第一週常踩的坑
文章
我用 Claude Code 半年踩過的坑，挑出第一週最容易遇到的四個。
第一週最容易踩的坑，是你根本不知道問題出在哪一層。
⏱ 約 8 分鐘
坑 1：CLAUDE.md 膨脹了但你不知道哪條被吃掉
前面那篇講了原理和分層解法，這裡補一個實際使用時最痛的點：你不會收到通知告訴你哪條規則被忽略了，你只會看到 AI「不聽話」，但背後可能是好幾條規則同時失效，而且每次組合還不一樣，debug 起來很痛苦。
你以為修好了一條，其實只是這輪對話剛好權重分配不同而已，多聊幾句之後發現他的行為又不一樣了。所以解法不是繼續往 CLAUDE.md 裡補更多提醒，而是學會分層，把核心指令控制在你自己也能讀懂、AI 也比較容易抓住的位置。如果你還沒做前一篇的 CLAUDE.md 整理，接下來你會更理解為甚麼要做這件事。
坑 2：以為講清楚了但 AI 理解歪了
🎯 實作：下次給 AI 稍微複雜的任務前，先說「在動手之前，告訴我你對這個需求的理解」。
前面兩篇已經講過怎麼給好 context，也講過讓 AI 先說出理解再動手，不過實際使用時當然還是要判斷一下，並不代表你的每一句話都需要這樣做，否則會很容易混淆「討論」與「動手」的界線。
例如「幫我把文件中這行文字刪掉」這種幾乎不可能搞錯的任務，直接下指令就好，但如果是「幫我把檔案刪掉」就可能需要思考「挪到封存區」還是「直接刪除(無法挽救)」。
只要任務內容稍微複雜一點，改完才發現方向完全不對，來回好幾輪浪費的時間比一開始多打兩行字還多，那就值得先花一小段時間確認理解。
退一步想，如果多打兩行字能換取安心感、減少 AI 讓你產生的負面情緒，也很值得。
坑 3：不記錄決策過程
🔑 重點：決策記錄要帶脈絡，不是只記結論。
你跟 AI 討論了半小時，做了一個重要決定，關掉 session，下次打開，AI 甚麼都不記得，你說「上次不是決定用方案 B 嗎」，AI 當然不會有這個脈絡，它只能從零開始猜你在講甚麼。
AI 本來就沒有那種自然延續的記性，你沒有把決策寫下來，也沒有引導 AI 去找之前做過甚麼事，它就不可能穩定接上。
當然，只粗略地記結果是不夠的，還要記「為甚麼」這類脈絡背景，AI 才知道為甚麼選方案 B，未來遇到類似情況才能做一致的判斷，記下原因還有一個好處：之後整理 Knowledge 時，AI 才有脈絡可以用，不只是一堆孤立的結論。
所以我的做法是，做完重要決定後，讓 AI 把「決定了甚麼、為甚麼選這個」寫進 MEMORY.md 或是你偏好管理的文件，下次 session 開始讓 AI 主動去讀。
格式大概像這樣：
### 2026-04-20：選用方案 B
原因：方案 A 回應時間超過 3 秒，使用者會流失，B 犧牲了部分功能但回應在 500ms 以內
回想一下你最近做的一個還沒記下來的重要決定，現在用上面的格式寫進 MEMORY.md，一筆就好。
這不是否定 Claude Code 的內建記憶，而是關鍵決策不要只交給黑盒自動記住，主動提醒 AI 做記憶留存，等於替未來的 session 留一條看得見的線索。
坑 4：每次 session 都從零開始
🚧 注意：AI 應用的記憶功能本質上仍然要靠某種方式把資訊帶回 context，關鍵決策要有看得見的入口，不要只相信黑盒自動記住。
如坑3，你的 AI 每天其實都是新的，不記得昨天跟你聊了甚麼、不知道你喜歡甚麼風格、不知道你的專案進行到哪裡，這是很正常的現象。
為了要讓它能接上過去，我們必須主動或讓 AI 自己去讀那些資訊。
自己試一次就知道了：開一個全新的對話視窗，問 AI「你記得我上次說的偏好嗎」，如果那個新視窗沒有載入任何歷史，它就不會知道。
這也是為甚麼我們先用 CLAUDE.md 解決這個問題，讓每次新 session 至少知道要先讀哪些東西：
# 啟動協議
1. 讀 USER.md — 知道對面是誰
2. 讀 MEMORY.md — 知道累積的重要事實
3. 如果存在今天的 daily log — 知道今天做了甚麼
如果你的 USER.md 和 MEMORY.md 加起來已經很長，每次 session 光是讀這些就會吃掉不少 context，之後就要定期整理，或是多一層每個日期的日記。
真正讓 AI 有效整理、清退、沉澱與累積記憶，需要後面記憶系統的設計，現在先不要急著把它做完整，先讓 session 不要每天從零開始，你必須要先感受到「不用一直重複講的感覺真好」。
這四個坑的共同點
這四個坑有一個共同的本質：它們都來自同一個假設：「這個我之後再處理就好」。但對 AI 來說，「之後」不存在。
全部都跟「你給 AI 的資訊」有關，這也是整本手冊前段會一直回來講 context 的原因。
我們總覺得是 AI 不夠聰明，模型能力當然有差，但更多時候，是自己沒給夠 context，或者說，沒有耐心回頭檢查自己到底給了甚麼。
跑完一輪覺得不對，沒有回去檢查自己的 prompt，直接跟 AI 說「不對，重做」，幾輪之後覺得 AI 很笨，盲目燒了一堆額度又甚麼都沒完成——但其實是自己一直沒搞懂它怎麼運作。
這四個坑看起來截然不同，但本質上都是在提醒我們：「AI 表現不是只看模型，也看它這一輪拿到了甚麼。」 這是貫穿整個使用 AI 生命週期的一句話。
這個章節要解決的就是這件事：幫你的 AI 建立一個穩定的 context 基礎，讓後面每個部件加上去都能發揮作用。
確認一下你的專案裡有沒有最小版 MEMORY.md 和 CLAUDE.md，有的話，就可以往下走了，後面談記憶系統時，我們再把它做得更穩。
你現在可以做的一件事：在你的專案裡建立最小版 MEMORY.md，並寫入第一筆帶日期、帶原因的決策記錄，格式就跟著這篇的範例走。