Skip to main content
這是為實驗室夥伴製作的 AI 素養基礎內訓與培養。對象是已經在作業、開發與研究裡用 AI（Vibe Coding）、但還沒系統性理解設定與機制的工程背景夥伴。目標不是教你「怎麼把工具叫出來」，而是讓你正確地使用它：理解運作模型、把設定當成可控的工程介面，並建立獨立判斷工具好壞的能力。

​
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 基礎認識

7 個單元：從「為什麼要正確使用」到 prompt / context / workflow / harness 四層工程與 2026 工具地景。

Part II 調適與設定

6 個單元：設定層級模型、Claude 全家桶、settings.json、claude.json、四大機制總覽、跨工具對照。

Part III 認知與思維

4 個單元：工具適配判斷、跳脫 star 數迷思、安全與供應鏈風險、個人 benchmark。

Part IV 客製化與自動化

12 個單元：.claude 目錄全覽開場，CLAUDE.md、rules、commands、Skill、Subagent、Hooks、Plugin、MCP、CLI 優先、Agent Teams 逐機制深入。

Part V 案例研究

4 個單元：OpenClaw、Hermes-Agent、NemoClaw 三套開源 agent 外殼解剖與路線比較。

附錄

設定速查表、隱私安全 checklist、詞彙表、延伸資源。

​
Part I：基礎與進階認識

​
Part II：進階調適與設定

​
Part III：認知與思維

​
Part IV：客製化、整合與自動化

​
Part V：Agentic 系統案例研究

​
附錄

不要一次讀完才動手。每讀完一個 Part II 的設定單元，立刻在你自己的工具上做一次，再回到 Part III 問「這對我真的有用嗎」。設定的價值，只有在你的真實工作流裡才驗證得出來。