我用 Claude Code 自動化了 80% 的日常開發工作
📝 實作手札我用 Claude Code 自動化了 80% 的日常開發工作
搬磚時間比你想的多
你每天坐在電腦前幾個小時？扣掉搬磚的時間，真正在思考的有多少？多數開發者都有同感：一天下來，需要判斷力的時段少得可憐。
上個月我做了一件事。拿了一張 A4 紙，把自己一週的工作逐項記下來。在每一項旁邊標「AI」或「我」。結果呢？
文獻搜尋。閱讀筆記整理。SOP 模板載入。程式碼品管。跨平台設定同步。標了「AI」的那些加總起來，占了日常開發時間大約 80%。全部交給 Claude Code 背後的 AI Agent 系統在跑。
AI Agent 工作流自動化是透過記憶系統、Skill 路由、Hook 品管等模組，讓 AI 不只回答問題，而是主動執行完整工作流程的開發模式。與單次問答式的聊天機器人不同，它保留跨 session 的上下文，並在系統層級攔截危險操作。
這篇拆解「80%」這個數字到底怎麼來的，讓你看到自動化前後的具體差異。我是大學助理教授兼生技公司研發總監，過去半年用 Claude Code 從零搭了這套系統。它不只回答問題。它記住我的偏好、自動載入對應的工作流、在我搞砸之前攔住危險操作。每天跑在學術研究跟產品開發兩條線上。
「80%」怎麼算出來的
先打預防針：80% 不是碼錶量出來的精確數據，是我把一週工作項目分類後得到的概略比例，帶有主觀體感。但即使打個折，數字還是很可觀。
日常工作大致分五類。自動化前後的變化：
| 工作類別 | 自動化帶來的改變 | 處理方式 |
|---|---|---|
| 文獻搜尋與消化 | 從占掉大半天，壓到一個多小時收尾 | 裝了洗碗機 -- lit_pipeline 自動掃描 + AI 摘要 |
| SOP 模板載入與格式調整 | 從每次手動翻找，到幾乎不用動手 | 自動導航 -- Skill 路由引擎自動匹配 |
| 程式碼品管與防錯 | 從反覆人工檢查，到只需確認攔截結果 | 守門員 -- Hook 系統自動攔截 |
| 跨工具設定同步 | 從三套工具各改一遍，到改一處全同步 | AGENTS.md 統一注入 |
| 重複性撰寫（科普、報告） | 從整個下午，壓到不到一小時出初稿 | 工廠流水線 -- 科普 SOP + 去 AI 感管線 |
加總起來，這幾類原本吃掉我一週裡大半的時間。現在大多自動化掉了。省下來的時間拿去做實驗設計、解讀數據、跟合作者討論研究方向。那些搬磚搬不出來的事。
系統全貌：四個核心模組
這套系統不是某一天突然建好的。半年前我只有一個空白的 CLAUDE.md，然後一個問題接一個問題，一層一層疊上去。現在回頭看，核心就是四個模組：
1. 記憶系統（三層架構）
AI 最大的痛點是每次對話都失憶。上午告訴它「我用 R 不用 Python」，下午開新 session 它又開始寫 scipy.stats。我用三層架構處理這件事。事實層記住我是誰、我用什麼工具、我討厭什麼格式。情節層記錄我踩過的坑和做過的決策，下次遇到類似情境它不會重蹈覆轍。暫存層就是當下這個任務的便條紙。啟動 Claude Code，它帶著這些上下文直接開工。
設計邏輯的細節可以看 AI Agent 記憶系統設計：三層架構實作。
2. Skill 路由引擎
我建了一張觸發詞對照表。說「寫科普」兩個字，系統自動載入科普文章的 SOP、Prompt 模板跟品質標準。說「做簡報」，切換到文獻型簡報的六原則工作流。以前每次都要貼一大段「請參考某某檔案、用某某模板」的指令，現在兩個字搞定。
3. Hook 守門系統
有一次 AI 執行清理腳本，差點把設定檔砸爛。後來我設了 PreToolUse Hook，AI 執行任何檔案操作之前先攔截：rm 指令全面禁止，改用 mv 搭配 _DELETE_ 前綴做軟刪除；API Key 不准寫死在程式碼裡。不靠 AI 自律，是系統層級的強制攔截。
不過 Hook 也有侷限，它只能攔截 Claude Code 內建的工具操作。如果 AI 透過 shell 指令執行了一段包含 rm 的腳本，Hook 不一定攔得住。安全不能只靠一道門。
4. 跨平台同步
我同時用 Claude Code、GitHub Copilot CLI 跟 Antigravity CLI（agy），三套工具各有不同的設定檔格式。以前每改一條規則，同一個頻道要按三次。現在底層共用同一份 AGENTS.md 作為單一真相來源，改一處，三家同步。除了終端機 CLI，我也用 Claude Desktop App 的 cowork 模式做多 context 協作，不同情境選不同介面，底層記憶是同一套。
一個真實場景：從文獻到科普文章
用上週的一個真實案例走一遍。
每週我要處理 PubMed 上的新文獻，從中挑主題寫成科普文章。自動化前的流程是這樣的：搜 PubMed、逐篇讀摘要、挑出值得寫的，然後手動整理到 Zotero，打開模板開始寫，寫完再自己校稿。一篇文章三到四小時跑不掉。有時候光「找到一篇值得寫的」就花了一個多小時。
自動化後：
- 我執行
lit_pipeline.sh，自動掃描 PubMed 新文獻並匯入 Zotero - AI 根據我的研究興趣標籤篩選、產出摘要
- 我說「寫科普」，Skill 路由載入完整的科普 SOP 和模板
- AI 產出初稿，接著跑去 AI 感管線修潤語氣
- Hook 確保產出的檔案存到正確路徑，不覆蓋既有檔案
整個流程壓縮到大約 40 分鐘，其中多數時間是我在做最終審稿、補充個人觀點。
踩坑才長出來的系統
我踩過的坑不少。AI 執行看似合理的清理腳本，結果誤刪設定檔。安全閥就是那次被逼出來的。跨 session 的上下文全遺失，跟 AI 講了半天的決策脈絡一夕消失，這才從簡單提示語升級到結構化的三層記憶架構。
但也要講實話。這套系統目前適合「每天跟 AI 密集互動」的人。如果你一週只開兩三次 Claude Code，建置成本可能大於收益。
沒有一個模組是我預先畫好藍圖建的。全部是被問題追著跑，跑到最後才成形。想從頭開始的話，Claude Code 完全入門 帶你從安裝走一遍基礎，設定入口的設計邏輯在 CLAUDE.md 設計哲學。
你不需要一步到位
從一個痛點開始就好。
每天重複下同樣的指令？花十五分鐘寫一份 CLAUDE.md 把常用規則固定下來。常忘記上次的決策脈絡？開一個 scratchpad.md 做任務暫存就好。不用一次建完四個模組，每解決一個痛點就多裝一個零件。
半年前我也是從一個空白的 CLAUDE.md 開始的。那時候裡面只有三行。
FAQ
Q: Claude Code 自動化適合什麼樣的人？
A: 有固定重複性工作流的人。開發者、研究者、技術管理者都算。問自己一個問題：你的工作裡有多少「每次都要重新說明一遍」的動作？如果答案是「很多」，Claude Code 的自動化架構能把這些摩擦砍掉一大塊。
Q: 80% 自動化會不會讓人失去對工作的掌控？
A: 不會。自動化的是流程和格式。那些機械性的搬磚工作。判斷和決策還是我在做。而且 Hook 系統會在 AI 執行敏感操作前強制攔截。不是 AI 想幹嘛就幹嘛。
Q: 這套自動化有什麼風險或侷限？
A: 有。最大的風險是「自動化帶來的盲信」。當流程跑得太順，你會開始跳過驗證步驟。我就犯過這個錯。讓 AI 產出的統計報告直接進了報告，結果 reviewer 抓出了一個基本錯誤。另一個限制是維護成本。路由規則和記憶檔案需要定期更新，不然系統會慢慢變懶，跟不上你的工作變化。
Q: 不會寫程式也能用 Claude Code 嗎？
A: Claude Code 本身是命令列工具，需要基本的終端機操作能力。但你不需要是工程師才能設定 CLAUDE.md 或建立記憶檔案，這系列後續文章會從最基礎的操作開始教。
Q: Claude Code 跟 ChatGPT 有什麼差別？
A: 最大差別在一個字：碰。Claude Code 直接在你的本機檔案系統裡跑，能讀寫檔案、執行指令、操作 Git。它不是在瀏覽器裡聊天，是一個直接碰你程式碼的開發夥伴。除了 CLI，也有桌面版（Claude Desktop App）可以搭配使用。詳細比較可以看 2026 年 AI Agent 工具鏈完整評比。
想更深入？
我整理了一份《Claude Code 快速上手速查表》，涵蓋安裝、CLAUDE.md 配置、記憶系統基礎、常用指令一頁搞定。
常見問題
Claude Code 自動化適合什麼樣的人？
適合有固定重複性工作流的開發者、研究者或技術管理者。如果你的工作中有大量「每次都要重新說明一遍」的指令、模板載入、格式調整，Claude Code 的自動化架構能顯著減少這些摩擦。
80% 自動化會不會讓人失去對工作的掌控？
不會。自動化的是流程和格式，不是判斷和決策。Hook 系統會在 AI 執行敏感操作前強制攔截，最終決策權始終在人手上。
這套自動化有什麼風險或侷限？
最大風險是「自動化帶來的盲信」。流程跑得太順，容易跳過驗證步驟。另一個限制是維護成本，路由規則和記憶檔案需要定期更新，不然系統會跟不上工作變化。目前適合每天跟 AI 密集互動的人，一週只開兩三次的話建置成本可能大於收益。
不會寫程式也能用 Claude Code 嗎？
Claude Code 本身是命令列工具，需要基本的終端機操作能力。但你不需要是工程師才能設定 CLAUDE.md 或建立記憶檔案。這系列後續文章會從最基礎的操作開始教。
Claude Code 跟 ChatGPT 有什麼差別？
最大差別在於 Claude Code 直接在你的本機檔案系統中運作，能讀寫檔案、執行指令、操作 Git。它不是在瀏覽器裡聊天，而是一個直接碰你程式碼的開發夥伴。除了 CLI，也有桌面版可搭配使用。