在開始之前
文章
你一定遇過這些
⏱ 約 12 分鐘
⚡ 已上過入門課程？前兩篇快速翻過，從「AI 不聽話的四種原因」開始是我想告訴你的角度。
你買這份東西，大概是因為 Claude Code 裝好了，基本操作也會了，但總覺得少了甚麼，也許你複製了別人的 CLAUDE.md 範本，AI 好像聽話了一陣子，但越用越覺得它在敷衍你；也許你裝了幾個 Skill，但不太確定它們到底有沒有在運作；也許你每次開新 session 都要重新交代一堆事，覺得很煩但不知道怎麼解決。
🔑 重點：問題不在工具不夠多，是你不知道為甚麼要這樣設計。這份東西要補的就是這個認知缺口。
當你發現這些問題之後，也許開始不停追逐更強的知識管理、更強的記憶插件、更強的 Skill，Plugin 一個接一個換，還用上 Hook、用上甚麼省 token 的插件，可以說是使出渾身解數了，可是最後還是會冒出一個很煩的感覺：怎麼我的 AI 用起來好像就是沒那麼厲害？
更焦慮的是，你看到別人分享的用法好像甚麼都好輕鬆，照著做卻完全不是那個效果。你會開始懷疑是不是自己的問題，甚至開始想：是不是要換一個平台、再花一筆錢訂閱？
我也是這樣走過來的
我從 ChatGPT 一路用到 Claude Code，Cursor、Gemini 這些工具也都摸過，也在大家都追高階模型時，刻意去試舊版模型、小模型和比較弱的模型，中間為了瞭解 AI 工具背後到底都搞了甚麼鬼，我也研究過不少 AI 應用的機制、拆了 Claude Code 的原始碼做研究。
所有一切的背後全是踩坑過來的。我的 CLAUDE.md 曾經長到自己都懶得看，AI 當然也越來越抓不到重點；我的 MCP 再到現在的 Skill 到後面至少裝了幾十個，但大半不觸發；我的記憶系統試過向量資料庫、試過 RAG、試過 file-based 方案，最後才發現不同場景適合不同做法，我也花了很多時間追逐新的超高 Stars 專案、新的研究、新的機制。
在我走過這段路之後，再看到別人也在走一樣的路，而且花的時間與精力明顯比我多很多，才慢慢搞清楚一件事：先搞懂「為甚麼要這樣設計」，再決定要裝甚麼。
曾經的我也追逐那些社群上說很強大的設定檔，後來才發現複製別人的範本只能拿到表面的效果，就算是某個大神分享的設定包，裝上去效果看起來很好，但那是根據他的需求和工作方式設計的，他的判斷邏輯、他的優先級、他遇到的問題跟我不一樣，只要不懂設計背後的為甚麼，就沒辦法調整，遇到問題也不知道從哪裡下手。
讀完你能得到甚麼
我不希望你讀完只記得 CLAUDE.md 要精簡、Skill 的 description 要怎麼寫、記憶系統要怎麼設計。這些都會教，但你真正需要帶走的是：這些設計背後各自在解甚麼問題。這樣遇到 AI 不聽話時，你能自己診斷是哪一層出了問題，換工具只是最後的手段。
這本手冊現在談的是 Agent 工程，但 Claude Code 仍然會是最完整的教學案例。換到 Cursor、Codex、Gemini CLI 或其他 Agent 工具時，功能名稱和操作方式可能不同；你真正要帶走的是怎麼定義問題、選擇能力、保留狀態與驗收結果，而不是假裝所有平台都長得一樣。
更具體一點，你會開始能從自己的工作痛點出發設計 Skill；能讓 AI 跨 session 接上你的偏好和決策；也能把零碎記憶和素材慢慢整理成 AI 能使用的格式。這些加起來，就是從「會使用工具」往「能設計自己系統」移動。
所以讀這份手冊時，不要先問「我是不是該用某個功能」，先問你的工作場景是哪一種問題：固定流程一直忘，先寫 checklist，跑穩後才考慮 Hook；筆記很多但 AI 用不起來，先查來源、結構和載入位置，再判斷是否需要 Knowledge；資料或操作在外部系統，才開始評估 MCP；支線研究會污染主任務，才輪到子任務隔離或切 session。
工具一定會變，模型也一定會變，但判斷力不會那麼快過時。我希望你帶走的，是我這段時間在 AI 應用領域踩坑累積的判斷方式；設定步驟只是它的副產品。
那這份東西是甚麼？
這份不是 CabLate 的設定包大全。如果你想拿現成設定照抄，GitHub 上一抓一大把——適合這份手冊的人，是已經用 Agent 工具跑過幾次真實任務、不怕看 Markdown、願意改自己設定、想知道設計原因的人（完整對象判斷見 README「這本手冊適合你嗎」）。
🚧 注意：如果你還沒用任何 Agent 工具跑過真實任務，先選一個工具實際用一週再回來；全書的主要操作示範仍會使用 Claude Code。如果你已經有完整的自製系統在跑，且能清楚解釋每個部件為甚麼在那裡，你可能要斟酌一下這份內容是否適合你。
路線是這樣排的
前段先講基礎，建立共同語言——有些概念真的需要先後順序：你還不知道 context 怎麼影響 AI，就很難判斷 CLAUDE.md、Skill、Memory 分別是幹嘛的。路線會走過：context 基礎 → Skill → 記憶 → 知識庫 → Hooks → Context Engineering，後段再展開快取、成本、工具、session、多 Agent、Harness 與安全等主題式排查（詳細路線與讀法見 README「建議讀法」）。
更進一步之前，需要先搞懂四件事：怎麼給 AI 好的 context、AI 不聽話時怎麼診斷、CLAUDE.md 為甚麼要分層、以及第一週最容易踩的坑。每個主題都有案例當參考，你讀完會知道為甚麼它們長那樣，也有能力改成適合你自己的版本。
⚠️ 如果不確定自己卡在哪：打開 CLAUDE.md，看你能不能解釋每條規則為甚麼在那裡。大部分解釋不出來，從下一篇開始讀；解釋得出來但 AI 還是常不聽，直接跳到「AI 不聽話的四種原因」做診斷。
你現在可以做的一件事：打開你的 CLAUDE.md，逐條標出「這條規則為甚麼在這裡」。標不出來的，就是你下一步該處理的事。
讀完這章，你能
判斷這本手冊適不適合自己、現在該從哪一篇開始，並用「能不能解釋每條規則為甚麼在這裡」快速定位自己卡在哪。
這章 FAQ
Q：我還沒用任何 Agent 工具跑過真實任務，適合讀這本手冊嗎？ A：建議先選一個工具實際用一週再回來——這本手冊適合已經用 Agent 工具跑過幾次真實任務、不怕看 Markdown、願意改自己設定、想知道設計原因的人。
Q：讀到一半不知道自己卡在哪一篇，怎麼辦？ A：打開 CLAUDE.md，看你能不能解釋每條規則為甚麼在這裡——大部分解釋不出來就從下一篇開始讀；解釋得出來但 AI 還是常不聽，就直接跳到「AI 不聽話的四種原因」做診斷。