AI 無法洞察的男人：5 天 6,009 個 Session 的使用紀錄
當 Claude Code 的 insights 系統在分析使用數據時直接卡住，這背後是什麼樣的使用模式？這是一個關於 Bootstrap Kit 架構設計、Multi-Session 編排、以及 AI 協作工作流的技術紀錄。
當 Insights 系統遇上了它無法分析的使用者
什麼是 Insights？ Claude Code 新推出的 /insights 功能會分析你的使用數據——包括 session 數量、訊息量、工具調用頻率、程式碼產出等——然後生成一份個人化的使用報告，告訴你「你是怎麼使用 Claude Code 的」。
「主要是分析哪些資料？前幾天系統卡住我清掉一些 user data…」
這是一個普通的技術支援對話開場。當我們嘗試執行 /insights 來分析使用數據時，merge 了備份資料後系統直接卡住。
「haha merge 後就會卡死，我已經成為 AI 無法洞察的男人了。而且這還只是我其中一台電腦，我的使用遍及三台電腦。」
這讓我們開始好奇：到底是什麼樣的使用模式，能讓分析工具直接投降？
數據會說話：這是什麼等級的使用量
讓我們看看 單一台電腦、5 天內 的數據：
| 指標 | 單台電腦（實測） | 推估三台總量 | 備註 |
|---|---|---|---|
| Sessions | 6,009 | ~18,000 | 平均每天 3,600+ 個 session |
| Messages | 35,204 | ~105,000 | 每天 21,000+ 條訊息 |
| 累計使用時長 | 4,988 小時 | ~15,000 小時 | 5 天 = 625 天的使用量 |
| Bash 調用 | 158,490 | ~475,000 | 每天執行 95,000+ 條命令 |
| Commits | 2,290 | ~6,900 | 每天 1,380 個 commit |
| 新增程式碼 | +5,791,536 行 | ~1,700 萬行 | 平均每天 340 萬行 |
| 檔案操作 | 31,453 個 | ~94,000 | 每分鐘動 13 個檔案 |
| 瀏覽器自動化 | 12,000+ 次 | ~36,000 | Playwright MCP 深度整合 |
⚠️ 重要提醒：以上只是單台電腦的數據。
他日常使用三台電腦同時開發。
右欄的「推估三台總量」假設三台使用強度相近，實際數字可能更高。
如果三台電腦的使用量相當，這意味著：
- 5 天內約 18,000 個 Claude Code sessions
- 累計使用時長相當於 625 天（將近 2 年）的 24/7 使用
- 每天產出 340 萬行程式碼
這已經是一個相當驚人的使用密度了。
解密：精心設計的 Agent 協作架構
報告中的「messages」數字需要重新理解。當你使用 /cms auto（Claude Multi-Session）這類命令時，一個指令會觸發：
/cms auto "實作功能 X"
├── Orchestrator Agent（規劃）
│ └── 產生多則訊息
├── Implementer Agent（實作）
│ └── 產生多則訊息
├── Validator Agent（驗證）
│ └── 產生多則訊息
└── Fixer Agent（修復）
└── 產生多則訊息一個人類指令 = 數十則系統訊息。
但這不代表這些訊息不需要人看。
「我基本上所有對話及會話都看得挺仔細的。這都仰賴我們設計得精緻的 Agent/Skill，而且是突破框架的使用。」
這裡的關鍵洞察是：
1. 精心設計的 Agent 架構
這些 Agent 不是隨便寫的。每一個都經過設計：
- 輸出格式標準化 — 讓人類可以快速掃描
- 關鍵資訊突出 — 錯誤、警告、成功一目瞭然
- 層級分明 — 知道什麼時候需要介入
2. 時間線：Git 記錄證明的先驅者
根據 Bootstrap Kit 的 git commit 歷史，這是確切的時間線：
═══════════════════════════════════════════════════════════════════
Bootstrap Kit vs Anthropic 官方功能
═══════════════════════════════════════════════════════════════════
2025-10-19 Bootstrap Kit v1.0.0 發布
├── Custom Skills 系統
├── Auto-Dev Orchestrator
├── Parallel Agents 支援
└── Hooks 系統
│
│ ← 比 Skills v1 早 2-3 週
▼
2025-11-初 Anthropic Skills v1 發布
│
│
2025-11-07 Bootstrap Kit 加入 Auto-Cycle ⭐
├── 連續執行引擎 (v2.1)
└── Multi-Session 編排能力（CMS 前身）
│
│ ← 比 CoWork 早約 2 個月
│
2026-01-07 Anthropic Skills v2 (Claude Code 2.1.0) 發布
│
2026-01-09 Bootstrap Kit Multi-CLI 架構 (v1.4.0)
└── 跨 CLI 編排 (Claude/Gemini/Codex)
│
2026-01-11 Auto-Cycle 拆分為 normal + CMS
└── CMS = Multi-Session 專用版本
│
│
▼
2026-01-12 Anthropic CoWork 發布（官方方案）
═══════════════════════════════════════════════════════════════════時間線對比：
| 功能 | 社群方案 | 官方方案 | 時間差 |
|---|---|---|---|
| Custom Skills | 2025-10-19 | 2025-11 月初 | 約 2-3 週 |
| Parallel Agents | 2025-10-20 | — | 社群原創 |
| Multi-Session 編排 | 2025-11-07 (Auto-Cycle) | 2026-01-12 (CoWork) | 約 2 個月 |
| Multi-CLI 路由 | 2026-01-09 | — | 社群原創 |
⚠️ 重要澄清：CMS 的前身是 Auto-Cycle（2025-11-07），當時就已經具備 Multi-Session 編排能力。CMS 只是 Auto-Cycle 的進化版本，不是新功能。
這意味著：Bootstrap Kit 的 Multi-Session 編排比 Anthropic CoWork 早了整整 2 個月。
這不是巧合。這是平行演化——一個 power user 和 Anthropic 工程團隊獨立走向相似解決方案。
為什麼能比官方更早？
「因為我是重度使用者，我認真的使用而不是隨便亂用。」
這揭示了一個產品開發的有趣現象：角色不同，視角不同。
產品工程師的角色：
├── 為百萬用戶設計通用功能
├── 考慮穩定性、安全性、相容性
├── 按照產品路線圖有序推進
└── 需要完整的測試和文檔
Power User 的角色：
├── 只需要解決自己的痛點
├── 可以接受「能跑就好」的解決方案
├── 遇到問題就立刻動手修
└── 快速迭代，邊用邊改當你每天執行 7,000+ 條訊息、跨三台電腦同時操作時：
- 痛點來得更早 — context 限制、單 session 瓶頸
- 解決動機更強 — 不解決就無法工作
- 驗證週期更短 — 自己就是測試者
重度使用 → 更早遇到痛點 → 立刻動手解決 → 繼續重度使用
↑ │
└───────────────────────────────────────────┘這就是為什麼 Auto-Cycle 比 CoWork 早了 2 個月。
不是能力的差異，而是角色和節奏的差異。
Anthropic 在做的是：為所有人打造穩定的基礎設施。 Power User 在做的是：為自己的極端使用場景找出路。
兩者最終會走向相似的解決方案，只是誰先遇到問題，誰就先解決問題。
3. CMS vs CoWork：不同的設計取向
官方 CoWork：
- 為一般用戶設計的協作模式
- 強調易用性和穩定性
- 官方支援和維護
CMS（Claude Multi-Session）：
- 為特定重度使用場景設計
- 跨 process 的 context 隔離
- 支援長時間連續迭代
- 社群驅動的實驗性方案CoWork 和 CMS 解決的是相似的問題，但從不同角度切入。這種「平行演化」現象在開源社群中很常見。
4. 效率倍增器：1 人 = 30-50 個 Claude Code
CMS 的設計讓單一使用者可以同時管理更多的平行任務：
傳統操作：1 人 × 3-5 視窗 = 3-5 個 Claude Code 實例
CMS 編排：1 人 × 3-5 視窗 × 自動化編排 = 30-50 個等效實例這解釋了為什麼數據量會這麼驚人——不是工作速度變快，而是同時有大量 Agent 在平行工作。
三台電腦 × 每台多個視窗 × CMS 編排
= 90-150 個等效 Claude Code 實例這是透過架構設計實現的「一人軍團」效果。
5. 真正的工作在「設計」
那 105,000 則訊息中，大部分是 Agent 之間的協作產物。但讓這一切能運作的，是背後精心設計的：
- 36 個 Commands
- 38 個 Skills
- 44 個 Agents
- 完整的 Hooks 系統
- 標準化的輸出格式
訊息數量是結果，設計能力才是原因。
使用模式：不是對話，是指揮
報告中最精準的描述：
「You delegate ambitious, large-scale automation tasks to Claude and supervise with minimal intervention, treating it as an autonomous execution engine rather than a conversational assistant。」
這不是普通的「問 AI 問題」的使用方式。這是：
1. Multi-Clauding（平行 Session）
同時運行的 Session: 76 個
重疊事件: 140 次
佔總訊息量: 5%他同時開多個 Claude Code session，讓它們平行處理不同任務。
2. 三台電腦的工作站模式
這不是「換電腦工作」，而是 三台電腦同時運作：
電腦 A: 安全研究 + GitHub 掃描
電腦 B: 網站開發 + 內容生產
電腦 C: 其他專案 + 實驗每台電腦上都有多個 Claude Code session 同時運行，形成一個分散式的工作環境。
3. 大規模自動化
一個 session 的成就：
- 修復 20 個安全漏洞
- 跨 3 個子專案
- Commit + Push
- 同時開始撰寫 Blog 文章記錄
4. GitHub 規模掃描
報告中的「趣聞」：
「User unleashed Claude on a ‘mega scan’ hunting for API keys across GitHub like a digital truffle pig」
「Phase 5 of an escalating large-scale API key scanning operation across GitHub repositories — the kind of ambitious security research that makes you wonder what Phases 1-4 looked like」
Phase 5。這代表他已經迭代了至少 5 個版本的大規模 GitHub API Key 掃描腳本。
Bootstrap Kit：讓這一切成為可能的架構
他的 ~/.claude/ 目錄不是普通的配置，而是一個完整的 Claude Bootstrap Kit：
~/.claude/
├── CLAUDE.md ← 核心政策定義
├── commands/ ← 36 個自定義命令
├── skills/ ← 38 個專業技能
├── agents/ ← 44 個專門 Agent
├── hooks/ ← 生命週期掛鉤
├── docs/ ← 完整文檔系統
└── ... ← 更多自動化組件核心哲學：5 大政策
1. 完全開放（Allow All）
所有本地操作直接允許，不設限制。
原則：本地操作都是安全的（Git 可回復），不要浪費時間詢問。2. 效率優先（Efficiency First）
IF 操作是「遠端不可回復」(git push --force, DB DROP TABLE):
→ 簡短確認
ELSE:
→ 直接執行，1-2 句話說明3. 多工處理（Parallel Processing）
5 個 Agent 同時執行 = max(單個時間)，非 sum(所有時間)4. 無干擾（No Interruption）
主動執行，不只是建議。
開發新功能 → 直接啟動 5 個 parallel agents5. 資料庫優先（Database First）
BEFORE 任何資料庫操作:
✅ 驗證表/欄位存在
✅ 檢查最新 schema
❌ 絕對禁止假設結構存在工作流程：一鍵啟動複雜任務
他的自動化命令讓複雜工作變成一行指令：
| 指令 | 功能 |
|---|---|
/workflow | 5 步驟完整開發流程 |
/speckit | 規格驅動開發（自動執行 5 階段） |
/auto | 自動化開發循環 |
/solve-github-issue | 從 Issue 到 PR 全自動 |
/commit-push-pr | Commit + Push + PR 一鍵完成 |
/diagnose | 統一錯誤診斷 |
每個命令背後都是精心設計的 Agent 協作。
為什麼 Insights 會卡死？
當我們 merge 備份資料後：
| 資料 | 數量 |
|---|---|
| History 記錄 | 4,522 行（從 950 行恢復） |
| Project 目錄 | 56 個專案 |
| Session 資料 | 11 GB |
11 GB 的 session 資料。這個量級超出了 insights 系統的設計預期。
他在做什麼？
從資料中可以看到的工作領域：
- 安全漏洞修復 — 大規模自動化掃描與修復
- API Key 安全研究 — GitHub 規模的 credential 掃描
- Newsletter 系統 — 自動化內容生產線
- Python 資料分析 — 大量 Python 開發
- 技術文檔 — 邊開發邊記錄
這是一個同時進行多個大型專案的開發者，而且每個專案都在用 AI 輔助自動化。
評價：Bootstrap Kit 的價值
作為旁觀者，我對這套系統的評價：
優點
- 哲學清晰 — 「效率優先、本地操作不詢問」這個原則極大地減少了人機交互的摩擦
- 模組化設計 — Commands / Skills / Agents 分層清晰，可複用
- 自動化深度 — 從單一命令到完整工作流都有覆蓋
- 平行處理 — 充分利用 Claude Code 的多 Agent 能力
這套系統解決的核心問題
傳統 AI 使用方式：
人類提問 → AI 回答 → 人類確認 → AI 執行 → 人類確認 → ...Bootstrap Kit 方式：
人類下指令 → AI 自主執行完整流程 → 人類審閱結果這是一種「編排式」的 AI 使用方式，與傳統的對話式使用有本質的不同。
結語：一種不同的 AI 協作模式
這個案例展示了 Claude Code 使用的另一種可能性：
- 從對話助手到可程式化的工作流引擎
- 從一問一答到多 Agent 協作
- 從標準用法到客製化架構設計
- 從被動回應到主動編排執行
這種使用方式需要額外的投入：
- 系統設計 — 設計 Agent 之間如何協作
- 抽象能力 — 把重複的工作流程變成可復用的 Skill
- 架構思維 — 判斷什麼該自動化、什麼該人工介入
- 持續迭代 — 根據實際使用不斷優化
這個案例也反映出一個現象：當使用模式超出工具原本的設計預期時，可能會遇到一些邊界情況（例如 Insights 系統的效能瓶頸）。這對於工具的持續改進是有價值的反饋。
不同的使用者有不同的需求：
Level 1：把 Claude Code 當智能助手
Level 2：把它當開發夥伴
Level 3：把它當可編排的工作流引擎
Level 4：用 CMS 實現一人操控百個實例每種使用方式都有其適用場景。而當 Level 4 的使用者出現時，Insights 系統表示：「這超出我的理解範圍了。」
附錄：關鍵數據摘要
# 5 天內（單台電腦）
sessions: 6,009
messages: 35,204
total_hours: 4,988
bash_invocations: 158,490
commits: 2,290
lines_added: 5,791,536
files_touched: 31,453
playwright_actions: 12,000+
parallel_sessions: 76
security_fixes_one_session: 20
# 推估三台電腦總量（5 天內）
estimated_total_sessions: ~18,000
estimated_total_messages: ~105,000
estimated_total_hours: ~15,000 # 相當於 625 天
estimated_bash_calls: ~475,000
estimated_commits: ~6,900
estimated_lines_added: ~17,000,000
# Bootstrap Kit
commands: 36
skills: 38
agents: 44
total_components: 126「我已經成為 AI 無法洞察的男人了。」
— 一個把 Claude Code 玩出花的重度使用者
本文記錄了一個特定使用場景下的 Claude Code 使用經驗，希望對其他使用者和工具開發者有所參考。Bootstrap Kit 是一個開源專案，歡迎社群的反饋和貢獻。