Claude Code 研究者安裝指南

Claude Code 不是開在瀏覽器分頁裡。它直接跑在終端機。這差很多。你不用一直複製貼上，工具就能看檔案、改程式、跑指令。

說真的，這對研究工作很實用。很多時間不是花在寫新演算法。是花在清資料、修 bug、重跑分析。Claude 這類工具，剛好吃這種苦工。

如果你平常做 empirical research，又常碰 Python、R、SQL，那你最好先搞懂它。不是每個人都要每天用，但你得知道它能做到哪裡，不能做什麼。

為什麼終端機版更順手

Claude Code 的核心優勢很直白。它住在 shell 裡。你打一段自然語言，它可以去看本機檔案，接著直接改 code，甚至幫你跑命令。這種流程，跟一般聊天機器人完全不同。

拿 ChatGPT 來比最簡單。瀏覽器聊天很適合想架構、想除錯方向。可是一旦要碰你的 repo，它就得靠你貼內容。Claude Code 可以直接讀工作目錄。這代表它看得到檔名、資料夾結構、腳本脈絡。

Paul Goldsmith-Pinkham 的說法很像在講一個研究助理。這比喻其實不誇張。你給它一個範圍清楚的任務，它就能一路做下去。你不必每一步都手動接管。

• 可以直接讀本機檔案。
• 可以執行腳本與指令。
• 可以在專案內原地改檔。
• 可以維持多輪工作脈絡。

對研究者來說，最有感的是迭代速度。你少掉很多機械式操作。多出來的時間，可以拿去檢查結果對不對。講白了，這才是研究真正值錢的地方。

我覺得另一個重點常被忽略。這類工具的價值，不一定在想點子。更多時候是在執行。它不一定幫你生出新假說，但它能讓你更快試更多假說。

安裝、訂閱、和你該怎麼開始

安裝 Claude Code 不算麻煩。如果你本來就有 Node.js，可以用 npm 裝。Anthropic 也提供獨立安裝方式，官方文件寫得很清楚，支援 Mac、Linux，Windows 則可透過 WSL。

裝好後，進到專案資料夾，輸入 claude 就能開始。接著你會用訂閱或 API key 驗證。價格有三層：Pro 每月 20 美元，Max 每月 100 美元，Max 20x 每月 200 美元。

很務實的建議是，先從 20 或 100 美元開始。除非你確定自己會大量使用，不然沒必要一開始就衝最高檔。Goldsmith-Pinkham 自己是重度使用者，所以才選 Max。一般人通常不用那麼猛。

“If you’re already paying $20/month for Claude’s chat functionality, you already have access to Claude Code—try it out right now.”

這句話很直接。也很難反駁。你如果本來就有 Claude 訂閱，那試用 Claude Code 的門檻其實很低。等於多了一個終端機入口，成本卻不高。

但有一個安全觀念要先講清楚。你的檔案留在本機沒錯。可是一旦 Claude 讀到內容，資料還是會透過 Anthropic 的 API 當作 context 傳出去。這不是小事。

• Pro：每月 20 美元。
• Max：每月 100 美元。
• Max 20x：每月 200 美元。
• 支援 Mac、Linux、WSL。

所以你要有界線。IRB 資料、PII、密碼、醫療資料，最好不要直接丟進去。除非你有受控環境，也有明確規範。否則就別冒險。

講白了，Claude Code 很好試，但也很吃判斷。它不是保險箱。它只是更聰明的工作介面。

真正卡住你的，是 context window

很多人只看功能，不看限制。這通常會踩雷。Claude Code 最重要的技術概念之一，就是 context window。你每送一次指令，模型都會把前面的提示、回覆、檔案讀取、工具輸出一起算進去。

Goldsmith-Pinkham 提到，Claude 的 context window 大約是 200,000 tokens。這數字看起來很大。真的很大。可是你只要開始讀檔、貼 log、來回修幾輪，它就會比你想像中快滿。

一旦 session 太長，品質常常會掉。模型會忘掉前面的限制，開始偏題，或是漏看你之前定下的規則。很多人以為是模型變笨，其實常常只是上下文太亂。

• Claude context window 約 200,000 tokens。
• 長 session 容易讓品質下降。
• 檔案讀取和工具輸出都算進去。
• Compaction 會把歷史壓成摘要。

Claude Code 可以自動 compaction。你也可以手動用 /compact。更好的做法，是叫它把進度寫到檔案。像是目前做了什麼、改了哪些決策、還剩下哪些步驟，全都存進 repo。

然後開一個新 session，再把那份摘要讀回來。這樣 context 乾淨很多。也比較不會因為聊天記憶太長，導致結果亂掉。

我覺得這點對研究特別重要。研究不是短跑。你常常要回頭查。把狀態寫進檔案，比把狀態放在聊天記錄裡可靠太多。

終端機設定別亂省

Goldsmith-Pinkham 也提到，終端機本身值得花時間整理。這不是裝飾品。你要長時間用 Claude Code，就得讓 shell 好用一點。他推薦 Ghostty，還有 Zellij。

Ghostty 主打速度和 GPU 繪圖。Zellij 則是 terminal multiplexer，分割視窗很方便。這兩個搭起來，做研究很舒服。你可以一邊看 Claude Code，一邊看 log 或輸出結果。

這種雙欄工作法很實際。你不會只盯著模型講話。你也能即時看到程式跑得對不對。錯了就停，別讓它一路亂改下去。

• Ghostty 適合看大量輸出。
• Zellij 很適合分割窗格。
• 左右並排方便除錯。
• 終端機順手，工作阻力就低。

對研究者來說，這會直接影響體感。工具不只是功能夠不夠。介面順不順，也很重要。你如果每天都要碰，這種細節會一直累積。

Goldsmith-Pinkham 也把 AI coding 工具分層看。他提到 Cursor、OpenAI Codex、Gemini CLI，還有 Open Code。這個比較有用，因為它告訴你 Claude Code 不是唯一解。

但如果你想要的是「貼近專案檔案、直接在終端機裡工作」，Claude Code 目前確實很有競爭力。它不是魔法。它就是很會做 terminal agent 這件事。

跟其他工具比，差在哪裡

如果只看價格，Claude Code 不算最便宜。可是在研究工作流裡，重點不是單價。是你能不能少做重複工。這裡的差異很明顯。

像 Cursor 比較偏向 IDE 內整合。你在編輯器裡就能叫它幫忙。這對日常寫 code 很順。可是它的工作場景，還是圍繞編輯器本身。

Claude Code 比較像直接進到你的專案現場。它在 shell 裡看檔案、跑測試、改內容。這種模式很適合資料分析、批次處理、腳本修正。尤其當你的流程本來就離不開 terminal 時。

• Claude Code：偏 terminal agent。
• Cursor：偏 IDE 內協作。
• ChatGPT：偏對話與推理。
• Gemini CLI：偏命令列整合。

如果拿研究場景來看，差異更清楚。你在做回歸、畫圖、清理資料、重跑 pipeline 時，terminal agent 很自然。你不需要一直切視窗。這省下來的不是幾秒，是整段注意力。

另一個差別是上下文來源。瀏覽器聊天靠貼內容。IDE 工具靠編輯器內資訊。Claude Code 則直接讀工作目錄。對大型專案來說，這很有感。它比較像真的進到 repo 裡做事。

不過也別神化。它還是會犯錯。尤其是跨很多檔案、很多步驟的任務。你還是得檢查。這點沒有捷徑。

研究者最該先懂的背景

AI coding 工具這幾年變很多。從純聊天，到 IDE 插件，再到終端機 agent，差別不只是介面。差別在它能不能接近你的真實工作流程。研究工作特別吃這件事。

因為研究不是只寫一個乾淨 demo。你會碰到舊資料、怪格式、臨時腳本、半壞掉的 pipeline。這些東西最花時間，也最容易讓人煩。AI 工具能幫忙的，往往就是這些瑣碎部分。

但研究環境也比一般 side project 更敏感。你會碰到未公開資料、受限資料、合約資料。這時候就不能只看方便。你得看政策、法規、和資料治理流程。

所以我的看法很簡單。Claude Code 很值得學。不是因為它神。是因為它夠貼近真實工作。你只要做過幾次資料清理，就會知道它能省多少手工。

結論：先拿小專案試一次

如果你是研究者，我會建議你先拿一個小專案試。像是資料清理腳本、畫圖程式、或一個很煩的分析流程。不要一開始就拿核心資料庫開刀。先測流程，再談擴大。

最重要的習慣有三個。第一，保持 session 短。第二，把進度寫到檔案。第三，敏感資料別亂丟。這三個做好，Claude Code 才比較像工具，不會變成麻煩製造機。

我自己的預測是，接下來一年，研究者會越來越常把 terminal agent 放進日常流程。不是因為大家愛追新玩具，而是因為它真的省時間。問題只剩一個：你要先學會怎麼用，還是等 deadline 逼你學。