這份指南說明如何以 Claude Code 為主要開發工具，從零建置一套整合任務管理、財務追蹤、語音控制與雲端記憶的個人作業系統。無需既有程式背景，只需能清楚描述需求。
個人作業系統的核心是一個三欄式儀表板：左欄顯示今日任務、習慣與財務狀態，中欄為寫作與會議工作區，右欄整合 AI 洞察輸入。系統透過 Supabase 雲端資料庫保存所有記錄，並透過 Telegram Bot 接受語音指令操作。這是一套部署在你自己帳號下、可隨時透過自然語言指令修改的個人工具。
過去建置這類系統需要具備前端、後端、資料庫與部署能力。Claude Code 將需求描述轉為可執行程式：你以自然語言說明功能需求，它讀取整個專案脈絡、產出實作計畫、撰寫程式、串接資料庫並協助部署。你在流程中扮演的角色是確認計畫、驗收輸出與設定限制條件。
相較於市售待辦或筆記工具，自建系統的差異在於資料歸屬與邏輯彈性。市售工具的功能由廠商決定，資料通常無法完整匯出或跨平台分析。自建系統的資料存放於自己的 Supabase 帳號，可隨時更換前端介面，也可匯出至任意 AI 模型進行分析，不存在廠商鎖定。
無程式背景但願意動手操作的人；已在使用 ChatGPT 或 Claude、希望進一步建置自訂工具而非僅作對話用途的人；以及希望將多個分散工具整合為單一系統的人。具備工程師背景不是前提條件。
建置前需完成以下帳號與工具的準備。下列服務多數提供免費方案，實際產生計費的主要為 Anthropic API 與（選用的）Whisper 語音轉錄，均採用量計費。
| 角色 | 工具 | 用途 | 起步花費 |
|---|---|---|---|
| 設計 | Claude Design | 先定主題、色彩、Logo 與素材，再進入寫程式 | 含於 Claude 訂閱 |
| 程式開發 | Claude Code | agentic 編碼，把需求變成可運作的程式 | Pro / Max 訂閱或 API 計費 |
| API 金鑰 | Anthropic（platform.claude.com） | 驅動程式內的 AI 功能（第二大腦、洞察） | 用量計費，先設預算上限 |
| 雲端資料庫 | Supabase | Postgres 資料庫 + 認證 + 儲存，你的真後端 | 免費方案足以起步 |
| 部署平台 | Vercel | 把網站與 Webhook 放上線，全球可存取 | Hobby 免費方案 |
| 語音 + 遠端 | Telegram BotFather + Whisper | 用語音訊息遠端操作你的系統 | Telegram 免費；Whisper 依分鐘計 |
| 行事曆 / 財務 | Google Calendar / Sheets API | 行程同步、財務數據即時拉取 | 免費 |
各家定價、免費額度與模型費率會隨時間變動。開始前到各官方網站確認最新數字，並在 Anthropic 後台先設定每月用量上限與額度警示，這是避免帳單失控最重要的一步（詳見第 07 章）。
完成上述帳號設定後，安裝 Node.js 與 Claude Code。各平台的安裝步驟略有差異，請以官方文件為準（章末資源區有連結）。
系統由八個功能獨立的儀表板模組組成。建議從最迫切的兩三個模組開始建置，驗收正常後再依需求擴充，不必一次完成全部。
看板視圖依優先級排列任務卡片，每筆任務記錄狀態、進度與下一步行動。
透過 Google Sheets API 自動同步財務數據，在單一介面顯示收支明細與淨值狀態。
記錄健康、財務、學習等習慣的每日打卡狀態，提供回顧視圖供追蹤長期趨勢。
整合各來源的健康數據，集中管理飲食記錄、營養素攝取與個人目標。
與 Google Calendar 雙向同步，將所有行程集中顯示在主控台，支援月、週、日三種檢視。
依主題分類的筆記庫，連接 Anthropic API 後可根據累積的記錄脈絡進行跨主題連結與摘要。
日誌條目持久儲存於 Supabase，可依日期、心情標籤篩選，並可批次匯出供 AI 分析。
記錄每項任務的阻擋原因與卡關時間，提供阻擋因素的統計視圖，供事後分析改善。
以下為建置整套系統的標準步驟，順序為：先完成設計與資料層，再實作功能模組，最後串接外部服務。建議嚴格按順序執行，跳過資料層設計往往導致後期需要大幅重構。
在進入開發前，先以 Claude Design 確定主題色彩、Logo 與基礎視覺素材。這一步確保後續 Claude Code 產出的各頁面介面保持一致的視覺規格。
建立新專案，將設計素材導入，然後向 Claude Code 描述整套系統的架構：需要哪些模組、模組間如何互動、介面配置為何。這段描述即為總建置提示詞（第 08 章提供可直接使用的範例）。
將所有資料存入 Supabase 雲端，完成前後端串接。資料層一旦獨立於介面，日後更換前端框架或接入其他 AI 服務時，不需遷移資料。資料層架構正確是後期擴充的先決條件。
前往 platform.claude.com 取得 API 金鑰，用於驅動系統內的 AI 功能（第二大腦、洞察分析等）。取得金鑰後立即在後台設定月度預算上限，金鑰只能存放於後端環境變數，不可出現在前端程式碼或公開 repo 中。
向 Claude 說明各模組的資料欄位定義：任務的欄位清單、日誌的分類方式、財務的分類規則。資料結構描述越明確，產出的後端越乾淨且易於擴充。
建立 Telegram Bot、設定 Webhook，串接後端邏輯後部署至 Vercel 並驗證。完成後可透過語音訊息遠端操作系統（完整流程見第 06 章）。
請 Claude 對整個專案執行安全性審計，列出漏洞清單並逐項修正。系統儲存個人財務與日誌等敏感資料，此步驟不可省略（第 07 章詳述）。
將 Google Calendar、日誌、習慣追蹤與各自訂模組全部串接，使所有模組共用同一份 Supabase 雲端資料。至此，系統各模組可正常協同運作。
個人工具常見的失敗原因是資料存放於瀏覽器（localStorage 等），重新整理或跨裝置後即遺失。Supabase 是以 PostgreSQL 為核心的後端即服務（BaaS），整合了資料庫、使用者認證、檔案儲存與即時同步，提供穩定的雲端資料層。
Supabase 在本系統中承擔以下四項核心角色：
資料儲存在雲端，不綁定任何特定應用程式或介面框架。
同一份資料可供多個前端存取，從網頁應用切換至行動 App 時無需遷移資料。
資料以標準 PostgreSQL 格式儲存，可隨時匯出至 Claude 或 ChatGPT 進行分析。
實際用例：匯出三個月的日誌至 Claude，提取決策盲點、情緒週期與行為趨勢。
Claude Code 可透過 MCP（Model Context Protocol）直接連線 Supabase 專案，在撰寫程式的同時即時建立資料表、設定認證規則。以「為這個 App 加入 Email 登入」為例，透過 MCP 約二十分鐘即可完成完整的認證流程配置。
語音控制允許使用者透過 Telegram 傳送語音訊息，遠端操作系統的資料寫入。資料流共經過五個節點，流程如下。
流程說明：使用者在 Telegram 向 Bot 傳送語音訊息 → 系統下載語音檔，交由 Whisper 轉為文字 → 文字進入後端邏輯，寫入對應的 Supabase 資料表 → 前端即時反映更新結果。此流程支援從任何裝置透過語音指令操作系統。
① 在 Telegram 搜尋 @BotFather，送出 /newbot，輸入名稱後取得 Bot Token。
② 選擇連線方式：Webhook（生產環境） 或 Polling（本機開發），兩者不可同時啟用。
③ 在 Vercel 建立 Webhook 路由（例如 /api/webhooks/telegram），部署上線。
④ 執行一行指令將 Webhook 指向 Vercel 網址，再以 getWebhookInfo 驗證設定是否生效。
⑤ 收到語音訊息時，先下載 .ogg 檔，交由 Whisper 轉錄，再將文字傳入後端邏輯。
# 把 Telegram Webhook 指向你的 Vercel 部署
curl -X POST https://api.telegram.org/bot${TOKEN}/setWebhook \
-H "Content-Type: application/json" \
-d '{ "url": "https://your-app.vercel.app/api/webhooks/telegram" }'
# 驗證 webhook 是否設定成功
curl https://api.telegram.org/bot${TOKEN}/getWebhookInfo① 語音轉錄延遲：Whisper 轉錄通常需要 2–5 秒，建議先回覆「轉錄中…」以提示使用者等待。② Vercel 部署保護：Vercel 預設啟用 Deployment Protection，會攔截 Telegram 的請求，需手動關閉。③ 連線方式混用：Polling 與 Webhook 不可同時啟用，本機開發用 Polling，上線後切換為 Webhook。
將 AI 能力整合進個人應用時，同時引入了金鑰管理與資料存取的安全責任。設定不當可能導致資料外洩或 API 費用失控。本章說明最常見的四類風險及對應的防範措施。
核心規則：API 金鑰不可放入前端程式碼。網頁與 App 的程式碼可被任意使用者反編譯或檢視，金鑰一旦暴露於前端套件，即可被提取並盜用，所有 API 費用均記在金鑰擁有者帳號下。正確做法是在獨立後端執行所有 AI 呼叫：前端將請求轉發至後端，後端完成身分驗證後，以伺服器端的環境變數中保存的金鑰呼叫 Anthropic。
| 風險 | 會發生什麼 | 怎麼防 |
|---|---|---|
| 金鑰外洩 | 金鑰寫進前端／公開 repo，被盜刷 | 金鑰只放後端環境變數；用 .gitignore 排除 .env |
| 帳單失控 | 迴圈呼叫或被濫用，用量暴衝 | 在 Anthropic 後台設月度上限與用量警示 |
| 資料庫全開 | 任何人都能讀寫你的 Supabase 資料 | 啟用 Row Level Security（RLS），逐表設權限 |
| Webhook 被偽造 | 有人假冒 Telegram 打你的端點 | 設定 webhook secret / 驗證來源簽章 |
直接向 Claude 送出審計指令，例如：「請審視整個專案，找出任何金鑰外洩、權限過寬、未驗證輸入的風險，列成清單並逐項提出修正方案。」Claude 能識別常見弱點，但最終驗收仍是使用者的責任。AI 產出的實作可能遺漏邊界情況，涉及金錢與個資的模組需自行複查確認。
以下三段提示詞分別對應建置流程的三個關鍵節點，可直接複製使用，將方括號內容替換為實際需求。有效提示詞的三個要素：提供足夠上下文、明確說明需求、要求先輸出計畫再執行。
① 先計畫後執行：非小型任務一律要求先輸出實作計畫，在計畫階段發現誤解的修正成本遠低於實作完成後重寫。② 提供完整脈絡：說明技術棧、限制條件與不可違反的規則（例如金鑰不可放入前端）。③ 每次只做一件事：完成並驗收一個模組後再進行下一個，不要在同一段對話中混入多個不相關任務。
以下整理自 Reddit、Hacker News 及重度使用者的公開分享，涵蓋操作技巧、常見用例與已知陷阱，以摘要形式重述，並標明各條目的類型。
Claude Code 的上下文視窗有容量限制，視窗塞滿後輸出品質會明顯下降。不相關任務之間務必執行 /clear。同一個 bug 修正兩次仍出錯時，應清空對話、重新撰寫更精確的初始提示，而非繼續在現有對話中累積修正。
將專案慣例寫入 CLAUDE.md 讓 Claude 每次自動讀取，是有效傳遞專案規範的做法。但內容過長時，重要規則反而被雜訊淹沒。建議定期精簡：若 Claude 在沒有某條規則的情況下仍能做出正確行為，即可移除該條。
部分使用者將 Claude Code 連接至 Obsidian 或 Markdown 筆記庫，並在 CLAUDE.md 中定義規則：每次對話開始時讀取記憶檔，結束時將更新寫回。此「寫回」規則是系統累積知識的機制，缺少它筆記庫只是靜態檔案；加上它後，記憶庫隨每次使用持續擴充。
有使用者發現：供 AI 使用的知識庫，以 People、Projects、Services 等實體類型分類，比傳統資料夾階層結構更實用。原因在於 AI 是以組裝上下文的方式運作，扁平且可連結的結構有助於跨位置拼接分散資訊。
常見問題模式：在進行中的任務對話中插入不相關的問題，再回到原任務，導致上下文被無關資訊填充，輸出品質下降。此模式在社群中被稱為「kitchen sink session」。解決方法：不同任務之間執行 /clear 清空上下文。
AI 產出的實作外觀合理，但可能遺漏邊界情況的處理。建議將 AI 輸出視為資淺工程師的初稿，必須自行閱讀程式碼並測試，涉及金錢與個人資料的模組尤其需要仔細驗收。
社群與官方團隊的共識：高性能模型單次回應較慢，但需要使用者來回修正的次數更少，整體耗時反而較短。重要任務建議啟用「思考模式」並選用最高性能模型，以減少 debug 往返的成本。
每次 Claude 產生錯誤，就將對應的修正規則寫入 CLAUDE.md，避免相同錯誤重複出現。將 CLAUDE.md 以 Git 版本控管，使其成為一份隨使用經驗持續完善的專案規範文件。
社群的普遍提醒：工具熟練本身不是目的，先確定要解決的具體問題，再選用適合的工具執行。有使用者花費大量時間優化 Claude Code 的使用方式，卻逐漸偏離最初想要建置的實際系統。定期回到需求本身，確認工具投入與問題解決是否對齊。
系統基礎建置完成後，可透過三欄式主控台配置與以下進階功能提升日常使用效率。
顯示系統總覽、任務清單、習慣打卡狀態與財務摘要，提供每日狀態一覽。
集中顯示當日任務、寫作草稿、提案進度與會議安排，作為主要產出工作區。
整合 Claude 與 ChatGPT 的呼叫監控、模型參數調整與手動資料輸入功能。
三個進階功能配置：
① 排程洞察：透過 Claude Code 的排程功能（cloud routines），每週日自動將本週日誌與財務資料送至 AI，產出週摘要報告。
② 跨模組連結：設定任務阻擋器與日誌的連動，當任務進入卡關狀態時提示記錄原因，長期累積後可分析阻擋原因的分佈。
③ 語音快捷指令：為高頻操作定義語音指令模板，例如「記一筆 X 元的 Y 開銷」，直接觸發財務資料寫入。
可以開始，但要有合理期待。Claude Code 會幫你寫絕大部分程式，你的工作是清楚描述需求、看懂它的計畫、做測試與把關。把它想成一位很強的工程師夥伴，而你是產品負責人。建議從一兩個小模組做起，跑順了再擴充。
Supabase、Vercel、Telegram、Google API 都有免費方案足以起步；實際計費的項目為 Anthropic API 與選用的 Whisper 語音轉錄，兩者均按用量計費。實際金額依使用頻率而定。務必到各官方網站確認最新費率，並在 Anthropic 後台設定預算上限。
瀏覽器儲存（localStorage 等）一清快取就沒了，也無法跨裝置、無法被 AI 分析。Supabase 給你一個真正的雲端資料庫，資料獨立於介面，將來換前端、接別的 AI 都不用搬家。對「要長期用」的個人系統，這是值得的地基投資。
不一定，Telegram 只是最方便的入口之一（免費、有現成的 Bot 機制與語音訊息）。你也可以接其他通訊平台或自建介面，核心流程一樣是「語音 → 轉文字 → 進後端 → 寫資料庫」。
遵守第 07 章的規則即可大幅降低風險：金鑰只放後端、設定用量上限與警示、避免迴圈呼叫。最常見的帳單失控情況是金鑰暴露於前端被盜用。守住金鑰不入前端這條規則，其餘風險相對可控。
安全與否取決於你的設定。務必啟用 Supabase 的 Row Level Security、讓每位使用者只能存取自己的資料，並請 Claude 幫你做一次安全性審計。資料在你自己的帳號下，你擁有完整控制權與匯出權。
個人作業系統的價值在於它可持續擴充：生活需求改變時，透過自然語言指令即可新增或調整模組。讀書進度追蹤、睡眠數據串接等功能，均可在現有架構上逐步加入，不需重新建置。
建議從第 08 章的 Prompt A 開始：以 Claude Design 確定視覺規格，再將 Prompt A 貼入 Claude Code 並要求先輸出實作計畫。按此流程，一個週末可完成第一個可運作的模組。