Skip to content
Dustin's AI Lab
Go back
Updated:

一年下來,我對「該用終端機還是桌面版」的答案變了三次

從三月的 Cowork 燒 token、四月的「答案還是終端機」、五月的「初學者直接從桌面版開始就好」,到八月的「CLI 是親生的」。同一個問題,我在五篇文章裡給過三種不同的答案,這裡照時間順序排出來。

目錄
  1. 2026 年 3 月:先從 Cowork 為什麼幾小時就頂到限額講起
  2. 2026 年 4 月:桌面版改版了,答案還是終端機
  3. 同一天稍晚:為什麼終端機裡的 Claude 才是完全體
  4. 2026 年 5 月:答案變了,初學者直接從桌面版開始就好
  5. 2026 年 8 月:CLI 是親生的,其他都是後媽養的
  6. 四月那段哲學收尾,現在讀起來

這個問題我被問過很多次:Claude Code 到底該用終端機還是桌面版?過去一年我寫過五次,答案變了三次——三月和四月是「終端機,沒得商量」,五月變成「初學者直接從桌面版開始就好」,八月又變回「CLI 是親生的,其他都是後媽養的」。以下照時間順序排,每一節標明時間點。前後打架的地方我不打算圓,那就是我當時的答案。

2026 年 3 月:先從 Cowork 為什麼幾小時就頂到限額講起

有 Max 方案的人常問這個問題:用 Claude Code 在終端機跑整天開發,用量從不超過一半;但切換到 Cowork 做幾小時的小專案,就頂到限額。

同樣是 Max,同樣是 Claude,怎麼差這麼多?

結論先說

Cowork 消耗 token 的速度遠高於 Claude Code CLI。一個 Cowork session 做複雜的檔案操作,消耗的 quota 相當於幾十條普通聊天訊息。Max 5x 的「225+ 條訊息」換算成 Cowork,大概只能做 10 到 20 個實質操作。

原因有三層,分別來自 Cowork 的架構設計。

第一層:Cowork 的隱藏 token 開銷

Cowork 跑在 sandboxed VM 裡。每次操作背後看不見的東西:

你以為在做一件事,背後其實跑了十幾個 API 呼叫。

第二層:Claude Code CLI 天生省 token

CLI 有幾個 Cowork 沒有的優勢:

Prompt caching。 System prompt、CLAUDE.md、工具定義這些重複出現的內容會被快取,不重複計費。每次新的 session,這些不用重新算錢。

精準 context control。 你可以控制只讀哪些檔案、只載入哪些 skill。好的 CLAUDE.md 架構用 on-demand loading,比一次全塞進去省很多。

沒有視覺處理。 純文字互動,不需要截圖或圖片辨識,直接省掉 vision token 這整塊開銷。

第三層:速度問題造成惡性循環

Cowork 極慢。Claude Code 5 分鐘能完成的任務,Cowork 可能要跑 40 分鐘。

慢不只是慢而已——慢等於更多 context 累積,等於更多 token 消耗。任務拖越長,每一步帶的歷史越多,計費越高。這是惡性循環。

社群怎麼說

這不是個人感受,有 GitHub issues 記錄:

Zvi Mowshowitz 寫過一篇專文比較兩者差異,結論跟這裡一致:差距主要來自 context control。Threads 上也有開發者說「Burns limits way faster than Claude Code」、「5min task in CC → 40min in Cowork」。

額外觀察:為什麼 Opus 在 CLI 裡「感覺更聰明」

這是我自己的體感,但有合理解釋。

CLI 的 context 更乾淨、更聚焦,模型能把算力花在真正的問題上,而不是處理 sandbox 環境的雜訊。同樣的模型,input 品質不同,output 自然不一樣。

另外,Cowork 的沙盒體驗,個人覺得還是不夠成熟。隔壁棚的 ChatGPT Work 就好很多。

什麼時候用哪個

Claude Code CLI 適合: 開發工作、長時間 session、需要精準控制的任務。Token 效率最高,適合每天大量使用。

Cowork 適合: 需要圖形操作、瀏覽器互動、或者不熟悉終端機的情境。代價是 quota 消耗快很多。

有 Max 方案的人,如果主要工作是寫程式,大部分時間都不需要碰 Cowork。

2026 年 4 月:桌面版改版了,答案還是終端機

Anthropic 這週更新了 Claude 的桌面應用程式,設計改版了,更漂亮,介面也更友善。終端機本來就會嚇跑不少人,有個漂亮的 GUI 入口確實降低了門檻。

Redesigning Claude Code on desktop for parallel agents

但如果你問我日常用哪個,答案還是終端機。

更新節奏的差距

Claude Code CLI 現在幾乎每天有 1 到 2 個版本更新。桌面版 App 的更新週期大概是 2 到 4 週。

這個差距不只是版本號的問題。幾乎所有的新功能、性能修復、行為改善,都會先在 CLI 上線,桌面版往往要等好幾個禮拜才跟上。

上週的 2.1.100,修掉了大型檔案 JSON 跳脫導致 token 虛耗的問題,還修掉了長 session 記憶體暴增的 bug。這兩個問題我在 CLI 這邊當天就拿到修復,桌面版用戶還得再等一段時間。

如果你認真用 Claude Code 做工作,這個落差是切實的代價。

資源效率的差距

我的主力機是 M2 MacBook Air。開著 Claude Desktop App 做其他事會明顯感到卡頓,整台機器的反應明顯遲鈍。

終端機的 Claude Code CLI 幾乎沒有這個問題。我現在平常開著 3 個 Ghostty 視窗,每個視窗裡有 3 到 4 個 pane,跑 5 到 6 個 Claude session 同時工作,系統沒什麼負擔。

純 terminal 應用本來就住在電腦底層,對 GUI 那層的開銷是零。

一個很多人不知道的問題

桌面版 App 跟 CLI 讀的是完全不同的設定檔,而且兩邊不互相繼承。

環境設定檔位置
Claude Code CLI~/.claude.json
Claude Desktop App~/Library/Application Support/Claude/claude_desktop_config.json

這代表你在 CLI 裝的 MCP server、設定的環境變數、配置的 PATH,桌面版 App 一概不知道。

桌面版 App 有一個額外的限制:它不繼承 shell 的 PATH 環境變數。所以如果你在設定檔裡填 uvx 這種命令,桌面版找不到,要填完整路徑(例如 /Users/danyuchn/.local/bin/uvx)。

每次裝新 MCP 都要記得兩邊都設定一遍。這件事本身沒有什麼大不了,但如果你不知道這個差異,在桌面版裡找不到某個 MCP,很可能會繞很久才發現根本原因只是設定檔不同。

建議

Desktop App 對入門者來說是一個很好的起點。它降低了「我還沒習慣終端機」這個心理門檻,設計確實也比黑底白字的終端機友善多了。

但如果你已經用 Claude Code 做正式工作,長期來說搬到 CLI 是對的。更新節奏快、資源效率好、設定靈活度高——這些加起來每天都有感。

同一天稍晚:為什麼終端機裡的 Claude 才是完全體

我對 Claude Code 的純 CLI 命令行介面有一種莫名的好感。後來想通了——我是 PTT 世代的老人,黑底白字的介面有一種奇特的熟悉感。

但好感只是個人喜好,選 CLI 的真正理由比情懷硬很多。

速度和資源效率

終端機的執行速度跟 GUI 工具完全不在同一個量級。這不是感覺,是可以測量的現實:純 terminal 應用對系統資源的負載接近零,VSCode 這類的 IDE 吃的資源是它的好幾倍。

IDE 只是把 Claude 的手腳綁起來

任何 IDE 都加了一層包裝。這層包裝有它的價值——語法高亮、檔案樹、debug 面板——但它同時也限制了 Claude 能做的事。

在 CLI 裡,Claude 直接對話的是作業系統本身。沒有 IDE 的 wrapper,沒有 GUI 的 overhead,沒有介面邏輯決定哪些工具能用、哪些功能被隱藏。

這就是為什麼我說 CLI 裡的 Claude 才是「完全體」——不是誇張,是字面意思。

多視窗工作流

等待 AI 回應的時間是可以利用的。我的工作習慣是:

三條線同時跑,不存在「等待」這件事。一個 session 在處理的時候,另外兩個不是在工作就是在等我給新指令。

這個工作模式在 GUI 環境裡很難做到,因為多視窗的管理成本高。在終端機裡,一個 tmux 或 Ghostty 的多分頁就搞定。

Ghostty:Anthropic 團隊的推薦

Boris(Claude Code 的主要維護者)說過:「雖然我自己在用 iTerm2,但整個 Anthropic 團隊推薦 Ghostty。」

我從 iTerm2 跳過來之後完全不後悔。Ghostty 的特點:

Ghostty 終端機截圖

字體是很值得花時間設定的一件事。 在終端機裡一天看幾個小時的文字,字體舒不舒服對工作狀態有真實影響。可以跟 Claude Code 說你想改 Ghostty 的字體,請它推薦適合的中英文字體組合,改完再說不舒服再換,反正它幫你改。

語音輸入也能跑得動

補充一個跟 CLI 組合的工作流:語音輸入。

在終端機裡打字錯了不需要回頭修,Claude 大部分情況下都能看懂語境。我開始頻繁用語音輸入之後,發現就算格式慘不忍睹、成篇錯字、嗯嗯啊啊口頭禪,Claude 都看得懂。

用語音指令給任務、用文字確認結果——這個組合在終端機環境裡比 GUI 更流暢,因為焦點完全在 Claude 的輸出上,不需要分心去點選介面元素。

2026 年 5 月:答案變了,初學者直接從桌面版開始就好

我自己一直都用終端機。系統資源佔用少、更新快、功能完整,這三件事在過去一年的多數時間都是終端機的優勢。

但是現在的桌面版我也覺得不錯了。

大概兩到三個禮拜前,Anthropic 把桌面 App 大翻新。現在 90% 以上的功能都跟終端機同步,剩下的 10% 是進階開發者才會用到的功能(譬如 hook、subagent 的某些行為、進階 MCP 設定)。桌面版的更新速度也跟著拉起來,跟以前那種一兩週才更新一次的節奏完全不一樣了。

最新的功能還是會在終端機先出來。但老實說,最新的功能爛尾機率很大。Anthropic 永遠都是退出新功能比後續維護來得快。一般使用者沒有必要去追那些還在 research preview 階段、會被各種 bug 困擾的東西。等那些功能需求穩定後再搬到 App,反而是更舒服的選擇。

所以如果你是初學者,對終端機有恐懼,從桌面版開始完全沒問題的。等你慢慢摸熟流程、知道自己會需要哪些進階功能、覺得 GUI 限制住你了,再切換到終端機也來得及。順序顛倒過來的學習成本反而比較高。

至於我為什麼還是繼續用終端機?因為我已經習慣了 hook、各種自訂 skill、跟 git/ffmpeg/yt-dlp 的混合工作流。這些都是 CLI 比較順手的場景。如果你的場景是「主要在跟 Claude Code 對話、寫文件、整理資料」,桌面版完全夠用。

換句話說:工具的選擇沒有對錯,只有適不適合你當下的需求。先用桌面版上手,過半年後如果你發現自己想要做更多自動化、想接 hook、想串本地腳本,那時候再花一個下午學終端機就好。沒必要在第一天就被一堆 flag 跟設定檔擋住。

2026 年 8 月:CLI 是親生的,其他都是後媽養的

因為新的功能或者剛修的 bug 都會優先在 CLI,所以 CLI 是原生第一環境。remote control 要更新要等猴年馬月。

呃,我舉個例子。早期的 remote control 環境中,打斜線不會有提示 SKILL 選單,所以除非記得 SKILL 全名,不然叫不出來。這還是 remote control 推出三個月後才修復的。

他們全都是 Anthropic 原生,但親生的孩子也是有偏心。CLI 一天一更最頻繁(因為員工自己就在用),Desktop 以前很慢、後來大改版更新變勤了,其他的就都慢吞吞。看 CHANGELOG 打 remote control,你就可以看到跟他相關的修復頻率了。

那如果平常在家電腦都用慣 CLI 的情況下,直接讓 CLI 鏡像到移動設備不是最方便的嗎?

手機上透過 mosh 連回 Mac mini 跑 CLI,畫面是 agent 正在把一批 gog CLI 的工具陷阱寫進文件的 diff

為什麼不用官方 Claude / Codex 的雲端控制手機 App?

因為他們不知道何時才會出 split pane⋯

手機畫面上下同時開著兩個 pane,各自是一個獨立的 CLI session

還有一個非常奇怪的事情:以前一天一更的 Claude Code CLI,竟然已經 8 天沒有更新了。經過機器人強力去重後的 Issues 仍然穩定在五千上下,所以不代表沒 bug 可修。

anthropics/claude-code repo 的 GitHub 頁面,Issues 顯示 5k+,最新 commit 標著 v2.1.220、committed last week

是不是在蹲一波什麼大的,還是內部發生了什麼劇烈的調整,目前未知。

跟他們之前大力宣傳的 AI 自我修復工作流,差別很大吧。只能說這家公司,說的跟做的要分兩套來看。

四月那段哲學收尾,現在讀起來

四月那篇的最後,我寫的是一段比較哲學的東西:選擇 CLI 不只是技術偏好,也是一種對 AI 工作方式的態度宣示。你決定要認真用這個工具,而不是讓它待在一個方便但受限的沙盒裡。你要的是完整的能力,哪怕入門成本稍高一點。這個選擇,長期下來有複利。

那是四月寫的。五月我叫初學者從桌面版開始,八月我在抱怨 CLI 以外都是後媽養的。三個答案就擺在這裡。


15 分鐘導入診斷

填表預約你的專屬 1 對 1 免費診斷時段,了解你可以怎麼無痛與 AI 協作、大幅提升生產力。

預約免費診斷
Share this post on:
Previous Post
網頁版 Claude Code 環境設定的兩個世界
Next Post
數位遊牧是可遇不可求,不要把它當成追求目標