Claude Code 進階指南：90% 的人不知道的三個隱藏功能

多數人把 Claude Code 當聊天機器人，但它其實是完整的開發團隊。

最近團隊導入 AI 開發工具時，發現一個有趣現象：多數開發者把 Claude Code 當成「會寫程式的 ChatGPT」，只用來生成代碼片段或解釋錯誤訊息。但 Claude Code 其實隱藏了三個強大功能，能徹底改變你的開發流程。

這些功能不在官方教學的顯眼位置，卻能解決實際開發中最痛的三個問題：

1. 上下文污染：對話越長，AI 越容易混亂。
2. Token 浪費：每次對話都載入所有規則，成本高昂。
3. 單線程瓶頸：一個 AI 處理複雜專案，效率低落。

接下來，我會用實戰案例拆解這三個功能，並告訴你如何立即應用。

功能一：/fork 指令，平行宇宙式的開發流程

什麼是 /fork？

想像你正在開發一個功能，突然需要查詢某個函式庫的 API 細節。你問了 Claude Code 五個問題，但這些問題會污染主對話的上下文，導致 AI 後續回答時產生幻覺。

/fork 指令就是解決這個問題的。當你輸入 /fork，Claude Code 會複製當前對話的所有上下文，開啟一個全新的分支會話。這個新會話完全獨立，不會影響主對話。

實戰案例：前後端並行開發

情境：你正在開發一個電商網站，需要同時處理前端 UI 和後端 API。

傳統做法：

• 在主對話中處理前端邏輯
• 切換到後端，但前端的討論內容會干擾 AI 判斷
• 來回切換，上下文越來越混亂

用 /fork 的做法：

• Terminal 1（主視窗）：專注處理前端 React 組件開發
• 執行 /fork：開啟新視窗
• Terminal 2（分支視窗）：專門處理後端 API 設計

兩個視窗各自獨立，互不干擾。前端討論不會影響後端邏輯判斷。

管理多個分支的技巧

當你開了多個 fork 分支，如何管理？

• 查看所有會話：輸入 /res 指令，列出所有分支
• 重命名會話：輸入 /rename frontend-ui 或 /rename backend-api，清楚標記每個分支的用途

重要警告：避免檔案衝突

關鍵原則：主視窗負責寫入，分支視窗只做查詢。

如果兩個視窗同時修改同一個檔案，會導致代碼覆蓋，造成不可預期的錯誤。

建議做法：

• 主視窗：編輯 app.js、server.py 等實際代碼
• 分支視窗：查詢文檔、測試邏輯、驗證想法

除非你使用 Git Worktree 複製出完全獨立的資料夾，否則不要在多個視窗同時編輯同一個檔案。

功能二：Rules 系統，聰明的規則載入機制

為什麼需要 Rules？

傳統的 .claudemd 檔案會在啟動時一次性載入所有指令。假設你的專案包含 Python、TypeScript、Docker 配置，所有規則都會被載入，即使當下只在處理 Python 檔案。

結果：浪費大量 Token，增加成本，降低 AI 反應速度。

Rules 系統的解決方案：條件式載入。

Rules 如何運作？

Rules 儲存在 .claude/rules 資料夾中，透過 Patterns 觸發載入。

範例：

Python 規則 (python-style.rule)：

pattern: "**/*.py"
rules:
  - 使用 Black 格式化
  - 優先使用 Type Hints
  - 函式命名採用 snake_case

TypeScript 規則 (typescript-style.rule)：

pattern: "**/*.ts"
rules:
  - 使用 Prettier 格式化
  - 優先使用 Interface 而非 Type
  - 函式命名採用 camelCase

當你編輯 .py 檔案時，只有 Python 規則被載入；編輯 .ts 檔案時，只有 TypeScript 規則被載入。

實際效益

案例：多語言專案管理

假設你的專案包含：

• 前端：TypeScript + React
• 後端：Python + FastAPI
• 基礎設施：Docker + Kubernetes

傳統 .claudemd：三種語言的規則全部載入，Token 消耗高達 5000+

用 Rules 系統：

• 編輯前端時，只載入 TypeScript 規則（Token: 1200）
• 編輯後端時，只載入 Python 規則（Token: 1000）
• 編輯配置時，只載入 Docker 規則（Token: 800）

Token 節省：60% 以上

誰適合用 Rules？

• 大型專案：包含多種程式語言或技術棧
• 團隊協作：需要嚴格遵循不同的編碼規範
• 成本敏感：希望降低 API 使用成本

小型專案可能不需要：如果你的專案只用一種語言，傳統 .claudemd 已經夠用。

功能三：Agent Teams，AI 開發團隊的協作模式

單一 AI 的極限

當你處理複雜專案時，單一 AI 代理會遇到瓶頸：

• 前端邏輯需要理解 React Hooks 和狀態管理
• 後端邏輯需要處理資料庫查詢和 API 設計
• DevOps 配置需要理解 Docker 和 CI/CD

單一 AI 要同時處理這些領域，容易產生混亂。

Agent Teams 的解決方案：讓多個專業 AI 協作。

Agent Teams 的運作機制

Agent Teams 模擬真實的軟體開發團隊：

• Team Leader / Architect：負責整體架構與最終代碼實作
• Frontend Agent：專門處理前端邏輯
• Backend Agent：專門處理後端邏輯
• DBA Agent：專門處理資料庫設計

關鍵差異：這些 Agent 之間可以互相溝通。

範例對話流程：

• 你：「幫我設計一個用戶登入系統」
• Architect：「Frontend Agent，你需要什麼資料格式？」
• Frontend Agent：「我需要 username、password、token」
• Architect：「Backend Agent，你能提供這些資料嗎？」
• Backend Agent：「可以，我會設計 POST /api/login 端點，回傳 JWT token」
• Architect：「好，我現在整合實作」

最終，Architect 負責統一撰寫代碼，確保架構一致性。

啟用 Agent Teams

Agent Teams 是實驗性功能，需要透過環境變數啟用。

在 settings.json 中設定：

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

設定完成後重啟 Claude Code 即可。

實戰建議：兩階段工作法

階段一：Play Mode（規劃階段）

• 與 Architect 討論整體架構
• 讓各 Agent 提出建議
• 確認協作邏輯

階段二：Plan Mode（執行階段）

• 啟動大規模並行任務
• 各 Agent 同時工作
• Architect 整合所有成果

成本與效益

缺點：Token 消耗速度快（比單一 Agent 高 3-5 倍）

優點：

• 處理速度快：原本需要 2 小時的重構，30 分鐘完成
• 品質更高：專業分工，每個領域都有專家把關
• 架構一致：Architect 統一實作，避免不同 Agent 風格不一致

適用場景：

• 大規模代碼重構
• 多模組並行開發
• 複雜系統架構設計

實際應用：五個立即可用的場景

場景 1：重構舊專案

問題：舊專案代碼混亂，需要全面重構。

解決方案：

• 主視窗用 Architect 分析整體架構
• /fork 出分支視窗，讓 DBA Agent 檢查資料庫優化
• 再 /fork 一個分支，讓 Frontend Agent 檢查 UI 改進方向
• 回到主視窗，統一執行重構

場景 2：學習新技術棧

問題：想學 FastAPI，但不熟悉最佳實踐。

解決方案：

• 主視窗建立專案結構
• /fork 出分支視窗，專門用來查詢 FastAPI 文檔
• 分支視窗測試各種寫法
• 確認可行後，回主視窗實作

場景 3：API 設計與前端整合

問題：前後端需要協調資料格式。

解決方案：

• 啟用 Agent Teams
• Backend Agent 設計 API 結構
• Frontend Agent 確認資料需求
• Architect 整合雙方需求，產出最終代碼

場景 4：多語言專案管理

問題：專案包含 Python、TypeScript、Golang。

解決方案：

• 在 .claude/rules 建立三個規則檔
• 編輯不同語言時，自動載入對應規則
• 降低 Token 消耗，提升回應速度

場景 5：平行測試與代碼審查

問題：需要同時測試多個功能模組。

解決方案：

• 啟用 Agent Teams
• 分配不同 Agent 測試不同模組
• 並行執行，快速發現問題
• Architect 彙整所有測試報告

你以為大家都在用這些功能？其實只有不到 5% 的人知道

當我在技術社群分享這些功能時，超過 90% 的開發者回應：「我都不知道有這些功能！」

這跟前面提到的 AI 使用率數據呼應：

• 84% 的人沒用過 AI
• 16% 的人只把 AI 當搜尋引擎
• 0.3% 的人深度使用 AI

即使在「深度使用 AI」的這 0.3% 中，真正知道 /fork、Rules、Agent Teams 的人，可能只有 5%。

為什麼？

因為這些功能不在官方快速入門教學中，需要主動挖掘文檔、實驗、踩坑才能掌握。

這代表什麼？

這代表你現在學會這些技能，就是稀缺能力。

當其他開發者還在用 Claude Code 當「聊天機器人」時，你已經在用它編排「AI 開發團隊」了。

未來，你的價值不在於寫多少行代碼，而在於：

• 如何設計 AI 協作流程
• 如何管理多個 AI Agent
• 如何確保 AI 產出的品質

當 AI 能寫出 80% 的代碼時，懂得管理 AI 團隊的人，生產力會是其他人的 10 倍。

現在開始，還不晚。或者說，你已經比 95% 的開發者早了。