Claude Code 部署教學：從安裝到第一個自動化任務完整指南

想真正讓 AI「動手幫你做事」，而不只是在對話框聊天？那你需要的是 Claude Code——Anthropic 官方的 AI 代理工具。但很多人卡在第一步：到底怎麼安裝、怎麼設定、第一個任務怎麼跑，跑起來之後又該怎麼讓它穩、讓它安全、讓它自己定時跑。

這篇要解決的問題：帶你從零把 Claude Code 部署起來，跑出第一個實際任務，並建立讓它長期穩定可控的設定與護欄。 適合誰讀：想用 AI 加速開發、自動化日常工作的工程師、學生、自學者，以及想導入 AI 的技術團隊。 讀完你會得到：一套可照做的安裝設定流程、第一個任務的操作示範、CLAUDE.md 與權限護欄寫法，以及把它接上自動化與 MCP 的方向。

免責聲明：本文為教學取向，指令與設定以官方文件為準，版本更新後操作細節可能變動。涉及金鑰、付費與權限的部分請自行評估成本與資安風險，本站不對任何資料遺失或費用負責。

為什麼要用 Claude Code，而不是只用網頁版？

網頁版的 Claude／ChatGPT 很好用，但它看不到你的專案、也不能動手。你得手動複製貼上程式碼、再把它的回覆貼回去，來回很慢，而且它對「整包專案的全貌」幾乎沒有概念——你貼一個檔案，它就只看得到那一個檔案。

Claude Code 不一樣：它跑在你的終端機裡，能讀整個程式庫、跨多個檔案修改、執行指令與測試，把一件事從頭做到完成。這就是 AI Agent 的精神——從「會說」升級成「會做」。對開發者來說，這代表把「我自己慢慢寫」變成「我下指令、它執行、我審查」。

換個角度看，網頁版像是一位「隔著玻璃給建議的顧問」，而 Claude Code 是一位「坐進你工作站、直接捲起袖子做事的工程師」。差別不在誰比較聰明，而在有沒有手、看不看得到現場。

如果你還在判斷「到底什麼任務值得交給代理、什麼留給自己」，建議先讀 AI Agent 是什麼 建立心智模型，再回來動手部署，會事半功倍。

Claude Code 的運作原理

Claude Code 本質是一個能使用工具的 AI 代理：它讀你的檔案（工具：讀檔）、規劃步驟、動手改檔（工具：寫檔）、執行終端機指令（工具：跑指令），必要時還能透過 MCP（Model Context Protocol）連接器接上外部服務（資料庫、雲端、API）。你只要用自然語言描述目標，它負責拆解與執行。

底層其實是一個不斷循環的「感知 → 規劃 → 行動 → 觀察結果 → 再規劃」迴圈。Claude 模型每一步都在決定「現在該呼叫哪個工具」，這個機制背後就是 Function Calling（工具呼叫）——模型輸出一個結構化的工具請求，執行環境跑完把結果回填，模型再根據結果決定下一步。理解這點很重要：它不是「一次想好全部再執行」，而是邊做邊看、邊看邊調整，所以過程中你的確認與回饋會直接影響它接下來的決策。

而當你需要它「看得更遠」——例如查你的資料庫、讀 Notion、操作 GitHub——靠的就是 MCP。MCP 是一套標準協定，讓代理用統一方式接上各種外部資料源與工具。想完整理解這個關鍵基礎建設，請看 MCP 是什麼？模型上下文協定全解析。

實際教學：部署 Claude Code

Step 1：安裝 Node.js

Claude Code 透過 npm 安裝，所以先確認電腦有 Node.js 18 以上。到 Node.js 官網下載安裝，或用 nvm 管理版本。安裝後在終端機輸入 node -v 確認版本。

node -v
# 應顯示 v18.x 或更新，例如 v20.11.0

Step 2：安裝 Claude Code

打開終端機，執行：

npm install -g @anthropic-ai/claude-code

這會全域安裝官方 CLI。安裝完成後輸入 claude --version 確認。

台灣使用者小提醒：若你在公司網路或用 cmux／某些代理環境，遇到 npm 因 TLS 憑證失敗，可設定 npm config set cafile <你的憑證路徑> 後再安裝。這在企業內網環境很常見，先排除網路層問題再排查程式層。

Step 3：登入驗證

進到你的專案資料夾，執行：

cd 你的專案
claude

第一次啟動會引導你登入——用 Anthropic 帳號（Claude 訂閱） 或 API 金鑰。完成後就進入互動介面。

兩種登入方式的差別：Claude 訂閱適合個人固定使用、成本可預期；API 金鑰適合需要精細控管用量、或要接進 CI／自動化流程的情境（金鑰請務必用環境變數管理，別寫死）。

Step 4：跑出第一個任務

直接用中文下指令，例如：

幫我看一下這個專案的結構，並產生一份 README.md，說明怎麼安裝與啟動。

Claude Code 會讀你的程式碼、規劃、實際建立檔案，過程中會請你確認重要動作。你只要審查、按確認。第一個任務刻意挑「低風險、好驗收」的——產文件、寫註解、補一個小函式——目的是先建立你對它的信任感，也讓你熟悉「下指令 → 看計畫 → 審 diff → 確認」的節奏。

下得好不好，差別很大。想讓它一次到位、少走冤枉路，請參考 寫程式專用的 AI Prompt 技巧，學會把目標、限制、驗收標準一次講清楚。

Step 5：建立 CLAUDE.md 與權限護欄

在專案根目錄建立一個 CLAUDE.md，它會在每次啟動時自動載入，等於給代理的「常駐規則」。例如：

# 專案規範
- 技術棧：Astro + TypeScript + Cloudflare Pages
- 一律用繁體中文台灣用語，禁簡體
- 改任何檔案前先列計畫，等我確認再動手
- 禁止刪除 src/content 下的任何檔案
- 提交訊息用繁中、結尾不加多餘簽名

這一步常被新手跳過，卻是讓代理「穩定可控」最關鍵的設定。把專案慣例、禁止事項、常用指令寫進去，能大幅減少它自作主張的機率。更系統化的安全控管思路，見 AI 護欄設計。

Step 6：接上自動化（進階）

把固定任務交給排程。例如用 Cloudflare Workers Cron 每天觸發一個腳本、呼叫你的流程；或搭配 工作流藍圖 把「程式碼檢查、報表產生」變成定時自己跑的系統。

範例：Prompt 與 Workflow

給 Claude Code 的好指令範例（具體、有護欄）：

你是資深工程師。請：
1. 找出這個專案裡所有沒有錯誤處理的 API 呼叫
2. 逐一加上 try/catch 與友善的錯誤訊息
3. 改動前先列出計畫給我確認，不要直接大改
4. 完成後跑一次測試，回報結果

進階版：帶驗收標準與回滾策略的指令

任務：把 utils/date.ts 的時區處理改成統一用台北時間（UTC+8）。
限制：
- 只能改 utils/date.ts 與其測試檔，其他檔案不要碰
- 改完先跑 npm test，全綠才算完成
- 若有任何測試紅燈，立刻停手、回報原因，不要硬改
驗收：所有日期格式化函式輸出皆為 UTC+8，且現有測試全數通過

自動化 Workflow 文字流程圖：

每天凌晨（Cron 觸發）
        ↓
  Claude Code 讀取程式庫
        ↓
  載入 CLAUDE.md 規範與護欄
        ↓
  自動跑 lint / 測試 / 安全檢查
        ↓
  透過 MCP 讀取 Issue / 資料庫
        ↓
  產生報告（Markdown）
        ↓
  發到 Slack / Email 通知團隊

想把這類流程做成可重複套用的範本，可以到 工作流知識庫 找現成藍圖，或用 Prompt 產生器 快速生成符合你情境的指令。

進階：更深入的一層

當你過了「裝起來、跑通第一個任務」的階段，真正拉開生產力差距的，是下面這幾件多數人沒做到的事。

一、把代理當「團隊成員」管理，而不是當「許願池」。 一次丟一大包模糊需求（「幫我把整個專案重構好」），結果通常很糟。高手的做法是任務切小、context 餵準、驗收明確。Claude Code 的注意力和上下文是有限資源——你給它一個聚焦的小任務、清楚的成功條件，它的成功率遠高於一個籠統的大任務。這跟帶資淺工程師的邏輯一模一樣。

二、CLAUDE.md 要持續迭代，把「踩過的雷」寫回去。 每當代理犯一次重複性錯誤（用錯套件、忘了某個慣例、跑錯指令），就把對應規則補進 CLAUDE.md。久而久之，這個檔案會變成你專案的「機構記憶」，新接手的人或新的代理 session 一啟動就站在你累積的經驗上。

三、MCP 是把 Claude Code 從「程式碼工具」升級成「業務自動化引擎」的關鍵。 接上資料庫 MCP，它能直接查線上資料寫報表；接上 GitHub MCP，它能讀 Issue、開 PR；接上你內部 API，它能跑端到端的業務流程。這時你要特別注意權限——永遠給最小權限，唯讀的就別給寫入，正式環境的金鑰別交給隨手跑的實驗 session。原理與安全邊界請對照 MCP 全解析 與 AI 護欄設計。

四、Claude Code 不是唯一解，要知道它在生態裡的位置。 它是「拿來即用」的成品代理，背後是一套封裝好的工具迴圈。當你的需求變得高度客製（多代理協作、複雜狀態機、要嵌進自家產品），就該評估自己用框架搭建——這時 AI Agent 框架怎麼選 與底層的 Function Calling 機制 會是你的進階地圖。反過來，如果你的團隊裡有完全不寫程式、但想做自動化的同事，可以引導他們從 無程式碼 AI Agent 工具 入門，再視需要升級到 Claude Code。

常見進階問題：「為什麼它有時候會卡住或繞圈？」 多半是因為任務目標不夠明確、或缺少驗收訊號（它不知道「做完了沒」）。解法是給它可機器驗證的成功條件——例如「跑 npm test 全綠」「這個 endpoint 回 200」。有明確的「綠燈」，代理就能自我判斷收尾，而不是無止境地試。

常見錯誤

1. Node 版本太舊：安裝失敗多半是 Node 低於 18，先升級。
2. 一開始就讓它大改整個專案：先從單檔、小任務開始，建立信任再放手。
3. 不審查就全部接受：Claude Code 會請你確認，別盲目按同意，重要改動先看 diff。
4. 把金鑰寫死在程式碼：API 金鑰用環境變數管理，別 commit 進版控。
5. 沒有版控就動手：先 git init 或開分支，改壞了能還原。
6. 不寫 CLAUDE.md 也不設權限：等於讓代理「裸奔」，它不知道你的規範，也沒有護欄擋危險動作。

最佳實務

• 小步快跑：一次一個明確任務，比一次丟一大包穩定。
• 善用「先給我計畫」：要它先列計畫再執行，你掌控方向。
• 給可驗證的成功條件：用「測試全綠」「回傳 200」這類綠燈讓它自己判斷收尾。
• 配合 MCP 連接器：要它連資料庫、雲端時，用官方 MCP 連接器 並給最小權限。
• 把好用的指令存成範本：常用任務寫成固定 Prompt，下次直接套。可用 Prompt 產生器 快速生成。
• 持續更新 CLAUDE.md：把踩過的雷與慣例沉澱進去，越用越順。

實際案例：個人開發者導入 Claude Code

情境：一位台北的接案工程師，每個案子都要重複做「建專案骨架、寫 README、補測試、修常見 bug」。

• 導入前：這些雜事每個專案要花 半天到一天。
• 導入後：用 Claude Code 下指令自動產生骨架、文件與測試，自己專注在核心邏輯與客戶溝通。他還把每個案子共用的規範寫進一份 CLAUDE.md 範本，新專案直接複製過去。

成果數據：

• 專案啟動的雜事時間從 約 6 小時 → 約 1 小時
• 文件與測試覆蓋率提升，交付品質更穩定
• 同樣時間能多接 1～2 個案子，月營收實質提升

實際案例：小團隊用 MCP 串自動化日報

情境：一個三人的 SaaS 小團隊，過去每天早上要有人手動從資料庫撈數字、整理成日報貼到群組。

• 導入後：他們替 Claude Code 接上資料庫 MCP（唯讀權限），寫好一段固定 Prompt，再用 Cloudflare Cron 每天早上 8:00 自動觸發——代理查數據、產出 Markdown 日報、透過 webhook 發到團隊頻道。

成果：

• 每天省下約 30～40 分鐘的人工整理時間
• 日報格式統一、不再因「今天誰值班」而忽好忽壞
• 整套流程的設計藍圖收進團隊的 工作流知識庫，新成員一看就懂

結論

部署 Claude Code 並不難：裝 Node → 裝 Claude Code → 登入 → 下第一個指令 → 寫好 CLAUDE.md 護欄 → 接上自動化，照著做就能讓 AI 真的在你的專案裡動手。真正的關鍵不在「裝起來」，而在後面三件事：任務切小、護欄寫足、給可驗證的成功條件。做到這三點，你就把「自己慢慢做」升級成「指揮一個會做事、又不會亂來的 AI 代理」。

下一步怎麼走，看你的目標：

• 想先把底層觀念補扎實，再回來把代理用得更深——從 AI Agent 是什麼 與 MCP 全解析 開始。
• 想讓代理少走冤枉路、下指令更精準——精讀 寫程式專用的 AI Prompt 技巧。
• 想把它接成安全、可長期運行的自動化系統——對照 AI 護欄設計，並到 工作流知識庫 套用現成藍圖。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從入門到實戰
• MCP 是什麼？模型上下文協定全解析
• 寫程式專用的 AI Prompt 技巧
• AI Agent 框架怎麼選
• AI 護欄設計：讓代理安全可控