會計事務所 × Claude
AI 導入教學計畫
不是學工具，是學會自主進化的能力
Chapter 0 -- 為什麼現在
科技演進的速度正在失控
實體世界的演進
發明輪子 → 畜力車
數千年
畜力車 → 動力車（蒸汽機）
數百年
動力車 → 自動駕駛
約一百年
每一次飛躍的間隔，都在急劇縮短。
軟體世界的加速更誇張
人類 → 可編程語言
數千年
編程語言 → LLM 查/寫程式碼
數十年
LLM 寫程式 → 按 Tab 自動補全
數年
按 Tab → 自主代理（自建/自優化/迭代）
數月
一家公司，兩個月，26 項重大更新

2 月（10 項）

Opus 4.6 旗艦模型（100 萬 token）
Web Search / Web Fetch 正式版
Sonnet 4.6（快 30-50%）
Claude Code Security（發現 500+ 漏洞）
Cowork 排程任務
API 資料駐留控制
收購 Vercept
金融分析插件（10+ 個）
Claude for Office 更新
Plugin Marketplace 上線

3 月（12 項）

Computer Use 上線（操作 Mac）
手機遠端控制 Mac
MCP Tool Search（省 95% 上下文）
Voice Mode（20 種語言）
排程任務（雲端執行）
行內互動視覺化
Partner Network（1 億美元）
Anthropic Institute 成立
Claude Code /loop 排程
雪梨辦公室（亞太第四城）
Claude Certified Architect
NASA 火星探測車 AI 導航
還有 OpenAI、Google、Meta…… 你不可能一個一個學完。
你需要的是「學會學」的能力。
所以這門課教什麼
1

快速理解新工具

新工具出來，你知道怎麼快速掌握它的核心概念、找到關鍵文件、開始上手。

2

拆解問題的能力

遇到問題，你能把它拆解、精確描述，然後讓 AI 幫你解決。描述越精確，AI 越有用。

3

跟上變化的方法

世界在變，但你有一套方法論來持續學習、持續適應，而不是每次都從頭來過。

Chapter 1 -- AI 基礎
LLM 是什麼？
核心比喻：極其聰明但「短暫失憶」的天才
  • 它在做「文字接龍」，不是在「思考」
  • 每次回覆都是根據前面的文字預測下一個字
  • 它沒有「記憶」，只有「桌面」 -- 桌面上放得下的，它才看得到
Context Window -- AI 的辦公桌面
Context Window
新檔案
新檔案
新檔案
檔案
檔案
舊檔案
舊檔案
新文件堆上去 → 舊文件被擠下去 → 每次新對話 = 全新的空桌面
  • 對話獨立性 -- 新對話不會記得舊對話
  • 選擇性讀取 -- AI 不會讀所有檔案，只讀它覺得相關的
什麼時候該開新對話？
新對話既有對話
記憶空白，最穩定堆積先前討論
資訊來源只有 CLAUDE.md包含已讀檔案
效能最精準逐漸下降
建議：用量到 70-80% → 執行 /compact 或開新對話
會描述 = 省 Token = 省錢 = 省時間

不會術語

「幫我把那個東西放到上面那個區塊的右邊」

→ 8 輪對話，反覆確認

會術語

「在 header 的 nav 右側加一個 flex 容器」

→ 1 輪搞定

Chapter 2 -- 開始使用
你需要準備什麼
  1. Git -- AI 的「記憶系統」，追蹤所有變動
    Windows 需安裝，Mac 內建
  2. 終端機 -- 你的指令輸入口
    Windows: PowerShell / Mac: Terminal
  3. Node.js -- 執行 Claude Code 的環境
  4. VS Code -- 你的「開發指揮中心」
一行指令搞定
npm install -g @anthropic-ai/claude-code

流程：終端機跑文字 → 等它停 → 完成

三顆大腦，各有專長
模型定位適用場景
Haiku 最快、最便宜 簡單修改、快速問答
Sonnet 效能平衡 核心開發、自動化
Opus 推理最強 架構設計、複雜規畫
Chapter 3 -- CLAUDE.md
專案的「最高指令集」
  • Claude 每次開始任務前都會先讀它
  • 把「每次都要遵守的規則」寫在裡面
  • 像是 AI 的「員工手冊」
永久記憶 vs 臨時記憶

CLAUDE.md

全域備忘錄，每次自動讀取

  • 命名規範
  • 架構說明
  • 角色設定

@ 符號

臨時遞資料，只在當次有效

  • 當次任務的參考檔案
  • 一次性的上下文
不要把所有東西塞進 CLAUDE.md

三層上下文管理

Tier 1 全局層
CLAUDE.md
核心規範（每次自動載入） -- 命名、架構、角色、禁令
Tier 2 模組層
Skills 技能包
按需載入 -- AI 先讀摘要，相關才載入完整邏輯
Tier 3 任務層
Subagents
任務結束自動回收 -- 用完即丟的臨時上下文
Chapter 4 -- 計畫模式與除錯
最危險的動作是「直接寫代碼」
  • 切到 Opus 模型 → 先出藍圖
  • 讓 AI 問你問題 → 確認需求
  • 核准後才動工
「我想開發 XXX 功能。請先幫我擬定完整的開發計畫。如果目前需求中有任何模糊的地方，請先反問我，確認前請勿產出代碼。」
直接的證據勝過千言萬語
1

截圖

AI 能直接看圖分析 -- 畫面上的錯誤、異常排版、報表數字，截圖就好。

2

完整錯誤訊息

複製貼上完整的 error log，讓 AI 追蹤到確切的行號和原因。

3

Git 版本控制

你的「時光機」 -- 改壞了就回到上一個穩定版本，零風險。

Chapter 5 -- 進階功能
Skills -- 讓 AI 從全才變專才
  • 隨插即用的擴充邏輯
  • AI 先讀摘要 → 有關才載入完整邏輯
  • 可以從 GitHub 安裝現成的 Skill
  • 用 Skill Creator 建立自己的 Skill
一次叫出多個分身

臨時分身（Subagents）

  • 並行處理多個任務
  • 完成後自動消失
  • 適合一次性工作

永久職員（Project Agents）

  • 持久記憶
  • 專屬角色
  • 指定權限
效果：原本半小時的工作 → 幾分鐘完成
讓 AI 觸及你的數位世界

Hooks

100% 確定性執行（不靠 AI 判斷）

  • 範例：任務結束 → 自動桌面通知
  • 永遠會執行，不會被 AI「忘記」

MCP

AI 的「USB 連接線」

  • 串接 Notion、Google Calendar、Gmail、資料庫
  • 從「程式碼編輯器」升級為「系統調度官」
Chapter 6 -- 三層自動化架構
探索 → 執行 → 記憶
第一層：探索
Computer Use / GUI
截圖分析，零門檻，但速度慢、耗 Token
第二層：執行
DevTools → Script
分析 DOM → 寫腳本，快 50 倍、省 Token 10 倍
第三層：記憶
Database / SQL
UID 對照、狀態追蹤，持久化
同一件事，兩種做法

實戰 -- LINE OA 通知

不懂原理的做法

  • Computer Use 截圖操作 LINE OA
  • 每個動作都截圖讓 AI 看
  • 200 客戶 = 1000 次截圖
  • 耗時約 2 小時

Token 消耗：極高 / 穩定性：畫面一變就壞

懂基本概念的做法

  • 開 F12 DevTools → Claude 分析 DOM
  • 找到 API endpoint + payload
  • 寫一個 Script
  • 開已登入 Chrome → 執行
  • 200 客戶 = 30 秒

Token 消耗：極低 / 穩定性：API 不變就能跑

差距不是 2 倍，是兩個量級。
Computer Use 是探索工具，不是執行工具
Computer Use
看一次流程
DevTools
分析 DOM 結構
寫 Script
抓 selector / API
已登入 Chrome
貼上執行
200 筆完成
30 秒
Chapter 7 -- 應用場景
在會計事務所，這些都能做

1. LINE OA 客戶通知

痛點：每月手動登入 LINE OA 逐一發訊息
探索Computer Use 操作 LINE OA 後台
固化DevTools 抓 DOM → 寫 JS 腳本 → 批次發訊息
記憶DB 存客戶 LINE UID → 腳本從 DB 撈名單
排程每月 1 號自動發繳費提醒

2. 營業稅申報輔助

痛點：手動匯出、比對、驗算耗時費力
探索Computer Use 操作奇勝系統 → 理解匯出流程
固化Script 自動匯出 → Claude Code 讀取 Excel → 計算驗證
記憶DB 記錄每期申報狀態 + 異常項目
每雙月 10 號前自動跑檢查

3. 客戶資料整理

痛點：資料分散在不同系統，無法快速查詢
探索看各系統的客戶管理畫面
固化Script 匯出 + 比對 + 合併
記憶DB 統一客戶對照表（公司名 / 奇勝 ID / LINE UID）
每週一自動更新 + 產出本週待辦清單

4. 稅務法規追蹤

痛點：法規修改頻繁，難以即時掌握影響範圍
知識庫Claude Code + CLAUDE.md（內含稅務知識庫）
查詢問 Claude：「CFC 制度今年有修法嗎？影響哪些客戶？」
Claude 查知識庫 + 比對客戶 DB → 產出影響清單

5. 新客戶報價單

痛點：每次報價都要手動估算、套版
輸入Claude Code 讀取客戶基本資料（行業、營業額、複雜度）
產出根據 CLAUDE.md 定價邏輯 → 自動產出報價單 PDF
記憶存入 DB 記錄報價歷史
從資料到報價單，數分鐘完成
教材資源
Claude Code Overview
入門
Claude Code 初學者全指南

從零開始的完整安裝與操作教學

觀念
AI 運作邏輯與 Vibe Coding

理解 LLM 如何思考、如何溝通更高效

實戰
5 個高效開發密技

進階技巧與真實案例

企業級
專業協作開發規範

團隊協作、程式碼品質、CI/CD

架構
MCP 與多 Agent 整合藍圖

系統級整合與進階架構設計

Chapter 8 -- 課程規劃
兩階段教學

Phase 1：所長深度訓練

  • 約數十小時，1 對 1
  • 目標：所長能自主解決員工問題、能教人

Phase 2：全員基礎課程

  • 6 小時
  • 啟動條件：所長 OK + 全員同意
學習路徑
0
AI 認知建立 -- LLM 本質、邊界、成本
1
Claude Desktop + Computer Use + Schedule
2
Chrome DevTools → Script 固化
3
Claude Code + CLAUDE.md
4
資料庫基礎 SQL
5
MCP 與整合
6
概念性知識 -- 部署、Domain、API、Git、成本控制
術語參考

完整術語查詢網站：claude-code-tutorial-one.vercel.app