經過前面介紹與說明，我們已經從認識 Claude Code CLI，逐步了解它的工作模式、Context、Prompt、MCP、Hooks、Slash Commands 與 SKILL.md。今天就把這些概念全部串起來，整理成一套實際開發時可以使用的 AI 開發流程。

第一步是先了解專案。不要一開始就要求 Claude Code 直接修改程式，而是先讓它閱讀專案結構、了解使用的技術與目前的程式設計方式。如果專案已經建立 CLAUDE.md 或相關 Skill，也可以先讓 Claude 依照這些規則工作。這一步的重點就是建立正確的 Context。

第二步是清楚描述需求。好的 Prompt 應該包含目標、背景、限制條件與預期結果。例如不要只說「幫我新增登入功能」，而是說明使用什麼驗證方式、哪些檔案可以修改、需要保留哪些既有功能，以及完成後需要通過哪些測試。

第三步是先分析，再執行。面對比較複雜的需求，可以先使用 Ask 模式，讓 Claude Code 分析問題並提出實作計畫。確認方向正確後，再進入 Edit 或 Agent 模式執行修改。這樣可以降低 AI 一開始就做出大量錯誤修改的風險。

第四步是善用工具與自動化。如果任務需要操作 GitHub、資料庫或其他外部服務，可以透過 MCP 擴充 Claude Code 的能力；如果有固定的測試、Lint 或格式化流程，則可以利用 Hooks 自動執行。對於經常重複的任務，也可以整理成 Slash Commands 或 Skill，避免每次重新輸入相同指令。

第五步是驗證結果。AI 完成工作並不代表任務真的完成。開發者仍然需要檢查程式碼、執行測試、確認功能，以及查看 Git Diff，確保沒有修改到不相關的內容。尤其涉及資料庫、部署或敏感設定時，更應該仔細確認。

最後，可以把整個流程濃縮成：

理解 Context → 撰寫 Prompt → 分析需求 → 選擇工作模式 → 執行修改 → 使用工具 → 測試驗證 → 人工 Review。

這套流程真正重要的地方，不是讓 AI 代替開發者，而是讓 AI 負責大量重複性的工作，開發者則專注在需求、架構、判斷與品質。

最後，我們可以發現，Claude Code CLI 真正強大的地方並不是「寫得多快」，而是能把 AI 整合進完整的軟體開發流程。接下來，就可以開始進入更實際的專案實戰，真正把這些技巧運用在日常開發中。