前兩天，Day 14 的 OpenAI，對我來說比較像從 Chat、GPTs、Live 一路往 Codex 移動：先聊天，再把已經穩定的工作流程交給 AI 代理人（Agent）執行。Day 15 的 Google 則是另一條路，AI Studio 很適合先測模型，NotebookLM 則讓我先決定知識邊界，再從指定資料裡整理脈絡。
今天換到 Claude。
如果要用一句話形容我目前對 Claude 生態系的感覺，我大概會說：
它很像一位非常會進入工作狀態的工程師。
這不代表 Claude 在所有任務、所有情境都一定比其他模型強。AI 工具更新得太快，這種冠軍宣言通常活不過幾個版本。
但至少以我自己的工作流程來說，Claude 有兩個入口我非常常用：Claude Design 和 Claude Code。
前者負責把知識和成果變成可看的視覺初稿；後者則直接進入專案檔案、終端機與開發環境，開始真正工作。
而且走到 Claude Code 之後，前面幾天談過「AI 如何理解任務、使用工具、完成工作」這些概念，會突然從課本名詞變成每天會碰到的事情。
註：Claude 的產品同樣更新非常快。以下內容以 2026 年 8 月撰文時的功能與我的個人工作方式為主，未來介面、功能與方案限制都可能改變。
我自己很常用 Claude Design 做投影片。
原因不是它可以讓我突然變成專業視覺設計師，而是設計工作最麻煩的一步，常常不是最後那 10% 的細修，而是：
一開始到底要長什麼樣子？
假設今天我要做一份四頁簡報。
腦中可能只有：
第一頁談問題。
第二頁談現在的工作流程。
第三頁談未來架構。
第四頁收斂成下一步。
內容大概知道，但真正打開 PowerPoint 之後，常常會盯著白色頁面三分鐘。
標題放哪？
要不要有大圖？
流程圖要橫的還是直的？
四頁要共用什麼視覺語言？
最後可能花最多時間的，是把文字框從左邊拖到右邊，再拖回左邊。
Claude Design 對我而言最有價值的地方，就是先把這個「零到一」做掉。
Anthropic 在 2026 年推出 Claude Design，目前可以透過對話建立設計稿、互動原型、簡報與其他視覺內容。它的介面很直覺：左邊聊天，右邊畫布。你描述想做什麼，它先產生一/多個版本；接著可以用對話、註解或直接拖拉元素繼續修改。
而且它不只是在空白模板上亂畫。現在可以匯入既有的簡報、文件、設計系統或程式專案，讓 Claude 盡量沿用原本的色彩、字體與元件。完成後也可以輸出成 PPTX、PDF、HTML，甚至直接交給 Claude Code 繼續處理。
對我來說，這很符合 Day 9 Prompt Iteration 的邏輯。
第一次生成不是答案。
是：
終於有一個東西可以開始嫌了。
這非常重要。
「我想要專業一點」是一個模糊需求。
但當第一版真的出現在眼前之後，我就能說：
這張字太多。
這張的重點不夠突出。
圖片太像 AI 生成。
這裡應該用流程圖，不是六個方框。
設計開始從感覺，變成可以回饋的東西。
這裡有一個可能有點奇怪、但我自己很常用的混搭流程。
Claude Design 做出簡報初稿後，我不一定會一路留在 Claude 裡修到底。
有時候我會把 PPTX 輸出，再交給 Codex 做後面的投影片修正。
例如：
Claude Design
↓
先完成視覺方向與版面骨架
↓
輸出 PPTX
↓
Codex
↓
統一文字、修內容、檢查頁數
↓
修改指定頁面或批次處理
↓
人工驗收
為什麼不堅持一家公司做到底？
因為我不覺得 AI 工具需要有品牌忠誠度。
Claude Design 如果比較快讓我拿到一份能看的視覺初稿，我就用 Claude Design。
Codex 如果在後續檔案修改、批次處理或反覆執行上更符合我的習慣，我就換 Codex。(重要的還是Codex性價比較高..)
最後如果還要人工拉一下元素，我就打開 PowerPoint。
工具不是宗教。
沒有規定用了 Claude Design 之後，接下來十個步驟都必須繼續向 Anthropic 宣誓效忠。
能把工作完成比較重要。
真正讓我最常回到 Claude 的工具，其實還是 Claude Code。
它最初給人的印象當然是一個寫程式的代理人。你可以把它放進專案資料夾，讓它讀程式、修改檔案、執行指令、測試結果，再根據錯誤繼續修正。
但 Anthropic 現在自己對 Claude Code 的描述也已經不只停在「幫你寫程式」。只要能在電腦裡完成的事情，例如寫文件、搜尋檔案、整理資料，都可能交給它處理。
這點和我自己的使用感受很接近。
我不會把 Claude Code 理解成：
「我不會寫 Python，所以請 AI 幫我寫 Python。」
而比較像：
「這個資料夾現在是一個工作空間，你進去看看怎麼把事情完成。」
例如：
讀取這個資料夾裡的訪談逐字稿，
找出所有和「資料取得困難」有關的內容，
整理成 Markdown 報告，
保留原始檔名與引用位置，
最後把結果放到 reports/。
這件事情技術上可能需要 Python。
也可能只需要終端機、搜尋工具與文字處理。
但我不需要先決定。
我比較關心：
結果有沒有完成？
這也是代理式開發對我最有意思的地方。
寫程式開始從「工作本身」，逐漸退到「AI 完成其他工作時會使用的一種能力」。
現在 Claude Code 可以在終端機、程式編輯器、桌面版與網頁上使用。
我自己比較常接觸的是 Claude Code 桌面版 和命令列介面（CLI）。
兩者底層概念其實一樣：Claude Code 會先蒐集脈絡、採取行動，最後驗證結果。這就是前面一直談的代理循環。
但操作感受差很多。
桌面版有圖形介面，可以同時管理多個工作階段，旁邊有終端機、檔案編輯器、修改差異，也能看即時預覽。對不習慣終端機的人，這是一個較容易進入代理式開發的入口。
尤其是修改多個檔案時，圖形介面有一個很直接的好處：
我比較容易看出它到底動了什麼。
AI 說：
已完成修改。
這句話我現在已經不太會直接相信。
不是因為 Claude 特別不可信，而是因為 Day 9 已經談過：
會驗收，比會下提示更重要。
有修改差異可以看，就看。
有測試可以跑，就跑。
有預覽可以開，就開。
「AI 說可以」只能算第一輪證詞。
命令列則是另一種感覺。
你進到專案資料夾：
cd my-project
claude
接下來代理人、終端機與檔案系統幾乎就在同一個工作環境裡。
命令列的價值不只在「文字介面比較宅」。
真正有意思的是，命令列讓 AI、檔案與終端機待在同一張工作桌上。隨著工作變複雜，之後當然還會接觸更多功能；但今天先知道它能讀資料夾、執行指令、修改並驗收結果，就夠了。
Day 9 那句：
Agent ≈ Model + Harness
到了 Claude Code 裡會特別有感。
/insights：我本來想叫 AI 寫程式，它卻開始分析我Claude Code 的 /insights 會回顧你過去的工作階段，整理常做的任務與常卡住的地方。它最有意思的不是多一個指令，而是提醒我們：AI 不只可以替你做事，也可以幫你看見自己的工作習慣。
如果我發現自己每次都先叫 AI 大改，改完才發現需求沒說清楚，問題可能不在模型，而是該先把需求寫好。這又回到 Day 1 的主題：觀察 AI，也觀察自己。
Anthropic 在美國時間 2026 年 8 月 7 日釋出 Claude Code，加入跨工作階段傳訊。以前同時開著前端與後端兩個工作階段時，人類常得充當傳聲筒：複製貼上、切換視窗，再重新解釋一次。現在可以直接請 Claude 把摘要傳給另一個正在工作的 Claude。
例如，前端工作階段完成 API 串接後，可以請它告訴後端工作階段：「欄位已改成這樣、測試通過哪些、下一步要注意什麼。」接收方拿到的是一則標示來源的文字訊息，不是完整對話紀錄、檔案或權限。因此它比較像同事之間的交接便條，而不是把兩顆大腦硬接成一顆。
ClaudeDevs 的說法很貼切：不用跑到另一個工作階段重新解釋，可以叫 Claude 去講。這能減少重複交代，但不會自動解決兩個代理人同時改同一個檔案的衝突；檔案分工、版本控制與人工驗收仍然需要。
Claude Code 完成一輪工作後，重要的結果不必只讓同一個工具自己檢查。OpenAI 也提供可在 Claude Code 中呼叫 Codex 的外掛；我有時會把成果交給 Codex 再看一次，請它找遺漏、矛盾或沒有符合需求的地方。
這不是在選「誰比較強」，而是避免同一個思路一路往前衝。就像兩個學生對答案，仍可能一起算錯；最後還是要回到需求、測試與人工驗收。
初學者不必現在就記住更多功能名稱；先養成「AI 做完，我要驗收」的習慣就很夠用了。
講了這麼多優點，當然還是有我自己最有感的缺點。
用量。
我在重度使用 Claude Code 時，最有感的不是它不能做事，而是五小時用量窗口很容易撞牆。脈絡很長、任務複雜、同時交辦多個任務，或是反覆做設計修改，都會讓可用額度消耗得很快；而且方案與額度規則會調整，實際體感也會因訂閱方案而不同。
所以我的情境常常會變成：
早上九點：
Claude Design 做簡報。
九點半：
Claude Code 跑專案。
大概十點：
「你已接近5小時使用上限.....」
密集工作時，根本不用等太久。這不是 Claude Code 不好：它可以讀檔、跑測試，五小時內做的工作並不少；問題是當我想連續跑一整天的重任務時，這個限制會直接影響工作能不能接著往下走。
所以對我而言，Codex 常常更有性價比：在相近的重度使用情境下，能讓我較長時間持續完成任務(而且Codex取消了五個小時的限制)。我不把這解讀成「Codex 一定比較強」，而是把額度、任務類型與可持續工作時間也算進工具成本。
今天 Claude 的額度適合這件工作，就用 Claude；需要長時間連續執行時，就換 Codex。工具比較不必選邊站，能把工作做完才是重點。
這又回到 Day 14 最前面那句話：
工具沒有好壞，能解決問題的工具與流程，就是好的。
這個三十天系列一開始，我想談的是：
AI 時代，我們到底要學什麼？
走到 Claude Code，我反而越來越覺得，答案不是：
學會一個永遠不會變的工具。
因為工具一定會變。
今天是 Claude Code。
明年可能又有新的工具。
模型會換。
產品名稱也可能一夜之間全部重新命名。
真正比較有機會留下來的，是那些底層的工作方式：
你怎麼交代任務？
怎麼把需求交代清楚？
什麼結果需要再找一個工具檢查？
什麼地方一定要人工驗收？
以及最重要的：
你有沒有觀察自己到底怎麼使用 AI？
AI 最有意思的一刻，也許不是它替我們多寫了幾行程式。
而是它開始讓我們看見：
原來我一直用這種方式工作。
這又繞回了 Day 1：
觀察、反思、迭代。
不同的 AI 生態系介紹到這裡，下一篇我想再換一個方向：把模型從雲端帶回自己的電腦，看看 Ollama 與本地模型能讓我們多控制哪些東西，又會失去哪些便利。
iThome鐵人賽
看影片追技術