# 影片筆記：如果我是 Claude Code 初學者，我會這樣學

## 一句話總結
影片建議初學者在使用 **Cloud Code**（或稱 Clock Code）前，應先透過 **n8n/Make** 理解自動化基礎，並掌握 **Prompt Engineering** 溝通技巧，以建立正確的 AI 協作思維，而非直接上手編程。

## 核心重點
1.  **痛點分析**：初學者常面對黑色畫面無從下手，且與 AI 溝通結果不符預期時，難以判斷是自身問題還是工具問題。
2.  **Cloud Code 定位**：由 **Entropic** 推出的 AI Coding Agent，具備規劃、執行與決策能力，不同於僅提供程式碼補全的 Cursor 或 GitHub Copilot。
3.  **學習路徑建議（三步走）**：
    *   **第一步：No-Code 基礎**：使用 n8n 或 Make 理解 Webhook、API、JSON、Authorization 等概念。
    *   **第二步：Prompt Engineering**：學習精準溝通，包含背景、目標與限制條件，避免「垃圾進，垃圾出」。
    *   **第三步：正式使用 Cloud Code**：具備上述基礎後，再進行專案開發，避免在工具中補足背景知識。
4.  **市場趨勢**：引用 **McKenzie** 與 **Gardner** 報告，指出 AI 自動化與 Agentic AI 將成為未來工作主流。

## 詳細大綱

### 1. 現狀與痛點
*   初學者打開 Cloud Code 面對黑色畫面，不知如何開始。
*   與 Cloud 溝通時，結果常不符合預期，難以判斷是使用者問題還是工具問題。
*   影片目的：提供零基礎者的學習順序，而非單純的操作教學。

### 2. Cloud Code 概念解析
*   由 **Entropic** 推出的 AI Coding Agent。
*   功能：寫程式、改程式、Debug、操作專案。
*   與 Cursor、GitHub Copilot 的差異：Cloud Code 更像對話夥伴，能規劃、執行甚至做決策，而非僅是程式碼補全。

### 3. 市場趨勢與重要性
*   引用 **McKenzie** 報告：預計 2030 年，60%-70% 的工作任務可由 AI 自動化完成。
*   引用 **Gardner** 推測：2028 年超過 33% 的企業產品將內建 Agentic AI 能力。
*   Agentic AI 定義：能自己規劃步驟、自主完成任務的 AI。
*   新工作方式：重點不在於自己動手寫，而在於如何與 AI 協作執行。

### 4. 學習路徑建議（三步走）
*   **第一步：基礎概念（No-Code 工具）**
    *   推薦工具：**n8n** 或 **Make**。
    *   學習內容：透過拖拉方式連接服務，理解 Webhook、HTTP Request、API、JSON、Authorization、Deploy 等概念。
    *   案例：建立 Telegram Bot 需同時應用上述多個概念。
*   **第二步：Prompt Engineering（提示工程）**
    *   核心：學會如何跟 AI 說話，品質決定結果（Garbage in, garbage out）。
    *   壞範例：模糊指令（如「幫我寫個自動化」）。
    *   好範例：明確指令（包含背景、目標、限制條件、具體技術細節，如 JavaScript code 在 n8n code node 執行）。
    *   好 Prompt 特徵：背景清楚、目標明確、有限制條件。
*   **第三步：正式使用 Cloud Code**
    *   具備基礎知識與溝通能力後，才能真正開始使用 Cloud Code 進行專案開發。
    *   避免在 Cloud Code 中花費大量時間補足背景知識（如 API endpoint、Bearer token 的解釋）。

### 5. 資源與社群
*   提供 PDF 複習資料（包含影片精華、Prompt Engineering、Why Cloud Code、Takeaway）。
*   獲取方式：至 **school 社群** 搜尋影片資源。
*   講者身分：Jane，提供 AI 自動化與 AI Agent 教學。
*   呼籲：訂閱頻道，加入社群討論學習階段。

## 工具 / 模型 / 名詞整理
*   **Cloud Code / Clock Code**：影片主要討論的 AI Coding Agent。
*   **Entropic**：Cloud Code 的推出者。
*   **n8n / N-80 / N把玩**：推薦學習 No-Code 基礎的工具。
*   **Make**：推薦學習 No-Code 基礎的工具。
*   **Cursor**：對比工具，僅提供程式碼補全。
*   **GitHub Copilot**：對比工具，僅提供程式碼補全。
*   **Telegram**：案例中使用的通訊工具。
*   **Google Sheets**：案例中可能涉及的數據儲存。
*   **Notion**：案例中可能涉及的數據儲存。
*   **Slack**：案例中可能涉及的通訊工具。
*   **McKenzie**：引用報告的來源機構（疑點：通常為 McKinsey）。
*   **Gardner**：引用預測的來源機構（疑點：通常為 Gartner）。
*   **Agentic AI**：能自己規劃步驟、自主完成任務的 AI。
*   **Webhook**：No-Code 基礎概念。
*   **API**：No-Code 基礎概念。
*   **JSON**：No-Code 基礎概念。
*   **Authorization**：No-Code 基礎概念。
*   **Prompt Engineering**：提示工程，學習如何與 AI 溝通。

## 操作流程整理
1.  **準備階段**：
    *   安裝或註冊 **n8n** 或 **Make** 工具。
    *   透過拖拉方式連接服務（如 Telegram, Google Sheets, Notion, Slack）。
2.  **基礎學習**：
    *   理解並實踐 **Webhook**、**HTTP Request**、**API**、**JSON**、**Authorization** 等技術概念。
    *   嘗試建立一個簡單的 Telegram Bot 作為練習案例。
3.  **溝通訓練**：
    *   練習撰寫 **Prompt**，確保包含：
        *   背景資訊
        *   明確目標
        *   限制條件
        *   具體技術細節（例如指定在 n8n code node 執行 JavaScript）
4.  **正式應用**：
    *   開啟 **Cloud Code**（或 Clock Code）。
    *   運用已建立的基礎知識與溝通技巧，進行專案開發、寫程式、改程式或 Debug。
    *   避免在 Cloud Code 中花費時間解釋基礎概念（如 API endpoint、Bearer token）。

## 值得注意的限制或風險
*   **溝通品質影響結果**：若 Prompt 模糊（如僅說「幫我寫個自動化」），將導致「垃圾進，垃圾出」的結果。
*   **基礎知識缺失**：若未先學習 No-Code 基礎概念，直接在 Cloud Code 中開發，可能會花費大量時間補足背景知識（如 API endpoint、Bearer token 的解釋）。
*   **預期管理**：Cloud Code 具備規劃與決策能力，但使用者仍需具備判斷結果是否符合預期的能力，否則難以區分是使用者指令問題還是工具問題。

## 逐字稿辨識疑點
*   **Clock Code / Cloud Code**：逐字稿中交替使用「Clock Code」與「Cloud Code」，且開頭提到「中登機」，疑似為聽寫錯誤或特定暱稱，需查證正確產品名稱。
*   **中登機**：開頭提到「打開中登機」，疑似為「Cloud Code」或某個特定介面/軟體的聽寫錯誤。
*   **N-80 / N把玩**：逐字稿中出現「選N-80」及「選make,或是n把玩」，疑似為 **n8n** 的聽寫錯誤。
*   **McKenzie**：逐字稿提及「根據McKenzie的報告」，通常此類統計來自 **McKinsey**（麥肯錫），需查證。
*   **Gardner**：逐字稿提及「Gardner推測」，通常此類科技預測來自 **Gartner**，需查證。
*   **倫敵**：逐字稿提及「企業倫敵利用程式」，疑似為「企業產品」或「企業應用」的聽寫錯誤。
*   **activity**：逐字稿提及「像是activity」，語意不明，疑似為 **Chatbot**、**Assistant** 或其他詞彙的聽寫錯誤。
*   **prime engineering**：逐字稿多次提及「學prime engineering」及「下prime」，標準術語應為 **Prompt Engineering**，需查證是否為講者口誤或特定稱呼。
*   **slow點分類**：逐字稿提及「自動慢點分類」，疑似為「自動分類」或「自動標記」的聽寫錯誤。
*   **htmail**：逐字稿提及「email的htmail格式」，疑似為 **HTML** 格式的聽寫錯誤。
*   **oporization**：逐字稿提及「json,oporization」，疑似為 **Authorization** 的聽寫錯誤。
*   **輪跡AI協作**：逐字稿提及「達到輪跡AI協作」，疑似為「實現 AI 協作」或類似詞彙的聽寫錯誤。
*   **school社群**：逐字稿提及「到我的school社群裡面」，疑似為特定平台名稱（如 Slack、Discord 或內部系統）的聽寫錯誤。

## 可延伸追問
1.  **Cloud Code 與 Clock Code 的正確名稱為何？** 需確認 Entropic 推出的產品正式名稱。
2.  **McKenzie 與 Gardner 報告的具體數據來源？** 需查證 2030 年 AI 自動化比例與 2028 年 Agentic AI 內建比例的具體報告出處。
3.  **n8n 與 Make 的具體學習資源？** 對於零基礎者，有哪些具體的教程或範例可以參考？
4.  **Prompt Engineering 的具體練習方法？** 除了影片提到的範例，是否有其他結構化的 Prompt 撰寫框架？
5.  **Cloud Code 的實際操作介面與功能？** 由於影片強調概念，實際使用時的介面（黑色畫面）具體包含哪些功能區塊？
6.  **Agentic AI 與傳統 AI 的技術差異？** 為何 Agentic AI 能自主規劃步驟，技術實現上有何不同？