Claude Code 創始團隊的 10 個最佳實踐,讓你的 AI 編程生產力翻倍

Claude Code 創建者 Boris 分享團隊內部的 10 個最佳實踐:並行 worktree、Plan Mode、維護 CLAUDE.md、自動化 Skills、讓 Claude 自己修 Bug 等,從執行層面釋放注意力,專注在決策和方向上。

Claude Code 創始團隊的 10 個最佳實踐,讓你的 AI 編程生產力翻倍
Claude Code 十大最佳實踐

這篇整理來自 Claude Code 創建者 Boris 的第一手分享,是他從團隊內部蒐集到的使用技巧。

我自己用 Claude Code 也好一陣子了,但看完這些建議之後才發現,原來團隊內部的人用法跟我們想像的差蠻多的。

Boris 開頭就說了一句很重要的話:「使用 Claude Code 沒有唯一正確的方法。」每個人的環境跟配置都不一樣,多實驗才能找到最適合自己的方式。

但有些做法是團隊公認最有效的,我把它們整理成十個重點。

1. 並行處理是最大的生產力解鎖

這是團隊給的頭號建議。

同時開 3 到 5 個 git worktree,每個工作樹跑一個獨立的 Claude 會話。你不需要等一個任務完成才開始下一個。

有人會給 worktree 起名字,配 shell alias 像 za、zb、zc,一鍵在不同工作樹之間跳轉。也有人專門建一個 analysis worktree,只用來讀日誌、跑 BigQuery 查詢。

Boris 自己用的是多個 git checkout,但團隊大多數人偏好 worktree,這也是為什麼後來 Claude Desktop 內建了對它的原生支持。

2. 每個複雜任務都先進 Plan Mode

這點我自己也深有體會。

把精力花在計畫上,讓 Claude 一次把事情做完,比邊做邊改高效太多了。

團隊裡有人會讓一個 Claude 先寫 plan,然後再開第二個 Claude 用「資深工程師」的角色來審閱這份計畫。

還有一個關鍵心態:一旦事情開始跑偏,不要硬推,立刻切回 plan mode 重新規劃。

他們還會明確告訴 Claude 驗證步驟也要進入 plan mode,不只是寫程式的時候才用。

3. 認真維護你的 CLAUDE.md

每次糾正完 Claude,收尾都用這句話:「更新你的 CLAUDE.md,這樣你就不會再犯這個錯誤了。」

Boris 說 Claude 在幫自己寫規則這件事上「強得有點詭異」。

隨著時間推移,持續打磨你的 CLAUDE.md,直到你能量化地看到 Claude 的出錯率明顯下降。

有位工程師會讓 Claude 為每個任務維護一個 notes 目錄,每次 PR 後都更新,然後在 CLAUDE.md 裡指向這個目錄。

4. 把常做的事情做成 Skills 或 Commands

團隊的原則很簡單:如果你每天做超過一次,就把它自動化。

比如做一個 /techdebt 指令,每次會話結束時跑一遍,自動找出重複代碼並清理。

或是做一個指令,把最近七天的 Slack、Google Drive、Asana、GitHub 資訊同步成一份上下文摘要。

甚至有人像分析工程師那樣用 agents:寫 dbt model、做 code review、在 dev 環境裡測試變更。

5. 大多數 Bug 讓 Claude 自己修就好

團隊的做法讓我有點驚訝。

他們啟用 Slack MCP,然後把 Slack 裡的 bug 討論串直接貼給 Claude,只說一句「fix」,完全不需要額外操作。

或者直接說「去修 failing 的 CI tests」,不告訴它怎麼修,不微操。

還有人把 Claude 指向 docker logs 來排查分散式系統問題。Boris 說它在這方面「強得出乎意料」。

6. 提示詞的進階用法

有幾個技巧很值得學。

第一,讓 Claude 當你的 reviewer。你可以說:「對這些改動狠狠審問我,只有我通過你的測試你才准發 PR。」

第二,當修得差不多但不夠好時,直接說:「基於你現在已經知道的一切,把這套方案扔掉,重新實現一個優雅的解法。」

第三,交付前先寫清楚規格說明。你越具體,輸出越好。

7. 終端機環境的優化

團隊很喜歡 Ghostty 終端,看中的是它的同步渲染、24-bit 色彩和 Unicode 支援。

他們會用 /statusline 自定義狀態欄,始終顯示上下文用量和當前 git 分支。很多人還會給終端標籤頁上色並命名,用 tmux 管理,一個任務一個 tab。

還有一個很實用的建議:用語音輸入。你說話速度比打字快三倍,而且因此你的提示詞會更完整、更細節。macOS 上按 fn 兩次就能啟動。

8. 善用 Subagents

只要你希望 Claude 在某個問題上投入更多算力,就在請求末尾加一句「use subagents」。

把小任務丟給 subagents 處理,可以保持主 agent 的上下文窗口更乾淨、更聚焦。

進階用法是用 hook 把權限請求路由到 Opus 4.5,讓它掃描攻擊並自動批准安全請求。

9. 拿 Claude 做數據分析

團隊把一個 BigQuery skill 提交到代碼庫,所有人都在 Claude Code 裡直接跑分析查詢。

Boris 說他已經六個多月沒寫過一行 SQL 了。

這個思路適用於任何提供 CLI、MCP 或 API 的資料庫。

10. 用 Claude 來學習

在設定裡啟用 Explanatory 或 Learning 輸出風格,讓 Claude 解釋每個改動背後的原因。

讓 Claude 生成一個視覺化的 HTML 簡報來講解陌生代碼,Boris 說做出來的品質「意外地好」。

你也可以讓它用 ASCII 畫協議和代碼庫結構圖,幫助快速理解。

甚至有人做了一個間隔複習的學習 skill:你先講自己的理解,Claude 追問補缺口,再把結果存下來。

我的觀察

看完這些技巧,最大的感受是:團隊把 Claude Code 當成一個真正的協作夥伴在用,而不只是一個補全工具。

並行處理、plan mode、自動修 bug、讓 Claude 自己維護規則——這些做法背後的共同邏輯是:把人的注意力從執行層面釋放出來,專注在決策和方向上。

這也是我一直在做 AI Agent 系統時追求的目標。

如果你也在用 Claude Code,推薦先從並行 worktree 和維護 CLAUDE.md 這兩件事開始。這是投入產出比最高的兩個改變。


原文來自 Claude Code 創建者 Boris
原文連結:https://x.com/bcherny/status/2017742741636321619

Read more

AI 代理人變現的真相:為什麼我越來越看好 ToC 市場

AI 代理人變現的真相:為什麼我越來越看好 ToC 市場

上個月我花了很多時間在思考一件事:AI 代理人的商業化,到底要怎麼做才行得通? 這不是一個簡單的問題。 你必須先搞清楚,你的目標客戶是誰。 ToB 還是 ToC?先把問題說清楚 如果你選擇 ToB,也就是做企業端的生意,你要面對的挑戰是非常現實的。 企業要的是能在地端執行的系統,他們有嚴格的法規要求,他們的業務流程複雜,而且你必須打進高端市場、建立產業典範,才有辦法收到真正的錢。 這條路很長,很硬。 如果你選擇 ToC,也就是直接服務一般消費者,你的核心挑戰完全不一樣——你需要了解演算法怎麼推薦,你需要做到大範圍的觸及。 這兩件事,聽起來容易,但真正做到的人不多。 我為什麼越來越看好 ToC 最近我一直在想一個具體的場景:用 AI 代理人主動產生虛擬網紅,讓它自己去做發布。 這件事在技術上已經可以實現了。 你可以讓一個 AI 代理人每天自動生成內容、自動發布到社群平台,不需要人工干預。 這代表什麼? 這代表觸及成本趨近於零,內容產出速度可以爆炸性成長,而且整個系統可以在你睡覺的時候繼續運轉。

By Andy Lin