超越基礎：Claude Code 進階用法（第 3/4 段）
🏦 台灣Pay 銀行轉帳 💙 PayPal
比較 MCP、skills、hooks、subagents 在大型 monorepo 中能否擴展，以及各自的 context 成本
- 23:41 MCP 是把更多工具注入 context 的方式，特性包括 transport agnostic、會替你處理 auth
- 29:43 描述刪得越多，使用者沒有明確提及時就越難穩定觸發
- 35:08 講者強烈反對這個需求，因為它是非常昂貴的抽象，看起來卻非常便宜
💡 你可以怎麼用：要替團隊加 Claude 功能時，先想有沒有現成的指令或 script，有的話寫一份 skill 教它用，別急著包成 MCP。只有接 Slack、Email 這類外部服務才用別人的 MCP。「某種情況才需要提醒」的規則，可以請工程同事改做成 hook，沒觸發就不佔空間。
看全部 42 條重點
🧑🏫 這段比較 Claude Code 四種擴充方式：MCP、skills、hooks、subagents。重點是公司程式很大、工具很多的時候，哪一種還撐得住，哪一種會悄悄吃掉 AI 的記憶空間。想替團隊設定 Claude、又怕越裝越慢越笨的人，看完就知道該怎麼挑。
- 23:41 MCP 是把更多工具注入 context 的方式，特性包括 transport agnostic、會替你處理 auth↳ MCP 是一套讓 AI 接上外部工具的標準，會把工具放進 context（AI 當下看得到的內容）。它不限定用哪種連線方式（transport agnostic），也會幫你處理登入驗證（auth）。
- 23:41 公司若要對外公開發布與 Claude 的整合，這個整合（至少一開始）大概應該做成 MCP server；這是「一般大眾版」的做法↳ 如果公司要讓所有 Claude 使用者都能接上自家服務，先做成 MCP server（提供工具給 AI 的連接程式）最穩，因為它是給一般大眾用的通用做法。
- 24:12 本場談的是專業軟體工程環境：大型 monorepo、多名開發者共用程式碼，以及如何在 agent 之間共享客製化設定與資訊↳ 講者這場談的不是一般使用者，而是工程團隊：monorepo（很多人共用的一個超大程式庫），以及怎麼讓大家的 AI 助手共用同一套設定和知識。
- 24:12 MCP 的設計預設 agent 沒有 shell，但 Claude Code 有 shell↳ shell 是可以直接打指令操作電腦的環境。MCP 設計時假設 AI 碰不到它，所以工具都得包好再遞給 AI。Claude Code 本身就能下指令，這層包裝常常多餘。
- 24:42 經驗法則：已經有 CLI 的話，除非要交給非技術客戶使用，否則不太需要再用 MCP 把 CLI 包一層↳ CLI 是用打字指令操作的程式。已經有 CLI 的話，Claude 直接下指令就能用。除非要給不懂技術的客戶，否則不必再用 MCP 多包一層。
- 24:42 用一個 skill 告訴 Claude 怎麼用 CLI，寫起來容易得多；替大公司內部開發者做開發體驗時，幾乎都是用 skills，而不是 MCP server↳ skill 是一份教 Claude 做事的說明書。寫一份 skill 教它怎麼用某個 CLI，比開發 MCP server 簡單很多，所以替公司內部工程師打造工具時，幾乎都選 skill。
- 25:17 但仍然需要用別人的 MCP server，例如連接 Slack、連接 email↳ MCP 不是沒用。要連 Slack、Email 這類別人家的服務，還是得用它們提供的 MCP server。
- 25:17 MCP 的擴展問題：每個工具的名稱、描述、schema 都要放進 system prompt，Claude 才知道怎麼呼叫↳ system prompt 是每次對話開頭就給 AI 的固定說明。MCP 的每個工具都要把名稱、用途描述、schema（參數格式規定）寫進這裡，Claude 才知道怎麼呼叫，工具一多就很佔空間。
- 25:48 即使只有 20 個 server、每個 15 個工具，context window 大部分也會被工具定義占滿；沒有輔助手段就無法擴展↳ context window 是 AI 一次能讀的內容上限。接 20 個服務、每個 15 個工具，光工具說明書就把大半空間塞滿，留給真正工作的空間很少。
- 25:48 新做法 tool search（講者說「大致可行」）：system prompt 只放工具名稱，再給 Claude 一個用來搜尋工具的工具↳ tool search 是新解法：開頭只列工具名稱，再給 Claude 一個「搜尋工具的工具」。講者說這個做法大致行得通。
- 26:26 Claude 之後在對話中搜尋到工具時，才載入該工具的描述與 schema，等於 lazy load↳ Claude 搜尋到某個工具時，才去載入它的完整說明和格式。這種用到才載入的方式叫 lazy load（延遲載入），平常就不佔空間。
- 26:26 限制：除非很具體（例如使用者提到 Slack），Claude 不一定知道要去搜尋；edit tool、bash tool 這類通用工具通常還是得連同 schema 直接放進 system prompt↳ 缺點是 Claude 不一定想得到要去搜尋。你講出「Slack」這種明確字眼它才會找。像編輯檔案、執行指令這種天天用的基本工具，還是得直接放進開頭說明。
- 26:58 描述可以精簡或完整；system prompt 裡放越多描述，Claude 越可能去搜尋該工具，所以「沒有免費的午餐，只是稍微便宜一點」↳ 工具描述寫得越完整，Claude 越會想到去找它，但佔的空間也越多。所以講者說這不是免費午餐，只是比較便宜。
- 26:58 tool search 也沒解決 MCP 的 auth 設定、process lifecycle 等其他問題↳ tool search 只解決「說明書太佔空間」這件事。MCP 其他麻煩，像登入驗證要設定、背景程式要管理啟動和關閉，都還在。
- 27:36 若使用者是公司內部開發者、本來就能存取原始碼，多數事情本來就做得到，不必為了 MCP 建立整套 auth lifecycle↳ 公司內部工程師本來就碰得到原始碼，大多數事情早就做得到，沒必要為了 MCP 另外架一整套登入驗證流程。
- 27:36 用 CLI 搭配 skill 告訴 Claude 怎麼做事是很好的方式，特別適合公司既有的 scripts↳ 比較好的做法是用 CLI 搭配 skill，教 Claude 怎麼做事。公司原本就有一堆 scripts（自動化小程式），特別適合這樣用。
- 28:07 講者把 skill 形容成「lazy system prompt」：front matter 裡的一行描述會放進 system prompt，告訴 Claude 什麼時候該讀這個檔案↳ 講者把 skill 叫做「用到才讀的說明」。檔案開頭有個叫 front matter 的區塊，裡面一行摘要會進入開頭說明，告訴 Claude 什麼情況該打開這份檔案。
- 28:38 Claude 有工具可以載入 skill，並取用目錄裡的 scripts 和其他資源↳ Claude 有專門的工具可以載入 skill，也能順便使用 skill 資料夾裡附的 scripts 和其他檔案。
- 28:38 本質上 skill 就是一個資料夾，裡面有附摘要的 markdown 檔，所以在 repo 裡很容易建立↳ skill 說穿了就是一個資料夾，裡面放一份附摘要的 markdown 文字檔（一種簡單的純文字格式），所以在程式庫裡建一個非常容易。
- 28:38 容易建立有好有壞：要小心管控 monorepo 裡 skills 的品質，因為新增一個實在太容易↳ 容易建就代表人人都會亂建。大型程式庫裡要有人把關 skill 的品質，不然很快就一堆重複或寫爛的 skill。
- 29:09 skill 的擴展性：內文用到才付出成本（pay per use），但描述一直載入，所以不是完全零開銷的抽象↳ skill 的內文要用到才讀，才開始佔空間。但那行摘要永遠都在開頭說明裡，所以 skill 不是完全不佔空間。
- 29:09 要穩定觸發 skill，有時描述得寫到一段落長，大約 300、400 tokens↳ 摘要寫太短，Claude 常常不會觸發這個 skill。有時得寫到一整段，大約 300、400 個 tokens（AI 計算文字量的單位）才夠穩定。
- 29:43 描述刪得越多，使用者沒有明確提及時就越難穩定觸發↳ 摘要刪得越短，使用者沒有明講的時候，Claude 就越難想到要用這個 skill。
- 29:43 skills 目前還沒有定義好的階層機制，無法 lazy 地公開子 skill；官方正在開發，講者說希望未來幾週會有發表↳ 目前 skill 沒辦法分層，例如「大分類下面再藏子 skill，需要時才展開」。官方正在做這個功能，講者希望幾週內能發表。
- 30:15 skills「算是能擴展」，但當初沒預料到 monorepo 會有 100,000 個 skills；真正需要的是「零開銷的抽象」↳ skill 算是能擴大規模，但沒人料到一個程式庫會有十萬個 skill。真正需要的是「沒用到就完全不佔空間」的設計。
- 30:15 Hooks 不是萬能、也不完美，但它是真正零開銷的抽象↳ hooks 是在特定時機自動執行你的程式的機制。它不完美，但真的做到沒用到就完全不佔 AI 的閱讀空間。
- 30:46 Hooks 運作方式：可以選擇多種事件類型來觸發，觸發時呼叫你提供的 script；雙方以 JSON 格式傳入、回傳，決定要不要把內容插入 context window↳ 你可以選要在哪種事件發生時觸發 hook，例如要改檔案之前。觸發時會執行你的 script，雙方用 JSON（一種資料格式）溝通，由 script 決定要不要塞內容給 Claude 看。
- 30:46 細節可以在網站上查到；講者也說（字幕寫作 Quad）很會使用與建立 hooks↳ 詳細用法可以查官網。講者也提到一位很會用、也很會做 hooks 的人，字幕寫作 Quad。
- 31:16 本質：agentic loop 裡發生某件事 → 觸發電腦上的程式執行 → 由它決定要不要把內容插入 context window↳ agentic loop 是 AI 反覆「想、做、看結果」的工作流程。流程裡發生某件事，就執行你電腦上的程式，由程式決定要不要給 AI 補充訊息。
- 31:16 可以有 100,000 個 hooks，若其中 99,995 個沒觸發、沒匹配或沒回傳文字，唯一限制就是你的電腦↳ 裝十萬個 hooks 也沒關係。只要絕大多數沒觸發或沒回傳文字，就不會佔 AI 的空間，唯一的限制是你電腦跑不跑得動。
- 31:47 Hooks 把非常受限的資源（context window）轉成限制少得多的資源（電腦運算）；設計這類系統時要找的就是這種特性↳ 這是 hooks 最厲害的地方：把稀缺的「AI 閱讀空間」換成便宜的「電腦運算」。設計這類系統時，就該找這種特性。
- 31:47 舉例：寫 Rust 時，JavaScript skill 的描述仍占 tokens，Claude 還得忽略它；JavaScript 型別檢查 hook 則發現不是 JS 檔就停止、不回傳任何東西，用不到就不付費↳ 舉例：你在寫 Rust，JavaScript 的 skill 摘要還是佔空間，Claude 還得自己忽略它。換成 JavaScript 型別檢查 hook，發現不是 JS 檔就直接結束，完全不佔空間。
- 32:22 Hooks 的限制：常得從指令或 tool call 中解析個別字詞或用 regex 判斷，不是最「AGI」的做法↳ hooks 的缺點是判斷方式很死板，常要從指令裡抓關鍵字，或用 regex（文字比對規則）來判斷，不像 AI 那樣真的讀懂意思。
- 33:00 可以用 subagents 判斷要不要注入內容，但以 token 來看會開始變貴；有很多取捨，同樣沒有免費午餐，只是可能便宜一點↳ 可以改用 subagent（另一個小 AI）來判斷要不要補充內容，但會多花不少 tokens。一樣沒有免費午餐，只是可能便宜一點。
- 33:00 講者說前面提到的「紅色波浪線」就是在這裡（hooks）實作↳ 講者先前提過的「紅色波浪線」提示，就是用 hooks 做出來的。
- 33:00 Subagents 的結構：一段描述放進主 system prompt，另外有 subagent 自己的 system prompt 或 in-context learning 文字，讓它執行特定任務↳ subagent 由兩部分組成：主 AI 的開頭說明裡有一段介紹它，它自己另外有一份專屬說明或 in-context learning 範例文字（直接給例子讓它照著學），讓它專做某件事。
- 33:30 Subagent 的 system prompt 在另一個 context；主 context 只需負擔 tool call 和 subagent 回傳的結果↳ subagent 的說明放在另一個獨立空間。主 AI 只需要記住「我派它去做事」和「它回報了什麼」。
- 34:00 這裡的「付費」是指 context window 的占用；用 subagent 的 tokens 並不因此免費，重點在切分單一 agent 的 context window↳ 這裡的「省」是指主 AI 的空間。subagent 自己用掉的 tokens 照樣要算錢，重點是把工作拆開，不要全擠在同一個 AI 的記憶裡。
- 34:00 例如 subagent 可以讀 50 個檔案，主迴圈就不用讀，因此在這方面可以擴展↳ 例如讓 subagent 去讀 50 個檔案、只回報結論，主 AI 就不用自己讀，這方面就能放大規模。
- 34:00 但問題相同：每個 subagent 的一行描述仍放在父層 prompt；monorepo 有 100,000 個就得負擔 100,000 行描述；官方正在試驗多種改善方式，但還不完美↳ 但同樣的問題還在：每個 subagent 都要在主 AI 的說明裡留一行介紹，十萬個就是十萬行。官方正在試各種改法，還不完美。
- 34:33 plug-ins 最早也最常見的需求：為什麼不能替 plug-in 提供 Cloud.MD 檔，也就是啟用時無條件放進使用者 context 的一段 system prompt↳ plug-in 是可以一次安裝的擴充包。大家最常要求讓 plug-in 附一份字幕寫作 Cloud.MD 的檔案，只要啟用就無條件放進 Claude 的開頭說明。
- 35:08 講者強烈反對這個需求，因為它是非常昂貴的抽象，看起來卻非常便宜↳ 講者強烈反對這個需求。它看起來只是加一段文字，其實每次對話都佔空間，是很貴卻看起來很便宜的設計。
📘 術語
MCP server（MCP 伺服器）：把更多工具注入 context 的方式；transport agnostic、會處理 auth，適合公司對外發布整合
transport agnostic（不限傳輸方式）：字幕只列為 MCP 的特性之一，沒有進一步解釋
monorepo（單一大型程式庫）：講者的情境：大型程式庫，多名開發者共用同一份程式碼
system prompt（系統提示詞）：工具的名稱、描述、schema 都要放在這裡，Claude 才知道怎麼呼叫工具
schema（結構定義）：每個工具的定義之一，和名稱、描述一起放進 system prompt
context window（上下文視窗）：受限的資源；工具定義太多時會被占滿
tool search（工具搜尋）：system prompt 只放工具名稱，Claude 用搜尋工具找到後才載入描述與 schema
lazy load / lazy loaded（延遲載入）：用到時才載入完整內容，例如 tool search 找到工具後才給描述與 schema
skill（技能）：就是一個資料夾，內有附摘要的 markdown 檔；講者稱它為「lazy system prompt」
front matter（檔頭描述區）：skill 檔案裡放一行描述的地方，這行描述會進入 system prompt
hooks（掛鉤）：agentic loop 中的事件觸發你的 script，由 script 決定是否把內容插入 context；零開銷的抽象
zero overhead abstraction（零開銷抽象）：沒用到就不耗費 context；講者認為 hooks 才真正做到，skills 做不到
agentic loop（代理迴圈）：agent 運作過程；其中發生的事件可以觸發 hook
subagent（子代理）：自己的 system prompt 在另一個 context；主 context 只負擔 tool call 與結果
in-context learning（上下文內學習）：提供給 subagent 的一段文字，讓它能執行特定任務
plug-in（外掛）：使用者常要求讓 plug-in 提供啟用時無條件放進 context 的 system prompt
transport agnostic（不限傳輸方式）：字幕只列為 MCP 的特性之一，沒有進一步解釋
monorepo（單一大型程式庫）：講者的情境：大型程式庫，多名開發者共用同一份程式碼
system prompt（系統提示詞）：工具的名稱、描述、schema 都要放在這裡，Claude 才知道怎麼呼叫工具
schema（結構定義）：每個工具的定義之一，和名稱、描述一起放進 system prompt
context window（上下文視窗）：受限的資源；工具定義太多時會被占滿
tool search（工具搜尋）：system prompt 只放工具名稱，Claude 用搜尋工具找到後才載入描述與 schema
lazy load / lazy loaded（延遲載入）：用到時才載入完整內容，例如 tool search 找到工具後才給描述與 schema
skill（技能）：就是一個資料夾，內有附摘要的 markdown 檔；講者稱它為「lazy system prompt」
front matter（檔頭描述區）：skill 檔案裡放一行描述的地方，這行描述會進入 system prompt
hooks（掛鉤）：agentic loop 中的事件觸發你的 script，由 script 決定是否把內容插入 context；零開銷的抽象
zero overhead abstraction（零開銷抽象）：沒用到就不耗費 context；講者認為 hooks 才真正做到，skills 做不到
agentic loop（代理迴圈）：agent 運作過程；其中發生的事件可以觸發 hook
subagent（子代理）：自己的 system prompt 在另一個 context；主 context 只負擔 tool call 與結果
in-context learning（上下文內學習）：提供給 subagent 的一段文字，讓它能執行特定任務
plug-in（外掛）：使用者常要求讓 plug-in 提供啟用時無條件放進 context 的 system prompt
✏️ 小考一題
講者為什麼說 hooks 是「真正零開銷的抽象」？
A. hooks 會透過 tool search 延遲載入自己的 schemaB. 沒觸發或沒回傳文字的 hook 不會占用 context window，限制只剩你的電腦C. hooks 的一行描述比 skills 的描述短，只要約 300、400 tokensD. hooks 都在獨立的 subagent context 裡執行，不影響主 context看答案
答案：B。[31:16] 講者說可以有 100,000 個 hooks，只要其中 99,995 個沒觸發、沒匹配或沒回傳文字，唯一限制就是你的電腦；[32:22] 也舉例 JS 型別檢查 hook 遇到 Rust 檔時不回傳任何東西，「用不到就不付費」。300、400 tokens 是指 skill 描述 [29:43]，lazy load 是指 tool search [26:26]，獨立 context 是指 subagent [33:30]
💛 覺得有幫助？支持一下
課本免費、沒有廣告，支持與否都能照常讀 🐰