500+ 小時 Claude Code 心得：5 件我希望早點知道的事
三句話摘要
五個 ClawCode 使用技巧，從 Context、流程規劃、工具選擇到分工策略，提升開發效率的關鍵認知。 充分提供 Context、先確認需求再開發、優先使用 CLI、讓 ClawCode 和 Codex 分工合作，最終目的是建造一個持續運作的 AI 系統，而非每次從零開始。 Context 是 ClawCode 輸出品質的決定因素。包含兩層：CLAUDE.md 設定檔記錄偏好和處理方式，以及每次任務的 Project Context。用「Progress Loading」分階段載入，需要什麼就給什麼，避免浪費 context window。
重點整理
重點- 1
Context 是 ClawCode 輸出品質的決定因素。包含兩層：CLAUDE.md 設定檔記錄偏好和處理方式，以及每次任務的 Project Context。用「Progress Loading」分階段載入，需要什麼就給什麼，避免浪費 context window。
- 2
大多數開發者直接叫 ClawCode 做導致反覆修改，正確做法是先進入 Plan Mode 要求提出 5 個不同方案，自己選擇後再開始。這樣能一次做對，省去多次往返。
- 3
複雜大型系統必須用 SuperPowers 的 brainstorming skill。它會把你當工程師看待，逐步深入問目標、限制、功能需求和規劃，強制把模糊想法轉成清晰計畫，計畫越清，產出越接近真實需求。
- 4
工具選擇上 CLI > API > MCP，因為 API 回傳冗長 JSON 浪費 token，MCP 未使用就消耗 4300 token 且自動載入大量 context，而 CLI 輸出乾淨且在雲端管理。
實用技巧與重點
乾貨- CLAUDE.md：專案根目錄的設定檔，記錄偏好、禁止事項、處理方式
- Project Context：每次任務開始時的背景資訊
- Progress Loading：根據任務需要分階段載入 Context
- Plan Mode：獲得多個實作方案供選擇
- SuperPowers brainstorming skill：大型複雜專案規劃工具
- MCP tools 未使用就消耗 4300 個 token
- 使用 Mirror 或 Excalidraw 畫系統架構，完成後標記綠色代表可運作
- ClawCode：負責開發、架構設計、主要 coding work
- Codex：負責 code review、bug debug、現有程式碼更新
- 工具優先順序：CLI > API > MCP
結論
結論“充分提供 Context、先確認需求再開發、優先使用 CLI、讓 ClawCode 和 Codex 分工合作，最終目的是建造一個持續運作的 AI 系統，而非每次從零開始。”
完整解析
詳細ClawCode 的效果完全取決於你提供多少 Context。為了最大化效率，講者建立了雙層 Context 結構。第一層是 CLAUDE.md 設定檔，存放在專案根目錄，記錄你在做什麼、個人偏好、哪些事情不要做、遇到特定情況如何處理。ClawCode 每次執行任務都會自動讀取這個檔案。第二層是 Project Context，也就是每次任務開始時提供的背景資訊。為了避免浪費 context window，講者採用「Progress Loading」方式，只根據任務需要分階段載入相關資訊，不需要的就不給，讓 ClawCode 專注於當前任務。
許多開發者陷入的誤區是有想法就直接叫 ClawCode 做，結果方向不對就反覆修改，耗費大量時間。改進的做法是先進入 Plan Mode，或明確告訴 ClawCode 先不動工，要求它提出 5 個不同的實作方案，然後自己選擇最符合需求的方案再開始。這樣能大幅減少修改次數，基本上一次就對。講者的習慣是用 Mirror 或 Excalidraw 先畫出系統架構，列出各區塊和功能，開發完成後用綠色標記表示該部分已可運作。
開發複雜大型系統時，必須使用 SuperPowers 中的 brainstorming skill。使用後，ClawCode 不會當你是普通用戶，而是當工程師看待，會逐步深入問你目標是什麼、有什麼限制、需要哪些功能、整體如何規劃。這些問題看似繁瑣，但實際上會強制你把模糊想法轉成清晰計畫，Plan 越清楚，最後的產出就越接近真正想要的。
工具選擇方面，CLI 是首選。API 會回傳大量無用的 JSON 元數據（status code、header、object），這些都會白白消耗 token 且佔用 context window。MCP 雖然功能強大，但每次調用都會自動載入大量背景資訊，即使還沒使用就已消耗 4300 token，會快速填滿整個 session context。相比之下，CLI 的輸出非常乾淨，給指令就直接回傳結果，這些工具和設定都存放在雲端，你只需負責調用和取得結果。在 AI agent 時代，優先順序應是 CLI > API > MCP。
最後的分工策略是 ClawCode 負責開發、架構設計和主要 coding work（能使用 frontend design 和 SuperPowers skill），Codex 專門用於 code review、找現有程式碼的問題、提出修改建議和 debug。因為兩者思考方式不同，ClawCode 想不出的問題 Codex 一下就找到。這不是誰好誰壞，而是各司其職，結合使用。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
