Claude Code 自動化實戰：用 Hooks、Skills 與 MCP 打造自己的 AI 開發工作流

如果你每天用 Claude Code 寫程式，你可能已經習慣了這樣的流程：下指令 → 看它改程式碼 → 手動跑 linter → 發現問題 → 告訴它修正 → 再跑一次。來回幾趟，半小時就過去了。

Claude Code 其實有一套機制可以讓這些步驟自動化，只是多數人沒有用到。這篇文章會帶你設定三個最實用的功能：事件鉤子（Hooks）、自訂技能（Skills）和 MCP 整合。設定一次，長期受益。

一、Hooks：讓 Claude Code 在對的時間自動做對的事

Hooks 是 Claude Code 的事件驅動自動化系統。你定義「當某件事發生時，自動執行某個動作」，就像 GitHub Actions 之於 CI/CD、或者 Git Hooks 之於版本控制。Claude Code 支援的事件類型包括 PreToolUse（工具使用前）、PostToolUse（工具使用後）、Stop（會話結束前）等。

實戰一：每次編輯後自動跑 linter

把以下設定放到專案根目錄的 .claude/settings.json：

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit|Write",
        "hooks": [
          {
            "type": "command",
            "command": "cd $CLAUDE_PROJECT_DIR && npx eslint --fix --quiet ./src/"
          }
        ]
      }
    ]
  }
}

matcher 欄位告訴 Claude Code「只在 Edit 或 Write 操作後觸發」。command 會在 Claude 每次改完檔案後自動跑 ESLint。重點是：Claude 可以看到 linter 的輸出。如果有錯誤，它會在下一次回應中自動處理，不需要你手動告訴它。

對於 Python 專案，把 command 換成 ruff check --fix . 或 black --check . 即可。

實戰二：讓 AI 檢查 AI——LLM 驅動的品質閘門

新版 Claude Code 支援 type: "prompt" 的鉤子，也就是在特定事件發生時，叫另一個 LLM 實例來做檢查。這聽起來有點「套娃」，但實際用起來很有效：

{
  "hooks": {
    "Stop": [
      {
        "hooks": [
          {
            "type": "prompt",
            "prompt": "在 Claude 停止前檢查：1. 所有測試是否通過？2. 有沒有遺留 TODO 註解？3. 有沒有 console.log / print 語句該刪掉？如果有問題，列出清單。"
          }
        ]
      }
    ]
  }
}

這會在 Claude 準備結束對話時，由另一個 LLM 快速掃描當前的工作成果，給出檢查清單。這比你自己手動 code review 快得多。

實戰三：pre-commit 風格的安全檢查

你還可以把安全性檢查掛到 PreToolUse 上，在 Claude 執行任何終端指令之前先過濾：

{
  "hooks": {
    "PreToolUse": [
      {
        "matcher": "Bash",
        "hooks": [
          {
            "type": "prompt",
            "prompt": "檢查即將執行的指令是否安全。是否包含 rm -rf、curl | bash、或任何可能造成資料損失的操作？如果安全，回覆 'OK'。如果有風險，解釋原因。"
          }
        ]
      }
    ]
  }
}

二、Skills：教 Claude Code 學會你的領域知識

Skills 是 Claude Code 的知識擴展系統，本質上是一個 Markdown 檔案，放在 .claude/skills/ 目錄下。當你 @mention 一個 skill 時，Claude 會讀取整個檔案作為上下文。

建立你的第一個 Skill

在 .claude/skills/frontend-review.md 中寫：

# Frontend Code Review

當審查 React 元件時，檢查以下項目：

1. 是否使用了 React.memo 包裹純展示元件？
2. useEffect 的依賴陣列是否完整？
3. 是否有不必要的重新渲染？
4. CSS 是否使用了 Tailwind 的響應式斷點？
5. 無障礙屬性（aria-label、role）是否齊全？

發現問題時，直接給出具體修改建議，不要只說「應該優化」。

之後在 Claude Code 中輸入 /frontend-review 或 @frontend-review，它就會按照這份清單來審查程式碼。

你可以在不同專案中維護不同的 skills：React 專案的審查標準、Python 專案的型別檢查習慣、資料庫遷移的安全規則——全部寫成 skill 檔案，團隊成員之間可以共享。

三、MCP 整合：把 Claude Code 變成指揮中心

MCP（Model Context Protocol）是 Anthropic 推出的開放標準，讓 LLM 可以安全地連接外部資料來源和工具。Claude Code 原生支援 MCP，你只需要在設定檔中聲明伺服器即可。

連接專案管理工具

以 Linear 為例（假設已安裝對應的 MCP 伺服器）：

{
  "mcpServers": {
    "linear": {
      "command": "npx",
      "args": ["-y", "@linear/mcp-server"],
      "env": {
        "LINEAR_API_KEY": "${LINEAR_API_KEY}"
      }
    }
  }
}

設定完成後，你可以在 Claude Code 中直接說「把這個 bug 的狀態改成 In Progress」或「列出我今天的待辦任務」，不需要切換到 Linear 的網頁界面。

連接資料庫查詢

如果你的專案使用 PostgreSQL：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-postgres"],
      "env": {
        "DATABASE_URL": "${DATABASE_URL}"
      }
    }
  }
}

現在你可以說「查一下 users 表中最近 7 天有登入的用戶數」，Claude Code 會直接執行 SQL 查詢並把結果帶回對話中。對於需要頻繁查資料的開發場景，省下了反覆切換視窗的摩擦。

把三個功能串起來

設定完成後，你的日常開發流程會變成這樣：

1. 告訴 Claude Code 要開發什麼功能
2. 它開始寫程式碼
3. PostToolUse hook 自動觸發 linter
4. Claude 看到 linter 的輸出，自動修正
5. Stop hook 在結束前做最後的品質檢查
6. 你收到一份完整的工作報告，附帶通過的檢查清單

你只需要在開始時下指令，結束時確認結果。中間的來回——lint → fix → re-lint → 檢查——全部自動化。

設定建議

如果你剛開始，建議按照這個順序來：

1. 先設 linter hook。這是最容易看到效果的一步，五分鐘之內就能感受到差異。
2. 再建一到兩個常用 skill。挑一個你每天都在做的 code review 檢查，寫成 skill。
3. MCP 最後再做。MCP 需要額外的伺服器安裝，但一旦跑起來，它會徹底改變你使用 AI 輔助開發的方式。

三個功能都不難設定，但它們合在一起的效果遠大於各自為戰。Claude Code 不只是「一個會寫程式的聊天機器人」——配上 hooks、skills 和 MCP，它是一個可程式化的開發工作台。