談談 Claude Code (2025-26)

我認為 Claude Code 是 AI Coding 發展重要的轉捩點之一，他把複雜的 agentic processing 包裝起來，變成眾人方便使用的一個產品。

Claude Code 是一個很棒的「產品」，他把 Agentic Coding 「產品化」

Claude Code 是產品 #

Claude Code 是個次級產品，就跟 Excel, Photoshop, Notion 一樣。而太一味學習 Claude Code 怎麼用， 就像「Excel 專家」、「Photoshop 專家」一樣，雖然就業市場很需要也很實用，但我覺得稍微有點可惜，甚至淪為苦苦落後追逐。

除了模型，Claude Code 有更多「工程面」的設計可以去思考！

我一直強調「產品」這兩個字，是因為我們接下來可以想兩件事情：

• Claude Code 身為產品怎麼設計與取捨？
• 為了套用到自己的情境，除了使用 Claude Code 還可能可以怎麼做？

Agent 實作的背後 #

目前的 Agentic processing 本質仍是 LLM 作為「大腦」，外面包裝各種工具變成「手腳」，再由各種工程變成「流程」

無論名詞再怎麼炫：ReAct / CoT 到 Function Call / Tool Use 到 MCP 到 Agent Skills，背後都是 token 接龍：根據一些前提，下一個 token 是什麼？

這下一個 token 可以是「資訊」，也可以是「下一步行動」，或當成是「思路」

最難入門、研發成本最高的是 LLM 本身。但我們能窺探、模仿、學習，進而超越的是外層「工程」的部分

取捨：易用性 x 成效 x 自由度 #

Claude Code 是設計給「大家」的產品 – 而不是專門給「你」的產品

頭腦體操：如果你有一個很厲害的 LLM 大腦，你要怎麼叫 LLM 做事？

2024 流行的是 LangChain、CrewAI 等等，每個人實作適合自己用途的流程，無論是預先固定的 if-else workflow，或是多個 LLM 討論 hand-off 的 workflow，有各種不同 “design pattern”。

但是，你設計的東西接下來怎麼給其他同事用？給普羅大眾用？

困難的地方在於你是設計適合自己情境的流程，不是一個「產品」。所以別人要解決他們的問題時還是只能用比較低階的 LangChain, CrewAI 等等。

Claude Code 的厲害除了 Anthropic LLM 本身以外，還成功把「流程」這件事抽象包裝起來。你不需要寫太低階、規定嚴謹妥善的 workflow，能用 prompt 解決的就用 prompt；不能用 prompt 解決的，Claude Code 提供以下：

• main agent → subagent → main agent 流程
• MCP + MCP servers
• Skills
• Persistent TODO tasks
• Hooks

這些遺漏了很多場景，例如嚴謹可控的 if-else，或是多議會討論（直到 2.1.32 才以非預設形式支援）等等。但 Anthropic 找到了一個夠多人用的 vertical：「程式開發」，而在這 vertical 這些似乎就夠用了。

我們不用特別學 LangChain / LangGraph 語法寫低階的 workflow / graph，也不用在 CrewAI / LlamaIndex 寫各種 metadata 指定哪個 agent 要聽誰的或在誰之後才能做。

一切只要寫 markdown 就好了。

這就是 Claude Code 設計上採取的哲學：他認為 agentic flow 只要「找到適合的 agent」+「fanout」就夠了。其他大家要擴充的自己去擴充。

• Workflow 只用自然語言 prompt
• 沒辦法 100% 如預期執行是你的問題不是 Claude Code 的問題
• 非常需要 deterministic 方法解決的，Claude Code 假設你是在流程最末節才需要，因此設計了 MCP server 跟 Skill (script)。

Claude Code 選擇了「單純」：選擇了易用性而犧牲了一些客製化。此外，如果實際成效不一定好，卻會造成使用上變複雜的也不會輕易加入（例如 2.1.32 才加入的 Agent Teams）

Claude Code 只是「開發產品」的產品 #

Claude Code 是設計給「大家」的產品 – 而不是專門給「你」的產品。而且這個產品是用來「開發產品」的產品。

我認為很多場景是需要擁抱基礎的 Agent SDK 甚至是回歸最低階的 LLM API，並利用所謂的 Vibe Coding / Agentic Coding 寫出來套用到自己的場景。最近有名的例子就是 OpenClaw 龍蝦

至於跟 Agent SDK 類似層級的 LangChain 或 CrewAI 會變得有點尷尬。大廠提供的 Agent SDK 或 LLM API 收益在「賣 LLM 」，但對於 LangChain / CrewAI 的收益，除了 LLM-agnostic 跨大廠吸引使用者以外， 大概就只能往提供穩定、production-level SaaS for Enterprise 這條路。