深度教學：從 Claude Code 學設計

這份教學是給誰的？

如果你正在做以下任何一件事：

• 建立一個 AI 助手或 AI Agent 產品
• 想理解「生產等級的 AI 應用」和「週末 demo」之間的差距在哪
• 對 Prompt Engineering 有基礎了解，想看看頂尖團隊怎麼做
• 想學習如何讓 AI 應用在規模化後仍然高效、安全、可維護

那這份教學就是為你寫的。

這份教學不是什麼

這不是 API 文件，也不是「Claude Code 怎麼用」的教學。這是一份設計決策分析——我們會一起看程式碼，理解 Anthropic 的工程師們為什麼做出這些選擇，然後思考你能從中學到什麼。

先理解幾個關鍵詞

在開始之前，先把幾個你會反覆看到的詞搞清楚。如果你已經知道，跳過就好。

System Prompt（系統提示詞）：你給 AI 的「角色設定」。比如「你是一個程式碼助手，幫使用者寫程式」。使用者看不到這段文字，但它決定了 AI 的行為。

Context Window（上下文窗口）：AI 一次能「記住」的文字量上限。想像 AI 的工作桌面只有這麼大，放不下的東西就得清掉。Claude 的上下文窗口大約是 200K tokens（大約 50 萬個中文字）。

Token：AI 處理文字的最小單位。一個中文字大約是 1-2 個 token，一個英文單字大約是 1-4 個 token。API 按 token 收費。

Prompt Caching（提示快取）：如果你每次都送一樣的系統提示詞給 API，API 可以「記住」這個前綴，下次就不用重新處理，省下 90% 的輸入 token 費用。但前提是——前綴必須一模一樣，差一個字元都會失效。

MCP（Model Context Protocol）：一個協議標準，讓外部工具（比如資料庫、GitHub）可以「插入」到 AI 的能力中。你可以把它想成 AI 的「USB 擴充槽」。

Feature Gate / Feature Flag：功能開關。讓你可以在不改程式碼的情況下打開或關閉某個功能。用來做 A/B 測試或漸進式發布。

章節導覽

建議按順序閱讀，因為後面的章節會引用前面的概念。

1. System Prompt 怎麼設計才不會失控？

當你的 AI 應用有 20 個不同的提示詞段落，有些固定、有些動態，怎麼組織它們才能既省錢又好維護？這章教你 Claude Code 的「分層快取」架構。

你會學到：快取邊界設計、記憶化策略、用命名傳達風險

2. 怎麼寫工具描述，讓 AI 不會亂用工具？

Claude Code 有 40 多個工具。每個工具都需要一段文字告訴 AI「我是什麼、怎麼用我」。怎麼寫才能讓 AI 選對工具、用對參數？這章分析 7 種實戰寫法。

你會學到：搶佔式禁止、失敗預防、元提示詞（教 AI 寫提示詞的提示詞）

3. 對話太長怎麼辦？五層壓縮管線

使用者和 AI 聊了 300 個來回，上下文早就超過 200K tokens 了。怎麼讓對話繼續下去？這章拆解 Claude Code 的五層壓縮策略。

你會學到：多層壓縮的成本排序、Chain of Thought + 丟棄技巧、斷路器模式

4. CLI 工具怎麼做到秒開？

一個有 200 個 import 的 TypeScript 程式，怎麼讓 claude --version 在毫秒內回應？這章分析啟動效能的六層策略。

你會學到：快速路徑、建置時死碼消除、平行預取

5. AI 出錯了怎麼辦？

API 超時、上下文爆炸、回應被截斷、伺服器過載……這章分析 Claude Code 怎麼從各種錯誤中恢復。

你會學到：語義化錯誤分類、來源感知的重試、真實事故驅動的設計

6. 怎麼防止 AI 做危險的事？

AI 有能力執行任意 shell 命令。怎麼確保它不會 rm -rf /？這章分析 5,200 行安全程式碼背後的設計。

你會學到：三層權限檢查、AST 語法分析、不可變權限狀態

7. 總評：值得學什麼、可以改進什麼

整體的批判性分析——從架構、Prompt、效能、安全四個角度，哪些做得好、哪些有問題、你可以帶走什麼。

你會學到：10 個可以直接應用的設計原則、5 個值得避免的反模式