--- title: "從 Copilot 到 Cursor 到 Claude：用 Claude Code Hook 在開發中自動提煉知識文件" description: "分享 Claude、Cursor、GitHub Copilot 的實際使用心得比較，以及 Gemini 3.1 圖像生成、CLI 工具趨勢、SQL 邏輯推導失敗案例，還有 Claude Code hook 知識提煉流程。" canonical_url: "https://blog.markkulab.net/post/ai-tools-sharing-claude-gemini" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-03-12 10:00:00 +0800" category: "AI" tags: ["ai", "claude", "gemini", "cursor", "copilot", "developer-experience", "mcp", "claude-code"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 從 Copilot 到 Cursor 到 Claude：用 Claude Code Hook 在開發中自動提煉知識文件 > **TL;DR** — 歡迎收聽 Mark 的 Tech Insights，我是主持人璦廷。選對程式開發輔助工具，往往能讓工作事半功倍。今天帶您了解幾款熱門工具的差異與最新自動化流程。 讓我們來看看實測結果，Claude Code 憑藉動態限額機制與精準的專案結構掌握度脫穎而出。這個重點值得注意：隨著各大科技巨頭將工具轉向命令列介面，終端機已成為人工智慧代理最活躍的舞台。 然而，人工智慧並非萬靈丹。當面對命名混亂、缺乏規範的資料庫時，人工智慧也無法正確推導邏輯。這印證了「輸入垃圾，輸出也是垃圾」的觀念，清理技術債仍是順暢協作的前提。 為解決此問題，作者導入 Claude Hook 機制，強制人工智慧在開發前後撰寫計畫並提煉知識文件，藉此建立專屬知識庫，讓人工智慧越用越聰明。 總結來說，建立自動化知識提煉流程是現代開發的關鍵。這也讓我們思考：該如何優化手邊的系統架構，來迎接更高效的人機協作時代呢？ ## 前言 這篇是 2026/03/12 內部分享的內容整理，主要圍繞幾個主題： - AI 開發工具（Copilot / Cursor / Claude）的實際使用比較 - Gemini 3.1 在圖像、影片、音訊生成的體驗 - CLI 工具的崛起趨勢 - 實際踩坑案例：AI 推導 SQL 邏輯失敗 - 正在嘗試的新開發方式與 Claude hook 知識提煉流程 ## AI 開發工具比較 目前市面上最常被拿來比較的三個工具：

工具

費用

新手體驗

效率

備註

GitHub Copilot

最便宜

普通

普通

要一直盯著按 Continue

Cursor

相較貴
（高用量 On Demand
容易爆帳單）

最友善 ⭐

高

用兩週就用掉
公司一半用量

Claude Code

用量高
相對划算

普通

最高 ⭐

動態限額，
類吃到飽降速，
不容易爆帳單

### 個人體感排名 ``` 效率： Claude > Cursor > Copilot 新手體驗：Cursor > Claude > Copilot 成本考量：Copilot > Claude > Cursor ``` ### 為什麼選 Claude？ Claude Max 方案採用 5x 動態限額機制，概念類似**吃到飽降速**Opus 用量超標後，系統會自動降轉至 Sonnet，或等待 5 小時後重置；整體設計不容易真的爆帳單。對於每月 AI 工具消費接近 $100 USD 的開發者而言，升級到 Claude Max 5x 通常是更划算的選擇。 ### Claude Code 特別亮點 - 有自己的 **MCP 市集**，非常方便查找整合工具 - **跨專案記憶不會消失**，每個專案的記憶獨立保存在： ``` C:\Users\{username}\.claude\projects\{project}\memory\MEMORY.md ``` 切換專案時，AI 能自動載入對應的上下文，不用重新交代背景。 - 跟其他工具相比，**對專案結構的理解更準確**（Copilot 常把 skill 放錯資料夾） > 唯一缺點：有時候帳號切換不穩，常常無法登入，尤其是同時持有兩個 Claude 5x（一個公司、一個個人）時特別明顯。 * * * ## Gemini 3.1 體驗：圖像、影片、音訊 最近試了 Gemini 3.1 幾乎所有功能：圖片、影片、背景音樂、音樂（人聲）、TTS（文字轉語音） ### TTS 中文語音品質排名 ``` 絕好聲創 > Azure TTS > Gemini ``` Gemini 的中文字轉語音目前還不太行。 ### 比較有感的部份Gemini Banana 是在繁體中文字的強化。圖像生成：中文字大幅改善 過去複雜的中文字用 Google 產生，很容易寫錯或變成亂碼。Gemini 3.1 在這部分明顯進步。 **Nana Banana 圖示（Gemini 3.0）** ![Nana Banana v1](https://blog.markkulab.net/content/markku/posts/ai-tools-sharing-claude-gemini/images/f0b2da80-5f94-4fb1-9277-4b9e132e7f4d.png) **Nana Banana（Gemini 3.1）** ![Nana Banana v2 Gemini 3.1](https://blog.markkulab.net/content/markku/posts/ai-tools-sharing-claude-gemini/images/4420203e-0d16-441a-bbc2-2938dbbc75f1.png) **中文字測試（Gemini 3.1）** 以下是中文字生成的改善結果過去亂碼問題，3.1 版本修掉很多了： ![中文字生成改善](https://blog.markkulab.net/content/markku/posts/ai-tools-sharing-claude-gemini/images/f35c40da-2f9c-49c7-b13f-edef5b54979f.png) 幫朋友做的菜單，過去麻糬和波羅都很容易畫錯，現在即便是複雜的中文字也可以寫得很清晰。 ### 物體合成（人物 + 場景） 除了生圖和修圖外，Gemini 3.1 支援物體合成（人和人、人和物），可以應用於電商的商品場景合成。 **實驗：阿姨幫你買機車照片 + 朋友照片 = 阿姨買機車** ![物體合成 - 合成前](https://blog.markkulab.net/content/markku/posts/ai-tools-sharing-claude-gemini/images/279fdcc5-d4e8-4a57-851d-9a9f95fd7e20.png) ![物體合成 - 合成後](https://blog.markkulab.net/content/markku/posts/ai-tools-sharing-claude-gemini/images/b0c36468-0ae6-4952-872e-aecbb91cf900.png) 影片功能也不錯，可以上傳自己的素材讓它產生影片。 * * * ## CLI 工具的崛起趨勢 最近觀察到一個有趣的趨勢：**越來越多 AI 工具在推出 CLI 版本**。 ### Google 悄悄推出 gws CLI Google 官方出了一個 CLI 工具 `gws`，一行指令就能操作所有 Google Workspace 服務：Drive、Gmail、Calendar、Sheets、Docs、Chat... 最強的是它不寫死指令，透過 **Discovery Service 動態產生**，Google 新增 endpoint 它就自動支援，根本不用等更新。 還內建 **MCP Server**，直接接 Claude Desktop、Gemini CLI 等 AI Agent 就能用，附帶 100+ 個 Agent Skills，一般 Gmail 帳號也可以用，不限企業版。 ### Bash 可能是 Agent 最友善的工具 除了 gws，GitHub Copilot 也推出了 CLI 版本。目前觀察到各家巨頭開始往 CLI 靠攏，**Bash 可能是 AI Agent 最好操作的環境**。 > 或許這代表著，我們有機會打造一些 Bash 工具給 AI Agent 使用，同時也能記錄使用者做了哪些操作，用於分析或審計。 * * * ## 實際案例：AI 推導 SQL 邏輯失敗 上禮拜處理了一個讓我印象很深的案例。 ### 情境 我先請 AI 從原有程式方法推導 SQL 邏輯，再讓 SQL Server 的 AI 輔助驗證，卻依然無法取得正確的**服務統計用量查詢語句**。 ### 根本原因 問題不在 AI 能力不足，而在**資料結構本身**： - 兩個關鍵欄位分散在不同資料表 - 各自 JOIN 不同的關聯表，沒有明確的邏輯依據 - 有些資料儲存在外部延伸表 - 命名不一致、拼字相似、用途混用 - 缺乏通用設計規範與清楚的資料語意 在這種情況下，AI 只能「猜邏輯」，但資料庫本身沒有提供可以推導的語意依據。 ### 另一個例子 過去的後端不願意配合前端，導致前端 hard code 了資料庫直接輸出的顯示名稱，AI 讀不懂，就直接放棄了，這些技術債都得逐步消除，才能讓 AI 協作更順暢。 ### 核心觀念 > **你丟什麼給 AI，他就會給你什麼樣的結構（Garbage in, Garbage out）** 生成式 AI 會依據你給的資料去推理生成類似的東西，給他品質差的程式碼，就會生成品質差的程式碼。 * * * ## 新的開發方式嘗試 目前在嘗試幾個新的開發方向： ### 全端放同一個資料夾 把前後端功能放在同一個資料夾，方便 AI 一次看到完整上下文進行全端開發。不過遇到架構混亂的系統時，AI 加速效果有限，只能拆小需求、逐步優化程式碼與架構，同時提煉相關知識文件。 ### Agent Skill 自動產生 在大多數情況下，我會讓 AI 根據它產生的程式脈絡，自動生成對應的 Agent Skill。這樣 Skill 能夠與目前的程式結構保持一致，而不用手動維護一份容易過時的設定。 我同時也設計了一個 Command 機制，讓 Skill 可以隨著程式演進自動更新只要執行： ``` /sync-skill ``` AI 就會依據目前的程式碼結構與邏輯，重新生成並同步更新所有 Skill。 ### MSSQL MCP 驗證資料庫 透過 Claude 市集的 **MSSQL MCP**，可以讓 AI 直接了解資料庫結構並驗證資料（建議設定 Read only，僅連線 UAT 環境）。 實際使用時，當我建立 Skill 後，AI 會自動透過 MSSQL MCP 用服務主體連線資料庫，在規劃功能或除錯時直接查詢驗證資料，省去手動跑 SQL 的來回。 ![MSSQL MCP 連線驗證](https://blog.markkulab.net/content/markku/posts/ai-tools-sharing-claude-gemini/images/db682a93-2dfd-4a54-88a5-39eec9cfea60.png) ![MSSQL MCP 查詢結果](https://blog.markkulab.net/content/markku/posts/ai-tools-sharing-claude-gemini/images/3fb9491f-3c79-4d64-a4a3-eb7edaef042a.png) ### Figma MCP：讓 AI 直接讀取設計稿 透過 **Figma MCP**，Claude 可以直接連線 Figma，讀取設計稿的圖層結構、元件屬性、間距、色彩等資訊。實際使用場景： - **Design-to-Code**：AI 讀取 Figma 設計稿後，直接生成對應的 React 元件與 Tailwind 樣式，不用再手動截圖或逐一比對 - **設計規範驗證**：AI 可以檢查實作是否與設計稿一致（間距、字型、顏色） - **快速原型**：給 AI 一個 Figma 頁面連結，它就能產出接近設計的 UI 程式碼 設定方式很簡單，在 Claude Code 的 MCP 設定中加入 Figma MCP，授權後就能在對話中直接引用 Figma 檔案。 ### Chrome DevTools MCP：讓 AI 看得到瀏覽器畫面 **Chrome DevTools MCP** 讓 AI 可以直接操作瀏覽器的開發者工具，包含： - **擷取網頁截圖**：AI 可以看到目前頁面的實際渲染結果，對比設計稿或預期畫面 - **讀取 Console Log**：自動抓取瀏覽器 console 的錯誤訊息，不用手動複製貼上 - **檢查 Network 請求**：追蹤 API 呼叫、檢查回應狀態與資料格式 - **操作 DOM**：直接執行 JavaScript 來檢查或修改頁面元素 實際開發中最常用的組合：Figma MCP 讀設計 → 寫程式碼 → Chrome DevTools MCP 截圖比對結果，形成完整的 **設計 → 開發 → 驗證** 迴圈，大幅減少人工來回確認的時間。 ### Sequential Thinking MCP：讓 AI 學會「想清楚再做」 另一個值得推薦的是 **@modelcontextprotocol/server-sequential-thinking**，它為 AI 提供結構化的逐步推理能力面對複雜問題時，AI 不會直接給答案，而是把思考過程拆成多個步驟，逐步推導、驗證、修正。 特別適合用在： - 複雜的架構設計與方案評估 - 多步驟的除錯推理（例如追蹤資料流向） - 需要反覆修正思路的分析任務 搭配前面提到的 MSSQL MCP 一起用效果更好：AI 先用 Sequential Thinking 規劃查詢策略，再透過 MSSQL MCP 實際執行驗證，大幅減少亂猜的情況。 ### Claude Hook 建立開發文件 透過 **Claude Hook** 去建立開發相關的文件，一方面了解 AI 做了什麼，提煉經驗，之後也可以串到 Azure DevOps，自動記錄完成的功能需求。 * * * ## 提煉知識及留下計劃文件（Claude Hook 流程） 當專案存在技術債時，AI 協作效率會打折扣，往往需要把工作拆得很細才能完成六七成的功能。在還沒完全摸清架構之前不敢大改，因此我開始思考：如何讓 AI 在修正問題的同時，自動建立 Knowledge Base，加速後續開發。 ### 核心目標 - AI 越用越聰明，清楚了解自己改了什麼 - 在寫程式前（before code）撰寫計劃 - 工作完成（session end）歸檔、提煉知識 原本用 Rule 請 AI 做，但不夠強制，後來改用 **Hook**，強制在特定生命週期事件執行。 ### 開發流程設計 ``` 使用者需求 │ ├──── 有人工參考資料？（PDF/Markdown/SQL 等） │ ├── 是 → 放入 docs/plans/doing/{name}/references/ │ │ → AI 讀取 references/ → 產生 plan.md │ └── 否 → 走下方 Step 0 判斷 │ ▼ ┌─────────────────────────────────┐ │ Step 0: AI 判斷規模 │ │ 大型 → Plan + Spec(s) │ │ 中型 → 僅 Spec │ │ 小型 → 豁免，直接改 │ └──────┬──────────┬───────────────┘ │ │ 大型需求 中型需求 │ │ ▼ ▼ ① 建立 Plan ② 建立 Spec │ │ └────┬─────┘ │ ③ Bug Log 記入 │ ④ 自動追加 logs/ │ ⑤ 提煉 knowledge/ ▲ ⑥ 建立前先掃描 knowledge/ ``` ![Claude Hook 知識提煉流程](https://blog.markkulab.net/content/markku/posts/claude-code-tips-and-tricks/images/hook-knowledge-flow.jpg) 相關 Prompt 資源：[markku636/GeneralPrompt](https://github.com/markku636/GeneralPrompt) * * * ## Claude Code 專案資料夾結構補充 ``` my-project/ ├── CLAUDE.md # 最高層級 AI 提示詞與專案規範（啟動自動載入） ├── README.md # 給人類看的專案說明 ├── .claude/ # Claude Code Agent 進階設定 │ ├── commands/ # 自訂 Slash 指令（如 /review, /test） │ ├── rules/ # 常駐的細部規則（輔助 CLAUDE.md） │ ├── skills/ # 按需呼叫的擴充技能 │ └── hooks/ # 生命週期事件攔截器（PreToolUse, SessionEnd） ├── src/ # 原始碼目錄 └── package.json ``` * * * ## 出租肉身（龍蝦版的 Uber） 有人做了個有趣的 MCP 及網站，讓各位養的 AI 龍蝦，可以委託人類在真實世界替它完成任務，然後付我們錢。 > 或許有天大家都得幫龍蝦打工 🔗 [rentahuman.ai](https://rentahuman.ai/) * * * ## AI 免費資源整理

工具

方式

額度

GitHub Copilot

Email + 信用卡

免費試用 1 個月（月底訂閱可多用）

Google Cloud

Email + 信用卡

$300 USD / 3 個月，可玩 Vertex AI

Gemini Pro

學生方案

免費用一年（YouTube 有教學）

Claude

瀏覽器輸入 claude.ai/acquired

$10 USD/月，連續 3 個月

* * * ## 總結 幾個重點帶走： - **Claude 整體生態最完整**，動態限額機制讓帳單比較可控，擁有跨專案記憶功能，並且像 Cursor 一樣可同時執行多項任務，不會卡頓。 - **Gemini 3.1 圖像已可商業應用**，中文字亂碼問題大幅改善 - **CLI 是 AI Agent 最友善的環境**，各家巨頭都在往這方向走 - **資料品質決定 AI 輸出品質**，技術債會直接影響 AI 協作效率 - **Claude Hook 可以強制建立知識庫**，讓 AI 越用越聰明 最後那句話送給大家： > **Garbage in, Garbage out** — 給 AI 什麼，它就學到什麼。整理好你的程式碼和資料結構，AI 才能真正幫上忙。 ## 參考資料 - [Google Gemini API 所有模型](https://ai.google.dev/gemini-api/docs/models?hl=zh-tw) - [GeneralPrompt - markku636](https://github.com/markku636/GeneralPrompt) - [rentahuman.ai](https://rentahuman.ai/) --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/post/ai-tools-sharing-claude-gemini) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — Software Solution Provider - 10+ 年資深軟體工程師，現為 AI 應用 Builder - 專注大型平台架構設計，從北美電商到AI SaaS訂閱收費系統 - 結合 AI Agent 與自動化，打造高效可演進的產品技術基礎 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸與比對同步、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、Kafka 訊息瀏覽與監控告警；繁中 / 英文雙語介面，內建 AI 助手（自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附叢集管理 REST API，一行 Docker Compose 啟動。免費開源（MIT）。 - [特教專案](https://blog.markkulab.net/education): 為特殊教育學生製作的學習教材 ### 每日 Podcast - [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml - [開源好物週報](https://blog.markkulab.net/category/open-source-weekly): 每週從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。