AI 工具的累積效應

定義

Claude Code 的設定（CLAUDE.md、Skill、記憶、MCP 連接）是累積型資產——投入時間是線性的，但帶來的時間節省是指數型的。三個月後 AI 已經知道你的工作方式、品質標準、常用格式和偏好工具，早期投入者獲得先發優勢。

關鍵數據點（附來源）

• 教 Claude Code 一次月報流程，之後只要說一句「跑月報」（來源：八個理由文章）
• 糾正一次「外連連結要另開分頁」，之後每篇文章自動遵守（來源：記憶機制文章）
• 教一次簡報製作流程（四步驟），之後只要說「幫這篇文章做簡報」（來源：記憶機制文章）
• Session 回顧顯示：經過幾次回顧，與 AI 的溝通來回從 4-5 次對齊降低到更少（來源：對話回顧文章）

前提與局限性

• 假設平台不會大幅改版導致舊設定失效——Claude Code 更新後 Skill 格式可能改變
• 「累積效應」也意味著遷移成本——一旦投入大量時間在 Claude Code，切換到其他工具的阻力很大
• 累積的設定需要維護——過時的規則反而會產生問題
• 其他工具（Notion、Evernote）也聲稱「累積效應」，但用戶遷移成本實際上很高

衝突標記

• 八個理由文章強調「累積效應讓你領先」，但工具選擇文章也說「不是信仰，是工程判斷——如果更好的工具出現會毫不猶豫切換」。這兩者有張力：累積效應越強，切換越困難。

關聯概念

• [[CLAUDE.md 與記憶機制]]
• [[Claude Code Skill 系統]]
• [[非工程師的 AI 工具採用]]
• [[AI 工具選擇策略]]