上週在一家科技公司做企業培訓，CTO 問了一個問題：「我們團隊 Claude Code 用了三個月，為什麼有些人效率飛天，有些人還在原地踏步？」

答案很簡單：問題從來不在 AI 不夠聰明，問題在你餵給它的上下文。最近開源開發者 Tw93 在 X 上發了一篇 Claude Code 深度拆解，163 萬觀看、5,740 個讚。今天我用自己的方式重新整理，加上在台灣企業培訓現場的觀察。

Claude Code 不是聊天視窗，是六缸引擎

多數人把 Claude Code 當成高級版的 ChatGPT。但真正的高手知道，它是一個完整的代理系統，不斷循環：收集上下文 → 採取行動 → 驗證結果 → 再收集更多上下文。

這個循環背後有六個層次同時運作：

第一層：上下文層。CLAUDE.md、Skills、Memory，決定了 Claude 在每次對話開始前「知道什麼」。

第二層：行動層。Tools 和 MCP 讓它能動手做事。

第三層：控制層。Hooks、權限、沙箱，決定它「能做什麼」和「不能做什麼」。

第四層：驗證層。測試、lint、截圖，確保做出來的東西是對的。

第五層：執行循環。把前四層串起來反覆跑。

第六層：你。使用者本身，你的判斷力決定整個系統的天花板。

關鍵：只強化其中一層，系統就會失衡。我見過 CLAUDE.md 寫成萬字長文，結果上下文先被自己污染了。也見過裝了十幾個 MCP Server，工具多到 Claude 自己都搞混。

200K 上下文？你實際能用的可能只剩一半

大家看到 200K 的上下文視窗，以為可以把整個專案丟進去。現實是這樣的：

系統指令、Skill 描述、MCP 工具定義，固定開銷吃掉 15,000-20,000 tokens。你的 CLAUDE.md 和 Memory 再吃 5,000-10,000。真正留給你工作的，大概 160,000-180,000 tokens。

MCP 是最大的隱形殺手。一個 GitHub MCP Server 的工具定義就佔 4,000-6,000 tokens。接了 5 個 Server，光工具定義就吃掉 25,000 tokens — 還沒開始工作就沒了 12.5%。

我在培訓現場教的上下文分層策略：

始終常駐 → CLAUDE.md（精簡 50-100 行）

按路徑載入 → rules 資料夾，不同專案自動載入不同規則

按需載入 → Skills，要用的時候再叫

需要隔離 → Subagents，獨立上下文

完全不進上下文 → Hooks，背景執行，不佔一個 token

CLAUDE.md 不是說明書，是教練筆記

Tw93 有一句話我特別認同：「一開始甚至可以什麼都不寫。先用起來，等你發現自己老是在重複同一件事，再把它補進去。」

該放：Build 和 test 指令、目錄結構、程式碼風格、環境裡的坑、絕對不要做的事。

不該放：大段背景介紹、完整 API 文檔、空泛原則如「寫高品質程式碼」。

還有一個重要事實：CLAUDE.md 的指令大概只有 70% 的遵守率。百分之百不能違反的規則，不要寫在 CLAUDE.md，用 Hooks 來強制執行。Hooks 是確定性的，100% 會觸發。

企業怎麼用：五個明天就能用的實戰技巧

/compact — 感覺 Claude 開始「忘東忘西」，壓縮上下文保留重點。建議 70% 使用量時主動執行。

/clear — 同一問題被糾正兩次以上，清掉重來。沈沒成本是最大的陷阱。

/context — 查看目前的 token 佔用結構，知道哪裡在吃你的上下文。

雙擊 ESC — 回到上一條輸入重新編輯，一天能省十分鐘。

每個任務開新對話 — 上下文越乾淨，Claude 的表現越好。

我帶過 400 多家企業做 AI 培訓，最常看到的不是工具不好用，而是使用方式停留在表面。如果你假日有空，花三十分鐘重新整理你的 CLAUDE.md，砍掉不必要的 MCP Server，設定好你的 Hooks。下週一上班，你會發現 Claude Code 像是換了一個人。

「Claude Code 的六層架構告訴我們：AI 的天花板，就是你管理上下文的能力。」

📎 資料來源：

- Tw93（X / GitHub），Claude Code 深度架構拆解（163 萬觀看）

- Anthropic Claude Code 官方文件（docs.anthropic.com）

關於阿峰老師

阿峰老師（黃敬峰），交點文化股份有限公司創辦人暨執行長，擁有超過 10 年企業培訓經驗，累積服務超過 400 家企業，包含華碩、台灣蝦皮、精誠資訊、國泰人壽、南山人壽、台灣日產、台灣三菱商社、台灣東陶 TOTO 等知名企業。

阿峰老師專注於 AI 工具實戰應用與企業導入，從 ChatGPT、Claude、Gemini 到各種 AI Agent 工具，用最接地氣的方式，幫助企業團隊在最短時間內掌握 AI 工作流，提升整體生產力。

🌐 官方網站：www.autolab.cloud

📚 課程活動：www.autolab.cloud/events

🛠 好用工具：www.autolab.cloud/topics

📘 Facebook：阿峰老師 Facebook

🎬 YouTube：阿峰老師 YouTube 頻道

📰 電子報：訂閱阿峰老師電子報

💬 LINE 社群：加入「阿峰老師AI學員社群」（LINE@：@389uwgji）

📱 LINE ID：0976715102

📧 合作洽詢：[email protected]