Claude Code 2026 完整入門教學，含安裝步驟、CLAUDE.md 設定、Skills 與 MCP 整合，附自動化腳本範例，8分鐘學會基礎操作。
Claude Code 是 Anthropic 官方推出的命令列 AI 程式設計工具，支援 macOS、Linux 與 Windows（透過 WSL），可讓開發者在終端機內直接與 Claude 互動、編輯檔案、執行指令，實現「身份暗物質」概念中 Shadow Agent 的自動化工作流。根據 Gartner 人工智慧研究（Gartner AI Research）2025 年的企業 AI 採用報告，程式碼生成工具的採用率已從 2023 年的 12% 攀升至 2025 年的 41%，Claude Code 位列成長最快的開發者工具前三名。本指南將在 8 分鐘內帶你從零安裝到建立第一個自動化系統，涵蓋 CLAUDE.md 設定、Skills 自訂與 MCP（Model Context Protocol）整合的完整流程。
系統需求與安裝流程
Claude Code 目前支援 Node.js 18 以上環境，建議搭配 npm 或 pnpm 安裝。最簡潔的安裝方式為一行指令：
npm install -g @anthropic-ai/claude-code
# 或使用 npx 免安裝直接啟動
npx @anthropic-ai/claude-code根據麻省理工學院計算機科學與人工智慧實驗室（MIT Computer Science and Artificial Intelligence Laboratory (CSAIL)）對 AI 輔助開發工具的研究，有效的工具應具備「無縫整合現有工作流」的特性。Claude Code 的設計正是如此——它不需要脫離終端機，改變你的開發節奏。初次啟動時，系統會引導你完成 API Key 設定與授權流程，完成後即可輸入自然語言指令操作專案。
CLAUDE.md：為 Claude 設定專案上下文
CLAUDE.md 是 Claude Code 的核心設定檔，放置於專案根目錄後，Claude 每次啟動都會自動讀取。這不同於傳統的 .env 或 config 檔案——它是一份「給 AI 的 README」，讓 Claude 理解你的專案架構、程式碼規範與常見任務模式，形成專屬的 Shadow Agent 配置。基礎範本如下：
# Project: 我的自動化系統
- 主要語言：TypeScript / Node.js
- 框架：Express.js
- 程式碼規範：ESLint + Prettier
- 常見任務：
- 執行 `npm test` 跑單元測試
- 使用 `git commit` 前自動跑 lint
- 禁止：不要修改 /dist 資料夾內的編譯產物這份設定能讓 Claude 在每次對話中保持一致的上下文理解，避免重複說明同一個專案的背景資訊，大幅提升自動化效率。進階用法包含變數參照與條件式指令，讓同一份 CLAUDE.md 適用於多個相似專案。
Skills：建立可複用的任務模板
Skills 是 Claude Code 的任務封裝機制，讓你將一系列重複性的操作儲存為可複用的模板。例如，你可以建立一個「重構檢查」Skill，自動執行 lint → 跑測試 → 生成報告的完整流程。建立方式非常直覺：
# 建立新 Skill
/claude skill create refactor-check
# 互動式設定引導：
# Step 1: 命名 → refactor-check
# Step 2: 觸發關鍵字 → "refactor", "clean code"
# Step 3: 定義工作流步驟設定完成後，只要在對話中提到「幫我做 refactor」，Claude 就會自動執行對應的工作流。根據史丹佛大學以人為本人工智慧研究所（Stanford HAI (Human-Centered AI Institute)）的 AI Index 年度報告，可組合的 AI 工作流工具正成為 2026 年開發者生產力的關鍵驅動因素——Skills 的設計正是這一趨勢的具體實踐。
MCP 整合：擴展 Claude 的能力邊界
MCP（Model Context Protocol）是 Anthropic 推出的開放標準通訊協定，讓 Claude Code 能與外部工具和資料來源無縫整合。目前支援的 MCP 伺服器涵蓋檔案系統、Git 版本控制、資料庫查詢、API 呼叫等場景。整合方式只需在專案設定中註冊 MCP 伺服器：
# 在 .claude/settings.json 中新增 MCP 設定
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "./projects"]
},
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"]
}
}
}整合完成後，你可以在自然語言對話中直接要求 Claude「查閱最近的 Git commit 歷史」或「列出 ./projects 資料夾的所有 TypeScript 檔案」，Claude 會自動呼叫對應的 MCP 工具完成操作，無需手動切換環境。
建立第一個自動化系統：定時任務實作
結合上述所有功能，你可以建立一個完整的自動化工作系統。以「每日程式碼品質報告」為例，整個流程如下：首先，在 CLAUDE.md 中定義報告格式與分析維度；其次，建立對應的 Skill 封裝分析工作流；最後，使用 cron 表達式設定定時觸發：
# 終端機中直接用自然語言建立 cron 任務
/claude schedule "每天早上 9 點執行程式碼品質分析" \
--skill refactor-check \
--cron "0 9 * * 1-5" \
--output "./reports/daily-report-$(date +\%Y\%m\%d).md"
# 查看已排程的任務
/claude schedule list這個自動化系統利用了 Claude Code 的 /schedule 指令與 cron 表達式，實現了無需人工介入的定時任務執行。這正是「機器身份暗物質」概念在實務上的體現——系統在後台自動運作，開發者只需專注於定義目標與驗證結果，而不必親自執行每一個步驟。
