Claude Code 完全攻略：完整藍圖 -- 我真正嘅系統
我有 ADHD。唔係嗰種「有時會分心」嘅程度。係確診、食緊藥、但仲係會忘記噚日同 client 承諾咗乜嘅程度。Executive function 嘅問題 -- 下一步做乜、答應咗人啲咩、上次做到邊 -- 唔係偶然嘅不便，係我日常運作嘅基本條件。
我手上有八個 active client engagement，四間公司，train 過超過一萬個 professional，六個國家。寫緊中英雙語 blog，maintain 緊 content pipeline，跑緊一個 AI voice agent。全部喺一個 terminal window 入面搞掂。
呢篇係 Claude Code 完全攻略系列嘅最後一篇。第一篇講 CLAUDE.md。第二篇講 memory 同 skills。第三篇講 hooks 同安全機制。第四篇講 agent teams 同自動化。
今次我攤開晒成個系統俾你睇。每一個 file，每一個連接，每一個學到嘅教訓。你見到嘅係第 12 版。第 1 到第 11 版都係尷尬嘅失敗。
完整架構
呢個唔係 diagram，唔係 conceptual model。係我部機入面真實嘅目錄結構。
Ada/
├── CLAUDE.md # Project 大腦 (Part 1)
├── .clinerules/ # 憲法同操作規則
│ ├── ada.md # 指令接收 protocol
│ ├── agent.md # 五層學習架構
│ ├── skills.md # Skill 參考
│ └── response-format.md # 回應 footer 格式
├── .claude/
│ ├── settings.json # Hooks, permissions, env vars
│ ├── agents/ # 9 個 agent 定義 (Part 4)
│ ├── skills/ # 40+ skills (Part 2)
│ └── docs/ # Agent routing, MCP setup, invoices
├── Memory/ # 四層 memory system (Part 2)
│ ├── memory_worklogs.md # 第二層：按時間記錄嘅動作
│ ├── memory_todos.md # Active tasks
│ ├── memory_people.md # 41 人嘅聯絡人目錄
│ ├── memory_<client>.md # 每個 client 嘅 status file
│ └── digested/ # 處理過嘅 meeting recording
├── Knowledge/ # 第四層：可重用嘅 patterns
│ ├── insights.md # 乜嘢 work
│ ├── lessons.md # 乜嘢 fail 咗
│ └── sam-content-dna.md # 所有 content 嘅 voice reference
├── scripts/
│ ├── hooks/ # HTTP hooks server (Part 3)
│ │ ├── server.py # FastAPI @ localhost:18924
│ │ ├── policy.py # Policy evaluation engine
│ │ └── config.yaml # Policy rules
│ └── cron/ # 7 個自動化 job (Part 4)
└── output/ # 生成嘅 files，flat structure系列每一篇都對應一個 component。CLAUDE.md 係 Part 1。Memory 同 skills 係 Part 2。Hooks server 係 Part 3。Agent definitions 同 cron jobs 係 Part 4。Part 5 加嘅嘢係 wiring -- 呢啲嘢點樣互相連接，同埋點解 order matters。
數據點樣流
一個 session 唔係一個對話。佢係一個有定義階段嘅 lifecycle。
Session start。 InstructionsLoaded hook fire。佢讀最後 15 行 worklog，check priority todo file。我未打字之前，Claude 已經知道：上個 session send 咗 Garden invoice，今日有兩個 item due，HKCT training 仲有四日。兩秒。500 tokens 以下。
我打咗嘢。 CLAUDE.md 提供 project context -- golden rules、business entities、communication style。如果個 task 夠複雜，Agent Teams 會 route 去 specialist。Content agent 處理 blog draft。Client-ops agent 處理 invoice。Research agent 處理 analysis。每個 specialist 有自己嘅 context window、自己嘅 instructions、access 到相關嘅 skills。
執行。 Specialist agent 讀相關嘅 Memory files -- client status、contact directory、past interactions。揀 matching skill，跟佢嘅 workflow。Output 去 output/，用我堅持嘅 flat naming convention：CLIENT-Description-YYYYMMDD.ext。冇 subfolder。靠 filename 搵晒所有嘢。
安全層。 PreToolUse hooks 喺敏感操作執行前 validate。Policy engine check sender address、require approval keywords、enforce rate limits。PostToolUse hooks scan incoming content 搵 prompt injection。每個 decision log 落 SQLite。
Memory write-back。 Task 完成之後，worklog 加新 entry。Client memory file update（如果 status 有變）。Response footer confirm 咗 log 咗乜 -- 呢個唔係 optional，system enforce 嘅。
Session end。 Stop hook fire。佢 check 呢個 session 有冇涉及 client work，block exit 直到 memory files update 咗。Deploy 咗之後，我再冇 lost 過 session context。之前每個禮拜都會 lose 一次。
夜晚。 七個 cron job 按 schedule 跑。朝早 8:30 嘅 morning briefing compile 我嘅一日。禮拜一 10:00 嘅 blog scanner auto-publish approved drafts。9:00 PM 嘅 bookmark digest。禮拜一朝早嘅 stale check flag 超過兩個禮拜冇 update 嘅 memory files。每月一號嘅 worklog rotation。
成個 data flow 就係噉。我打一句嘢，六個 coordinated actions 跨 memory、skills、hooks、cron 自動發生。我唔使諗其中任何一步。
持續學習嘅 Protocol
Memory system 唔係一個 static archive。係一個有 promotion rules 嘅活系統。
每個有意義嘅動作 log 落 worklog。呢個係第二層。Schema 好嚴格：日期、domain、action、outcome、next step。一行嘢就夠我恢復 context。
Client status 有變嘅時候 -- 新 invoice sent、deliverable 完成、engagement phase shift -- 相關嘅 memory_<client>.md file 會 update。呢個係第三層。21 個 curated files，每個頂部有 status header。
有趣嘅嘢喺第四層發生。System 會 watch patterns：
- Worklog 入面三次以上類似動作 -- 提議：「要唔要 capture 做 Knowledge entry？」
- 兩次以上類似錯誤 -- 自動加入
lessons.md - 五次以上成功執行同一個 workflow -- promote 做正式 SOP
呢個唔係紙上談兵。係跑緊嘅 code。三個月內，Knowledge base 累積咗 47 個 entry -- brand voice rules、invoice formatting standards、deployment checklists、client communication patterns。每一個都係由重複動作自然產生，唔係我坐低寫 documentation。
三月嘅 system 明顯聰明過一月嘅 system。唔係因為 model 升級。係因為 memory layer 密度增加咗。
真正嘅費用
大部分寫 AI tool 嘅人唔講錢。我講。
Claude Code 用 API credits。我每個月嘅費用大概 USD 150 到 300，視乎 workload。多 client deliverables、agent team sessions、content generation 嘅禮拜會去到上限。routine 嘅禮拜 -- email、follow-up、memory maintenance -- 大概 USD 150。
三個 decision 大幅降低咗成本：
Model selection。 唔係每個 task 都需要最叻嘅 model。Simple search 用 Haiku。Routine 操作 -- email drafting、memory update、status check -- 用 Sonnet。Complex planning、multi-client synthesis、nuanced writing -- 先用 Opus。全部用 Opus 對比 tiered model selection，差大概 60% 嘅總支出。
Skills 嘅 progressive disclosure。 40 個 skills 全部 load 大概要 200,000 tokens。三層 system -- metadata 開機 load、instructions on-demand、resources 需要先 load -- 將 startup cost 壓到大概 4,000 tokens。慳咗 80% context overhead。
Agent Teams 慳住用。 Agent Teams 設計上就係 token-intensive -- 每個 sub-agent 有自己嘅 context window。我只喺複雜嘅 multi-domain task 先用，唔會用嚟「check 下 email」。一個 scope 得差嘅 agent team session 可以一次對話用 $8-12。Scope 好嘅大概 $2-3，但慳返成個鐘手動 coordination。
個 system 回唔回本？我 bill client 大概 HKD 800 到 2,000 一個鐘。如果個 system 每個月慳返 10 個鐘 -- 而佢慳返嘅遠多過呢個數 -- 回本好幾倍。
真正嘅成本唔係 API 費用。係五個月嘅 iteration 時間。
由零開始嘅 Priority Order
如果你由零開始，唔好 build 我嘅 system。Build 第一層，然後等其餘嘅由實際需要自然出現。
第一個禮拜：CLAUDE.md。 五分鐘。即時有效。寫你嘅 project snapshot、三條 golden rules、一個 communication preference。第一個 session 就感覺到分別。
第二個禮拜：Auto-memory。 Claude Code 有 built-in memory 功能，會寫入 ~/.claude/memory。開咗佢，用一個禮拜。留意佢記得乜同唔記得乜。呢個會教你 custom memory system 需要解決啲乜。
第三個禮拜：你嘅第一個 skill。 揀你最常重複嘅一個 task。我嘅係 publish blog post。將準確嘅步驟寫入 SKILL.md。具體 path、具體 command、冇含糊。30 分鐘 setup，之後每次做嗰個 task 都慳返 30 分鐘重新解釋。
第二個月：Email 嘅 PreToolUse hook。 15 分鐘 setup。一條 rule：outbound message 之前要 explicit approval。當呢個 hook 第一次 catch 到錯誤嗰日，你就會明白點解 guardrails 比 features 重要。
第二至三個月：真正嘅 memory system。 由 worklog 開始 -- 一個 file，one-line entries，按時間排。兩個禮拜之後你會見到邊啲 topic 需要自己嘅 curated file。建咗佢哋。喺 CLAUDE.md 加 rule 講提到 client 名就自動 load。
第三至四個月：第一個 agent definition。 到呢個時候你有夠多 skills 同 memory 令 delegation 有意義。定義一個 specialist agent 俾你最複雜嘅 workflow。
第四個月之後：Cron jobs。 呢啲排最後，因為佢哋需要一個穩定嘅 system 喺下面。Blog scan 嘅 cron job 冇用，如果個 blog publishing skill 自己都未 work 穩。
呢個 order 唔係隨便排嘅。係我真正 build 嘅順序，減去六次行錯路嘅 detour。
ADHD 嘅操作系統
我起呢個 system 唔係因為我有條理。係因為我冇。
ADHD 代表我嘅 working memory 唔可靠。我會唔記得兩日前同 client 承諾咗乜。我會 lose track 邊個 engagement 喺邊個 phase。我開咗個 session，俾 urgent 嘢拉走咗，然後唔記得原本做緊乜。呢啲唔係性格缺陷。係我個腦嘅運作方式。
個 system 補償咗每一樣：
InstructionsLoaded hook 係我嘅「做到邊？」button。 每個 session 自動有 context。我唔使記得上次做到邊。Worklog 話俾我知。
Memory system 係外置 working memory。 我唔使記得 Garden 係 Batch 2、invoice 係 HKD 63K、Top Management workshop confirmed 咗。佢喺 memory_adaptig_garden.md 入面。我一講 "Garden"，Claude 自動 load。
Follow-up tracker 係自動嘅 nag。 我嘅 /followups command 將每個 open todo 分類做 OVERDUE、DUE SOON、WAITING、STALE。我唔使喺腦入面 maintain 一個 commitments list。System maintain 佢然後 flag 需要注意嘅嘢。
Cron jobs 係就算我忘記都會發生嘅嘢。 Morning briefing compile 我嘅一日，唔理我記唔記得 check。Blog scanner publish approved content，唔理我記唔記得 deploy。Stale check flag 被忽略嘅 client files，唔理我記唔記得 review。
Stop hook 係不可略過嘅 exit check。 我嘅傾向係做完就即刻 move on，唔 update records。呢個 hook 擋住。Session 唔可以結束直到 memory 係 current 嘅。
呢個 system 嘅每一個 component 都存在，因為冇佢嗰陣我 fail 過。Memory system 存在因為我忘記過 client commitments。Hooks 存在因為我差啲 send 錯 email。Cron jobs 存在因為我忘記 publish 已經寫好嘅嘢。Stop hook 存在因為我不斷 lose context between sessions。
我唔係喺 sell productivity framework。我係喺描述一個 executive function 嘅義肢。佢 work 係因為佢由一個真正需要佢嘅人 build 出嚟。
失敗同唔 Work 嘅嘢
你見到嘅係第 12 版。第 1 到第 11 版嘅精選：
太早 over-engineer。 我喺需要 10 個 skill 之前就 build 咗 40 個。第一個月我太興奮，為一年做兩次嘅 task 都建 skill。大部分一直冇人用。教訓：一個 task 做到第三次先 build skill，唔係第一次。
Memory files 無限增長。 Worklog 去到 102KB 先發現。Claude 花緊幾千 tokens 讀兩個月前完全冇關嘅 entry。之後起咗 monthly rotation。Active file 保持 15KB 以下。舊 entry archive，唔會 delete。呢個 constraint 本身就係 feature。
Auto-publish 嘅信任校準。 Blog auto-publish pipeline 用咗三個月 build guardrails 先夠膽開。第一版：冇 approval gate，冇 content check。佢 publish 咗一篇有 placeholder text 嘅 draft 去我嘅 live site。我 20 分鐘之後先知，因為有朋友 message 我。而家個 pipeline 有 content validation、pipeline spreadsheet 嘅 decision column、同禮拜四嘅 nudge cron catch failed publishes。
Agent Teams 嘅 token 成本。 第一次用 Agent Teams 做一個 simple email task，花咗 $11。十一美金一封 email。每個 sub-agent 開自己嘅 context window，load 成套 memory system，然後其中一個重讀咗另一個已經 process 過嘅 files。加咗 model selection rules -- Haiku 做 search，Sonnet 做 routine，Opus 做 complex -- 之後平均 agent team session 降到 $2-3。
個 game 變咗真。 我起咗一隻 RTK 式 strategy game 做 fun side project 去 gamify Claude Code 使用量。本來係玩嘅。然後我開始真係喺 session 之間 check 個 dashboard。然後我開始 optimize workflow 去賺 XP。然後我發現個 game 變咗一個真正嘅 motivational tool -- 對一個 ADHD 嘅人嚟講，visible progress bar 嘅效果好過 abstract todo list 好多倍。
Voice agent 嘅 latency 問題。 我用 ElevenLabs 同 Claude 做 backend 起咗個 live voice mode。Demo 好靚。Production 嘅時候 latency 太高 -- ElevenLabs 大概一秒冇聲就 abort，Claude 嘅回應時間超過呢個。最後要轉用 Gemini Flash 做 live inference，Claude 做 background knowledge layer。System work 咗，但架構比我想像中醜。
我分享呢啲唔係因為 failure stories 而家流行。係因為 polished version -- 我喺 Part 1 到 Part 4 描述嗰個 -- 會令人以為我一開始就知做乜。我唔知。我係靠不斷 build 錯嘢先知要 build 啱嘅嘢。
全貌
五個月 iteration 之後，一個成熟嘅 AI operating system 係點嘅，講到最直白：
200 行 config file 話俾 AI 知佢係邊個。21 個 memory file 話俾佢知每個 client 嘅情況。40 個 skills 話俾佢知點做特定 task。163 行 policy server 阻止佢做危險嘅嘢。7 個 cron job 令嘢自動按 schedule 發生。9 個 agent definition 俾佢 delegate 俾 specialist。同一個 continuous learning protocol 令成套嘢每個禮拜都聰明啲。
每一個 component 單獨嚟睇都唔算 impressive。CLAUDE.md 係一個 markdown file。Skill 係一個有 text file 嘅 folder。Hooks server 係一個 weekend project。Cron jobs 係 bash scripts。
令個 system work 嘅唔係任何單一 component。係每一個 component 都同其他所有 component 有連接，而呢啲連接係五個月嘅實際使用 shape 出嚟嘅。Memory system feed 入 skills。Skills 產出嘅嘢 log 返落 memory。Hooks enforce safety 喺所有嘢上面。Cron jobs 喺我唔喺度嘅時候 keep 個 system alive。Agents coordinate across 全部。
大部分人用 Claude Code 當一個高級 terminal。冇問題，佢做嗰樣嘢的確好叻。但如果你一直用落去，一直遇到同樣嘅問題 -- context loss、repeated mistakes、forgotten follow-ups、manual coordination -- 你最終會 build 到一個好似噉嘅嘢。唔係因為你計劃好，係因為每個問題都需要一個解決方案，而啲解決方案累積起嚟就變成一個 system。
我冇打算起一個 AI operating system。我只係想 send 一封 client email 唔好漏 attachment。然後要記住上個禮拜同佢哋承諾咗乜。然後要唔好 send invoice 俾錯人。然後要個 blog 自己 publish。然後要 agents 互相合作。
五個月。十二個版本。一個 terminal window。
如果唔喺個 system 入面，就唔存在。呢個正正就係點解個 system work。
呢篇係 Claude Code 完全攻略系列嘅最後一篇。第一篇、第二篇、第三篇、第四篇有每個 component 嘅詳細講解。如果你都喺度砌自己嘅 system，歡迎嚟 LinkedIn connect -- 我真係想睇其他人會 build 出啲乜。
