← 回到 Learning 首頁

Article · Claude Code

AI 工具與 Vibe Coding 企業內訓：從 Claude Code 到 Skills、MCP、Agent

這篇文章整理一場兩天企業內訓的完整內容，適合想在企業內部導入 Claude Code、Skills、MCP 與 Agent 的工程團隊、資訊服務團隊與內訓規劃者閱讀。

曾思遠受邀為某企業資訊服務團隊進行為期兩天的 AI 工具與 Vibe Coding 內訓課程。課程對象是熟悉後端開發與系統維運的工程團隊，目標不只是介紹工具，而是讓大家在兩天之內，從「知道 AI 能做什麼」走到「用 AI 打造出一個可以 Demo 的內部服務原型」。這篇文章把課程內容整理出來，分享給有意在企業內部導入 Claude Code、Skills、MCP 與 Agent 的團隊參考。

為什麼這堂課要兩天

企業內部的工程團隊，每天都會接觸到各種 AI 工具的新聞，但真正在工作中把 AI 用起來的人並不多。原因通常不是「不會用 ChatGPT」，而是以下幾件事：

• 不知道 AI 工具之間的關係：LLM、RAG、RPA、Vibe Coding、Agent 到底差在哪。
• 對 Claude Code、Skills、MCP 這些新概念還停留在「聽過」的階段。
• 缺少從頭到尾打造一個可運作產品的實戰經驗。
• 不清楚要怎麼把 AI 嵌進既有的開發流程與規範裡。

兩天的課程分成兩個主題：第一天著重在「AI 工具地圖」與 Claude Code 的基本使用；第二天則進入 Skills、MCP、Agent 與本機端伺服器的整合，最後以一個 Vibe Coding 實戰題目收尾。

AI 使用的四個層次

課程一開始，我先幫大家把 AI 的使用方式拆成四個層次，讓後面的每個工具都能對應到一個位置：

• 入門：選定 AI 模型，依任務選擇合適的模型。Gemini 系列適合深度研究與多模態、Claude Opus / Sonnet 擅長長文推理與程式碼、GPT 系列則在日常對話與工具整合上成熟，Sora、Nano Banana、Veo 則分別處理影片與圖片生成。
• 中階：提示詞優化，透過 System Prompt 與 User Prompt 的分工，讓 AI 扮演特定角色，輸出更穩定、更精準。
• 進階：提供補充資料（RAG），讓 AI 能讀到公司內部的法規、合約、產品型錄，把既有的知識資產再利用，同時降低幻覺風險。
• 高階：RPA + Vibe Coding，用 RPA 建立自動化流程與 AI Agent，用 Vibe Coding 直接打造產品與工具，讓不是工程師的人也能把流程變成產品。

PTCF：寫出穩定提示詞的基本功

即使進到 Vibe Coding 時代，「寫一個好的提示詞」仍然是最基本的能力。課程中我特別花時間介紹 PTCF 這個結構：

• P – Persona（角色）：先告訴 AI 它是誰，例如「你是一位資深的科技業人資招募專家」。
• T – Task（任務）：明確描述要它做什麼，例如「幫我撰寫一份後端工程師的招募文案」。
• C – Context（背景）：補上公司、產品、技術棧、流量規模等背景資訊，讓 AI 有立足點。
• F – Format（輸出格式）：規定輸出結構，例如「請分成職位名稱、公司簡介、工作內容、必備條件、加分條件、福利」。

同樣的需求，有沒有 PTCF，輸出品質差距非常大。現場我們實際操作了「用 PTCF 撰寫工程師職缺」、「用 PTCF 寫一份測試工程師 JD」等練習，讓學員體會結構化提示的威力。

AI 工具地圖：除了 ChatGPT，還有什麼值得用

課程的第二個段落，我帶大家快速走過一輪目前值得掌握的 AI 工具：

• 通用對話模型：ChatGPT、Gemini、Claude，作為每天的第一個問答入口。
• Gemini Canvas：用一段自然語言就能產出互動式的學習或說明頁面，很適合拿來做內訓教材或教學原型。
• NotebookLM：上傳 PDF、投影片、YouTube 連結，幫你整理成摘要、投影片、語音摘要、心智圖。對寫論文、讀長文、競品分析、新人 onboarding 手冊特別有用。
• Notion + Mermaid：用文字語法畫流程圖、架構圖、ER diagram，和 AI 搭配起來就是一句話畫出整段流程。
• RAG 工具：Dify、Pinecone 等，讓企業內部資料變成 AI 的知識庫。
• RPA 工具：Make、n8n、Dify、Opal，把 AI 串進既有流程，做自動化 Agent。
• Vibe Coding 工具：Lovable、Firebase Studio 以網頁操作為主，Claude Code、Codex、Antigravity 則以 CLI / IDE 為主，能直接落地到真實專案。

我反覆提醒一件事：不管是哪種檔案格式、哪種程式語言，在 AI 時代都不需要自己從零寫。我們要做的是認識這些格式的用途與邊界，然後學會指示 AI 幫我們產出。

什麼是 Vibe Coding

Vibe Coding 的最高指導原則只有一句：一行程式都不要自己改。任何錯誤、任何部署問題、任何 UI 調整，都丟回給 AI。

和傳統開發比較一下：傳統寫一個待辦清單工具，要選框架、設計資料結構、手寫排版、寫新增刪除邏輯、處理邊界情況、整合後端、寫測試，預估 4–8 小時；Vibe Coding 則用自然語言描述需求，常常 5–15 分鐘就能做出可操作的初版。

Vibe Coding 的優勢在於：極速原型開發、降低學習門檻、專注核心價值、快速實驗，以及透過 AI 生成的程式碼回頭學習最佳實務。

Claude Code 實戰：六大核心原則

第一天的重頭戲是 Claude Code。安裝只要一行：

curl -fsSL https://claude.ai/install.sh | bash

接著就能用 claude 進互動模式、用 claude -p 做單次指令，甚至把它嵌進任何 CI/CD 系統當成 CLI 工具使用。

但真正的重點不在指令本身，而是使用 Claude Code 時的六個核心原則：

• 給上下文，不給結論
• 說明約束條件
• 指定邊界，不要讓它自由發揮
• 要求它說明再動手
• 用專案裡既有的東西當參考
• 一次一件事

這六個原則對應到常見的四個風險：產出錯誤且不易察覺、機密外洩、Token 成本失控、與既有流程整合困難。把原則變成肌肉記憶，Claude Code 才會真的成為加速器，而不是風險製造機。

CLAUDE.md：把團隊規範寫成 AI 看得懂的指令

Claude Code 之所以能在企業內穩定使用，關鍵在 CLAUDE.md。它是一份持久化的指令檔，Claude 在每次對話開始時會自動載入，裡面可以寫：專案架構、建置指令、編碼規範、禁止事項、版控流程。

它有三層架構：

• Managed Policy（組織層級）：IT 統一部署，所有使用者共用，優先度最高。
• 專案層級（Project）：放在專案根目錄 ./CLAUDE.md，隨 Git 版控與團隊共享。
• 使用者層級（User）：放在 ~/.claude/CLAUDE.md，是個人偏好、本機私有。

實務上幾個重點：在專案根目錄用 /init 一鍵產生 CLAUDE.md；控制在 200 行以內；規則要具體可驗證；用 @ 語法引入 README、套件設定檔與 git 流程文件；配合 .claude/rules/ 做模組化規則；若公司用 GitLab，記得把「用 glab mr create 不要用 gh pr create」之類提醒寫清楚。

Skills：給 AI 看的工具使用手冊

如果說 CLAUDE.md 是公司規範，那 Skills 就是專業領域的 SOP 手冊。Skill 是 Claude Code 的可擴充能力模組，每個 Skill 都是獨立、自包含的單元，包含 SKILL.md、scripts/、assets/、references/。

課程中也介紹了 Google ADK 整理出的 5 種 Agent Skill 設計模式：

• Tool Wrapper（工具包裝器）
• Generator（生成器）
• Reviewer（審查器）
• Inversion（反轉模式）
• Pipeline（管線模式）

這五個模式可以組合使用：Pipeline + Reviewer 做品質把關、Generator + Inversion 做缺欄補問、Pipeline + Tool Wrapper 做按步載入知識庫。別再把複雜指令塞進單一 system prompt，學會拆解工作流程，套用正確的設計模式，才能打造可靠的 Agent。

MCP 入門：讓 AI 真的接上你的工具

Model Context Protocol（MCP）是 Anthropic 發起的開源標準，用來把 AI 工具接到外部服務。MCP Server 的組成和 Skill 很像：Tools、Resources、Prompts。

課程中帶大家實作幾個案例：

• Sentry 錯誤監控：直接問過去 24 小時最常見的錯誤、顯示某個錯誤的堆疊追蹤。
• GitHub 程式碼審查：審查 PR 並建議改進、建立 issue。
• PostgreSQL 自然語言查詢：本月總收入、90 天未購買客戶等。
• Notion MCP：用自然語言查詢與新增 Notion 頁面。
• GitLab API 整合：用 Personal Access Token 請 Claude 自動建 repo、commit、push。

Agent 與 Subagent：什麼時候該分工

Agent Tool 是 Claude Code 的核心委派機制，可以啟動獨立的 Subagent，每個 Subagent 擁有自己的 Context Window，完成任務後只回傳摘要給主對話。這帶來四個優勢：隔離性、專業化、平行化、可控性。

Claude Code 內建三種 Subagent 類型：

• Explore（Haiku，唯讀）：快速搜尋、程式碼探索、檔案發現。
• Plan（繼承主對話，唯讀）：架構規劃、實作策略設計。
• General-purpose（繼承主對話，全工具）：複雜多步驟任務、研究與修改。

什麼時候適合用 Subagent？任務會產生大量輸出、需要特定權限限制、自包含只需摘要回傳、需要平行研究不同模組、需要專業領域知識。什麼時候不適合？需要頻繁來回互動、多階段共享大量上下文、快速針對性的小修改、對延遲敏感的操作。

本機端伺服器：WSL + FastAPI 的小小坑

第二天有一部分專門處理學員在 Windows 上用 WSL 跑 FastAPI 的問題。關鍵指令是：

uvicorn main:app --host 0.0.0.0 --port 8000

如果綁 127.0.0.1，Windows 的瀏覽器連不進去；綁 0.0.0.0，WSL2 會自動幫你把 port forward 到 Windows 的 localhost。Windows 11 + WSL2 還支援更進階的 mirrored 網路模式，在 %USERPROFILE%\.wslconfig 寫上 networkingMode=mirrored，localhost 就完全互通。這些細節平常不會寫進教科書，但在企業內訓現場常常就是卡住學員一整個下午的地方。

從點子到產品：Vibe Coding 的完整工作流

課程最後整理出一個 Vibe Coding 的標準流程，讓學員回去就能照著跑：

• 開啟新資料夾，進到 Claude 互動模式。
• 先請 Claude 規劃功能與技術棧，建議 Python + React.js + SQLite，把結果寫到 plan.md 與 tech.md。
• 用 Gemini Canvas、Firebase Studio 或 Lovable 做出初版畫面，流程另外寫到 uiux.md。
• 把畫面、plan.md、tech.md 一起丟回給 Claude，請它產出 todo.md，裡面包含兩層階層的執行順序，每個階段都低耦合、可單獨測試。
• 依 todo.md 逐項開發，每做完一個就打勾、跑測試。

實戰題目例如：會議室預約系統、內部智能查找服務、工作流程優化工具、既有產品的功能上架流程。每組同一題目，每個人都要實際開發過一輪，最後交出一份產品規劃簡報：包含產品介紹、實際 demo、競爭分析、痛點分析、績效提升預估與下一步方向。

企業內訓的幾個觀察

• 工程團隊的角色正在轉變：從熟悉語法的人，變成懂得怎麼指揮 AI 的人。
• 把規範寫下來比想像中還重要：CLAUDE.md、Skill、MCP 的共同前提都是你的團隊規範能被寫下來。
• Vibe Coding 不是只給非工程師用：它是打造內部工具、快速驗證商業點子的管道，不是取代正規開發。
• AI 是加速器，不是替代者：最危險的依賴方式是看不懂 AI 產出也照貼。

如果你的團隊也在思考要怎麼把 Claude Code、Skills、MCP、Agent 這些新工具導入日常開發，或者想把企業內既有的開發規範、SOP、流程，變成 AI 看得懂的指令，這篇文章會是一個很好的起點。AI 對企業來說，從來不是一次性的系統建置，而是一個持續探索與迭代的過程。