面对 AI 写代码的混乱与低效，一套标准化的增量开发流程显得至关重要。本文提供了一套使用 Claude Code 进行增量开发的六步 SOP，并附上高频场景的提示词模板与踩坑解法，旨在帮助开发者建立清晰、高效、可复现的 AI 辅助开发工作流。
智能速览
增量开发遵循六步标准流程，每步都有明确的交付物。
提供五类高频场景的提示词模板，可直接复用替换。
总结了 Claude 改错范围、遗忘上下文、代码质量差三大常见踩坑。
高质量提示词的核心是明确目标、约束条件和参考标准。
对话过长时使用 `/compact` 压缩历史，避免 Claude 遗忘上下文。
精华内容
要真正将 AI 融入开发流程，光有想法不够，还需要一套可执行的标准化操作。以下是增量开发的六步 SOP，以及确保指令精确的提示词模板。
增量开发六步法
增量开发的核心是在现有代码上逐步叠加功能，而非推倒重来。第一步是让 Claude 分析现有代码的结构和依赖，建立上下文理解。随后按顺序进行数据库层设计、Service层业务逻辑实现、接口层API暴露，并通过单元测试验证核心逻辑。最后，使用 Git 提交保存进度。
这套流程的精髓在于每一步都有明确的“完成标准”。例如，第一步的完成标准是 Claude 能准确描述模块职责，第三步是核心逻辑可独立运行。只有达标后才能进入下一步，确保开发的稳定性和可控性。
场景化提示词模板
高质量的提示词是精准产出的关键。针对新增功能、Bug排查、代码重构、编写测试和代码审查这五类高频场景，可直接复用提供的模板。这些模板的核心结构是：明确目标、约束条件和参考标准。
例如，新增功能时，需指明文件路径、功能描述、输入输出参数、核心逻辑和错误处理方式，并要求 Claude 参考现有代码风格。这个“做什么 + 约束是什么 + 参考哪里”的三要素提示法，能显著提升 AI 生成代码的质量和稳定性。
三大高频踩坑解法
使用 AI 编程时，常会遇到三个典型问题。第一个是 Claude 修改了指令范围之外的代码，根本原因在于提示词约束不明确，必须在指令中精准限定修改范围。
第二个问题是在长对话后 Claude 开始“遗忘”，给出的代码不符合项目规范。此时应优先使用 `/compact` 命令压缩对话历史，若效果不佳则用 `/clear` 重新开始，并确保项目有 CLAUDE.md 文件来保留背景信息。
第三个问题是生成代码质量差，反复修改耗时。这通常是因为参考信息不足，导致 Claude 只能“猜测”编码规范。因此，每次提示都应包含具体的代码风格参考文件或函数，以提升产出质量。
掌握这套增量开发 SOP 和提示词技巧，意味着开发者能更从容地将 AI 融入日常编码，将模糊的“AI 辅助”概念，转化为可度量、可执行的提效实践。未来，AI 编程的边界还将如何拓展？
