離開網頁對話

前言

近一年觀察同窗使用 ChatGPT 或 Claude，經常見到一些低效操作。比如需要修改 code 時，基本是將網頁上生成的 code 複製執行，等出結果後再將結果上傳，以此循環。如果是免費使用者，此為無奈之舉；但許多人明明持有付費帳號，卻僅僅是為了上傳更多圖片。實際上大部分功能並未充分使用，token 用量（token 是計算用量的單位）也未完全消耗，而已消耗的部分又多用於解析圖片、PDF 等非文字的視覺化文件。

上述循環其實並無必要。現有一類稱為 coding agent 的工具，可以直接讀取電腦上的檔案、執行 code 並查看結果，中間不需人工複製；而這類工具早已包含在同一份付費方案之內，並不需要另外付費。問題在於多數人並不知道它存在。

而這並非個例。CS（Computer Science）領域早已有一批工具可以改善科學分析的體驗，諸如版本控制、依賴管理（記錄一份分析用了哪些套件、各是哪一版）、平行運算；只是過去須先學會才用得上，對未受過相關訓練的人而言門檻不低。如今這些工具同樣可以交由 coding agent 操作，使用者只需知道它們存在，以及各自解決什麼問題。然而 coding agent 只會執行被交代的內容，並不會主動提出更好的方案；使用者如果不知道，它也不會提。

本系列即為此而寫，面向以 R 或 Python 進行資料分析與科學計算的學生與研究者，側重工作環境的設定，以及相關的 CS 科普；操作步驟以 Windows 為準。本系列編寫時使用的是 Claude，因此主要以 Claude 舉例；ChatGPT 一側的許多概念與之相同，如果有不同之處會單獨提及。

網頁對話與 coding agent 之別

ChatGPT 與 Claude 背後都是 LLM（Large Language Model，大型語言模型），即讀進一段文字、再生成文字的模型；本系列說「模型」時指的都是 LLM。

Agent 一詞原意為代理人，即受託代為辦事者。網頁對話如今也能代為搜尋，或在服務商的電腦上執行 code，但碰不到使用者電腦上的檔案，在本機動手的仍是使用者；coding agent 則是受託之後，在使用者的電腦上自行動手。

網頁對話看不到電腦上的檔案，它所知道的只有對話框裡貼上或上傳的內容，資料夾裡還有哪些檔案、彼此如何相關，一概不知；coding agent 則以所選的資料夾為範圍，需要哪個檔案便自行開啟，不需逐一上傳。Agent 讀進的每一段文字都計入 token 用量，而在本機上找檔案時，它會先以搜尋工具定位到相關的檔案與行號，未必將整份內容讀完，因此消耗的 token 也相對較少。

執行 code 也是如此。網頁對話雖有內建的執行環境，但那是在服務商的電腦上，沒有本機的資料，也沒有已安裝的套件，因此寫出的 code 能否執行、結果是否正確，仍須由使用者複製執行後再回報，即前言所述的循環；coding agent 則可自行在本機上執行，讀取錯誤訊息或輸出的結果，據此修改後再執行，直到完成為止。

既看不到檔案，也不能在本機執行，網頁對話對使用者電腦上的情況所知的一切，都須經使用者轉述，因此只能依描述作判斷。而許多人其實不容易將自己要什麼、遇到什麼問題說準確，比如只說「跑不動」或「結果怪怪的」，卻未附上錯誤訊息，也未說明原本預期的結果；描述愈不精確，模型判斷出錯的機率愈高，網頁對話除了追問之外並無他法。coding agent 既能自行讀檔與執行，便可直接查看實際的檔案與錯誤訊息，據此推斷使用者的意圖，即使描述含糊，判斷正確的機會也較高。但指示寫得清楚仍有幫助，寫法留待「Prompt 技巧與協作的做法」一節說明。

另一項差別在於新對話。網頁對話每開一個新對話，都須從頭交代，除非另設 Projects，否則先前上傳的檔案、說明過的背景與要求不會帶到新的對話，須重新上傳、再說明一次要點；coding agent 的新對話同樣不記得先前談過什麼，但檔案仍在資料夾內，需要時再讀即可，而每次都須交代的要點可以寫成規範檔留在資料夾裡，留待「規範檔的作用與位置」一節說明。

網頁對話與 coding agent 背後其實是同一個 LLM，差別在於包在 LLM 外面的那一層給的工具不同；LLM 與這一層各自負責什麼，留待「Agent 的工作流程」一節說明。

安裝桌面 app

Claude 與 ChatGPT 都有桌面 app，coding agent 就在其中。安裝本身與一般軟體沒有分別，此處僅列出下載位置：

• Claude：見官方安裝說明，頁面上方有 Windows 的下載按鈕。
• ChatGPT：自 Microsoft Store 安裝，見官方說明。

訂閱方面，每月 20 美元一級的方案（Claude Pro 或 ChatGPT Plus）即已足夠；如果是免費帳號，在 Claude 桌面 app 內點選 Code 時會被要求先升級。

Claude 桌面 app 上方有三個分頁；ChatGPT 桌面 app 的結構相仿，分為 ChatGPT 與 Codex 兩處，ChatGPT 之下又有 Chat 與 Work。兩者的對應如下：

本系列只使用 Claude 的 Code 分頁與 ChatGPT 的 Codex；Code 分頁裡的 agent 名為 Claude Code，後文稱 Claude Code 時即指它。如果安裝後仍停留於 Chat，則與使用網頁對話沒有分別，前言所述的複製循環依舊；Cowork 與 Work 雖然也能使用本機檔案，但定位是交辦任務、取回成品，而本系列需逐一檢視 code 的改動與執行結果，因此不採用。

初次使用：讀取既有資料夾

初次使用不妨只讀不改，挑一個既有的資料夾，比如上學期的某份作業或報告，內容自己熟悉，agent 說得對不對一看便知。

1. 開啟 Code 分頁，環境選 Local，即在本機上直接使用電腦裡的檔案；選單裡另有 Cloud、SSH 與 WSL，分別在 Anthropic 的伺服器、遠端的機器與 Windows 內的 Linux 環境執行，本系列都用不到。
2. 點選 Select folder，選取該資料夾。
3. 模型維持預設即可，如何選擇留待「模型規模與 effort」一節。
4. 於對話框輸入指示並送出。

指示可以這樣寫：

閱讀這個資料夾，說明每個檔案的用途，以及這份分析的流程。不要修改任何檔案。

送出後可以看到 agent 逐一開啟檔案，隨後給出說明。接著可以追問一些須對照多個檔案才能回答的問題，例如：

報告裡的圖 2 是由哪一個腳本、哪幾行產生的？
哪些檔案看起來已經沒有被用到？

這類問題在網頁對話裡須先上傳全部檔案，在此則不需任何準備。Codex 的流程相同，也是選定資料夾後再下指示。

所選的資料夾就是專案，也是 agent 看得到的範圍，應選取單一分析所在的資料夾，不選裝著多份工作的上一層，比如裝著所有課程作業的資料夾。如果檔案原本是平鋪的，應先建立一個資料夾，將這份分析所需的檔案移入，再開啟。

權限提示與 plan mode

Agent 動手的方式就是修改檔案與執行指令。指令是交給作業系統執行的一行文字，與使用者寫給 agent 的指示不是同一件事；執行 code、安裝套件、搬移檔案都透過指令。

讓 agent 動手，最令人不安的是它改壞檔案，桌面 app 為此設有事前的防線。最基本的一道是權限提示：送出按鈕旁有一個模式選單，決定 agent 在動手之前是否須先徵求同意。

舊版介面將這些模式稱為 Ask permissions、Auto accept edits 與 Plan mode，所指相同。

初期建議使用 Manual。此模式下，agent 每次要修改檔案，都會先顯示改動前後的對照，並附上 Accept 與 Reject 兩個按鈕；按下 Accept 之前，檔案不會有任何變化，按下 Reject 則 agent 會詢問接下來該怎麼做。執行指令時也一樣，須先經同意。

看提示時，先看改的是哪一個檔案、改動的範圍是否與所交代的相稱，如果交代改一張圖卻動了讀取資料的部分，便應拒絕並詢問原因；指令如果看不懂，可以先拒絕，請 agent 說明其作用後再決定。熟悉之後再視情況改用 Accept edits。

另一道是 plan mode，即上表的 Plan。此模式下 agent 會閱讀檔案、執行指令以了解現況，然後提出一份計畫，但不修改任何檔案。改動較大時，例如重寫整份腳本，應先以 Plan 開始，計畫看過、修正過之後，再切回 Manual 執行，此時計畫如果有不妥，還沒有任何檔案需要復原。

Codex 的做法略有不同，預設在沙盒（sandbox，受限的執行環境）內執行，即網路關閉，寫入範圍限於專案資料夾，超出此範圍的操作才會徵求核准，因此 install.packages() 這類需要連網的指令會出現核准提示。Codex 也有 plan mode。

這些防線都在事前，改動一經接受，要退回原狀便須另有手段，這就是版本控制一篇的 Git；還沒有使用 Git 時，如果要讓 agent 修改重要的資料夾，先複製一份備份。