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:
- 会话 A:写功能代码
- 会话 B:写单元测试
- 会话 C:写文档
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:
- 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。
- 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:
- 会话 1 负责重构模块 A
- 会话 2 负责重构模块 B
- 会话 3 专门跑测试、看结果
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:
- 简单任务(改个 bug、加个字段):直接干
- 中等任务(加个功能、改个模块):用 Plan Mode
- 复杂任务(重构系统、新建项目):Plan Mode + 双 Claude 审核
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:
- 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。
- 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
- QA 在 Slack 里报了一个 bug,贴了截图和复现步骤
- 你把这条 Slack 消息的链接发给 Claude
- 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:
- 并行工作流 - 将相互独立的任务分给不同会话
- Plan Mode - 复杂任务先规划,一次性完成
- CLAUDE.md 迭代 - 让 AI 自己记录错误,越用越聪明
- 高级提示词 - 让 Claude 当 reviewer,而不是执行者
- 语音输入 - 尝试用口述补足需求细节
- 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