KeyFrame內部研究專用

Claude Code Tutorial: Beginner to Advanced in 20 Minutes

Zinho Automates·5月13日週三·19 min中文

三句話摘要

Claude Code 教學視頻,展示如何用自然語言從零構建、迭代、連接工具、最後部署到網際網路的完整工作流。 Claude Code 的價值不在於單個工具功能,而在於貫穿規劃、構建、定制、連接、管理、部署的完整系統——掌握這套系統的人正在培養大多數人甚至還沒開始考慮的技能。 Plan Mode 是關鍵習慣 — 開始構建前先進入 Plan Mode(不會修改檔案),讓 Claude 提問澄清細節,避免後續多輪修改。描述時只需說明五件事:想建什麼、用途、功能、外觀、技術細節,用簡潔英文即可。

重點整理

重點
  • 1

    Plan Mode 是關鍵習慣 — 開始構建前先進入 Plan Mode(不會修改檔案),讓 Claude 提問澄清細節,避免後續多輪修改。描述時只需說明五件事:想建什麼、用途、功能、外觀、技術細節,用簡潔英文即可。

  • 2

    模型與努力等級的策略搭配 — Sonnet 是預設選項速度快可靠性高,Opus 用於複雜邏輯與架構決策。Effort 低用於微調顏色/間距,中等平衡速度和質量,高是預設值大多工作最佳,Max 保留給需要深度推理的複雜功能。

  • 3

    claude.md 文件實現持久化規則 — 輸入 `/init` 讓 Claude 掃描整個專案並生成 claude.md,記錄檔案結構、組件、樣式。用純英文新增自訂規則(如「永遠用 Tailwind」「所有卡片必須顯示負責人優先級截止日期」),Claude 每次回應都會自動遵守。

  • 4

    MCP 協議連接外部工具實現真正自動化 — MCP(Model Context Protocol)讓 Claude 與 N8N、Slack、GitHub、資料庫通信。點擊「自訂」→「連接器」貼上連結,10 秒完成連接,Claude 即可構建整合工作流,如「逾期任務自動發 Slack 通知並記錄到 Google Sheets」。

實用技巧與重點

乾貨
  • 模型與設定
  • Sonnet:日常預設,速度快、成本低、可靠性高
  • Opus:複雜邏輯、架構決策、深度除錯
  • Effort 低:拼寫錯誤、顏色更改等快速操作
  • Effort 中:速度與品質平衡
  • Effort 高:預設值,大多任務最佳結果
  • Effort Max:最難問題,消耗用量快,留給真正重要的時候
  • 關鍵功能與指令
  • Plan Mode:切換送出按鈕旁下拉菜單進入計畫模式
  • `/init`:自動掃描專案生成 claude.md
  • `/compact`:壓縮上下文,濃縮成摘要保留重要內容
  • `/clear`:完全清除所有上下文,重新開始
  • 截圖粘貼:直接在聊天貼上預覽面板截圖,說「修復此問題」
  • MCP 連接步驟
  • 點擊左上角「自訂」→「連接器」
  • 新增自訂連接器並貼上連結
  • 支援工具:N8N、Slack、Google Sheets、GitHub、數據庫、API
  • 部署
  • 輸入「將此項目部署到 Vercel」
  • 需先註冊 Vercel 免費帳戶
  • Claude 自動配置、連接、推送構建,產生實時 URL
  • 進階功能
  • Skills:自動加載的指令,控制組件編寫方式、程式碼格式化、測試執行
  • Hooks:自動操作,如編輯檔案後自動格式化、任務完成時通知、創建組件時運行測試
  • Routines:在 Anthropic 雲端執行的自動化(非本機),可夜間審查 PR、每週分類錯誤、檢查過時文檔

結論

結論

Claude Code 的價值不在於單個工具功能,而在於貫穿規劃、構建、定制、連接、管理、部署的完整系統——掌握這套系統的人正在培養大多數人甚至還沒開始考慮的技能。

完整解析

詳細

Claude Code 的核心體驗與傳統 AI 聊天機器人完全不同。聊天機器人回答問題,Claude Code 則讀取檔案、構建專案、連接外部工具、發佈到網際網路。視頻以建構一個團隊專案管理應用為實例,展示完整工作流。

規劃階段的關鍵洞察 是大多人容易忽略的:直接要求「幫我開發應用」會導致 Claude 做出幾十個假設,其中許多錯誤,後續需花時間修復原本不該壞的東西。解決方法是切換到 Plan Mode,Claude 進入思考模式但暫不修改檔案,就像施工前與承包商確認設計。用戶只需明確五件事:想建什麼、用途、功能、外觀、技術細節。以專案管理應用為例:「小團隊跟蹤不同專案任務,創建專案、添加任務(標題、描述、負責人、截止日期、優先級),看板視圖在待辦/進行中/已完成間拖動任務,簡潔現代設計、深色模式、響應式、用本地存儲」。Claude 不會直接開始構建,而是提問:需要任務標籤嗎?預設團隊成員列表還是自由輸入?按負責人或優先級篩選?這些問題省去後續三輪修改。確認後 Claude 詳細說明構建計畫、檔案結構、執行順序,用戶審視無誤後批准,才開始實際構建。

模型與努力等級的策略 決定效率與成本。Sonnet 是預設選項,速度快成本低,能處理 80% 的工作(快速修改、錯誤修復、簡單功能),必須設為預設。Opus 是重武器,用於複雜邏輯、架構決策、除錯,思考更深入但速度慢成本高。混合方案是 Opus 規劃(深入思考)+ Sonnet 執行(快速構建)。Effort 等級同樣重要:低用於拼寫錯誤、顏色調整;中等平衡速度與品質;高是預設值大多工作最佳;Max 保留給需要長時間推理的最難問題,消耗快需審慎使用。

claude.md 文件是持久化規則的關鍵。正常情況下關閉 Claude Code 隔天重開會忘記所有設定、偏好、規則。輸入 `/init` 讓 Claude 掃描整個專案並生成 claude.md,記錄組件、檔案結構、樣式方案等。打開檔案後可用純英文添加自訂規則,如「Tailwind 樣式」「所有任務卡片顯示負責人優先級截止日期」「友善錯誤訊息」「深色主題配合藍色交互元素點綴」。Claude 每次回應都會自動遵守,無需在提示中重複提及。也可在根目錄創建全局 claude.md,規則應用於所有專案。

MCP 協議是從演示轉向真實工具的變革。MCP(Model Context Protocol)讓 Claude 與外部工具通信:N8N、Slack、Google Sheets、GitHub、資料庫、API。設置只需點擊左上角「自訂」→「連接器」→新增自訂連接器並貼連結,10 秒完成。視頻示例中連接 N8N(工作流自動化平台),然後要求 Claude 創建工作流:當應用中任務被標記逾期時,自動向負責人發送 Slack 通知並記錄到 Google Sheets。由於 MCP 連接,Claude 已了解 N8N 運作方式,自動搜索正確節點並連接。這正是大多教程忽略的部分——它們教怎麼做漂亮頁面就止步,不教怎麼融入實際工作流。MCP 正是這個轉折點。

迭代循環與上下文管理 是實戰中的核心技巧。構建應用後,第一版可能有缺陷:看板列太窄、任務卡片優先級不清、拖放笨拙。此時只需用簡潔英文描述需改進的地方:「加寬看板列增加列間距,在每張卡片添加色點表示優先級(紅=高、黃=中、綠=低),放大拖放目標」。預覽立即更新,無需打開任何程式碼檔案。這個「描述→預覽→定義」的循環是每個專案都會用到的。同時需留意工具欄的「使用情況」按鈕,它顯示上下文(Claude 的短期記憶)。當上下文變滿時 Claude 開始遺忘之前的決定、自相矛盾。輸入 `/compact` 將整個對話濃縮成摘要,保留重要內容如正在處理的檔案、應用架構、規則、工具連接,過濾掉無關資訊。`/clear` 則完全清除所有內容,適合切換完全不同的任務。

複雜功能需提升努力等級。簡單的顏色調整或間距用預設等級,但涉及邏輯、分析、多步計算的功能需將 Effort 提升到 Max。視頻示例是工作負載分析儀表板:查看所有專案的所有任務,顯示哪些團隊成員工作量過大、還有余力,根據類似任務過去耗時標記可能錯過截止的任務。這需要邏輯思考:如何計算「錯過截止」?什麼算「工作量過大」?剛分配五個任務但一個月後才到期該如何評估?提升到 Max 後,Claude 在編寫程式碼前會一步一步深思這個問題,計算平均完成時間、處理歷史數據不足的特殊情況、決定風險評估構建方式,最後產生準確結果(任務按優先級分類、色碼狀態指示器、工作量過載團隊成員標紅、相關任務黃色警告、預計延遲時間、有空余時間團隊成員標綠)。

部署是最後一步但往往被忽略。視頻中用一行指令「將此項目部署到 Vercel,我想要可和團隊分享的有效 URL」,Claude 自動處理所有配置、連接、推送構建,返回實時 URL。團隊任何有該連結的人都可打開應用、查看任務、操作工作負載儀表板、在手機或筆記本電腦拖動卡片。整個流程從構想、Plan Mode 確認需求、實施、迭代改進、連接外部工具到部署,只需一個會話、純英文、無需技術術語,就從想法變成網際網路上的團隊工具。

進階功能包括 Skills、Hooks、Routines。Skills 是自動加載的可用指令,控制組件編寫方式、程式碼格式化。Hooks 將自動操作附加到 Claude 行為上,如每次編輯檔案自動格式化、完成任務時通知、創建新組件時運行測試,配置一次永久運行。Routines 是在 Anthropic 雲端(非本機)運行的自動化程式,可睡眠時設置讓其夜間審查拉取請求、每週一早上分類錯誤列表、每週檢查文檔並標記過時內容,每天可運行 5-15 次。

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。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。