# 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](https://www.anthropic.com/) 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](https://code.claude.com/docs/en/best-practices)的 `~/.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](https://code.claude.com/docs/en/cli-reference)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](https://code.claude.com/docs/en/best-practices)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](https://code.claude.com/docs/en/checkpointing)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](https://modelcontextprotocol.io/) 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](https://claude.com/blog/skills-explained)，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](https://code.claude.com/docs/en/sub-agents)，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](https://code.claude.com/docs/en/agent-teams)，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](https://platform.claude.com/docs/en/build-with-claude/adaptive-thinking)，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 `~/.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？

1. **主動壓縮**：輸入 `/compact` 手動觸發摘要壓縮
2. **開新對話**：用 `/clear` 清空，從乾淨的狀態重新開始
3. **善用 Subagent**：把耗 context 的研究工作丟給子代理人
4. **寫 CLAUDE.md**：把重要資訊寫在配置檔裡，不用每次對話都重複
5. **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：

1. **安裝 Claude Code，試著跟它對話**（理解 Prompt）
2. **建立你的 CLAUDE.md**（理解配置）
3. **學會 `/compact` 和 `/clear`**（理解 Context Window）
4. **試用 Plan Mode**（理解 Agent 工作方式）
5. **安裝一兩個 MCP Server**（理解擴展機制）
6. **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](https://code.claude.com/docs/en/best-practices)
- [MCP 協議官方規格](https://modelcontextprotocol.io/specification/2025-06-18)
- [Agent Teams 官方文件](https://code.claude.com/docs/en/agent-teams)
- [Skills 官方說明](https://claude.com/blog/skills-explained)
- [Subagent 建立指南](https://code.claude.com/docs/en/sub-agents)
- [Agentic Coding 基礎概念](https://annjose.com/post/agentic-coding-basics/)
- [Claude Code 完整技術參考](https://blakecrosley.com/en/guides/claude-code)
- [Claude Code 擴展機制全解析](https://alexop.dev/posts/understanding-claude-code-full-stack/)
- [Context Window 管理策略](https://platform.claude.com/docs/en/build-with-claude/context-windows)
- [Adaptive Thinking 說明](https://platform.claude.com/docs/en/build-with-claude/adaptive-thinking)