我從去年開始用 Claude Code（就是 Anthropic 出的那個 CLI 工具）管理我的一堆伺服器，用下來感覺這才是 AI 應該有的使用方式——不是聊天，而是真正在幫你幹活。
我的使用場景
9 臺海外 VPS（AWS / DMIT / 騰訊雲），分佈在美國、香港、日本、新加坡，跑著：
- 代理節點（Xray + Hysteria2）
- 量化交易策略
- 監控系統（Prometheus + Grafana）
- 各種自動化指令碼
以前這些機器要靠手動 SSH 進去一臺臺操作，現在我直接跟 Claude Code 說"把日本那臺機器的 Xray 配置更新一下"，它就幫我 SSH 進去、修改配置、重啟服務、驗證狀態。
Skill 系統：讓 AI 有專業知識
Claude Code 支援自定義 Skill（類似系統提示詞），我給不同的任務場景都寫了專門的 Skill：
伺服器運維 Skill
# 伺服器運維助手
你負責管理以下 VPS：
- aws-us: 13.x.x.x（美國）
- aws-hk: 43.x.x.x（香港）
- aws-jp: 3.x.x.x（日本）
SSH 埠統一 18022，使用者名稱 ubuntu，使用 PEM 檔案認證。
標準操作流程：
1. 連線前先檢查機器是否線上（ping 測試）
2. 操作前備份配置檔案
3. 修改後驗證服務狀態
4. 如有異常立即回滾
這樣 Claude 就有了我的基礎設施上下文，不需要每次都重複說一遍。
量化運維 Skill
專門管量化策略的 Skill，包括：
- 如何檢視策略狀態
- 常見報錯的處理方式
- 槓桿調整的操作步驟
有了這些 Skill，我基本上每天只需要跟 Claude 說一兩句話，剩下的它自己判斷怎麼做。
真實工作流舉例
場景 1：發現策略異常
凌晨 3 點 Telegram 告警：量化機器記憶體佔用 95%。
以前：要爬起來 SSH，看日誌，判斷原因，處理。
現在：Claude 看到告警自動分析（我設定了工作流），如果是常見問題直接處理，複雜問題才叫醒我。
場景 2：新部署一臺機器
買了臺新的 DMIT VPS，跟 Claude 說"按標準配置部署這臺機器"。
Claude 會：
- SSH 連進去
- 更新系統
- 安裝依賴
- 部署 Xray + Hysteria2
- 配置防火牆
- 測試連通性
- 把新節點加入 mihomo 配置
整個過程我就看著，有問題的地方它會問我。比自己一步步做快 5-10 倍，而且不容易出錯。
場景 3：排查網路故障
某個節點突然連不上，我說"幫我排查 aws-hk 的連通性問題"。
Claude 會：
- 從多個角度測試（TCP/UDP/DNS）
- 檢視系統日誌
- 檢查防火牆規則
- 給出故障判斷和修復建議
成本控制
Claude Code 用的是 API 按量計費。我用的 Copilot Pro+（月費制），有使用量限制。
一些節省用量的技巧：
- 寫好 Skill：好的上下文讓 AI 少走彎路，減少對話輪次
- 批處理操作：把多個任務合併成一次對話
- 用小模型做簡單任務：不是每件事都需要最強的模型
我目前一個月的 Claude Code 使用成本控制在合理範圍內，對比它幫我節省的時間，ROI 很高。
給想上手的建議
- 先從小任務開始：讓 Claude 幫你寫個指令碼、查個文件，建立信任感
- 寫清楚 Skill 背景：告訴它你的環境資訊，越詳細越好
- 保持對結果的複核習慣：AI 會犯錯，關鍵操作前後要驗證
- 善用 plan 模式：複雜任務先讓它規劃，你稽核透過再執行
有興趣聊 Claude Code 使用技巧或者 AI 運維工作流，歡迎在 Telegram 找我，或者關注 X @panshi8848。
延伸閱讀：
- Claude API 省錢指南 — 控制 API 用量和成本
- OpenClaw 是什麼 — AI 工具鏈整合平臺
- 用 Claude Code 監控 Pionex 機器人 — 30 分鐘寫個實用量化監控指令碼
- 用 Claude 寫 Binance 合約風控 — AI 幫你在爆倉前 3 小時預警
AI 工具最好的練手場景之一是量化交易——既有程式碼需求又有持續的維護最佳化。如果你還沒接觸過自動化交易，Pionex 是最低門檻的入口，16 種內建機器人不用寫一行程式碼就能跑。
📷 封面圖 · Flux Schnell AI 生成 · panshi.io 品牌風格