Anthropic 工程师的 Claude Code 工作流笔记

整理公开的 Claude Code 使用经验:项目约束、Skill 封装、并行任务和测试反馈。

站内整理版 · 2026.11.10:收紧标题和效果表述,原始发表日期保留。文中的模型、命令、价格和耗时属于当时记录,本轮未重新运行验证。

嗨大家好,我是钟师傅。

上周我用 Claude Code 重构了一个模块,花了 40 分钟。

当时还挺得意的:「看,AI 帮我省了多少时间!」

然后我看到 Claude Code 创建者 Boris Cherny 的推文,整个人都不好了。

他说:Anthropic 工程师编写的 Claude Code 代码中,90% 是由 Claude Code 自己完成的。

我愣了一下:同样是用 Claude Code,为什么差距这么大?

我以为自己已经是「会用」的那一批了。结果发现,我连官方团队的入门玩法都没摸到。

这种感觉就像你以为自己打游戏挺厉害,然后看到职业选手的操作,才发现自己连按键都按得不对。

今天这篇文章,我把 Boris 分享的 10 个技巧整理出来,手把手教你用。

这些技巧让我重新审视了自己的工作流。说实话,有点后悔没早点看到。

一、并行工作流:最大的生产力提升 ⚡

这是 Boris 分享的第一个技巧,也是团队公认最大的生产力提升。

核心思路很简单:同时跑 3-5 个 Claude Code 会话,每个处理不同的任务。

为什么要并行?

单线程工作的问题很明显:

你让 Claude 写一个功能,等它写完。再让它写测试,等测试写完。再让它写文档...

每一步都在等。

但如果你同时开 3 个会话:

三件事可以并行推进;总耗时还要计入上下文切换、资源竞争与结果复核。

怎么实现?Git Worktree

Claude Code 团队用的是 git worktree。

Worktree 让你在同一个仓库里创建多个工作目录,每个目录切换到不同分支,互不干扰。

创建 worktree 的命令:

「命令示例」git worktree add ../my-project-feature-a feature-a(创建一个新的 worktree,切换到 feature-a 分支)。git worktree add ../my-project-feature-b feature-b(创建另一个 worktree)。

然后在每个 worktree 目录里,分别启动一个 Claude Code 会话。

团队的进阶玩法

Boris 说团队里有人这样用:

  1. 给 worktree 起名字,配合 shell 别名:

「配置示例」在 .zshrc 或 .bashrc 里添加:alias za="cd ~/projects/my-project-a && claude",alias zb="cd ~/projects/my-project-b && claude",alias zc="cd ~/projects/my-project-c && claude"。

一个按键跳转到对应工作区。

  1. 专门开一个分析专用的 worktree

只用来读日志、跑数据查询,不做任何代码修改。分析的时候不会污染开发环境。

我的实际体验

我试了一周,感受最深的是:

以前我让 Claude 重构一个模块,需要等它读代码、分析、写代码、测试...整个过程 10 分钟。

这 10 分钟里我干什么呢?

刷手机。

然后它写完了,我发现不对,又让它改。又等 5 分钟。

来来回回,一个下午就过去了。

现在我同时开 3 个会话:

10 分钟能干完以前 30 分钟的活。

💡 核心洞察:等待,是最昂贵的时间成本。而并行,是唯一的解药。

二、Plan Mode:复杂任务的正确打开方式 📋

第二个技巧是关于 Plan Mode 的。

Boris 说:复杂任务一定要先进 Plan Mode,把精力花在计划上,让 Claude 一次性完成实现。

什么是 Plan Mode?

在 Claude Code 里输入 /plan 或者 shift+tab,就能进入计划模式。

在这个模式下,Claude 不会直接动手写代码,而是先分析任务、制定计划、列出步骤。

你确认计划没问题,再让它执行。

为什么要用 Plan Mode?

很多人(包括之前的我)用 Claude Code 是这样的:

「帮我写一个用户登录功能」

然后 Claude 开始写,写到一半发现需求不明确,你又补充,它又改...

来来回回好几轮,最后出来的东西可能还是不对。

我有一次让它写一个权限系统,直接上手就干。结果它用了一个我们项目完全不用的框架。我又让它改。改完发现数据库表设计也不对。又改。

折腾了两个小时,最后还是我自己动手重写的。

那两个小时,我一直在想:如果一开始花 5 分钟把需求说清楚,会不会就不用这么折腾?

答案是:会。

用 Plan Mode 就不一样了:

「帮我写一个用户登录功能」→ 进入 Plan Mode

Claude 会先输出一个计划:

「Claude 的计划示例」计划:实现用户登录功能。第一步,创建 User 模型(email, password_hash, created_at)。第二步,实现密码加密(bcrypt)。第三步,创建登录 API 端点(/api/auth/login)。第四步,实现 JWT token 生成。第五步,添加登录验证中间件。第六步,编写单元测试。预计修改文件:models/user.py、routes/auth.py、middleware/auth.py、tests/test_auth.py。需要确认:使用 JWT 还是 Session?Token 过期时间?

你看完计划,补充细节,确认没问题,再让它执行。

一次性搞定,不用来回改。

先明确需求和验收条件,可以减少因理解偏差造成的返工;这段经验不构成固定的时间换算。

团队的高级玩法

Boris 分享了两个团队成员的玩法:

玩法一:双 Claude 审核

一个 Claude 写计划,然后启动第二个 Claude,让它以资深工程师的身份审核这个计划。

两个 AI 互相 review,比一个 AI 自己检查更靠谱。

玩法二:遇到问题立刻回 Plan Mode

有人说:任务一旦开始跑偏,我会立刻切回 Plan Mode 重新规划,而不是硬推。

这个思路很重要,不要在错误的方向上死磕,及时止损、重新规划。

还有人专门在验证环节也用 Plan Mode:

不只是 build 的时候用计划模式,verify 的时候也要用。

实操建议

我的经验是:

三、CLAUDE.md 迭代法则:让 AI 越用越聪明 🔄

第三个技巧是我觉得最骚的一个。

Boris 说:每次纠正 Claude 的错误后,在对话最后加一句:Update your CLAUDE.md so you don't make that mistake again。

翻译过来就是:把你刚犯的错记下来,下次别再犯了。

为什么这招有效?

CLAUDE.md 是 Claude Code 的配置文件,放在项目根目录或者 ~/.claude/ 目录下。

Claude 每次启动都会读取这个文件,把里面的规则当作行为准则。

当你让 Claude 自己更新这个文件,它会写出类似这样的规则:

「CLAUDE.md 错误记录示例」2026-02-03:问题是在 Python 中使用了 dict.items() 而不是 dict.iteritems(),原因是项目使用 Python 2.7 不是 Python 3,规则是在本项目中始终检查 Python 版本兼容性。2026-02-02:问题是直接修改了 main 分支的代码,原因是没有先创建 feature 分支,规则是任何代码修改前先确认当前分支不是 main。

下次 Claude 读到这些规则,就会避免同样的错误。

Boris 说:Claude 给自己写规则这件事,效果出奇地好。

我第一次试的时候半信半疑。结果真的有用。

💡 核心洞察:让 AI 教自己,比你手把手教它更有效。因为它比你更清楚自己哪里容易出错。

团队的进阶玩法

有个工程师的做法更系统:

他让 Claude 为每个任务/项目维护一个 notes 目录,每次 PR 之后都更新。

然后在 CLAUDE.md 里指向这个目录:

「项目笔记目录示例」./notes/auth-module.md 是认证模块的设计决策和踩坑记录,./notes/database.md 是数据库相关的注意事项,./notes/api-design.md 是 API 设计规范。

Claude 每次启动,都能读到之前积累的所有经验。

我的实践

我现在的 CLAUDE.md 里有一个专门的禁忌清单:

「禁忌清单示例」第一条,不要在公众号文章里使用加粗语法(会显示星号)。第二条,不要使用引用块(会显示 undefined)。第三条,不要一次性生成超过 1500 字(容易 token 超额)。第四条,生成图片时不要用中文文件名(可能乱码)。

自从加了这个清单,Claude 犯这些错的概率明显下降了。

四、高级提示词技巧:把 Claude 变成你的 Reviewer 🎯

第四个技巧是关于提示词的。

Boris 分享了几个团队常用的魔法咒语:

技巧 1:Grill me on these changes

让 Claude 变成严格的代码审查员:

「Grill me on these changes and don't make a PR until I pass your test.」

翻译:严格审查我的改动,在我通过你的测试之前不要提交 PR。

Claude 会像一个严格的 tech lead 一样,挑出你代码里的问题,问你为什么这样写,直到它满意为止。

技巧 2:Prove to me this works

让 Claude 证明代码是对的:

「Prove to me this works. Diff the behavior between main and this feature branch.」

翻译:证明给我看这代码是对的。对比 main 分支和 feature 分支的行为差异。

Claude 会主动跑测试、对比输出、找出潜在问题。

这比单纯问代码对不对有效多了。你在让它主动验证,而不是被动回答。

技巧 3:Scrap this and implement the elegant solution

当 Claude 给了一个能用但丑的方案时:

「Knowing everything you know now, scrap this and implement the elegant solution.」

翻译:基于你现在知道的所有信息,把这个扔掉,重新实现一个优雅的方案。

第一次尝试时,Claude 可能对需求理解不够深。当它已经理解透了之后,让它重来,往往能得到更好的方案。

💡 核心洞察:第一次是探索,第二次才是交付。

技巧 4:写详细的 spec

Boris 强调:规格写得越详细,输出越好。

不要这样写:

「简单版」帮我写一个登录功能

要这样写:

「详细版」帮我实现用户登录功能。输入:email(string, 必填, 邮箱格式)、password(string, 必填, 6-20 位)。输出:成功时返回 token 和 user 对象(包含 id、email、name),失败时返回 error 和 code。要求:使用 bcrypt 加密密码,使用 JWT 且过期时间 7 天,登录失败 5 次锁定账号 30 分钟,记录登录日志(IP、时间、设备)。

规格越清晰,Claude 越不需要猜,输出质量越高。

五、语音输入:减少键盘输入的步骤

这个技巧让我有点意外。

Boris 说:Use voice dictation. You speak 3x faster than you type, and your prompts get way more detailed as a result.

翻译:用语音输入。你说话的速度是打字的 3 倍,而且你的提示词会变得更详细。

为什么语音输入更好?

打字的时候,我们会下意识地省字。能少打就少打。

结果就是提示词很简短,Claude 要猜很多东西。

但说话不一样。说话是人类最自然的表达方式,我们会不自觉地说得更详细、更完整。

Boris 说团队里很多人都在用语音输入写提示词。

怎么启用?

macOS:连按两下 fn 键,就能启动系统自带的语音输入。

Windows:Win + H 启动语音输入。

你也可以用第三方工具,比如 Whisper、讯飞语音等。

我的体验

试了一周之后,我发现两个变化:

  1. 提示词确实更长了。以前我可能写 50 个字,现在说 150 个字很轻松。
  2. Claude 的理解更准确了。因为我说得更详细,它需要猜的东西更少。

💡 核心洞察:打字省的是力气,语音省的是思考。你打字的时候会不自觉地偷懒,但说话不会。

唯一的缺点是:如果你在咖啡厅或办公室,对着电脑说话可能有点社死...

六、Slack MCP 集成:一句 fix 搞定 Bug 🔌

最后一个让我眼前一亮的技巧。

Boris 说:Enable the Slack MCP, then paste a Slack bug thread into Claude and just say 'fix.' Zero context switching required.

翻译:启用 Slack MCP,然后把 Slack 的 bug 讨论帖粘贴给 Claude,说一声 fix。完全不需要切换上下文。

什么是 MCP?

MCP(Model Context Protocol)是 Anthropic 推出的协议,让 Claude 能连接外部工具和数据源。

启用 Slack MCP 之后,Claude 可以直接读取 Slack 消息。

工作流是这样的

  1. QA 在 Slack 里报了一个 bug,贴了截图和复现步骤
  2. 你把这条 Slack 消息的链接发给 Claude
  3. Claude 自动读取消息内容、分析问题、定位代码、修复 bug

你只需要说一个字:fix。

类似的玩法

Boris 还提到:

Or, just say 'Go fix the failing CI tests.' Don't micromanage how.

翻译:或者直接说 Go fix the failing CI tests. 不要微观管理。

让 Claude 自己去看 CI 日志、分析失败原因、修复代码。你不需要告诉它具体怎么做。

💡 核心洞察:告诉它目标,别告诉它方法。这才是 AI 时代的正确姿势。

还有人用 Claude 来分析 Docker 日志:

Point Claude at docker logs to troubleshoot distributed systems -- it's surprisingly capable at this.

让 Claude 直接读 Docker 日志来排查分布式系统问题,效果出奇地好。

写在最后 ✨

回到开头那个数据:Anthropic 工程师 90% 的代码由 Claude Code 自己写。

现在你应该明白他们是怎么做到的了:

  1. 并行工作流 - 将相互独立的任务分给不同会话
  2. Plan Mode - 复杂任务先规划,一次性完成
  3. CLAUDE.md 迭代 - 让 AI 自己记录错误,越用越聪明
  4. 高级提示词 - 让 Claude 当 reviewer,而不是执行者
  5. 语音输入 - 尝试用口述补足需求细节
  6. MCP 集成 - 一句 fix 搞定 bug

Boris 在最后强调了一点:

There is no one right way to use Claude Code -- everyone's setup is different. You should experiment to see what works for you!

翻译:没有单一的最佳用法,每个人的设置都不同。你应该自己实验,找到适合你的方式。

这 10 个技巧只是起点。真正的效率提升,来自于你不断尝试、不断优化自己的工作流。

我现在回头看自己之前的用法,确实有点好笑。那时候我以为自己挺厉害的,现在才知道连门都没入。

但这也正好说明:AI 工具的天花板,远比我们想象的高。

唯一的问题是:你愿不愿意承认自己还不够好,然后继续学。

最后,感谢你看到这里🍊

如果觉得有收获,不妨顺手 点赞 / 在看 / 转发 / 评论 👍

想第一时间收到 AI 工具实战干货?给我个星标 🌟

有更野的玩法?评论区聊聊,说不定下期就写你的案例🤝

后台回复「AI课程」解锁更多实战技巧

联系:drmrzhong@gmail.com