一個人的一年半：Claude Code 的創造者 Boris Cherny，他的工作方式怎麼改變：
猜疑鏈：幾家巨頭看不到對方的進度，也猜不透對方的打算，誰都不敢慢下來。
技術爆炸：技術進步會突然加速。你以為對手還很落後，下一次見面它已經跨過好幾代。
兩者疊在一起：猜疑鏈逼著每一家全速前進，技術爆炸讓全速前進的結果無法預測。
| 段落 | 主題 | 為什麼要學 |
|---|---|---|
| 第一段 30 分 | LLM 怎麼訓練出來、怎麼運作 | 地基：後面所有現象都從這裡來 |
| 第二段 45 分 | Context window | 模型的工作桌有多大、被什麼佔走 |
| 第三段 45 分 | Git＋Claude Code＋subagent | vibe coding 的底層結構（重點） |
會過時的：Claude Code 的 UI 和用法，每一兩週就改版一次。
變化比較慢的：context、agent、git 的結構。
主講：陳柏希 2026/11/02
課後問 Claude：「什麼是 vibe coding？跟傳統寫程式差在哪裡？」「Boris Cherny 說『我的工作是寫 loops』是什麼意思？請開網頁搜尋並附出處。」
資料：Boris Cherny 的 X 貼文（2025/12/27、2026/01/02）；Latent Space podcast（2025/05）；2026/06 現場訪談；劉慈欣《三體 II：黑暗森林》
同一直行是同一類步驟。
課後問 Claude：「為什麼 2020 到 2025 年，模型參數變小了，讀的資料卻多了 20 倍？請用 Chinchilla scaling law 解釋。」「請介紹目前開源小模型最新的發展狀況。」
資料：GPT-3 論文（Brown et al., 2020）；Olmo 3 技術報告與 Dolma 3 文件（AI2）；Beam 模型卡與發表文（Reflection, 2026/10）；原始文本推測參考 DCLM、FineWeb、Epoch AI
以「cat eats fish」為例。實際上一次送進去的是約 1,500 段、每段 2,048 個 token。
每個 token 都會和這一層的每一個權重算一次。唯一不用權重的一步，是 Q 和 K 互相比對「該看誰」，也是 token 之間唯一交流的地方。
課後問 Claude：「Q、K、V 為什麼要分成三個矩陣？最後的 O 又是做什麼的？」「Backpropagation 怎麼把最後的誤差傳回第 1 層的某一個權重？」
資料：GPT-3 論文（Brown et al., 2020）：96 層、寬度 12,288、批次 320 萬 token、訓練 3,000 億 token、3.14×10²³ FLOPs
結構在訓練前就固定了，內容全是後天學的。訓練過程中，參數的「個數」不變，變的是它們的「值」。
| 每個參數 | GPT-3 合計 | |
|---|---|---|
| 權重（腦） | 2 位元組 | 約 350 GB |
| 訓練狀態：權重主副本、梯度、Adam | 16 位元組 | 約 2.8 TB |
| 激活值（念頭） | 每段每層的 Q 就有 50 MB；注意力分數表 805 MB | |
權重是事先蓋好的大樓；token 流過時產生的激活值是臨時鷹架，每算一次就搭一次、拆一次。
差了約 500 倍。五年間，業界從「把模型做大」轉向「讓模型多讀書」。參數不是從資料裡長出來的：模型多大，是訓練開始前就決定好的。
課後問 Claude：「為什麼初始權重不能全部設成 0？」「混合精度訓練時，為什麼每個參數要佔 16 位元組？」
計算依據：GPT-3 論文的層數、寬度與訓練量；16 位元組為混合精度＋Adam 的常見配置
訓練完，96 層數字矩陣像結晶一樣定型，不像人腦每天都在改。裡面沒有資料庫的表格或筆記；但研究者陸續在裡面找到「自己長出來」的結構。
| 腦細胞 | 神經元：GPT-3 每層前饋 49,152 個，96 層約 472 萬個 |
| 連線強度（突觸） | 權重：1,750 億個，訓練完就定格 |
| 念頭 | 激活值：token 流過時才產生，用完就丟 |
① 「分散」和「有結構」同時成立。結構要用分析工具檢查才看得到，近幾年陸續被發現。
② 只解開了一小部分。幾十個字的提示，也只追蹤到部分計算。
③ 2026 年那塊「工作區」，佔不到 10% 的訊號量。
這些結構都不是工程師設計的。
架構裡沒有「筆記區」這個零件，是訓練自己長出來的。
課後問 Claude：「語言模型的知識存在哪裡？什麼是 superposition？」「Anthropic 說在 Claude 裡找到 global workspace，是什麼意思？請附出處。」
資料：Hinton 等（1986）；Geva et al.（2021）；Toy Models of Superposition（2022）；Scaling Monosemanticity（2024）；Tracing the Thoughts of an LLM（2025）；Gurnee et al., Global Workspace（2026/07）
訓練完的權重從此不再改變。你跟它對話時，權重是唯讀的。
| 訓練 | 使用（推論） | |
|---|---|---|
| 一次送進去 | 約 1,500 段 × 2,048 token | 整句一次，之後每次 1 個 |
| 用到的猜測 | 每個位置都猜、都對答案 | 只用最後一個位置 |
| 猜出的 token | 拿來算誤差 | 接回去當下一次的輸入 |
| 權重 | 每一步都被調整 | 完全不變 |
| 會長大的記憶體 | 激活值，用完就丟 | KV cache，對話越長越大 |
每吐一個 token，全部權重都要從記憶體讀一遍：
吐字速度上限 ≈ 記憶體頻寬 ÷ 權重大小
例：3,000 GB/s ÷ 350 GB ≈ 每秒 8.6 個 token（單卡理論值，實際會分到多張卡上平行讀）
挑 token 的方法：永遠挑最高分是 Greedy decoding（貪婪演算法）；依機率抽籤是 Sampling，由 Temperature 控制隨機程度。所以同一題問兩次，答案會不一樣。
課後問 Claude：「為什麼語言模型吐字的速度，主要卡在記憶體頻寬，而不是運算速度？」「Greedy decoding 和 sampling 各有什麼優缺點？」
注意：聊天產品實際送進模型的，還包括系統提示、角色標記與對話歷史，遠多於你打的那幾個字
以 GPT-3 的尺寸、半精度（每個數字 2 位元組）計算。整趟旅程中，旁邊始終躺著 350 GB 的權重，每吐一個 token 就要全部讀一遍。
| Token ID | 詞彙 50,257 個 < 65,536，每個 2 位元組夠用 | 3 × 2 = 6 B |
| Embedding | 12,288 個數 × 2 B = 24,576 B | × 3 ≈ 72 KB |
| 膨脹倍數 | 73,728 B ÷ 13 B | ≈ 5,700 倍 |
| K、V | 2 × 96 層 × 12,288 × 2 B ≈ 4.7 MB／token | × 3 ≈ 14 MB |
| 層內暫時膨脹 | 前饋中間放大 4 倍：49,152 × 2 B | 每 token 96 KB |
| 分數 | 50,257 × 2 B | ≈ 100 KB |
① 切成 token 其實是壓縮：13 B 變 6 B。真正暴增的是變成向量那一步。
② 每一層吃進去、吐出來的形狀都一樣。一層就是一個函式：傳入陣列，回傳同形狀的新陣列。
③ 跑完 96 層，只得到 1 個 token。一句回答是「挑一個、接回去、再跑一次」重複出來的。
課後問 Claude：「為什麼每個 token 要變成上萬個數字的向量？維度越高代表什麼？」「KV cache 每個 token 要多少記憶體？請用 GPT-3 的數字算給我看。」
計算依據：GPT-3 論文（寬度 12,288、96 層、詞彙 50,257）；半精度每個數字 2 位元組；切分沿用第 3 頁的 cat／eat(s)／fish 三個 token（未用切分器實測）
閉源前沿模型的架構沒有公開，這裡以開源前沿模型（Beam、DeepSeek、Kimi 等）的公開架構類比。
MoE：想讓模型知道更多，又不想每個 token 都算得更貴。
KV 壓縮（GQA、MLA）：GPT-3 每個 token 的 K、V 要 2 × 96 層 × 12,288 × 2 位元組 ≈ 4.7 MB；百萬 token 就是 4.7 TB，不壓縮放不下。
RoPE：把位置資訊改成在注意力裡「旋轉」Q、K，處理相對距離，長文延伸較容易。
課後問 Claude：「MoE 的 router 怎麼決定 token 交給哪幾位 expert？」「GQA 和 MLA 怎麼讓 KV cache 變小？」
資料：Beam 模型卡（Hugging Face，reflection/Beam-1.0-501B-A23B，2026/10）
很自然會以為：一位管醫學、一位管文學、一位管數學。實際上誰負責什麼，是訓練自己長出來的，而且主要不是按知識種類分。
某位專家剛好多被選幾次 → 多練幾次、變得更好用 → 更常被選 → 最後少數幾位包辦一切，其他專家閒置，等於白白浪費參數。這叫 Routing collapse。
2017 起：輔助誤差（Auxiliary loss）。分配不均就扣分，扣太重會傷能力。
2024 DeepSeek-V3：偏置值調整。每位專家一個偏置值，每一步檢查：太忙就調低 0.001，太閒就調高 0.001。只影響「選誰」，不影響算出來的答案。
限制的是每位專家分到的工作量，不是知識種類。
從頭到尾，沒有人告訴任何一位專家該管什麼。
稠密（Dense）：每個 token 用全部參數，例如 GPT-3。
稀疏（Sparse）：只用一小部分，最常見的是混合專家模型 MoE。
1991 提出時預期專家各管一類知識；2022->2024 分析發現主要不按主題分
課後問 Claude：「MoE 的專家分工是誰決定的？為什麼研究發現它們主要不是按主題分？」「什麼是 routing collapse？工程師用哪些方法避免？」
資料：Shazeer et al.（2017）；Mixtral of Experts（2024）；DeepSeek-V3 技術報告（2024）；The Illusion of Specialization（arXiv 2601.03425，2026）。Beam 的路由細節待技術報告公布
2024 年開始成為標配。量很小，卻決定了模型的專長和一次能讀多長。
換菜單：訓練尾聲學習率逐漸降低，這時餵高品質資料，對模型最終能力的影響特別大，所以把數學、程式、推理資料集中放在最後。
拉長度：長文訓練很貴，注意力的計算量隨長度平方成長，所以先用短文練完大部分，最後才把一次能讀的長度拉長。
替後訓練打底：2026 年的研究指出，中段訓練做得好，後面的強化學習才練得上去。
Mid-training中段訓練
Annealing學習率退火，尾聲換高品質資料
Data mixture資料配方，每類資料讀多少遍
Long-context extension長文延伸
RoPE scaling拉長 RoPE 能處理的距離，例如 YaRN
課後問 Claude：「Mid-training 和 pre-training 差在哪？為什麼要在訓練尾聲換成高品質資料？」
資料：Olmo 3 技術報告（AI2）；Beam 發表文（Reflection, 2026/10）；OctoThinker: Mid-training Incentivizes RL Scaling（ICML 2026）
重心在一年內從「教模型回答」移到「讓模型在幾百萬個模擬環境裡反覆練習做事」。
| 人類偏好 | RLHF、DPO |
| 可驗證的答案 | RLVR：數學對答案、程式跑測試 |
| 評分表＋評審模型 | Rubric、LLM-as-a-Judge |
| 環境自己判定 | RL Environments：任務完成了沒 |
前沿實驗室多半混合使用。逐步打分的獎勵模型（PRM）容易被模型鑽漏洞，前沿大多不用。
10/5 Reflection 發表 Beam，10/16 釋出權重。強化學習在 10,500 張 GB300 上跑了四週，超過 1 億次嘗試，用掉約 13 億個沙盒、近百萬個環境；多用不必要的 token 會被懲罰。
MLPerf 新增第一個後訓練基準。理由是 2025 下半年起，訓練的主要進展來自擴大後訓練。
10/2 研究：自我蒸餾能加速專精，但難推廣到訓練範圍之外。新方法還在被驗證。
附註：放這些例子，不是因為 Beam 特別重要，而是讓大家親眼看見第 1 頁說的速度。我之前的簡報，就是這樣一個月內變成侏羅紀化石的；這一格的內容下個月大概也會變化石。
課後問 Claude（請開網頁搜尋、要求附出處）：「請按順序解釋這些後訓練名詞，每個用一兩句話加一個例子：SFT、RLHF、DPO、RLVR、GRPO、Agentic RL、RL environment、LLM-as-a-Judge、On-Policy Distillation。它們分別解決了前一個方法的什麼問題？」
資料：Reflection 發表文與 TechCrunch、VentureBeat、MarkTechPost 報導（2026/10）；MLCommons（2026/09）；arXiv 2607.01763；Hugging Face 部落格〈How frontier models train on outcomes in 2026〉
一大堆隨機數，被幾萬次小調整同時推向「能猜對下一個字」的位置，智能就在這個過程中出現。
預訓練長出能力，
後訓練教它怎麼用。
「慢慢出現」還是「突然出現」？有些能力在測驗分數上看起來是突然跳出來的，但 2023 年的研究指出，換成連續的評分方式，能力其實是平滑成長的。
強化學習是創造了新的推理能力，還是把預訓練就有的能力挖出來？
2025 年的研究偏向後者；2026 年仍有正反兩方的論文，例如有研究認為 RLVR 確實在強化正確的推理，也有研究稱 RL 主要是放大預訓練學到的行為。
先說清楚：我不是照大陸的用法，支語警察請先別急著出動，這裡談的是語意。
什麼是智慧？什麼是聰明？請想想語意。所以我不用「人工智慧」這個字眼，而改用「智能」，因為智慧包含從細微徵兆看出未來趨勢這類高等生命的能力，現在的 LLM 還談不上。
課後問 Claude：「強化學習是創造了新的推理能力，還是把預訓練已有的能力引導出來？請找 2025->2026 年正反兩面的研究，並附出處。」
資料：InstructGPT（Ouyang et al., 2022）；Chain-of-Thought（Wei et al., 2022）；Are Emergent Abilities a Mirage?（Schaeffer et al., 2023）；Does RL Really Incentivize Reasoning Beyond the Base Model?（2025）
接下來的第二段：context window。
1. 模型只做一件事：猜下一個 token。
2. 預訓練長出能力，後訓練教它怎麼用。
3. 結構和分工是訓練長出來的，不是設計的。
4. 連做出它的人，也只看懂其中一小部分。
5. 權重訓練完就不再改變。
後訓練教會模型使用工具，但模型不記得你裝了哪些工具。每個工具的說明書，每次對話都要重新放進 context。
而 context 不是免費的：以 GPT-3 的尺寸計算，每個 token 的 K、V 要 4.7 MB，百萬 token 就是 4.7 TB。
context 能放多少、怎麼被吃掉、怎麼省著用，是下一段的主題。
課後問 Claude：「現在的模型能推理、論證條理分明，為什麼還說它『只是在猜下一個 token』？這句話說的是它的運作方式，還是它的能力上限？跟 2020 年還無法和人辯論推理的 GPT-3 比，差別到底在哪裡？」
右邊的 P3 表示出現在第 3 頁。挑一個你最好奇的開始問。
怎麼問比較好：告訴 Claude 你的背景（例如「我是程式設計師，請用變數和函式的方式解釋」）；為了減少模型幻覺，請它用網頁搜尋論壇、論文、官網，並附上出處。
第一段第 5 句說，權重訓練完就不再改變。所以它在對話裡「記得」的一切，都必須寫在這一張紙上。
Context window 是模型一次能處理的 token 上限。已經寫在紙上的，加上這一輪要寫的回答，合計不能超過。
模型本身不保存對話：每一輪都把整張紙重送一次。
紙的容量代表上限，例如 200K 或 1M token，但永遠只有一張。
| Claude Code 的操作 | session | 這張紙 |
|---|---|---|
開新 session/clear | 新的 | 換一張新紙；守則、記憶檔自動寫在最上面 |
/compact | 同一個 | 整張擦掉，最上面重寫一份摘要 |
/rewind | 同一個 | 擦掉某一行以下，從那裡重寫 |
| 子代理 | 另一件事 | 另一張紙，寫完只把幾行結論抄回來 |
一個 session 只有一張紙，不能同時寫兩張。/clear 會產生新的 session ID，等於開新 session。
課後問 Claude：「為什麼大型語言模型的 API 是無狀態（stateless）的？聊天 App 怎麼讓它看起來記得我？」
資料：Claude 官方文件〈Context windows〉；Claude Code 官方文件（/clear、/compact、/rewind、subagents）；classmethod 實測（Claude Code 2.1.72，2026/03/10）
業界兩年前就做到 1M。把它放進每天用的工具，又等了兩年。
1,000,000 ÷ 512 ≈ 1,953 倍
GPT-1（2018）到 2026 年，八年
約 75 萬個英文字
1 token 約 0.75 個英文單字。中文的換算比例不同，這裡不套用。
2024 年就有 2M，主流平台後來仍停在 1M 左右。原因 P27 會看到：放得進去，不等於讀得好。
課後問 Claude：「Llama 4 Scout 標稱 10M context，實際能用到多少？請開網頁搜尋第三方測試並附出處。」
資料：GPT-1／GPT-2／GPT-3 論文；OpenAI GPT-4 發表文（2023/03）；Google Gemini 1.5 發表文（2024/02、2024/06）；Meta Llama 4 發表文（2025/04）；Anthropic 發表文（2023/05/11、2023/11、2025/08/12、2026/03/13）
2025 年初，我用的是 claude.ai 網頁版。視窗只有 200K，而且看不到還剩多少，只能憑感覺猜。
每行 token 數與每次增加量都是推算。
對話已經用掉 190K，它這一輪就只剩 10K 能寫，程式寫到一半被切斷，而且不能再繼續。這正好就是 P15 的定義：輸入加輸出不能超過上限。
另一種切斷是單次回答寫到 8,192 的上限，那種通常還能叫它接著寫。
① 系統分析時就拆成獨立模組，每個控制在 2,000 行以下，debug 也比較容易。
② 覺得快滿了，先請 Claude 寫一份交接檔，再開新對話接著做。
課後問 Claude：「Context window 和 max output tokens 有什麼不同？為什麼一次叫 AI 寫很長的程式容易出錯？」
資料：Anthropic 模型文件（Claude 3.5 Sonnet 單次輸出 8,192 token）；Claude 3.7 Sonnet 發表文（2025/02/24，輸出放寬到 64K，beta 128K）；講者經驗
同樣撞到上限，各家的選擇不同：直接停下來、悄悄忘掉、先摘要再繼續。
為什麼聊天看不出來，寫程式就看得出來？
程式的每個變數名、每個數字，都必須一字不差。
課後問 Claude：「截斷（truncation）和摘要（summarization）兩種處理長對話的方法，各會丟掉什麼？」
資料：Claude 官方文件〈Context windows〉；Claude 說明中心〈自動 context 管理〉；Claude Code 官方文件（壓縮）。Grok 部分為講者觀察，xAI 未公開做法
壓縮對話就像把照片存成 JPEG：大輪廓留下來，細節丟掉。
JPEG 用的 DCT 是傅立葉轉換的親戚。丟掉高頻項＝低通濾波，所以變模糊。
能量集中：這張圖扣掉每格平均色之後，前 9 個低頻波紋就佔了約 70% 的能量。一般照片更集中。
低頻：大意、目標、做過的決定。
高頻：原文、精確數字、變數名、錯誤訊息。
寫程式需要的，偏偏是高頻。圖裡最先消失的，正是「x=42」。
JPEG 是每一格都均勻丟掉高頻。對話壓縮是模型自己寫摘要，是選擇性的：有些細節原封不動，有些整段消失。
反覆壓縮像反覆另存 JPEG，越存越糊（推論）。
課後問 Claude：「JPEG 的 DCT 和傅立葉轉換有什麼關係？為什麼丟掉高頻係數，人眼還認得出圖片？」
資料：JPEG 標準（ITU-T T.81, 1992）。圖為本課程以 Python 對 96×96 示範圖逐格計算 8×8 DCT，按 zigzag 順序保留低頻係數後還原
視窗擴大成 5 倍，但「用到多少才壓縮」改過好幾次，而且不一定有公告。從這頁起，講的是 Claude Code。
1,000K − 33K ＝ 967K
這 33K 就是 P23 截圖裡的「自動壓縮預留」：留給壓縮那一輪寫摘要用的空間。
/autocompact 500k：讓它在 500K 就壓縮
環境變數 CLAUDE_CODE_AUTO_COMPACT_WINDOW：100K->1M，只接受整數CLAUDE_CODE_DISABLE_1M_CONTEXT=1：固定在 200K
P17、P18 的經驗是 claude.ai 網頁版。P20 之後的壓縮點、P28 的交接，都是 Claude Code。
同一家公司，不同產品的做法和時間線並不一樣。
課後問 Claude：「Claude Code 的自動壓縮什麼時候觸發？怎麼用 /autocompact 或環境變數調整？請查官方文件並附出處。」
資料：Anthropic 發表文（2025/08/12、2026/03/13、2026/04/16）；Claude Code 官方文件（model-config、env-vars、changelog）；GitHub anthropics/claude-code #43989
「還剩多少」有兩個不同的答案：螢幕上給你看的數字，和寫進 context 給模型看的那一行字。
位置換過下方、上方，形式換過圓環、百分比。現在桌面版右側的 Context 卡片點開能看各項用量；打 /context 會在對話裡印出細項（P23）。
介面改版比官方文件還快，本頁以 2026-10 為準。
每次呼叫工具之後，系統在 context 裡寫進一行字，模型讀到才知道還剩多少：
已用 35000／200000 token（示意）
| 收得到 | Sonnet 4.5、Haiku 4.5、Sonnet 4.6、Sonnet 5 |
| 收不到 | Opus 系列至今都收不到；Opus 4.7 起改用 task budgets（beta） |
原因不是它瞧不起其他模型，而是：① 它的 context 裡沒有那行字；② 它的訓練資料比這個功能還舊。
模型只知道 context 裡寫了什麼。
課後問 Claude：「什麼是 context awareness？為什麼問 AI『你還剩多少 context』常常得到錯誤答案？」下一頁：視窗大了 5 倍，我們真的多出這麼多空間了嗎？
資料：Claude 官方文件〈Context windows〉（context awareness）；Claude Code 官方文件（desktop、/context）；講者經驗
What Andy giveth, Bill taketh away. 硬體每多給一分效能，軟體就把它用掉。
1990 年代電腦業的俗語。Andy 是 Intel 的 Andy Grove，Bill 是 Microsoft 的 Bill Gates：Intel 的晶片每快一點，Windows 和 Office 就變大一點。
軟體變慢的速度，比硬體變快的速度還快。
一年前的 200K 換算成程式：200K ÷ 每行 12->8 token ≈ 1.7->2.5 萬行（推算）。空間一直不是唯一的問題。
課後問 Claude：「Wirth's law 是什麼？手機 App 有哪些例子？」
資料：Niklaus Wirth, “A Plea for Lean Software”（IEEE Computer, 1995）；講者 Claude Code /context 截圖（2026/10）
這是一個新 session 只說了一句話之後的 /context，把紙最上面那一段放大來看。你打的字只有約 100 token。
紙底預留 33K 給壓縮用（P20：1,000K − 33K ＝ 967K）。
沒寫上紙的 71.7K：外接工具只先寫名字，用到才寫完整說明書（延後載入）。
對話內容 11.2K 的組成還沒查明：可能包括延後載入工具的名字清單、git 狀態等系統附加訊息（推測）。
每讀一個檔約 1,100->2,400 token；每查一次網頁、每跑一次指令的輸出，都寫在紙上。截圖和 PDF 特別佔位置，太多時 Claude Code 會整批移除最舊的圖片。
寫在紙上的每一段文字，不管是檔案、網頁還是工具輸出，模型都可能當成指令來讀。第三段再講。
課後問 Claude：「在 Claude Code 打 /context，每一項代表什麼？哪幾項我可以自己減少？」
資料：講者 Claude Code /context 截圖（2026/10）；Claude Code 官方文件（context window 互動說明頁、MCP、Tool Search）；Claude 官方文件（prompt caching：tools → system → messages）
Claude 沒有在背後偷偷記住你。所謂「記憶」，是每次開場時系統塞進 context 的幾份文字檔。
| 檔案 | 誰寫 | 什麼時候放進 context |
|---|---|---|
~/.claude/CLAUDE.md | 你（全域） | 每個 session 開場 |
專案的 CLAUDE.md | 你或團隊 | 在這個專案開場；官方建議不超過 200 行 |
CLAUDE.local.md | 你（個人，不進 git） | 在這個專案開場 |
.claude/rules/*.md | 你 | 處理到對應路徑的檔案時才載入 |
MEMORY.md（自動記憶） | Claude 自己 | 開場時只載入前 200 行或 25KB |
SKILL.md（技能） | 你或別人 | 開場只放一行描述，用到才讀全文 |
| claude.ai 的 Projects 與記憶 | 你和 Claude | 開新對話時 |
P23 截圖裡的「設定檔 2.4K」就是這些檔案。寫得越長，每一輪都要多讀一次。
session 中途修改 CLAUDE.md，要等 /clear、/compact 或重新啟動才會讀進來。
我的交接檔，就是這些功能的手工版。這份課程就是這樣接力做出來的：每開一個新 session，就先上傳上一份交接檔。
課後問 Claude：「CLAUDE.md 和自動記憶（auto memory）有什麼不同？為什麼 CLAUDE.md 寫太長反而有害？」
資料：Claude Code 官方文件（memory、skills、settings）；Claude 說明中心（Projects、記憶）
模型每讀一個 token，每一層都要留一份 K 和 V，讓後面的 token 回頭查。對話越長，筆記越大，而且要放在 GPU 記憶體裡。
64 個人各記一份，改成分 8 組、每組共用一份。
筆記先壓成縮寫存起來，要用時再展開。
每 4 或 128 個 token 合寫一則摘要，最近 128 個保留原文。
每吐一個字，都要把前面每個字的筆記讀一遍，所以對話越長，吐字越慢。
課後問 Claude：「什麼是 KV cache？GQA 和 MLA 各自怎麼讓它變小？」
資料：GPT-3 論文（2020）；Llama 3 70B 與 DeepSeek-V3 的模型設定檔；DeepSeek-V3 技術報告（2024/12）；vLLM 部落格（2026/04/24，V4 為 bf16 9.62 GiB）；NVIDIA H100 規格（80 GB，NVL 版 94 GB）。閉源模型的做法沒有公開
每一輪都要重送整張紙。前面那一大段跟上一輪一模一樣，可以沿用上次算好的結果；但這份結果只保存一段時間，過期就要重算。
| 快取存多久 | 過期後重算 | |
|---|---|---|
| 訂閱制 | 主對話 1 小時 | Pro、Max 不另外收錢，但會吃掉用量額度（折算方式未公開） |
| API | 預設 5 分鐘 可選 1 小時 | 按用量付費：重新寫入，照價收錢 |
例：Opus 5.5、紙上已有 500K，離開 20 分鐘回來。
5 分鐘快取已過期：重寫 500K × $5／百萬 ＝ $2.50
1 小時快取還在：讀取 500K × $0.20／百萬 ＝ $0.10
1 小時快取每次寫入比較貴（2 倍對 1.25 倍），但只要停頓常落在 5->60 分鐘之間，少重算一次就省回來：上例 500K 多付的寫入費是 500K × ($8 − $5)／百萬 ＝ $1.50，少重算一次省 $2.40。停頓都在 5 分鐘內，用 5 分鐘快取就好，它會免費續命。（Opus 5.5、Sonnet 5.5 讀取是 0.05 倍，其他模型 0.1 倍。）
① 用 API key 跑 Claude Code，快取只有 5 分鐘。
② 離開超過 1 小時，訂閱制也過期；回來先 /clear 或交接（P28）。
③ 快取冷掉時做 /compact 最貴。
④ 規則會變：2026/03 曾有人觀察到快取從 1 小時變 5 分鐘，沒有公告。
會失效：換模型、壓縮、升級。不會：改檔、改 CLAUDE.md、/rewind、子代理。
課後問 Claude：「Prompt caching 的 5 分鐘和 1 小時快取各適合什麼情況？請用實際停頓時間算給我看哪一種比較省。」
資料：Claude 官方文件（prompt caching、pricing）；Claude Code 官方文件（prompt caching）；GitHub claude-code #46829（2026/03 快取變更的第三方分析）。快取是否存 KV cache 未公開（推測）
同樣標稱 1M，在 1M 長度的測驗上，各家分數從 26% 到 78%。而且幾乎所有模型，資料越長表現越差。
一長串對話裡，有 8 次請它寫同一個主題的詩。最後問「第 3 首是什麼」，要原文照抄。
廠商自報，測試設定不同，只看大方向。灰色為 2025 年舊模型。
問：「誰去過德勒斯登？」
文中只寫：「小明住在森帕歌劇院旁邊。」
要知道森帕歌劇院在德勒斯登，才答得出來。問題和答案沒有共同的字。
Chroma 測了 18 個模型，全部都隨輸入變長而退步。
每個模型都是精簡版分數比較高。干擾資訊越多，表現越差。
放對的東西，比放多的東西重要。
兩種模糊不一樣：P19 是壓縮造成的，內容被改寫成摘要；這一頁是太長造成的，內容一字未改，是模型自己讀不清楚。
課後問 Claude：「什麼是 context rot？為什麼『大海撈針』（needle in a haystack：在長文裡藏一句話，看它找不找得到）測驗拿高分，不代表長文件讀得好？」
資料：Chroma〈Context Rot〉（2025/07/14）；NoLiMa（Adobe，ICML 2025）；MRCR v2 分數取自 Google、OpenAI、Anthropic 發表文（2025/06->2026/03），GPT-5.5 經 CodingFleet 轉述
視窗是 1M、967K 才壓縮。但每一輪都要重讀全部，越後面的輪次越貴，也讀得越不清楚。
假設剩下 23 輪，每輪增加 20K。快取讀取 $0.20／百萬，1 小時寫入 $8／百萬。
休息回來的代價：快取冷掉後要全部重新寫入。500K 要 $4.00，900K 要 $7.20，40K 只要 $0.32。所以長時間休息前先交接。
訂閱制要換算成用量額度。
交接 vs 壓縮：只看錢，在 500K 手動 /compact 也省得差不多。交接贏在：由你決定留什麼；檔案在磁碟上，可以檢查、進 git、換工具也能用；一直待在讀得清楚的區間（P27）。
200K 時代交接是為了活命；
1M 時代交接是為了省錢，也為了讓它讀得清楚。
課後問 Claude：「為什麼長對話的成本隨輪數平方成長？Prompt caching 改變了什麼、沒改變什麼？」
資料：Anthropic 價格頁（Opus 5.5 基本輸入 $4／百萬 token，快取讀取 0.05 倍、1 小時寫入 2 倍）；輪數與每輪增加量為試算假設
在工作 session 裡閒聊，那幾段話會一直留在 context，後面每一輪都要重讀，還會干擾它。
| 你想做的事 | 去哪裡 | 為什麼 |
|---|---|---|
| 問跟這份工作有關的事 「這個函式在做什麼？」 | 側聊Ctrl+;Mac： Cmd+;或 /btw | 讀得到整段主對話，問答不會寫回主對話 |
| 問跟工作無關的事 查新聞、問生活問題 | 另開 chat | 不用背著 500K 的主對話 |
| 要它動手改、跑、查 | 主對話 | 側聊沒有工具 |
沒有工具，只回答一次；快取還在時很便宜；桌面版不存檔，關掉 App 就沒了。按 f 可以把它分出去，變成有工具的背景子代理。
閒聊會一直留在 context 裡，成為 P27 Chroma 研究所說的干擾資訊。閒聊時如果順便查了網頁，一次就可能多出 10K->30K。
課後問 Claude：「Claude Code 的 /btw 和開子代理有什麼不同？各適合什麼情況？」
資料：Claude Code 官方文件（desktop、interactive mode）；Chroma〈Context Rot〉（2025/07/14）；價格以 Opus 5.5 API 快取讀取計算
業界把這整套做法叫 context engineering：決定什麼該放進 context、什麼不該。
/context：看看是誰吃掉的/clear記住：壓縮之後，它記得大意，但不記得原文。
課後問 Claude：「Claude Code 的 /compact 會保留什麼、丟掉什麼？什麼時候該用 /clear 而不是 /compact？」
資料：Claude Code 官方文件（MCP、Tool Search、subagents、compaction、env-vars）；子代理數字為官方互動說明頁的示意值
接下來的第三段：Git＋Claude Code＋subagent。
1. 權重不會變，模型能用的只有 context 裡的東西。
2. 進 context 的，大多不是你打的字。
3. 每一輪都要重讀全部：越長越貴、越慢。
4. 放得進去，不等於讀得好；壓縮還會丟掉細節。
5. 放對的東西，比放多的東西重要。
對應頁：① P15、P21、P24 ② P22->P24 ③ P25、P26、P28 ④ P19、P27 ⑤ P28->P30
該交接就交接，該分開就分開。
第三段的子代理和 worktree，就是把「分開」做得更徹底：每件工作有自己的一張紙（context）、自己的一份程式碼，互不干擾。
課後問 Claude：「什麼是 context engineering？它跟 prompt engineering 差在哪裡？請開網頁搜尋並附出處。」
第三段：Git＋Claude Code＋subagent。先看這幾年人和 AI 的分工怎麼變。
課後問 Claude：「Karpathy 為什麼說 vibe coding 過時了？agentic engineering 和 vibe coding 差在哪裡？請開網頁搜尋並附出處。」
資料：GitHub Copilot 發表（2021/06）；Karpathy 的 X 貼文（2025/02/02、2026/02）；Anthropic Claude Code 發表（2025/02/24 研究預覽、2025/05/22 正式版）；Collins 年度詞彙（2025/11/06）；講者經驗
第一段說模型只會猜下一個 token。它能改檔案、跑程式，是因為 Claude Code 照著它在紙上寫的字去做。
| 零件 | 做什麼 | 見 |
|---|---|---|
| 工具 | 讀檔、改檔、執行指令、搜尋、抓網頁 | P23 說明書 24.1K |
| 權限模式 | 每一步都問你／自動接受改檔／只規劃不動手 | P34 |
| CLAUDE.md | 專案守則，每次開場寫在紙的最上面 | P24 |
| 技能 | 做事手冊，開場只放一行描述，用到才讀全文 | P24 |
| Hooks | 在特定時刻自動執行的程式，例如改檔後自動檢查格式 | |
| 外接工具（MCP） | 接上 GitHub、資料庫、瀏覽器等外部服務 | P23 說明書 14K |
| 子代理 | 另一張紙，做完只把結論抄回來 | P43 |
模型只會寫字，動手的是 Claude Code。
步驟 ③ 很重要：檔案、網頁、指令的輸出，全部原封不動寫回紙上。P48 的 prompt injection 就是從這裡鑽進來的。
課後問 Claude：「什麼是 agent loop？Claude Code 呼叫一個工具時，模型實際上輸出了什麼？」接下來：現場示範 Claude Code desktop
資料：Claude Code 官方文件（tools、permissions、hooks、skills、MCP、sub-agents）
Plan mode：它只讀、不改檔，先交出一份計畫。你改到滿意，才讓它動手。
「把力氣花在計畫上，讓 Claude 一次就把實作寫對。」
Claude Code 團隊分享的使用技巧（2026/01）
寫錯的程式要讀、要改、要退回，每一步都寫在紙上（第二段）。計畫只有幾百字，改計畫比改程式便宜得多。
① 一次一件事。
② 先講好驗收標準：怎樣才算做完。
③ 大工作拆小，每塊各自規劃（P17 的 2,000 行）。
課後問 Claude：「Claude Code 的 plan mode 是什麼？什麼情況該先規劃、什麼情況可以直接做？」
資料：Claude Code 官方文件（permission modes、plan mode）；Boris Cherny 與 Claude Code 團隊的技巧貼文串（2026/01/31）
寫報告時你一定看過這種資料夾。現在換成 AI 一次改十幾個檔案，問題會放大很多倍。
三個答不出來的問題：哪一版是好的？兩版差在哪裡？誰改的、為什麼改？
你不逐行讀 AI 寫的程式，所以一定要能「看它改了什麼」和「改壞了就退回」。有版本控制的話，P17 那具半截程式屍體，一行指令就能救回來。
課後問 Claude：「什麼是版本控制？不用版本控制寫程式，會遇到哪些問題？」
做出 Linux 的 Linus Torvalds，為了管理 Linux 核心的程式碼，自己寫了一套版本控制系統。
git 是 20 年前為了管理全世界最大的開源專案設計的，夠快、夠穩、不怕伺服器壞掉。Claude Code 選它當底層，不是偶然。
課後問 Claude：「Linus Torvalds 為什麼要自己寫 git？集中式和分散式版本控制差在哪裡？」
資料：GitHub Blog〈Git turns 20: A Q&A with Linus Torvalds〉（2025/04）
把專案變成一串存檔點。每個存檔點都記得「改了什麼、為什麼改」，隨時可以回去。
| 動作 | 指令 | 白話 |
|---|---|---|
| 開始記錄 | git init | 在資料夾裡建出一個 .git，從此開始記 |
| 存檔點 | git commit | 把目前的狀態存一份，附一句說明 |
| 看差異 | git diff | 改了哪幾行：紅色刪掉、綠色新增 |
| 看歷史 | git log | 一路以來的所有存檔點 |
| 退回 | git restore 等 | 回到某個存檔點的樣子 |
叫 Claude 做就好，它會替你 commit，還會寫說明。但你要知道這些動作存在，才知道可以叫它做什麼。
你不必會寫程式，但要會看「AI 改了什麼」。
課後問 Claude：「請教我 git 和 GitHub 的基本用法：init、commit、diff、branch、merge、push、pull request，每個都用一個例子說明。」
資料：git 官方文件（git-scm.com）
從某個存檔點分出一條支線（branch），在上面放心試；成功了再合併（merge）回主線。
每條支線都有自己的一串存檔點，互不影響。main 永遠保持能用的狀態。
把支線上的修改合進 main。改的是不同地方，git 會自動合好。
兩條支線改了同一行，git 不會亂猜，它停下來，讓人選要留哪一個。
課後問 Claude：「git 的 branch 和 merge 是什麼？發生 merge conflict 時要怎麼處理？」
資料：git 官方文件（git-scm.com）
git 管你電腦裡的歷史；GitHub 是放 git 專案（repository，簡稱 repo）的網站，讓大家一起看、一起改。
中國的匿名部落客，2009 年起寫翻牆、網路安全等主題，部分專案放在 GitHub 上。
2021 年 5 月停止更新。據自由亞洲電台、無國界記者、PEN America 報導，2023 年一審以「煽動顛覆國家政權罪」判刑 7 年；2024 年時二審仍未判決。
停更之後，讀者把他的內容 fork、鏡像到許多地方。
這就是上一頁的「分散式」：
每一份複製都是完整的。
課後問 Claude：「GitHub 和 git 有什麼不同？什麼是 pull request 和 fork？」
資料：GitHub Octoverse 2025（2025/10/28）；自由亞洲電台（2023/03/22、2024/07）；無國界記者（RSF）；PEN America
git 的功能多到可以寫一本書，但要讓好幾個 Claude 同時工作，只需要兩層結構。
每個 Claude 在自己的資料夾、自己的支線上工作，互相看不到對方改到一半的檔案，也就不會互相覆蓋。
每個 session 是自己的一張紙（第二段），每個 worktree 是自己的一份程式碼。
--worktree課後問 Claude：「git worktree 是什麼？和 branch 有什麼不同？為什麼平行跑多個 Claude Code 要用 worktree？」
資料：Claude Code 官方文件（worktrees）；Boris Cherny 的 X 貼文串（2026/01/31、2026/02/21）
介面上看到的每樣東西，在硬碟上都是看得到、打得開的普通檔案和資料夾。
你的專案/ ├── .git/ 全部歷史（git init 產生） ├── .gitignore 不進版本控制的檔案清單 ├── CLAUDE.md 專案守則 進 git ├── CLAUDE.local.md 個人偏好 不進 git ├── .claude/ │ ├── settings.json 權限、hooks 進 git │ ├── settings.local.json 個人設定 不進 git │ ├── agents/ skills/ commands/ rules/ │ └── worktrees/<名字>/ 平行 session 的資料夾 └── 你的程式 ~/.claude/ 在你的家目錄，不在專案裡 ├── CLAUDE.md 個人全域守則 └── projects/<專案>/ ├── <session>.jsonl 完整對話紀錄（預設 30 天後刪除） └── memory/MEMORY.md 自動記憶
放密碼、金鑰的 .env 要寫進 .gitignore。一旦推上公開的 GitHub，就等於公開了，事後刪掉也來不及，因為歷史裡還有。
worktree 是全新的資料夾，不會有 .env；要用的話，寫進 .worktreeinclude，Claude Code 會自動複製過去。
CLAUDE.md、MEMORY.md、技能，就是 P24 那堆「開場寫在紙最上面」的 .md。現在你知道它們放在哪裡了。
課後問 Claude：「Claude Code 的 .claude 資料夾裡各個檔案是做什麼的？哪些應該 commit 進 git，哪些不應該？」
資料：Claude Code 官方文件（.claude directory、worktrees、settings）
不熟 git 的人，每次介面改版就暈頭轉向。熟 git 的人看得出來：按鈕換了位置，做的還是同幾件事。
| 介面上 | git 的概念 |
|---|---|
| 專案資料夾的名字 | repository |
| 「main」 | branch |
| 「變更 +3,871 −0」 | git diff：新增 3,871 行、刪除 0 行 |
| 「建立 PR」 | GitHub 的 pull request |
| 開 session 時選「worktree」 | git worktree |
/rewind 不是 git它是 Claude Code 自己的存檔，只在這個 session 裡有效。要長期保存、要能分享，還是要 commit。
學會 git，
介面怎麼改都不會暈。
Claude Code 也能用 hooks 換成別的版本控制系統，但預設是 git。以 git 的地位，這個底層短期內應該不會換（推論）。
課後問 Claude：「Claude Code 的 checkpoint（/rewind）和 git commit 有什麼不同？各適合什麼時候用？」
資料：Claude Code 官方文件（checkpointing、worktrees、desktop）；講者 Claude Code desktop 截圖（2026/10）
主代理把一件事派出去，子代理在自己的紙上做完，只把結論抄回主對話的紙上。
看不到主對話、看不到主代理已經讀過的檔案。
只拿到自己的守則、主代理寫的任務說明、CLAUDE.md、git 狀態。
只交回結果摘要。
子代理還能再派子代理，預設最多三層；也能各自放在自己的 worktree 裡。
搜尋、讀大量資料、審查、彼此不相干的工作。
課後問 Claude：「Claude Code 的 subagent 是什麼？它和主對話共用 context 嗎？什麼工作適合交給 subagent？」
資料：Claude Code 官方文件（sub-agents、context window 互動說明頁）
多一張紙，就多一份要讀、要付錢的內容；而且子代理只知道你交代給它的那一段話。
子代理看不到主對話，所以主代理寫給它的那段說明，就是它知道的全部。說明寫不清楚，它就照著錯的方向認真做完。
跟第二段 P28 的交接檔是同一件事：誰寫交接、留了什麼，決定了下一張紙的品質。
所以要用在值得的工作上。
| 適合 | 不適合 | |
|---|---|---|
| 工作型態 | 可以拆開、彼此獨立：同時查五個主題、同時審三個檔案 | 步步相依、需要大量共同背景：一個環環相扣的大改動 |
| Anthropic 的觀察 | 廣度優先的研究，最適合多代理 | 寫程式真正能平行的部分，比研究少 |
| 回來的東西 | 只要結論就夠的工作 | 需要每個細節的工作：摘要會丟細節，跟 P19 的壓縮一樣 |
課後問 Claude：「為什麼多代理系統比單一代理花更多 token？什麼樣的工作值得用多代理？」
資料：Anthropic Engineering〈How we built our multi-agent research system〉（2025/06/13）；Claude Code 官方文件（sub-agents）
2026 年 1 月聽 Boris 說他同時跑大約 15 個工作，大家都覺得神奇。我自己用了之後，發現可以用一個大家都懂的方式解釋。
每個子代理（或 session）就像一個分頁，在自己的紙上平行做自己的事。能同時跑，是電腦的事，不是你的本事。
難的是規劃能力和系統分析能力，
不是工具。
Boris 公開說的是：終端機 5 個加網頁 5->10 個 session，同時進行（2026/01 的 X 貼文）。
課後問 Claude：「怎麼把一個大型程式工作拆成可以平行交給多個 AI 代理的小工作？拆的時候要注意什麼？」
資料：講者經驗；Boris Cherny 的 X 貼文串（2026/01/02）
從一個 session 裡的幾張紙，到不佔你電腦的雲端工作。越往下，越能同時做更多事，也越需要事先規劃。
| 層次 | 怎麼開始 | 各自有什麼 | 適合 |
|---|---|---|---|
| ① session 裡的子代理 | 對 Claude 說「用子代理去做」 | 各自一張紙；共用同一份程式碼（也可各給一個 worktree） | 搜尋、審查、同時查好幾件事 |
| ② 多個 session＋worktree | desktop 開好幾個 session，選 worktree | 各自一張紙、各自一份程式碼 | 同時開發不同功能、同時修不同 bug |
| ③ 背景或雲端 | 交給雲端執行，或用手機派出去 | 不佔你的電腦，你離開也繼續做 | 長時間的工作、上班前派出去、下班回來驗收 |
2026 年 1 月：終端機 5 個、網頁 5->10 個 session 同時進行。
2026 年 5 月的訪談：平常 5->10 個 session，每晚跑「幾千個」子代理。
雲端 session；有時間的話，示範上班前用手機派出子代理。
課後問 Claude：「Claude Code 的 subagent、多個 session 加 worktree、雲端背景執行，三者有什麼不同？各適合什麼情況？」
資料：Claude Code 官方文件（agents、worktrees、desktop）；Boris Cherny 的 X 貼文串（2026/01/02）；Business Insider 轉述 Sequoia 訪談（2026/05）
P1 那句 Boris 的話：「我不再 prompt Claude 了，我寫 loops，讓 loops 去 prompt Claude。」現在可以看懂它在說什麼。
claude -p "……"：一行指令跑一次，不用人在旁邊先把第一層練熟：指令講清楚、會看 diff。再練第二層：會拆工作、會驗收。第三層是把第二層的規劃寫成程式，前兩層不熟，迴圈只會更快地做錯事。
課後問 Claude：「Boris Cherny 說『我的工作是寫 loops』是什麼意思？Claude Code 的 headless 模式和 Agent SDK 可以用來做什麼？」
資料：Boris Cherny 2026/06 現場訪談（The New Stack 2026/06/10 轉述）；Claude Code 官方文件（headless、Agent SDK、workflows）
P33 的步驟 ③：檔案、網頁、工具的輸出，全部原封不動寫回紙上。模型分不出哪段是你的指令、哪段只是資料。
網頁、別人的 repo 裡的 README 或程式註解、文件、外接工具回傳的資料。只要會被寫上紙，就可能藏著指令。
.env 不進 repo，不給它讀（P41）權限開得越大，被騙時的損失越大。
課後問 Claude：「什麼是 prompt injection？使用 AI 代理時有哪些防範方法？請舉實際發生過的例子並附出處。」
資料：Claude Code 官方文件（security、permissions、sandboxing）
模型被訓練成讓人滿意（第一段 P11 的偏好訓練），所以它可能順著你說，或在沒做完時就說做完了。
順著你說（sycophancy，諂媚）：你的想法有問題，它也說好；你一質疑，它就改口。
假完成：說「測試都通過了」，其實沒有跑；或者為了讓測試通過，把測試改鬆。
第一段 P11 的推理強化（RLVR）：程式跑測試，對了才給獎勵。測試是客觀的裁判，不會被說服。
Boris 的頭號技巧：「給 Claude 一個驗證自己工作的方法。有了這個回饋迴圈，最終結果的品質會好 2->3 倍。」
| ① 先講驗收標準 | 動手前就說好：怎樣才算做完 |
| ② 叫它先寫測試 | 再叫它寫程式、自己跑測試，把結果貼出來 |
| ③ 自己看 diff | 它改了什麼，尤其注意有沒有動到測試本身 |
| ④ 派另一個子代理審查 | 新的一張紙，沒有被前面的對話說服過 |
| ⑤ 糾正後寫進 CLAUDE.md | Boris：每次糾正完，叫它「更新 CLAUDE.md，以後別再犯」 |
課後問 Claude：「什麼是 AI 的 sycophancy？用 AI 寫程式時，怎麼確認它真的完成了工作？」
資料：Boris Cherny 與 Claude Code 團隊的技巧貼文串（2026/01/31）
網路上的中文資料比英文少很多，但前沿模型的中文能力，跟英文差距已經很小。
Common Crawl（2026 年 10 月那一期），以網頁篇數計算，未經清洗。各家清洗後的訓練配比都沒有公開。
| 簡體中文 | 日文 | 韓文 | |
|---|---|---|---|
| Sonnet 4.5 | 96.9% | 96.8% | 96.7% |
| Haiku 4.5 | 94.2% | 93.5% | 93.3% |
人工翻譯的 MMLU 測驗。韓文的網頁只有中文的約 1/5，分數卻幾乎一樣。官方只測簡體，繁體沒有官方數字。
① 用中文下指令就夠了，差距約 3->7%。
② 專有名詞、程式碼、錯誤訊息保留英文原文。
③ 明講「請用繁體中文回答」。
課後問 Claude：「為什麼網路上中文資料遠少於英文，大型語言模型的中文能力卻跟英文差不多？請附出處。」
資料：Common Crawl 統計（CC-MAIN-2026-43）；Claude 官方文件〈Multilingual support〉
三段串起來：模型怎麼運作 → 它能用的只有一張紙 → 怎麼把紙和程式碼分開，再用 git 和測試兜底。
1. 模型只會寫字，動手的是 Claude Code。
2. 先規劃再動手；計畫對了，程式才寫得對。
3. git 是後悔藥，也是平行宇宙；介面會變，git 不會。
4. 子代理是另一張紙；難的不是數量，是規劃。
5. 它說完成了不算，測試和 diff 說了才算。
模型只做一件事：猜下一個 token。權重訓練完就不再改變。
它能用的只有一張紙。放對的東西，比放多的東西重要。
把紙和程式碼分開，用 git 和測試兜底；真正的能力是規劃。
回家之後：每一頁最下面的「課後問 Claude」，挑一個開始問。記得請它開網頁搜尋、附上出處。