AI 開發工作流：讓 Claude Code 成為你的工程搭檔

這集你會學到 ・一人團隊「指揮 AI」與「被 AI 指揮」的差異 ・Claude Code 開發 SaaS 的三層工作流：規劃 → 執行 → 驗證 ・為什麼「CLAUDE.md + skills + subagents」是黃金組合 ・AKIRAXCLAW 平台 4000+ 行 CLI 是如何用 Claude Code 三天寫完的 ・避免 AI hallucination 的 5 個實戰技巧 一個常見誤解 很多人用 AI 寫程式的方式是： 「幫我寫一個訂閱系統，包含 Polar webhook、entitlement 同步、權限檢查。」 然後等 5 分鐘，AI 噴出 800 行 code。複製貼上，跑不起來，回去問 AI 「為什麼壞掉」，AI 又給你一坨修正——但每次修正都引入新 bug。 這是「被 AI 指揮」的工作流：你被 AI 的輸出帶著走，沒辦法控制品質、進度、方向。 一人團隊要的是相反：指揮 AI——你決定要什麼、AI 負責怎麼做，你保有最終決策權和驗證權。 三層工作流：規劃 → 執行 → 驗證 Layer 1：規劃（你做） 在丟給 Claude Code 之前，先回答四個問題： 問題　·　你要產出 我要做什麼？　·　1-2 句話的功能描述 為什麼要做？　·　解決什麼問題，不解決會發生什麼 邊界在哪？　·　不包含什麼，這次不做什麼 驗證標準？　·　怎麼算「做完了」 反例：「幫我加訂閱功能」←AI 沒有上下文，會自己腦補 正例：「加 Polar.sh 月訂閱，價格 $19/月，訂閱後 docs 站的 visibility=subscriber 內容解鎖。不包含退費、不包含團隊方案。完成標準：訂閱用戶能讀 /docs/solo-team-saas/05-tech-stack」 Layer 2：執行（AI 做） 把規劃丟給 Claude Code 時，提供三種上下文： 1. CLAUDE.md——專案整體規則（在 repo root） 2. 目前狀態——讓 AI 先 read 相關檔案 3. 約束條件——「只改 X，不要動 Y」 範例...