AI Agent 應用2026.05.09

Claude Code 不是更強的補全——它跑的是會自己驗證的 Agent 迴圈

Claude Code 跟 Cursor、Copilot 看起來像同一類工具,用過之後會發現它根本是另一種東西。差別不在補全多強,在它跑的是「Agentic Loop」——接收、規劃、執行、驗證、沒達標就再轉一圈。學它的重點不是更厲害的指令,是怎麼跟一個會自己跑迴圈的 Agent 協作。

我第一次用 Claude Code 是抱著「更強的 Copilot」的期待去裝的。前幾分鐘確實很順——叫它寫個 utility function、丟個 bug log,動作都快。但用到第二週開始覺得不對勁:它做的事跟我用 Copilot 的時候根本不是同一種互動。Copilot 是補你下一行;Claude Code 是接到一句話就自己去讀檔、跑 grep、改三個檔案、跑測試確認,回來跟你說做完了。

這不是補全工具的進化版,是另一類東西。差別就在「Agentic Loop」。看清楚它跑的是這個迴圈,會知道為什麼背更多 prompt 模板沒用——要學的是怎麼跟一個會自己跑迴圈的 Agent 協作。

什麼是 Agentic Loop:5 步驟拆解

Anthropic 課程把 Agentic Loop 拆成 5 步:你下 prompt、Claude 收集 context(讀檔、跑 tool)、執行動作(改檔、跑指令)、驗證結果、達成就停下來等下一個 prompt、沒達成就回到第二步重來。整個流程在 session 內持續循環,直到結果「完整且可驗證」。

5 步聽起來工整,但真正讓 Claude Code 跟補全工具分家的,是第 4 步——verify

補全工具沒有 verify。它幫你補一行、產一個 function、給一個建議;對不對是你的事。Agent 不一樣,它跑完一個動作會回頭看「這件事算做完了嗎?」,沒做完它會自己再轉一圈——再讀檔、再改一次、再跑一次測試。你要的不再是「一次答對」,是「最後答對」,中間幾次回頭都正常。

多數人用 Claude Code 用得卡的原因,是把它當單回合工具——下完 prompt、收到結果、不滿意就抱怨。但這個工具的設計前提是「會自己跑迴圈」。你在那個迴圈外只能下指令;要進到迴圈裡跟它協作,得知道每一步它在幹嘛、什麼時候該打斷、什麼時候該補 context。

Verify 這一步也是為什麼 Plan Mode(下一段會講)這麼有用——它本質上是把 verify 的時機從「動作之後」提到「動作之前」。事前對齊一次計畫,能省掉事後反覆驗證、debug、再修正的好幾輪迴圈。

所以你要改變的不是 prompt、是協作模式

看清楚是 Agentic Loop 之後,下一個問題自然是「那我要怎麼跟這個迴圈協作?」。Anthropic 課程裡那條「take one thing away」級別的建議是 Explore → Plan → Code → Commit 工作流——四個階段,但真正改變了使用方式的是其中的 Plan Mode

Plan Mode 是 Claude Code 一個特別的執行狀態:它只用 read-only 工具讀 codebase、做必要的網路查詢、跟你來回問澄清問題,最後產出一份完整的實作計畫,但還沒動到任何一個檔案。你看完計畫覺得 OK 才按 approve,它才開始真的寫。Shift+Tab 切過去就是。

沒用 Plan Mode 跟用了之後的差別

我寫前三個比較早的小專案(gwarket-site、blog-writer、publish-tools)的時候沒用 Plan Mode。那時候的習慣是「丟一個需求給它、看寫的對不對、不對再丟一句修正」——這就是把 Agent 當單回合工具的反射動作。每個 feature 都要 debug 兩三輪:它寫對了主邏輯但用了我不想要的 library、檔案結構跟專案其他部分不一致、把一個東西重新發明而我其實已經有 utility。每次修一個就再跑一輪 Agentic Loop,token 燒得快、context 也累積得快。

後來改用 Plan Mode:先把計畫攤開、跟它對一輪「要改哪些檔、用什麼 dependency、預期結果怎麼驗證」,對齊完才執行。差別不是更慢還是更快,是修正成本從事後 debug 移到事前討論。事後 debug 一次燒一輪 Agentic Loop;事前討論只燒幾個 read-only 動作。

但 Plan Mode 不是 Agent 協作的全部。一個再好的 plan,跑到 session 中後段也會因為 context 用完而失準——這是 Agentic Loop 的另一個瓶頸,也是這個系列第 2 篇要處理的題目。

Permission 模式為什麼比你想的重要

Plan Mode 是 Claude Code 三種模式

的其中一個,另外兩個是 approval 跟 auto-accept。三者都靠 Shift+Tab 切換:

  • Approval:每改一個檔、跑一個指令都先問你
  • Auto-accept:改檔自動接受,跑指令還是會問
  • Plan:用 read-only 工具先給你一份計畫,approve 之後才執行

這三個 mode 不是「先進」vs「落後」的差別,是你要給 Agent 多少自主權的設計題。我之前幾乎都用 auto-accept——快、不打斷思路、看起來最有效率。但看完課程之後我重新審視這個習慣:auto-accept 適合的是「單檔小修改、改錯了我馬上能看到」這類任務。跨檔案重構、會動到 dependency、會碰到 git history 的工作,回到 approval 才合理——不是因為 Agent 不能信任,是因為這類修改一旦跑歪、回退成本比每次按下 approve 還高。

Plan Mode 在這個光譜上更前面一步:在 Agent 動手之前先把計畫攤開、把對齊放在執行前。三個 mode 用對情境,是 Agent 協作的真實設計題、不是技術題。

我的觀點:學它要學的不是指令、是協作

看清楚 Agentic Loop 之後,最大的轉變不是用 Claude Code 的速度,是我怎麼想它。

它不是 Copilot 的進化版。Copilot 處理「下一行該寫什麼」;Claude Code 處理「這個 feature 怎麼從零做到 PR」。中間隔的不是模型強度、是工具範式。一個是補全、一個是協作。學它要學的不是指令技巧、是協作模式。

如果這篇要留一個給讀者帶走的真實 takeaway——Plan Mode 是我自己原本最低估的功能。看課程的時候覺得「這不就是要 AI 先想想嗎、有什麼了不起」,實際用過才發現它是 Agent 協作的核心介面:把「修正課程」這件事的成本從事後 debug 移到事前討論,是這個工具設計上最重要的一個取捨。

Claude Code 真正的學習曲線不在指令、在協作模式。而 Agent 協作有一個沒人講但其實最核心的瓶頸——context 管理。這是系列第 2 篇要處理的題目。

常見問題

Claude Code 跟 Cursor / Copilot 差在哪?

最直接的差別是 Agentic Loop。Cursor / Copilot 是強化版的補全工具——你打字、它建議下一段;對不對是你的事。Claude Code 不一樣,它接到一句話會自己拆任務、讀檔、改檔、跑指令、驗證結果,沒達標自己再轉一圈。它跟 Cursor / Copilot 不在同一條光譜上——前者是補全、後者是 Agent。學它要學的也不一樣:補全工具學的是「怎麼讓它建議更精準」,Agent 學的是「怎麼跟它協作」。

Plan Mode 是不是每次都要用?

不是。準則是看「修正成本」。該用 Plan Mode:跨多檔修改、會動 dependency 或 schema、不熟悉的 codebase、需要多步驟才能跑通的 feature——這些事後 debug 一次的成本遠大於事前討論。不用 Plan Mode:單檔小改、明確已知的 utility function、一句話就能講清楚的小任務——這時 Plan Mode 反而是 over-engineering、燒掉的 read-only 動作不划算。


這是 Claude Code 101 系列的第 1 篇:

  • 第 1 篇:Claude Code 不是更強的補全——本質是 Agentic Loop(本篇)
  • 第 2 篇:Context 才是 Claude Code 的稀缺資源(已發布,https://gwarket.com/claude-code-context-management/
  • 第 3 篇:我為什麼把這 7 個東西都寫成 Skill——一個 PM 的客製化判斷(待發布)

本文部分觀念基於 Anthropic 公開課程 Claude Code 101(https://anthropic.skilljar.com/claude-code-101)。文章內容為作者自身學習筆記與觀察,非課程翻譯或轉述。

相關文章

AI Agent 應用
我為什麼把這 7 個東西都寫成 Skill——一個 PM 的客製化判斷
2026.05.09
AI Agent 應用
Context 才是 Claude Code 的稀缺資源
2026.05.08
AI Agent 應用
Claude 怎麼接到你的工作世界?Connector、Enterprise Search、Research 三種機制
2026.05.05
AI Agent 應用
AI 工具會來來去去,真正該設計的是底下的資料庫
2026.04.21