Applied AI School
v0 · 規劃中
Anthropic

為什麼用 Claude Code

Terminal-native coding agent 解決什麼痛點,跟純 chat、IDE 補完差在哪。

TL;DR

  • 純 chat 來回貼程式碼會炸 context、IDE 補完看不到全貌
  • Claude Code = 把 Claude 接到你的 shell,能讀檔、執行 cmd、commit、跨檔案改
  • 不是「另一個 chatbot」,是 agent in your terminal

一個情境:把 30 個 React class component 改成 hooks

公司有個老 React app,components 還停在 class syntax。想趁這個 sprint 把它們全改成 function component + hooks。

要做的事不複雜:

  1. 找出所有 class component
  2. 把 state、lifecycle 翻成對應的 hooks
  3. 跑測試
  4. 修壞掉的東西

但「30 個檔案」跟「不複雜」之間隔了一座山。看你手上有什麼工具,這座山高度差很多。

三種工具,三種痛

純 chat(ChatGPT、claude.ai)

打開 chat 介面,把 component 程式碼貼進去問「幫我改 hooks」。

  • 一次只能處理一個檔,30 個檔來回貼 30 次
  • 改完還要自己貼回 IDE
  • Test 跑壞了你還要再 copy stack trace 回來問

它能「教你怎麼改」,但不能「幫你做完」。

IDE 補完(Copilot、Cursor 補完模式)

開 IDE,叫補完功能改。

  • 看得到一個檔,但跨檔重構就糊了
  • 不會自己跑 test,不會自己 commit
  • 改完是補完一段、補完一段,沒辦法委託「這 30 個你看著辦」

它擅長「讓你打字快」,不擅長「替你想完一輪 plan」。

Claude Code

它住在你的 terminal 裡:

  • 讀檔、grep、跑 cmd、改檔、commit——直接做
  • 看得到整個 repo,不用人工貼 context
  • 接得住「這 30 個 class component 都改成 hooks,跑 test 確認沒壞」這種 task-level 委託

對照表

純 chatIDE 補完Claude Code
看得到整個 repo部分
自己執行 cmd
跨多檔改一次一個一次一個
委託 task-level
會自己 commit

差別一句話:Claude Code 不是另一個 chatbot,是住在你 shell 裡的 agent——你給目標,它組合工具自己做完。

不是萬靈丹

有些情境不適合 Claude Code:

  • 單行補字:寫到一半忘記 API 名稱,補完比 agent 快太多
  • 不想被改檔的探索:讀 codebase、問問題不想動到任何東西,純 chat 反而乾淨
  • 完全黑盒任務:「我覺得有 bug 但不知道在哪」這種沒 reproduce 步驟的,agent 也只能猜

選工具的判準很簡單:你要的是「快敲字」、「問問題」、還是「幫我做完」?前兩個有更輕的工具,第三個 Claude Code 才有解。

接下來

下一篇拆 Claude Code 怎麼運作的——LLM 自己其實連檔案都讀不到,是怎麼變成「能跑 cmd 的 agent」的?