Claude Cowork自動排毒教學:用「1段提示+每週排程」,維持AI設定不走鐘!
Claude Cowork自動排毒教學:用「1段提示+每週排程」,維持AI設定不走鐘!

重點一:CLAUDE.md 規則越積越多會產生矛盾衝突,讓 AI 同時協調無關指令,輸出品質反而下降。

重點二:複製一段自我修正提示給 Claude Code,它會掃描全部設定並列出可刪除的規則與衝突清單。

重點三:在 Claude Code 設定每週一執行的排程任務,讓修正自動化,不需靠意志力維持習慣。

一篇在 X 上引發大量討論的貼文點出了一個幾乎所有 Claude 使用者都會踩到的坑:你的 CLAUDE.md 設定檔,很可能在你沒注意的情況下,變成了讓 AI 輸出變差的元兇。

貼文作者 @itsolelehmann 分享了一個反直覺的操作:他刪掉了自己 Claude Cowork 設定的一半內容,每一次輸出品質反而都提升了。 原因不在工具本身,而在「規則堆積」這件事本身就是問題。

你的設定為什麼會爛掉?

每次 AI 輸出不理想,你就在 CLAUDE.md 加一條規則。「要更簡潔。」「語氣輕鬆一點。」「技術詞彙記得解釋。」每一條加的時候都有道理,因為你剛好遇到了那個問題。

但沒有人會回頭刪掉已經沒用的規則。

三個月後,你也許有了 80 幾條規則同時作用在每一次輸出上,無論那條規則和當下的任務有沒有關係。

@itsolelehmann 用一個比喻說明:這就像給廚師一份 47 步驟的食譜,而他其實只需要 12 步。多出來的 35 步不是在幫忙,而是讓他不斷懷疑自己已經會的部分,花精力去協調彼此矛盾的指令,結果做出來的菜比放手讓他煮還差。

Anthropic 自家工程團隊也發現同樣的問題:他們內部的 Claude 腳手架,反而讓 AI 表現變差。這代表這個問題不是新手才有,而是幾乎所有長期使用者的通病。

為什麼「更少規則」反而更有效

Claude Cowork 本身已具備大量預設行為。你在 CLAUDE.md 加進去的許多規則,很可能是 AI 本來就會做的事,你只是不知道,所以重複指定了一遍。

重複指令不會讓 AI「更確定」要怎麼做,反而會製造噪音。當規則之間有衝突,例如「要簡潔」和「一定要解釋所有術語」就是典型的衝突組合,AI 必須自己決定哪條優先,而這個判斷每次都可能不一樣。

減少規則,等於減少模型需要同時協調的限制條件,讓它能把資源放在真正重要的地方。

核心步驟:用這 1 段提示讓 Claude 自己修正

第一步:複製這段自我修正提示,直接丟給 Claude

開啟 Claude Cowork 的對話視窗,貼入以下提示詞。Claude Cowork 可以直接讀取你的整個設定,包括 CLAUDE.md、所有技能資料夾、所有脈絡檔案,不需要你手動貼任何內容進去:

在回答之前,請先完整閱讀我的所有設定。檢查我的 CLAUDE.md、skills 資料夾中的每一個 skill、
context 資料夾中的每一個檔案,以及任何你能找到的其他指令檔案。

接著逐一審查你找到的每條規則、指令與偏好設定。針對每一條,告訴我:

1. 這是你不需要被告知就會預設執行的行為嗎?
2. 這條規則與我設定中其他地方的規則有衝突或矛盾嗎?
3. 這條規則與另一條規則或另一個檔案中的內容重複了嗎?
4. 這條規則看起來像是為了修正某一次特定的糟糕輸出而加入的,而不是為了整體改善輸出品質?
5. 這條規則模糊到每次你的解讀都可能不同嗎?(例如:「更自然一點」或「用好的語氣」)

最後請提供:
- 所有你建議刪除的條目清單,每條附上一行刪除理由
- 各檔案之間發現的衝突清單
- 去除冗餘後的精簡版 CLAUDE.md

Claude 會掃描你所有設定檔,對每一條規則套用上面 5 個篩選條件,然後告訴你哪些可以刪、哪些之間有衝突,並直接給你一版清理後的 CLAUDE.md

第二步:收到修正報告後,這樣決定刪或留

修正報告出來後,不要全盤接受,也不要一條一條慢慢刪。

  1. 讀每一條被標記的項目和理由。如果你對某條有異議,保留它。

  2. 剩下全部一次刪除,不要一條一條刪,你需要感受到整體的差異。

  3. 用你最常跑的 3 種任務測試清理後的設定。

  4. 輸出品質維持或變好?那些刪掉的規則就是確認無效的。

  5. 某個特定任務的輸出變差了?只把那一條規則加回去。

第三步:設定每週自動排程,讓修正變成習慣

修正只有在你確實去做的時候才有效。與其靠意志力,不如直接把它排進 Claude Cowork 的週期任務。

在 Claude Cowork 對話視窗輸入以下內容,大約 45 秒就能完成設定:

建立一個名為「setup-audit」的每週排程任務,於每週一早上 9 點執行。

任務內容:完整讀取我的所有設定(CLAUDE.md、所有 skills、所有 context 檔案,以及一切相關檔案),
接著對每一條規則套用以下 5 個篩選條件進行審查:

1. 這是你不需要被告知就會預設執行的行為嗎?
2. 這條規則與我設定中其他地方的規則有衝突或矛盾嗎?
3. 這條規則與另一條規則或另一個檔案中的內容重複了嗎?
4. 這條規則看起來像是為了修正某一次特定的糟糕輸出而加入的,而不是為了整體改善輸出品質?
5. 這條規則模糊到每次你的解讀都可能不同嗎?

最後請提供:
- 建議刪除的條目清單,每條附上一行理由
- 各檔案之間發現的衝突清單
- 規則總數中通過審查與被標記的數量摘要

不要修改任何檔案,僅輸出報告。

設定完成後,每個週一早上 9 點會自動收到一份修正報告,不需要主動記得去做任何事。

使用前的說明

這套方法有幾個前提需要先確認:

必須使用 Claude Cowork 或 Claude Code:週期排程功能是內建功能,Claude.ai 網頁版不支援。

而如果你只用網頁版,自我修正提示詞仍可以直接用,但自動排程那一步需要改為手動執行。

最後,不要把修正報告當聖旨:Claude 的建議有時候會標記你其實確實需要的規則,特別是那些針對你個人工作流程的特殊設定。

自我修正只是是起點,不是終點,最後判斷要不要刪的人是你。

效果取決於你目前的設定有多臃腫:如果你的 CLAUDE.md 本來就很精簡,這次修正可能只發現 2、3 條可以刪的規則。這不代表方法無效,而是你的設定狀況本來就比較健康。

工具的上限取決於你給它的指令品質。設定越精準,AI 越能把精力放在你真正需要的地方。

延伸閱讀:Claude怎麼用?Anthropic官方整理85個使用情境,橫跨12類職場場景,附提示詞範例

資料來源:@itsolelehmann(X/Twitter)

本文初稿為AI編撰,整理.編輯/ 先泰

關鍵字: #Anthropic #Claude
往下滑看下一篇文章
數位時代 X 國泰金控 從百套系統上雲到 Cloud First:國泰如何把雲端變成AI成長引擎?
數位時代 X 國泰金控 從百套系統上雲到 Cloud First:國泰如何把雲端變成AI成長引擎?

2019年金融監理機關正式將雲端納入委外規範後,揭示金融業上雲時代來臨,國泰金控數數發中心成立雲端策略發展部,負責擬定集團上雲策略,並於2020年正式啟動7年集團雲端轉型計畫;在多數金融機構仍停留在單點遷移或IT現代化的現下,國泰金融集團在 2025 年即完成 100 套系統上雲,更將雲端轉型階段從 Cloud Ready、Cloud Adoption 推向 Cloud First,成為數據與人工智慧應用的關鍵引擎。

國泰金控資訊長|吳建興 James Wu
圖/ 數位時代

「百套系統上雲不僅僅是數字,更是讓國泰從『 IT 進化業務』邁向『 IT 驅動成長』的關鍵轉折。」國泰金控雲端策略發展部協理顏勝豪表示,上雲帶來的效益十分顯著,包括提升資源可用性與營運敏捷度、減輕 IT 維運負擔;同時,雲端業者多具備零碳排或綠能機房機制,亦有助於企業朝向 ESG 永續營運邁進。「金融上雲不是單純的現代化基礎設施或者是升級技術,而是為了換取速度與可靠度,讓集團可以加速創新腳步、彈性調配資源,以及培育所需人才與技能,為未來做最佳準備。」
為讓集團員工、金融同業以及有志上雲的夥伴可以進一步探討雲端轉型的各種可能,國泰金控舉辦雲端轉型成果發表會,會中除有集團子公司分享最新成果,三大公有雲平台業者也從不同技術視角共同探討在合規、資安與 AI 應用的可能。

七年、三階段,國泰金融集團將雲端內化為營運流程與創新引擎

國泰金控科技長|姚旭杰 Marcus Ya
圖/ 數位時代

為什麼國泰可以領先市場完成雲端轉型、數據與 AI 賦能業務?

顏勝豪認為,雲端轉型的起點不是直接遷移系統,而是從四個面向打底:應用系統盤點評估、雲端架構設計、雲端遷移藍圖規劃,以及組織治理框架建立,而這也是 Cloud Ready 階段最重要的事情。
「不同子公司有不同商業模式與節奏,若沒有共同語言與平台底座,上雲很容易各自為政。」顏勝豪表示,為讓所有員工可以齊步前行,國泰以雲端遷移方法論 Cathay 6R(註1)作為共同語言、用平台作為共同底座,讓轉型不只是技術選擇,而是集團行動。
完成單一系統的雲端遷移後,便進入 Cloud Adoption 階段。在這個階段中,要透過大規模遷移建立更成熟的上雲標準作業流程(SOP),透過 FinOps 機制控管與優化雲端營運成本,以及透過自動化與治理模型確認多雲環境與安全與維運穩定性,目標是將雲端內化為組織日常運營的一部分,進而邁向 Cloud First 階段:在合規前提下,新專案與系統升級預設在雲端環境開發,並善用雲原生優勢加速新產品功能開發速度。
「集團雲端策略只有一個核心原則:讓雲成為 AI 時代的成長引擎,而不是單純的基礎設施。」關於國泰的未來雲端布局,顏勝豪如是總結。

國泰金控 雲端策略發展部 協理|顏勝豪 Otto Yen
圖/ 數位時代

以雲端為 AI 資源引擎、發揮數據燃料價值,實現 AI 賦能業務應用

國泰不僅在2025年完成集團百套系統上雲,也啟動數據上雲計畫並為 GenAI 奠定基礎建設。
例如國泰金控實現數據上雲,打造資料湖倉與 GAIA 生態系統架構為 AI 賦能業務做準備:成立國泰風險聯防中心(CRC)攜手集團洗防人員強化風險控管與金融犯罪因應能力;釋出國泰員工 AI 助手–Agia–Beta
版,提供差勤、福利與權益、技術支援、職務職能與集團其他資訊等五大類別管理辦法等查詢服務;此外,亦推出集團數據共享平台、集團法規知識庫、 AI 評測中心等服務,更好發揮 Cloud First 與 AI 賦能業務應用的價值。
雲端是 AI 時代的關鍵底座、數據則是 AI 的燃料。顏勝豪指出,發展AI需要龐大的 GPU 算力,若自建 GPU 機房,不僅硬體設備昂貴、折舊速度快,光是散熱系統一年就高達兩、三千萬元的成本,若採取雲端資源,可以隨啟隨用,同時,大幅降低試錯成本。「當雲端打好基礎、AI成為能力模組,銀行、人壽、產險與證券的創新不再是單點突破,而是放大集團級綜效。」

國泰以 Cloud First + AI 持續領先市場、形塑未來樣貌

「雲端可以優化算力成本,資料則決定 AI 應用上限。」顏勝豪解釋,在 AI 新世代,AI 模型定調能力「下限」,集團子公司掌握的「獨特資料」則決定應用的「上限」,考量雲端有許多好用 AI 服務,唯有資料上雲才能發揮數據價值、用 AI 賦能集團各子公司業務。
例如國泰世華銀行將採取多公有雲策略,打造雲端智慧生態圈,並以現代化雲原生技術拓展應用場景;同時,運用 AI 與資料分析優化客戶服務體驗,並藉由跨雲整合機制支援多元業務模式,以充分發揮上雲效益。至於國泰產險,不僅在兩年半內完成13套核心系統上雲、優化營運流程,如以 Serverless 架構打造百萬級效果、萬元成本的短網址系統等,讓雲端成為產險驅動長期成長的核心引擎與標準配備。

國泰人壽則是透過雲端與 AI 滿足不同客戶需求,如以 AI Search 精準呈現關鍵字搜尋結果,讓客戶可以精準且快速的查找所需資料、大幅優化官網體驗與滿意度。至於國泰證券則是於2026年初推出「庫存管家」服務,以客戶持股為核心,應用 AI 技術打造個人化推播服務,協助投資人更有效率地掌握庫存狀況,提供更即時、系統化的投資管理體驗。
總的來說,國泰金控在集團的雲端轉型不僅是技術升級,更是思維革新,從百套系統上雲進展到 Cloud First 階段,可以預期在雲地基礎下,國泰將進一步引領 AI 時代變革,持續提升營運韌性與放大創新價值。

註1:Cathay 6R 國泰設計 Cathay 6R 雲端遷移方法論,將系統遷移方式依據上雲模式、系統開發成本分為 Rehost 、Replatform、Refactor、Rewrite、Replace 和 Retain 共6種遷移架構,並能對應到 IaaS、PaaS、SaaS 三種不同上雲模式。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
2026 大重啟
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓