Claude Code 實戰教學（2026）：一步步用 AI 從零寫出你的第一個產品
目錄
Claude Code 實戰教學（2026）：一步步用 AI 從零寫出你的第一個產品
想學 Claude Code、想搞懂 vibe coding 到底怎麼實作，這篇就是給你的。最短版本的答案是：在 Windows PowerShell 跑 irm https://claude.ai/install.ps1 | iex（不用先裝 Node.js，會自動更新），在專案資料夾裡打 claude，然後用中文告訴它你要做什麼——它會直接讀你的檔案、寫程式、跑指令，你負責測試跟把關方向。 不需要複製貼上，不需要背語法，你只要能清楚描述問題、判斷結果對不對就行。
Claude Code 是 Anthropic 官方出的 agentic CLI（命令列 AI 工具）。它跟一般的聊天 AI 最大的差別是：它能動你本機的專案。ChatGPT 給你一段程式碼，你要自己貼回去、自己跑、自己找錯誤；Claude Code 是直接在你的資料夾裡改檔案、執行指令、看報錯、自己修。這是「聊天」跟「幹活」的差別。這篇會帶你把整條路走一遍，最後你會有一個真的跑得起來的東西。
Claude Code 跟其他 AI 工具差在哪？
先講清楚為什麼選它，你才知道自己在用什麼。
| ChatGPT / Claude 網頁版 | Cursor | Claude Code | |
|---|---|---|---|
| 能不能動你本機的專案 | 不能（只給你程式碼，你自己貼） | 能（在編輯器裡） | 能（直接在終端機動檔案） |
| 執行指令 | 只能在自己的沙盒 / agent 模式跑，碰不到你電腦上的專案 | 能 | 能，直接跑在你的專案上 |
| 適合誰 | 問問題、學觀念 | 有一點程式基礎 | 想動手做東西、也接受純對話上手 |
| 互動方式 | 一問一答 | 編輯器 + AI | 像跟人交代任務 |
我自己的判斷：如果你完全零基礎，Claude Code 反而比 Cursor 好上手，因為它不需要你先懂編輯器、懂專案結構，你就是打字跟它講話，它處理剩下的。
Step 0：安裝與登入
Windows 最簡單的裝法是 Anthropic 官方的 PowerShell 安裝指令——不用先裝 Node.js，之後也會自動更新：
# 1. 在 PowerShell 安裝 Claude Code（不需要 Node.js）
irm https://claude.ai/install.ps1 | iex
# 2. 在你的專案資料夾裡啟動
cd my-project
claude
如果你電腦已經裝了 Node.js，也可以改用 npm 安裝：
npm install -g @anthropic-ai/claude-code
登入方式有兩種，選一種就好：
- 用 Claude 訂閱登入：如果你已經有 Claude Pro 或 Max 訂閱，第一次啟動時它會帶你用瀏覽器登入，直接沿用訂閱額度，不用另外設定 API key。對大多數人來說這是最省事的方式。
- 用 API key：到 console.anthropic.com 建立一組 API key，貼進去即可。這條路適合要接自動化、或想精算用量成本的人。
不確定選哪個？先用訂閱登入，之後要換再換，兩條路隨時可以切。
Step 1：把想法說清楚（這步最重要）
Vibe coding 最容易失敗的地方，不是 AI 不夠強，是你自己沒想清楚要什麼。AI 不會猜你的意圖，你講什麼它做什麼。
開工前，先用白話寫下這四行：
我想做什麼：一個自動產生 Threads 貼文點子的小工具
輸入：我的主題（例如「保險業務」）
輸出：3 個適合 Threads 的貼文點子，附 hashtag，繁體中文
技術：不知道，讓 AI 決定
「技術：不知道」是完全 OK 的答案。你的工作是描述目標，選技術是 AI 的工作。
Step 2：開始對話，讓它先規劃再動手
啟動 claude 之後，直接用中文講：
「幫我建一個 Node.js 腳本，用 Claude API 產生 3 個 Threads 貼文點子。輸入是主題關鍵字，輸出是繁體中文貼文加 hashtag。先告訴我你打算怎麼做，我確認方向後再開始寫。」
最後那句「先告訴我你打算怎麼做」是關鍵。它會先給你一個計畫，你確認方向對了再讓它動手——這樣可以避免它一口氣做出一大堆你根本不想要的東西。
它接著可能會反問你幾件事：
- 「你要用訂閱還是 API key？」→ 照 Step 0 你選的回答
- 「輸出直接印在終端機就好，還是要存檔？」→ 先印出來就好
- 「要不要加網頁介面？」→ 先不要，命令列版本能跑再說
不要為了看起來懂而亂回答。不知道就說不知道，讓它建議。
Step 3：測試 → 描述問題 → 修正（vibe coding 的核心循環）
跑起來之後你會看到輸出。不對就直接用中文講哪裡不對：
- 「貼文太長了，Threads 上限 500 字，幫我砍短」
- 「hashtag 太少，加到 5 個」
- 「語氣太正式，改口語一點」
它改完你再跑，再看，再講。這個循環——測試、描述問題、AI 修正、再測試——就是 vibe coding 的全部。你不用會修程式碼，你只要會判斷「這個結果對不對」。
如果程式直接報錯，把整段錯誤訊息複製貼給它：
「跑出這個錯誤：[貼上完整錯誤]，怎麼修？」
錯誤訊息裡通常就藏著答案，它讀得懂。真的一次沒修好，就把新的錯誤再貼回去，通常幾輪就會收斂。
Step 4：一定要驗證，尤其是碰資料的地方
這是整篇最重要的一段。AI 有時候會很自信地產出看起來對、其實錯的程式碼。 這是 vibe coding 最大的陷阱。
解法只有一個字：驗證。不要假設 AI 的輸出是對的，尤其是這些會出事的地方：
- 存檔、讀檔（檔案位置對不對）
- 呼叫外部 API（有沒有真的成功、回什麼）
- 任何跟錢有關的（金流、計費，一定手動對過）
如果你做的是會接觸 AI、會處理使用者輸入的東西，還有一層要顧：AI 應用本身的安全。使用者的輸入可能藏著 prompt injection（提示注入）——騙你的 AI 做原本不該做的事。這不是理論風險，是 OWASP 已經列進去的攻擊類別。
這時可以用 UltraProbe（我們開源的 AI 安全掃描器，npm install -g ultraprobe）。它是純本機的偵測，不需要 API key、不會上傳你的資料，涵蓋 25 個偵測向量（12 個 LLM prompt-injection + 13 個 agent/ASI），對應 OWASP 的 ASI Top 10。你的 vibe coding 作品要上線前，先讓它掃一遍，比出事之後再補洞划算太多。原始碼在 github.com/ppcvote/ultraprobe。
從玩具到真產品：把循環放大
上面那個「產貼文點子」的腳本是玩具，但同一套循環可以放大到真正的產品。差別只在你願不願意一步步往前推。
拿我們自己做的 MindThread（mindthread.tw）當例子。它是一套 Threads 自動化 SaaS，走的是官方 Threads Graph API（合規，不是爬蟲），功能包括多帳號排程、AI 看圖生文（上傳圖片讓 AI 寫文案）、文案庫、排程佇列、全自動發布、看板式帳號管理，還有「海巡留言」（自動找相關貼文留言）跟「黃金 3 分鐘自動回覆」。這種規模的產品，一樣是從「先做一個能跑的最小版本」開始，再一塊一塊往上疊——而不是一開始就要 AI 生出整個系統。
放大時記住三個心法：
1. 分批做，不要一次要太多
❌「幫我做完整的排程系統，含登入、多帳號、AI 生成、佇列、後台」
✅「第一步：先做單一帳號的貼文列表，只顯示內容跟時間就好。」
2. 給足上下文
❌「幫我做一個登入功能」
✅「我的專案是 React + Firebase，已經接好 Firestore，
幫我做 Email + 密碼登入，成功後跳轉 /dashboard」
3. 把 AI 當顧問，不只是工人
不確定方向時：
「我想做 X，有哪些做法？各自的優缺點是什麼？」
它不只會寫程式，也會幫你比較架構。決策還是你做，但你會做得比較有依據。
常見問題
「AI 做出來的我看不懂，之後怎麼維護？」 問它：「用繁體中文解釋這段程式碼在做什麼，不要用術語。」慢慢你就開始看懂了。vibe coding 不是永遠不學程式，是邊做邊學。
「我怎麼知道我講得夠不夠清楚？」 回答這三題再全部丟給它：誰在用？要做什麼？結果長什麼樣（一個網頁 / 一個 Excel / 一則 Telegram 訊息）？
「Claude Code 掛在 Windows 上、Telegram 通知不穩怎麼辦？」 這是我們踩過的坑。我們把解法開源成 claude-tg-windows（Telegram 外掛在 Windows 上的可靠性工具包），自己這套設定天天在用、也持續在調穩。有同樣困擾可以直接拿去用。
今天就可以開始的檢查清單
- 在 PowerShell 跑
irm https://claude.ai/install.ps1 | iex裝 Claude Code（Windows 免裝 Node.js） - 已經有 Node.js 的話，也可改跑
npm install -g @anthropic-ai/claude-code - 打
claude，用訂閱或 API key 登入（Step 0） - 桌面建一個新資料夾，在裡面開終端機、打
claude - 用中文告訴它你想做什麼——先請它規劃，你確認再開工
- 上線前用
ultraprobe掃一遍安全
總結
Claude Code 把「會不會寫程式」這道門檻拆掉了大半。它的價值不是幫你思考，而是讓你把力氣花在真正重要的地方：想清楚要解決什麼問題、判斷結果好不好、決定下一步。
寫程式的技能不會過時，但「不會寫程式就做不出產品」的時代，確實已經過去了。工具都在你手上，剩下的只差你打開終端機，打下第一行字。
Ultra Lab 專注在 AI 驅動的產品開發與自動化。想從想法快速落地成產品，來聊聊。