這份內訓的主張
多數工程背景的使用者卡在一個落差：「用了 AI」不等於「正確地用 AI」。把對話框當成升級版搜尋引擎、把 Coding Agent 當成會通靈的自動完成，結果是輸出品質浮動、上下文失控、盲目信任產生的隱性錯誤，以及在團隊裡無法重現的個人化體驗。 立場是：現代 AI 工具是可被設定、可被約束、可被自動化的工程系統，而設定本身就是槓桿（leverage）。 同一個模型，在有無CLAUDE.md、有無 Skill、有無 Hook、有無正確隱私設定之下，產出差異是數量級的。這份內訓把這層「設定與心智模型」攤開來講。
以 Anthropic Claude 全家桶（Claude.ai、Claude Cowork、Claude Code）為主軸深寫，其餘工具（OpenAI、Google、GitHub Copilot、Cursor）以對照方式呈現。工具設定細節查證截至 2026-05；凡快變動項目均標來源與截至日期。
四個學習維度
維度之間不是線性的。Part III（認知與思維）其實貫穿全程：第一次讀建議照 I → II → III → IV，但實務上每學一個設定，都該回到 III 問一句「這對我真的有用嗎」。怎麼讀：三條動線
不同夥伴的起點不同，提供三條閱讀路徑。路徑 A：依維度循序（預設，適合系統性學習）01-1 → 01-2 → … → Part II → Part III → Part IV。完整建立心智模型，再動手設定。
路徑 B：依工具切入（適合「我只用某一個工具」）先讀 02-1（層級模型）建立通用框架，再跳到 02-2（若用 Claude）或 02-6 對照表找到你的工具，接著補 03-3（安全隱私）與 04-2（寫規則檔）。
路徑 C：依痛點切入（適合已在用、想解決具體問題）「產出不穩」→ 01-4 + 04-1；「不知道該不該裝某個 Skill」→ 03-1 + 03-2；「擔心資料外洩」→ 03-3 + 附錄 B；「想自動化重複流程」→ 04-4 + 04-6。
內容地圖
Part I：基礎與進階認識
- 01-1 為什麼要「正確地」使用 AI 工具
- 01-2 LLM 與 Agent 的運作基礎
- 01-3 Prompt Engineering
- 01-4 上下文工程
- 01-5 Workflow Engineering
- 01-6 Harness Engineering
- 01-7 2026 年 AI 工具地景