
回頭看這 38 個術語，其實整個 Claude Code 的設計哲學很清晰：它把 AI 從一個「聊天對象」變成一個「有手有腳能幹活的隊友」。
- 基礎層讓 AI 能思考和溝通
- 工具層讓 AI 能動手操作
- 擴展層讓 AI 能連接外部世界
- 協作層讓多個 AI 能團隊作戰
你不需要把每個術語都背下來。把這篇文章收藏起來，下次在文件或教學中遇到不認識的詞，回來查就好。
AI 開發工具的世界變化很快，但這些核心概念的邏輯是穩定的。搞懂了 Agent 是什麼、MCP 解決什麼問題、Skills 和 Hooks 的差別在哪，不管以後工具怎麼演進，你都能快速上手。
延伸閱讀
- Claude Code 官方最佳實踐
- MCP 協議官方規格
- Agent Teams 官方文件
- Skills 官方說明
- Subagent 建立指南
- Agentic Coding 基礎概念
- Claude Code 完整技術參考
- Claude Code 擴展機制全解析
- Context Window 管理策略
- Adaptive Thinking 說明
本文最初發布於 HackMD @BASHCAT。
留言
張貼留言