Claude Code vs Cursor怎么选？128位开发者真实体验告诉你答案_服务软件

1. Cursor or Claude Code ？— 这道题怎么选

2. Claude Code vs Cursor

3. 大厂AI coding工具实测

4. Claude Code 这种 CLI 的编程方式，相对于 Cursor 的优势在哪？

5. Claude Code 和 Cursor 怎么选-花了几百美

6. AI编程两极战

7. Cursor 与 Claude Code

8. AI编程工具怎么选？🍗Cursor和ClaudeCode到底谁才是王者？别再到处问了，1分钟给你最干的大实话。

9. 为什么 Claude Code 比 Cursor 更好用？

10. Claude Code vs Cursor？38位开发者真实体验告诉你答案

11. Claude Code vs Cursor

12. 聊聊 Claude Code

13. 对于程序员Claude Code才是未来。

14. 深度测评

15. 告别Cursor！Claude Code + GLM-4.7 + VSCode，打造极致AI编程体验

16. Claude Code vs. Cursor 谁是全程最佳

17. 从此放弃Cursor，转向VS code + Claude code

18. 精通 Claude Code开发者完全指南

19. 测了一天，我的观点

20. Codex 使用体验，以及与 Claude Code 的对比

21. CodexRun让 Codex 成为团队最强工程师

22. 一份 Claude Code 最佳实践指南

23. 让 cursor 吃灰后，我是如何高效使用 Claude Code 的

24. Claude Code 与 Vibe Coding

25. 实践 Claude Code 的日常使用场景

26. 文科生零基础Vibe Coding手记

27. 不到一小时做完我拖了很久的功能

28. Cursor是什么？这款AI编程工具如何提升编程效率？

29. Cursor、Qoder、Trae 深度体验后的使用心得

30. 深度测评 | Cursor

31. 猿悟 AI智时代

32. AI产品最佳实践 | ClaudeCode+Claude4.5

33. Cursor vs Copilot vs Trae

34. 2025年我的AI Coding使用评测

35. 主流AI编程工具，一句话教你怎么选！

36. Claude, Cursor, Aider, Copilot，AI编程助手该选哪个？

37. 你的AI助手该升级了！2026 AI 编程工具格局

38. Anthropic 社区负责人连更31条Claude Code技巧！比Claude Code创始人私藏的还硬核

39. PSI引擎吊打LSP，JetBrains为何在AI编程时代被Claude Code反超？

40. 手把手教你用上开源版Claude Code，人人都可以体验编程Agent的魅力了。相信很多朋友，都听过Claude Code的大名。就连我这个一直很不喜欢Anthropic这家公司的人，也经常会说，Claude Code是我用过，最棒的Agent。帮你写产品、帮你做流程、帮你写做数据分析等等。甚至Google的首席工程师，都自己在X上夸Claude Code。但是相信大家都知道，这家公司封号都多猛，有多么反华，从23年为止到现在，封了我一共13个号，封的我现在都没有邮箱注册了，后来为了不封号，我甚至都是自己搭的魔法服务。所以对于推荐别人用Claude Code，我一直都很谨慎。更别提，他们现在越来越封闭了。而现在，在我觉得用了几天之后，我觉得有一个产品组合，真的可以在我的日常使用中，替代掉Claude Code了，我也不想再忍受Anthropic那恶心的一些破事了。这个产品，就是OpenCode，而且，开源。而OpenCode再加上神级插件oh-my-opencode，那几乎就是我现在觉得，对普通用户来说，想尝试开始使用编程Agent，最棒的组合。如果你跟我一样，本身还是200刀的ChatGPT Pro和250刀的Gemini Ultra的双料订阅用户。那你更相信我，你的这两会员，还可以在这个组合里，继续发光发热，直接把价值拉到最大。所以，我也想把这个产品安利给大家，然后，手把手带大家上手玩起来。这个产品和这个组合，让我觉得。所有普通人也可以上手使用并且感受编程Agent魅力的时代，正式开启了。那么，教程开始。 1. 安装OpenCode 第一步，当然就是先安装OpenCode了。不同于ClaudeCode这种，你需要使用命令行。 OpenCode我觉得最棒的一点，就是它有专门的客户端，你不需要用看像Antigravity那样复杂的IDE界面，也不需要去知道什么叫CLI什么叫各种命令。你只需要，用一个最符合心智的界面，开始对话就可以。 OpenCode的下载链接在在此： http://t.cn/AXGvxGlE 它支持所有客户端，无论你是Windows，还是Mac，都可以。如果你是专业开发者，那用在Linux里用也行，也可以放到VS Code、Cursor、Antigravity里，都没啥问题。我家里用的是Win，所以就直接把Windows版本下载下来，正常安装就OK。安装完以后，直接运行，没一会了，你就能看到这个首页了。看着空空如也，还不知道怎么用对吧。不用慌。我们先定把各个模型给OpenCode添加上。 2. 添加模型我们在首页，点击左下角那个+号，先添加底层模型。你能发现，里面有巨多的模型可以支持调用，几乎所有的模型全都支持。不仅可以用GPT、Gemini、Claude，甚至你划到后面，连GLM的Coding Plan计划都可以支持。如果你跟我一样，是ChatGPT和Google的会员，直接跟我操作就行。如果不是，那就直接用他们给的免费的GLM 4.7就可以，虽然能力上，肯定跟御三家还是有一点距离，但是对于绝大多数的场景，已经够用了。第一个Claude会员稍微注意一下，即使你有，现在也别通过Claude Max这种订阅会员连到OpenCode上用了，绝对不要用。 Claude这个货现在非常的封闭，周末的时候，直接封杀了OpenCode之类的第三方调用Cladue Code订阅套餐的通道。还直接疯了一批号。引起了一片声讨。然后，反手就是OpenAI的Codex直接宣布支持OpenCode。几乎几个小时之后，OpenCode就支持使用ChatGPT的订阅套餐，直接授权了。商战，就是如此的朴实无华。回到OpenCode，我们可以先点击OpenAI，你会发现，添加模型有两种模式。分别是ChatGPT会员和API。这里说一下区别，API Key对AI稍微了解一点朋友肯定都知道了，就是你用多少，就付多少的钱。而ChatGPT Pro/Plus，其实就是我们自己在ChatGPT官网上，订阅的会员。这个会员呢，其实除了你能在ChatGPT官网上，有各种各样的新功能使用之外，其实还有一个非常重要的东西，就是你的专门为了开发的Codex额度，其实有非常非常多。而GPT‑5.2‑Codex，虽然究极磨叽，但是写逻辑和代码的准确性，真的强的非常的离谱。所以，如果你开了ChatGPT的会员，这里直接点击就行。然后就会出来一个弹窗。点击那个this link的链接，然后进入ChatGPT登录界面，正常登录，然后授权。回来以后就OK了，你就能发现，已经有OpenAI的那几个模型了。直接爽用。 Gemini会稍微麻烦一点点，需要装一个插件，然后通过插件，把Antigravity里面的Gemini 3 Pro和Claude Opus 4.5的额度给拽出来。没想到吧，Google家的Antigravity，支持Claude Opus 4.5。所以，其实你想用最顶级的模型来帮你做开发，在OpenCode上，只需要开ChatGPT和Gemini的会员就可以，开这两个会员，就能直接用御三家的所有最顶级模型。我们先去装插件，这个插件的名字叫： opencode-antigravity-auth 安装特别简单，打开OpenCode，直接把这行Prompt话发过去： Install the opencode-antigravity-auth plugin and add the Antigravity model definitions to ~/.config/opencode/opencode.json by following: http://t.cn/AXGvxGlR AI时代了，安装插件的方式，也得AI一点。一会的功夫，就跑完了。然后，你在之前加号那，选择Google。就能发现，多出来了个OAuth with Google（Antigravity），如果没看到的话，就把OpenCode退出了重进。流程跟OpenAI的一模一样，进到链接里面去，授权，登录。成功以后，你就能看到，所有的模型了。 Claude和Gemini全都在。 Ok，御三家模型已经全部安装完毕，你现在拥有几乎全世界最豪华的Coding模型阵容了。当然，如果你没有任何订阅的话，但是也想体验AI Coding的魅力，可以直接在模型区域选择GLM 4.7或者MiniMax 2.1。目前这两全部都是免费可用。做普通的任务，完全够用了。现在OpenCode装完，模型也添加完毕了，那接下来，就是我们安装oh-my-opencode插件了。 3. 安装oh-my-opencode oh-my-opencode是一个源自社区的插件，几乎是我认为你用OpenCode必装的东西。你可以理解为，这是一个游戏的mod。就像很多年以前，我们玩《上古卷轴5》，你不装身形mod，你怎么玩怎么不得劲，就像前段时间爆火的《逃离鸭科夫》，你倒是可以不装任何插件自己硬玩，但是你要是装个物品价值稀有度的mod，基本就能极大幅度的改善原来的游戏体验。 oh-my-opencode就是我认为，几乎让OpenCode焕发终极生命力的，能让所有小白全都能上手使用编程Agent的，究极插件。他们在文档里这样写到： “还记得第一次从 Windows 换到 Linux，兴奋地折腾各种配置的感觉吗？在这个"黑客精神"似乎日渐稀缺的年代，OpenCode 把它带回来了。如果你热爱编程、热爱计算机，OpenCode 带来的就是那种"终于摆脱 Windows 束缚"的爽快感。但坑在什么地方？门槛高、要学的东西多、配置复杂，而你的时间很值钱。这事儿我搞定了。即使你不是硬核 Hacker，花几分钟，就能让你的技能和生产力原地起飞。” http://t.cn/AXbeiRbm 你不用再花大量时间去学配置，去猜哪个模型适合干哪个活，它内置了很多分工明确的专家角色，比如负责架构和审阅的oracle（GPT 5.2 Medium），负责翻文档找实现的librarian（glm-4.7），负责快速扫代码库的explore（Grok Code），负责UI设计与前端的前端工程师（Gemini 3 Pro）。然后主Agent（Claude Opus 4.5 High）会按需调度它们，并且很多任务可以在后台并行跑。还兼容了Claude Code，Command、Agent、Skill、MCP、Hook（PreToolUse、PostToolUse、UserPromptSubmit、Stop）啥的全都有。。。还有自带的精选过的MCP，还支持完整的LSP。真菩萨... 安装oh-my-opencode也特别简单，跟前面的opencode-antigravity-auth流程一样。在OpenCode中，新起一个对话。然后直接把这个Prompt发过去： Install and configure by following the instructions here http://t.cn/AXbjqNEr 对，就这么简单。没过一会，他就会给你发一段话：意思就是问你有没有御三家的订阅，你要是看不懂，也没事，直接回一句，我看不懂英文，用中文给我回复。就OK了。我们前面已经全部配置好了，你就按照你的情况回答就行，像我有ChatGPT订阅和Gemini订阅，我就直接说： 1. 没有Claude，但是我用的opencode-antigravity-auth，可以用Google上的Clude模型。 2. 有，我已经配置好了。 3. 用，我也配置好了。大家也可以直接复制粘贴过去。再过了一会以后，oh-my-opencode就装好了。你会发现，每个Agent背后，都是对于的最佳模型了。而如果你没有订阅的话，这时候，所有的Agent，默认模型都会是GLM-4.7。至此，一切就大功告成！你可以愉快的使用OpenCode + oh-my-opencode，开始你的Vibe Coding之旅了。后续你想继续精进，把OpenCode玩的更深更透的话，也非常推荐大家去看官方文档： http://t.cn/AXGvxGln 相信我，Vibe Coding没有那么难。在过去，你只是没有一个趁手的工具。而Claude Code对于国人来说，门槛又太高。 OpenCode + oh-my-opencode这个组合。就是我认为，所有普通人，开始接触Vibe Coding最棒的组合。感谢OpenCode和oh-my-opencode。这是非常优秀的产品，也谢谢他们为这个世界。做出的开源贡献。后续我也会出一些有趣又有用的Coding教程。希望大家点个赞点个关注。更希望，能对大家有所帮助。那就这样，我们，下期再见👋。 #科技先锋官##AI编程##AI[超话]#

41. Anthropic员工效率碾压谷歌1000倍！打工人想进，必须先「杀死自我」

42. 如何评价 Cursor 升级到 2.0 版本并发布首个大编程模型 Composer，大家使用体验如何？

43. 【36年编程老兵的AI觉醒：当三个Claude同时为你工作】Paul Crowley，Anthropic工程师，曾在Google工作11年，与Ted Ts'o等顶级程序员共事。他最近分享了一个事实：借助Claude Code + Opus 4.5，他目前的工作效率已经超越了他职业生涯中见过的所有"神级程序员"。不是写代码的速度，而是真正解决问题的速度——这在两年前完全不可想象。他的工作方式：同时开三个Claude会话，从不同角度攻克同一个项目。自己只负责定方向、审代码。假期里，他用几天时间从零写了一个复杂的webapp，用的是完全陌生的技术栈。以前这需要几周。遇到bug？让Claude调试，几乎每次都能解决。最终成品甚至很好看——而他自称CSS和设计能力都是零。有人问：写这么多AI生成的代码，会不会失去对代码的直觉？他的回答很干脆：我不会提交任何我不理解的代码。Claude目前的短板是什么？太急于用临时方案凑合，而不是花时间找到干净的解法。这段话最值得玩味的是：当有人说"AI不会写代码"时，Paul认为这暴露了与现实的严重脱节。他的建议是——亲自试试，然后加入我们。效率差距不是线性叠加的，而是指数级放大。当你能同时跑三个会话、把几周压缩成几小时，差距就大到无法忽视了。x.com/ciphergoth/status/2006446942453387675

44. Claude Code 创始人的 9 条实战技巧：原来高手的配置这么“朴素”Boris Cherny 在 Anthropic 内部有个绰号：Claude Code 之父。他最近在 X 上很活跃，于是很多人问 Boris：你自己到底怎么用 Claude Code？他刚在 X 上分享了 9 条实战技巧。没有你想象的那么多技巧，每一条都朴实无华。【1】核心理念：Claude Code 的最佳实践并没有标准答案Boris 开场就说：> My setup might be surprisingly vanilla! Claude Code works great out of the box, so I personally don't customize it much. > 我的配置可能出乎你意料地“原装”。Claude Code 开箱即用效果就很好，我个人没做太多定制。也能理解，那些最佳实践，比如 Skills、Plugins，作为 Claude Code 开发者，他们早就把这些最佳实践作为功能内置了。使用 Claude Code 没有唯一正确的方式。团队故意把它设计成可以随便折腾的样子，你想怎么用、怎么改、怎么魔改都行。Claude Code 团队内部每个人的用法都完全不同。所以没必要去费力找“最佳实践”，适合自己的节奏最重要。【2】多 Agent 任务并行：同时开十几个 ClaudeBoris 的日常是这样的：终端里开 5 个 Claude Code 实例，标签页编号 1 到 5，开着系统通知，哪个需要输入就跳过去处理。同时，他还在 claude.ai/code 网页版上跑 5 到 10 个任务。终端和网页可以互相“交接”：用&符号把本地会话转到网页，或者用--teleport 在两边来回切换。他每天早上和白天会从手机 Claude 应用上启动几个任务，晚点再回来看结果。这种“多线程”工作方式的核心逻辑是：Claude Code 擅长自主执行，很多任务不需要你盯着。你启动任务、给个方向，让它跑着，自己去忙别的。等它需要你确认的时候再切回来。这跟传统的“人敲一行代码、AI 补几行”完全是两种节奏。但这也对使用者有更高的要求，你需要擅长给 Agent 分配任务，并且能随时在多个任务之间切换。对于习惯了自己开发，同时只有一个任务进行的传统开发模式来说，是个很大挑战。惭愧的说，虽然我也常用 Coding Agent，还是不习惯太多任务同时运行，今年要加强这方面的练习。【3】模型选择：为什么用 Opus 而不是更快的 SonnetBoris 说他所有任务都用 Opus 4.5 加上 thinking 模式。这是他用过最好的编程模型。有人会问：Opus 不是比 Sonnet 更大、更慢吗？Boris 的回答是：虽然单次响应慢一点，但你需要纠正它的次数少得多，工具调用也更准确，最终算下来反而更快。这点其实我一直很认同，写代码这种事不能求快，还是得质量高，如果一个快模型需要你来回纠正三次，不如用个慢模型一次搞定。时间不只是模型响应时间，还有你的注意力和精力成本。唯一的问题就是 Opus 成本更高。【4】CLAUDE.md：团队共享的“项目记忆”CLAUDE.md 是 Claude Code 的一个特殊配置文件，放在项目根目录。每次启动 Claude Code，它会自动读取这个文件，把里面的内容当作“背景知识”。你可以理解为：这是你给 AI 写的项目说明书，告诉它这个项目的架构、规范、注意事项。Boris 团队的做法是：整个 Claude Code 仓库共用一个 CLAUDE.md，提交到 Git 里，所有人一起维护。每周都有人往里加东西。规则很简单：每次看到 Claude 做错了什么，就把“别这样做”写进去，下次它就知道了。更有意思的是，他们在代码审查时也会用到这个机制。Boris 会在同事的 PR 里@.claude，让 Claude 把某条新规则加到 CLAUDE.md 里。这是通过 Claude Code 的 GitHub Action 实现的。Dan Shipper 管这种做法叫“复利工程”：每一次纠错都变成团队资产，让 AI 越来越懂你们的项目。如果你还没用过 CLAUDE.md，或者没像他们这样频繁更新规则，强烈建议试试。最简单的起步方式是运行/init 命令，Claude 会自动分析项目结构，生成一个初始版本。然后你边用边补充，看到不对的地方就加进去。【5】Plan 模式：先想清楚再动手Boris 说，他大多数会话都从 Plan 模式开始。在 Claude Code 中按两下 Shift+Tab 就能切换。Plan 模式下，Claude 不会直接改代码，而是先给你一个执行计划。你可以来回讨论、修改计划，直到满意为止。然后切到自动接受模式，Claude 通常能一次性完成。“好的计划真的很重要”，这个习惯其实是把软件开发的经典智慧搬到了 AI 协作里：先设计再编码。很多人用 AI 写代码的问题是直接开干，结果方向错了返工成本很高。花几分钟对齐计划，能省几小时的返工。【6】自动化重复工作：斜杠命令和子 AgentBoris 有几个每天要用几十次的操作，他把它们做成了斜杠命令。比如"/commit-push-pr"，一键完成提交、推送、创建 PR。斜杠命令本质上是 Markdown 文件，放在.claude/commands/目录下。你可以用自然语言写指令，还能嵌入 bash 脚本预先获取一些信息，减少模型来回调用的次数。这些命令可以提交到 Git，整个团队共享。除了斜杠命令，他还用子 Agent（网页链接）。子 Agent 是独立的 Claude 实例，专门干某类活。比如他有个 code-simplifier 子 Agent，在主 Claude 完成工作后自动简化代码；还有个 verify-app 子 Agent，专门负责端到端测试。这两个功能的共同点是：把你反复做的事情固化下来，让 Claude 自己调用。你不用每次都重复解释，也不用记住各种命令细节。使用 PostToolUse Hook 来格式化 Claude 生成的代码。Claude 通常能自动生成格式良好的代码，而这个 Hook 会处理最后 10% 的代码，以避免后续在持续集成 (CI) 过程中出现格式错误。【7】安全与集成：权限配置和外部工具Boris 不用--dangerously-skip-permissions 这个“危险”选项。相反，他用/permissions 命令预先批准一些常用的安全命令，避免每次都弹确认框。这些配置保存在.claude/settings.json 里，团队共享。更强大的是 MCP 服务器集成。MCP 是 Model Context Protocol 的缩写，是 Anthropic 推出的让 AI 连接外部工具的标准协议。通过 MCP，Claude Code 可以直接：- 搜索和发送 Slack 消息- 跑 BigQuery 查询回答数据问题 - 从 Sentry 拉错误日志Boris 团队把 Slack 的 MCP 配置也提交到了仓库，所有人开箱即用。这意味着 Claude Code 不只是个编程工具，而是能调用你整个工具链的“全能助手”。【8】长任务处理：让 Claude 自己验证对于跑很久的任务，Boris 有几个策略：一是让 Claude 完成后自动用后台 Agent 验证结果。你可以在提示词里要求，也可以用 Stop Hook 更确定性地触发。> 注：Hooks 是 Claude Code 的"钩子"机制，让你在 Claude 执行操作的特定时刻插入自定义逻辑。你可以把它理解为"触发器"：当某个事件发生时，自动执行你预设的命令或脚本。> Stop Hook 就是在 Claude 完成响应、准备交还控制权时。> 相关文档：网页链接二是用 ralph-wiggum 插件网页链接。这是一个有趣的设计：“Ralph 本质上就是一个 Bash 循环”：想象一个简单的死循环（while true），它不停地把同一个任务说明书（提示词文件）喂给 AI 智能体，让它一遍又一遍地改进工作，直到彻底完成。三是在沙箱环境里用--permission-mode=dontAsk 或--dangerously-skip-permissions，让 Claude 不被权限确认打断，自己跑到底。核心思路是：既然是长任务，就别让它等你。给它足够的自主权和自我纠错能力。【9】最重要的一条：给 Claude 验证能力Boris 把这条放在最后，说这可能是获得好结果最重要的因素。如果 Claude 能验证自己的工作，最终产出质量能提升 2 到 3 倍。他举了个例子：他们提交到 claude.ai/code 的每一个改动，Claude 都会用 Chrome 扩展自己测试：打开浏览器、测试 UI、发现问题就迭代，直到功能正常、体验合理。验证方式因场景而异。可能是跑一个 bash 命令，可能是跑测试套件，可能是在浏览器或手机模拟器里测试应用。形式不重要，重要的是：让 AI 有反馈闘环。这个道理其实很朴素。人类工程师也是靠“写代码—测试—看结果—修改”这个循环来保证质量的。AI 也一样。如果它只能写不能测，就像闭着眼睛做事，质量全靠运气。Boris 的建议是：投入精力把验证机制做扎实。这是回报率最高的投资。【10】那些你看不见的东西Boris 有一点没提的就是基础的源代码管理/ CI（持续集成） / 代码审查 workflow，这些事情可能对他们大厂做习惯了的来说是平常，默认就应该有的事情比如说当他用 Claude Code 完成一个任务，不会说直接合并到主分支，而是提交一个 PR。提交 PR 后，在 CI 服务器上会自动跑所有的 lint 和自动化测试，如果测试失败 PR 是无法合并的。一个 PR 通过了所有的自动化测试，还需要有人去做代码审查（当然可以 AI 辅助，但还是需要人确认），如果代码审查发现问题，是需要继续修改的。这些也是他们能多任务并行的基础，如果没有做好这些基础工作流，就无法做到多任务并行。对于很多个人开发者并没有习惯去搭建一个 CI/代码审查的工作流，甚至连 Git 代码管理都没有做，出问题都没法回滚。【11】高手用剑无招胜有招武侠小说里面，高手用剑没有那么多花里胡哨的招式，无招胜有招。Boris 没有炫耀复杂的定制配置，没有神秘的私藏提示词，用的就是官方功能。区别在于：他真正理解这些功能背后的逻辑，然后把它们组合成高效的工作流。并行工作是因为 Claude 能自主执行；用 Opus 是因为综合效率更高；CLAUDE.md 是把纠错变成资产；Plan 模式是先想清楚再动手；斜杠命令和子 Agent 是自动化重复劳动；验证机制是给 AI 反馈闭环。如果你刚开始用 Claude Code，不必急着研究各种高级配置。先把基础用好：学会并行，学会规划，学会积累 CLAUDE.md，学会给 AI 验证手段。等你真正遇到瓶颈了，再去折腾那些花活不迟。推文链接：x.com/bcherny/status/2007179832300581177

45. 一家估值超过 1.4 亿美元的初创公司高级工程师，实际上是如何使用 AI 编码的（95% 是“vibe Coding”，但有体系）我昨天在共享办公空间里遇到一位高级开发者，他在一家融资超过 1.4 亿美元的初创公司工作。他已经编程 8 年多了，并提到自己现在基本上有 95% 的时间是在“凭感觉写代码（vibe coding）”，但速度却比以往任何时候都快。我很好奇，就请他详细讲解一下自己每天的实际工作流程——毕竟大家总在争论 AI 编码在真正的公司里到底有没有用。结果发现，他有一套既具体又灵活的流程。大多数新功能，他都是直接在终端里与 Claude Code 对话——描述他想构建的内容，然后让 Claude 生成一个粗略的结构。他不会追求完美，只要能达到 70% 的完成度，不被实现细节卡住就行。然后他会切换到 Cursor 进行清理。他说关键区别在于：他能实时看到 AI 写代码，而不是事后收到一大堆需要人工审查的代码块，这样可以立刻发现奇怪的“幻觉”问题。让我震惊的是——他还用 AI 工具来审查 AI 生成的代码。听起来多此一举，但这些工具能捕捉到不同类型的问题。他尝试了很多代码审查工具，最后选择使用 Coderabbit 的 VSCode 插件来做快速检查，然后提交到 PR，由 Coderabbit 的 GitHub 应用进行更详细的分析。测试流程仍然完全由人类负责。所有代码在上线前都会通过完整的测试套件。AI 只是在辅助编写测试，但最终的部署决策仍由人类决定。他提到他们现在功能发布速度提升了大约 40%，但不是因为 AI 在做架构决策，而是因为 AI 处理了重复的实现部分，工程师可以专注于系统设计和代码质量。他说，采用这种工作流的初级工程师升职更快，因为他们可以通过专注于设计，让 AI 处理枯燥的部分，从而交付出接近高级工程师水平的成果。他们的初创公司大约有 80 名工程师，这种方式正在各个团队中逐渐成为标准。有没有其他人在公司看到类似的工作流？我特别好奇“AI 审查 AI”这部分，虽然听起来违反直觉，但似乎确实有效。#人工智能##程序员#

46. 【七个被低估的Claude Code进阶技巧】Anthropic的Boris最近分享了十个实用技巧，但翻遍官方文档后，我发现还有一些更硬核的功能被埋没了。这些技巧偏技术向，但一旦掌握，会从根本上改变你使用Claude Code的方式。一、用钩子系统拦截一切操作手动审查代码太累了。Claude Code内置了钩子系统，可以拦截每一次工具调用。想在每次文件编辑后自动跑lint？想在执行bash命令前做安全检查？只需在settings.json里配置PreToolUse和PostToolUse。你的脚本会通过stdin接收完整的工具输入，返回退出码2就能阻止操作。这才是建立防护栏的正确姿势。有人用这个做了更巧妙的事：在PreToolUse里解析命令，匹配到rm -rf或DROP TABLE这类危险操作就直接拦截。Claude会收到阻止信息并重新规划，再也不用担心误删。二、按路径加载规则，告别臃肿的CLAUDE.md与其维护一个巨大的CLAUDE.md，不如创建模块化规则。在.claude/rules目录下，api.md只在处理src/api文件时加载，frontend.md只服务于组件目录。每个文件用YAML frontmatter指定生效路径。这本质上是上下文管理。做后端时不需要读Tailwind设计系统的规范，做API时不需要加载数据库迁移的约定。在大型仓库或monorepo里，省下的token相当可观。三、用感叹号语法注入实时数据技能文件里可以用感叹号加反引号执行shell命令，输出会在发送给Claude之前替换占位符。比如写一个PR审查技能，用git diff获取当前改动，用gh pr view拉取PR描述，Claude收到的是真实数据。这是预处理，不是让Claude执行命令。API响应、日志、数据库查询，任何实时数据都能这样注入。四、用子代理把任务路由到更便宜的模型不是每个任务都需要Opus。创建一个使用Haiku的子代理，只赋予Read、Grep、Glob权限，专门用于代码库探索。成本直接降到五分之一，而且因为工具受限，即使产生幻觉也不会误编辑文件。真正的省钱秘诀在于批处理：并行跑十个Haiku搜索再合并结果，比单次Opus遍历整个代码库高效得多。五、从PR恢复会话用gh pr create创建PR时，Claude会自动关联当前会话。之后只需claude --from-pr 123就能接续工作。这对异步协作意义重大：同事开了个PR，你恢复他的会话继续推进，上下文完整保留。六、用导入语法共享团队知识CLAUDE.md支持用﹫符号导入其他文件，包括home目录路径。团队把编码规范提交到一个中央仓库，所有人导入同一份标准。个人偏好放在本地不提交，项目文档按需引用。导入支持递归，最深五层。七、用context: fork隔离任务有些任务不该污染主对话。给技能加上context: fork，它会在完全隔离的子代理中运行，用独立的上下文窗口，返回摘要后主对话依然干净。深度研究、代码分析这类重型任务特别适合这样处理。这些功能的真正威力在于组合。用钩子在每次提交后自动触发审查子代理，用路径规则给不同目录注入不同规范，从中央仓库导入团队共享的钩子配置，把昂贵的探索任务路由给Haiku，把Opus留给真正的实现工作。详细文档在code.claude.com/docs，但确实容易被忽略。reddit.com/r/ClaudeAI/comments/1qstcb9/7_claude_code_power_tips_nobodys_talking_about

47. Claude全面禁中国企业？别怕，国产模型够顶！ #大咖观察 #Claude #马斯克 #红衣聊AI

48. 刚刚，ChatGPT 和 Claude 同时大更新，不会给 AI 当老板的打工人要被淘汰

49. Anthropic 发癫搞封锁，今天最该“警惕”的其实是Claude Code

50. Boris（Claude Code 创始人）解释为什么 Claude Code 不用 RAG 向量检索代码：在开发 Claude Code 的早期版本时，我们曾尝试过 RAG 搭配本地向量数据库的方案。但很快我们就发现，Agent 使用关键字搜索在实际应用中的表现通常要出色得多。这种方案不仅实现起来更加简洁，而且还完美避开了 RAG 模式下那些令人头疼的“老毛病”：比如数据安全性、隐私泄露风险、信息滞后以及系统可靠性等问题。

51. 抽点时间写写Wegent这个项目的开发过程（一）其实回顾很多项目的生命周期都是蛮有意义的一件事，之前在做一些项目的时候就有记录和总结一下项目里一些重大决策或者转折的冲动，但是大部分都是公司内的项目没法写出来，难得遇到个能写的开源项目，恰好这个项目又汇集了AI Agent架构和开发范式转变这两个比较有意思的话题，干脆开个新坑系列。大概是夏天的时候我决定要开发一个新的Agent系统，最初项目的定位是做一个claude code的套壳工具。当时Cursor、Windsurf这类Agent开发工具开始成为主流，我当时也还在Roo Code社区里比较活跃（如果你不了解RooCode，也不用介意，它是一个开源AI编码插件，后面描述的重点不是产品本身，而是它的开发方式）。Claude Code那时候刚发布没多久，虽然脱离IDE就能开发这个特性有点意思，但是单靠CC还不足以让开发者从类似Cursor的IDE工具迁移过来：对于大多数开发者的日常工作流来说，CC能做的事情，IDE或者IDE+Agent插件也能做，CC只是个阉割掉了IDE功能的Agent。但是当时Roo Code社区已经做了一个很有意思的探索：他们做了一个叫roomote的机器人，所有提交到RooCode项目的Issue，roomote都会尝试排查或者修复问题，然后提交PR或者直接给出回答。社区里经常有不明真相的群众表示，为什么会有一个叫roomote的人能够一天24小时工作，并且回答所有人的问题，他是你们的外包团队吗？最后RooCode团队表示，roomote只是个用了opus模型的RooCode插件。作为Roo Code社区开发者之一（RooCode的代码编辑器、消息解析器、Todo和一些乱七八糟的功能都是我做的），我认为RooCode项目本身没有太多值的研究的（代码非常烂），但是我对他们这种开发模式非常感兴趣。社区的核心开发者就一两个，但是每天能够开发5-10个小功能，每周能发个大功能，并且还能在某种程度上避免项目失控（虽然Bug也不少），放在过去这种效率是不可想象的。RooCode社区的开发方式总结下来就几点：1 能让AI做的事情就让AI做2 人配合AI快速迭代，密集发布新版本，追求迭代效率，降低质量要求3 不停的通过提示词、测试和重构避免项目复杂度失控我开始意识到：未来开发者写代码的方式会变，这不是简单的工作自动化，而是“AI驱动式开发”，这种模式应该未来会成为某种新的软件开发范式。因此本来我的目标是把RooCode本身移植成为命令行工具（我们开源的另一个项目RunVSAgent其实是这个目标的副产品），而Claude Code的诞生让我省了不少事。（待续，下一篇准备讲讲Wegent项目原型开发时遇到的问题）

52. 来自 Claude Code团队的CC使用技巧团队内部使用 Claude 的方式，其实和我个人的用法不太一样。记住一件事：Claude Code 没有唯一正确的使用方式——每个人的工作流都不同。多尝试，找到最适合你自己的方式。1. 尽可能并行工作同时开 3 到 5 个 git worktree，每个 worktree 里跑一个独立的 Claude 会话。这是团队公认生产力提升最大的一招。我个人用的是多个 git checkout，但团队里大多数人更喜欢 worktree，这也是为什么 amorriscode 给 Claude Desktop 做了原生 worktree 支持。有些人会给 worktree 起名字，再配合 shell alias（比如 za、zb、zc），一键在不同任务之间来回切换。还有人专门留一个 analysis worktree，只用来看日志和跑 BigQuery。2. 所有复杂任务都从 Plan Mode 开始把主要精力花在计划上，让 Claude 有机会一次性把实现做对。团队里有人会让第一个 Claude 写计划，再开第二个 Claude 以资深工程师的身份来 review 这个计划。还有人说，只要事情开始变得混乱，就立刻退回 Plan Mode 重新规划，而不是硬着头皮往下写。他们甚至会在验证步骤时也明确要求 Claude 进入 Plan Mode，而不只是构建阶段。3. 重视并持续打磨 CLAUDE.md每次你纠正 Claude 之后，都可以加一句：“更新你的 CLAUDE.md，这样你下次就不会再犯这个错误。”Claude 非常擅长给自己写规则。长期、无情地编辑和迭代 CLAUDE.md，直到你能明显看到它的犯错率下降。有位工程师还让 Claude 为每个任务或项目维护一个 notes 目录，每次 PR 后都更新，然后在 CLAUDE.md 里指向这些笔记。4. 创建你自己的 skills，并提交到 git在所有项目里复用它们。团队的一些经验：1）如果一件事你每天会做不止一次，就把它做成一个 skill 或命令2）做一个 /techdebt 斜杠命令，每次会话结束都跑一遍，找出并清理重复代码3）做一个命令，把最近 7 天的 Slack、GDrive、Asana、GitHub 内容同步成一个统一的上下文 dump4）构建类似 analytics engineer 的 agents，让它们写 dbt model、做代码 review、在开发环境测试改动5. 让 Claude 自己修 Bug团队常用的方式：1）启用 Slack MCP，把 Slack 里的 bug 讨论串贴给 Claude，然后只说一句 “fix.”，完全不用手动来回切换上下文2）或者直接说：“去把 CI 失败的测试修好。” 不要微观指挥3）把 docker 日志丢给 Claude 来排查分布式系统问题，它在这方面意外地强6. 提升你的 Prompt 水平1）挑战 Claude你可以说：“狠狠拷问我这次改动，在我通过你的测试前不要开 PR。” 让 Claude 当 reviewer。或者说：“向我证明这个是有效的”，让它对比 main 分支和你功能分支的行为差异。2）对一般般的方案说不当一个修复很平庸时，可以说：“基于你现在知道的一切，推翻这个实现，用更优雅的方式重写。”3）先写清需求，再让它动手你描述得越具体，输出质量越高。先减少歧义，再交给 Claude。7. 终端与环境配置团队很多人喜欢 Ghostty 终端，原因包括同步渲染、24 位色彩和良好的 Unicode 支持。为了更方便地同时管理多个 Claude，会用 /statusline 自定义状态栏，让它始终显示上下文使用量和当前 git 分支。很多人还会给终端标签页起名字、加颜色，甚至配合 tmux，一任务或一个 worktree 一个标签页。另外一个强烈推荐：语音输入。你说话的速度是打字的 3 倍，prompt 细节也会更丰富。（macOS 下连按两次 fn）8. 使用 Subagents（子代理）1）在请求后面加一句 “use subagents”，让 Claude 为这个问题调度更多算力2）把子任务丢给 subagents，保持主 agent 的上下文窗口干净、聚焦3）通过 hook 把权限请求路由给 Opus 4.5，让它扫描攻击风险并自动批准安全请求9. 用 Claude 做数据与分析让 Claude Code 直接调用 “bq” 命令行工具，实时拉取并分析指标。团队把 BigQuery skill 提交在代码仓库里，大家都直接在 Claude Code 里写分析查询。有人已经 6 个多月没手写 SQL 了。这个思路适用于任何有 CLI、MCP 或 API 的数据库。10. 用 Claude 学习团队的一些学习玩法：1）在 /config 里开启 “Explanatory” 或 “Learning” 输出风格，让 Claude 解释它修改背后的“为什么”2）让 Claude 生成一个可视化 HTML 演示文稿，讲解你不熟悉的代码，效果出奇地好3）让 Claude 画 ASCII 图，帮助理解新的协议或代码库结构4）做一个间隔重复学习的 skill：你先讲自己的理解，Claude 追问补缺，并把结果存下来这套方法的核心其实就一句话：把 Claude 当成一个可以训练、可复用、能并行协作的工程搭档，而不是一次性问答工具。访问：x.com/bcherny/status/2017742741636321619#HOW I AI# #程序员#

53. 【让Claude Code效率翻倍的黄金公式】用好AI编程助手，关键不在于你会不会写代码，而在于你会不会提问。这里有一个经过验证的高效公式："我想要[目标/结果]" + "请深入访谈我，挖掘我的想法和意图" + ultrathink + 开启plan模式这个公式的精髓在于"访谈"环节。大多数人使用AI时，问题描述不够充分，然后抱怨输出质量差。但真正的杠杆点，恰恰在于让AI主动追问——它会帮你发现自己都没意识到的假设和模糊地带。几个实用技巧：- 让AI一次只问一个问题，避免一口气抛出十个问题让你应接不暇- 访谈结束后加一句"逐步展示你的思考过程"，效果更佳- 可以把这套流程做成斜杠命令，随时调用有人说plan模式本身就是作弊码，有人说ultrathink像在读心。但本质上，这套方法做的是同一件事：强迫你和AI一起把问题想清楚，再动手。想清楚，永远比动手快更重要。x.com/0xDesigner/status/2007467970952335533

54. AI首胜人类博士，顶会论文秒变代码！港大90后开源刷爆8k星

55. Claude Code从来就不是什么编程工具

56. Claude Code 5亿美元背后的AI工程革命（上集）来整理一下 Claude Code 诞生的故事，主要来源是科技博主 Gergely Orosz 采访 Claude Code 核心成员的文章。Claude Code 确实了不起，5 亿美元年化收入，三个月用户量涨了 10 倍，现在也是很多程序员首选 Coding Agent 工具。这个工具最初只是一个能告诉你“现在在听什么歌”的命令行小玩具。Gergely Orosz 采访了 Claude Code 的三位核心成员：- 创始工程师 Boris Cherny（17 年从业经验，前 Meta 主任工程师）- 二号工程师 Sid Bidasaria（Subagents 功能的作者）- 以及产品经理 Cat Wu。他们聊了 Claude Code 是怎么从原型变成产品的，技术上做了哪些选择，以及这个十几人的小团队如何做到每人每天发布 5 个 PR。这可能是目前最接近“AI 优先工程团队”的样本。他们用 AI 写代码、写测试、做代码审查、排查故障，甚至用 Claude Code 来开发 Claude Code 本身。90% 的代码是它自己写的。我想做的是把这次采访里最有意思的部分整理出来，讲讲这个团队是怎么工作的，有什么可以借鉴的，又有什么是他们的特殊条件决定的、不能照搬的。下面分成 7 个小故事，每个都能独立看，串起来是一个完整的图景。【1】一个听歌小工具，如何变成年入 5 亿美元的产品2024 年 9 月，Boris Cherny 刚加入 Anthropic，闲着没事写了个命令行小玩具。这东西能干嘛呢？它能用 AppleScript 告诉你现在在听什么歌，还能根据你的指令换歌。就这么简单。Boris 自己的评价是：“挺酷的 demo，但没啥意思。”真正的转折发生在他和同事 Cat Wu 聊完之后。Cat 当时在研究 AI Agent 的计算机使用能力，聊着聊着，Boris 冒出一个念头：如果给这个命令行工具更多权限呢？比如让它能读写文件、能执行命令？他试了。然后，见证奇迹的时刻来了。Boris 把这个升级版工具扔进 Anthropic 的代码库，随便问了几个问题。Claude 开始自己探索文件系统——读一个文件，看到里面的 import 语句，就顺着去读被引用的文件，一层层往下挖，直到找到答案。“这把我震住了，”Boris 回忆说，“我从来没用过这样的工具。”在 AI 领域有个概念叫“product overhang”，翻译过来就是“产品溢出”。意思是模型其实已经具备某种能力了，但现有的产品形态没有把这种能力释放出来。Boris 发现的，正是一个巨大的“product overhang”，Claude 早就能做到这些，只是没人给它造个壳子。Boris 开始每天用这个工具干活，然后分享给几个同事。两个月后的 11 月，他们发布了一个内部版本。数据很夸张：第一天，20% 的工程师在用；第五天，50%。这时候出现了一个有趣的争论：要不要对外发布？反对的理由很真实：这东西如果真有我们以为的那么强，留着当“秘密武器”不好吗？为什么要把竞争优势拱手让人？最终，Anthropic 选择了发布。逻辑是这样的：Anthropic 的核心使命是研究模型安全，而研究安全最好的方式是让人真正使用这些工具。既然内部已经验证了 Claude Code 会被大量使用，那发布它就能带来更多关于模型能力和安全的洞察。2025 年 5 月，Claude Code 正式公开。三个月后，使用量涨了 10 倍，年化收入超过 5 亿美元。有意思的是，Boris 最初只想着给程序员用——所以才叫“Claude Code”。但有一天他走过数据科学家的工位，发现对方屏幕上也跑着 Claude Code。“你用这个干嘛？”“我让它帮我写查询、做可视化啊。”现在，Anthropic 的数据科学家们人手一个，有些人同时开好几个。一个听歌小工具，因为多给了几个权限，变成了一个价值数亿美元的产品。这大概是“product overhang”最好的证明，模型能力一直在那儿，等的只是有人把它释放出来。---【2】90% 的代码是自己写的——Claude Code 的技术选型哲学Claude Code 有 90% 的代码是它自己写的。听起来像噱头，但这其实归功于他们的技术决策逻辑。先看技术栈：TypeScript 写主体，React 搭配 Ink 框架做终端 UI，Meta 开源的 Yoga 做布局系统，Bun 负责构建打包。为什么选这些技术栈呢？因为它们“在分布内”。“在分布内”（on distribution）是 AI 领域的术语。意思是模型已经见过大量这类代码，擅长处理它们。TypeScript 和 React 正是 Claude 的强项。如果选一个冷门框架，模型就得“学习”，效果会打折扣。这个选择带来一个美妙的循环：用 Claude 擅长的技术栈写 Claude Code，然后用 Claude Code 写更多 Claude Code。90% 自己写自己，就是这么来的。他们在架构层面的选择同样简洁。Claude Code 在本地运行。没有 Docker 容器，没有云端沙箱，就是直接在你的电脑上读写文件、执行命令。至于为什么这样设计？Boris 的回答是：“每次做设计决策，我们几乎都选最简单的方案。本地运行就是最简单的答案。”这种简单延伸到整个产品哲学：尽可能少写业务逻辑，让模型做主角。“这听起来可能有点奇怪，”Boris 说，“但我们希望用户能尽可能“原汁原味”地感受模型。很多 AI 产品会加一堆脚手架——额外的 UI 元素、各种辅助功能——结果反而限制了模型的发挥。我们要做的是让 UI 尽可能精简。”为了保持简洁，每次 Claude 发布新模型，他们就会大量精简代码。比如 Claude 4.0 发布时，他们删掉了大约一半的系统提示词，因为新模型不再需要那些“拐杖”了。工具数量也在不断精简——能删就删，能合并就合并。整个 Claude Code 架构可以概括为三件事：定义 UI 并暴露给模型修改的接口、暴露工具让模型调用、然后闪到一边去。当然，简单不意味着没有复杂的部分。权限系统就是例外。毕竟让 AI 在你电脑上执行命令是有风险的。Claude Code 的解决方案是执行前先问你：要不要批准这个操作？可以只批准这一次，也可以以后都批准，或者拒绝。权限系统支持多层配置——按项目、按用户、按公司。团队可以共享配置文件，把常用的安全命令加入白名单。这套权限设计背后的原则是这样的：如果你启动 Claude Code，它不应该在没经过你同意的情况下改动任何东西。但同时，也要给用户“放权”的选择——在你信任的场景下，可以跳过确认环节。简单，但不是简陋。克制，但不是功能缺失。---【3】两天 20 个原型——AI 时代的产品迭代长什么样以前做产品原型，两天能做出两个就算效率高了。Boris 花两天做了 20 个。这不是夸张，是他开发 Claude Code 的 todo list 功能时的真实记录。他甚至把每一步的提示词和截图都分享了出来。我们来看看这 20 个原型是怎么迭代的。第一版，他想让 todo 列表显示在最近一次工具调用的下方。提示词很短：“让 todo 不要随着输入出现，而是在输入框上方显示一个固定的 todo 列表，标题用灰色显示 '/todo (1 of 3)'”。看了看效果，不太满意。第二版，改成在每个 todo 更新时内联显示。提示词：“其实不要显示 todo 列表，改成在模型开始处理一个 todo 时，把工具名称渲染成粗体标题。保留'step 2 of 4'这样的进度显示。”还是不对。第三版和第四版，他尝试做一个“交互式药丸”——屏幕底部一个小方块，点开能看进度。“在文字输入框下面加一个 todo 药丸，类似后台任务的样式，显示 'todos: 1 of 3'。”然后：“让这个药丸可以交互，像后台任务药丸那样。”有点意思了，但还不够好。第五版和第六版，他换了个思路：做个从右边滑出来的“抽屉”。“把之前的药丸和标题都撤销，改成在输入框右边显示 todo 列表，垂直居中，用灰色分隔线隔开。”“有点跳，能不能做成抽屉动画？”看起来挺酷，但实用性存疑。第七到第九版，他又把 todo 列表挪到输入框上方，试验不同的截断方式和标题样式。“如果超过 5 个就显示'... and 4 more'”，“加个灰色的 'Todo:' 标题”。离答案越来越近了。第十到二十版，他开始琢磨怎么把 todo 列表和加载动画结合起来。最后的解决方案是把进度信息放到 spinner（加载指示器）旁边，最大化可见性。发布后，用户反馈说想看完整的 todo 列表。于是又加了一个迭代：按 Ctrl+T 可以展开全部步骤。这就是现在线上的版本。整个过程里，Boris 的提示词出奇地简短——大多数就一两句话。但每一版都是可以实际运行的原型，不是静态图，不是 PPT。他可以真正测试验证这个功能，感受它顺不顺手。传统的产品开发流程是：想法 → 讨论 → 画线框图 → 做高保真设计 → 开发 → 测试 → 上线。每一步都要时间，每一步都可能卡住。现在的流程变成了：想法 → 一句话提示词 → 可运行的原型 → 感觉不对就再来一版。这其实要求开发者在思维方式上进行改变，才能适应这种开发流程。以前，原型的作用是“验证想法”——因为做原型成本高，你得先想清楚再动手。现在，原型变成了“探索可能性”——因为做原型成本低，你可以先做出来再说，不好就扔掉。Boris 说，用 Claude Code 的时候，他经常直接跳过画设计图的阶段，直接做一个能跑的版本，比什么都直观。Claude Code 团队的日常节奏是：每个工程师每天推大约 5 个 PR，内部每天发布 60-100 个版本，外部每天发布 1 个版本。一天 5 个 PR，这在大多数公司是难以想象的。Uber 在最紧张的重构期，一天能推一个中型 PR 就算不错了。工具变了，节奏就变了，思维方式也得跟着变。---下集：网页链接

57. 我最近被Claude Code折腾疯了。安装门槛巨高，尤其是国内用户，你懂得，比用上Claude裸模型的门槛高一倍不止。当我好不容易装好之后，发现支付关也过不去，又找了很多方法，才终于成功付了款。这还没完，我发现竟然还限流，没开发多少代码的，就被官方限流了，工作被迫终止。钱花了很多，事儿还没办好。后来我也尝试了所谓的“国内平替”和“开源项目”，发现无一例外，效果都无法打平Claude Code，还不如不用。直到最近，我发现Teamo竟然上线了Claude CodeAgent，一口气解决以上所有问题。先说核心体验：100%还原，但免去所有折腾。Teamo基于Claude Code官方SDK实现，效果和功能上完全对标Claude Code，但把所有不该让开发者操心的事都解决了：✅ 无需安装打开浏览器就能用，没有npm install、没有环境变量配置、没有版本冲突。✅ 无需API Key 不用自己去claude.ai买号、充值、管理配额。账号被封？不存在的。✅ 项目云端保存在公司写到一半的代码，回家接着写。在咖啡厅突然来了灵感，打开手机也能继续。这三个无需，直接砍掉了Claude Code 80%的使用门槛。上手速度有点超预期。我直接拿了之前的一个需求测试："做一个Chrome小恐龙游戏的复刻版，像素风，可以调节速度"见图三产品里内嵌了预览功能。（见图四）但真正让我觉得不一样的，是下一个功能。Ralph Loop：AI全自动编程Teamo有个叫Ralph Loop的功能，这个我之前没见过类似的。简单说就是：你给一个需求，AI自动拆解任务→编码→测试→修复→构建，全流程自动化。我用一个比较复杂的场景测了测：让它基于一个5000字的设计规范，做一个记忆卡片应用，需要每次打开能有历史记录。这个设计规范很细，包括字体、配色、网格系统、动效规则等等。这种体验跟Claude Code的差异在哪？Claude Code是对话式编程，你得盯着它，一步步引导。而Ralph Loop更像是委派任务，你只需要说清楚要什么，它自己去完成。对我来说，这意味着：我可以同时推进多个项目。Skills商店：开箱即用的能力包Teamo Code里上线了Skills商店，支持：- 官方Skills：文档生成、数据分析、API对接、前端组件库...开箱即用。- 自定义Skills：把你的工作流封装成Skill，一键复用。- 团队共享：整个团队用同一套Skills，代码风格和质量自动对齐。适合谁？我的结论是：如果你是轻度用户，偶尔用用Claude Code写写小脚本，还不想费时间去折腾环境、账号，就非常推荐。如果你：- 需要频繁在多设备间切换（比如公司电脑、家里电脑、出差路上）- 做多个项目，需要并行推进- 有团队协作需求- 是Claude Code重度用户，经常遇到限流那Teamo的云端方案确实解决了很多实际痛点。不止如此，我加上了Teamo Code的内测群问了一下，发现现在有高达70%的大额补贴，意味着你在claude code需要花1美金才能完成的任务，在Teamo Code里只需要0.3美金。而且，还效果无损+零限流，这简直不要太香。最后附上传送门：网页链接通过上面的链接注册，还能白嫖300 credits，先薅为敬。#HOW I AI##科技先锋官#

58. 【把Claude Code变成你的私人技术导师】最近看到一个让人眼前一亮的用法：在CLAUDE.md文件里加一段提示词，就能把Claude Code从代码生成器变成技术教练。做法很简单。告诉Claude：为每个项目写一份FOR[你的名字].md文件，用大白话把整个项目讲清楚。包括技术架构是怎么设计的，代码各部分怎么串联，为什么选这些技术方案，踩过哪些坑又是怎么填的，有什么值得记住的最佳实践。关键是别写成枯燥的技术文档，要像讲故事一样，用类比和案例让人读得进去、记得住。"For every project, write a detailed FOR[yourname].md file that explains the whole project in plain language. Explain the technical architecture, the structure of the codebase and how the various parts are connected, the technologies used, why we made these technical decisions, and lessons I can learn from it (this should include the bugs we ran into and how we fixed them, potential pitfalls and how to avoid them in the future, new technologies used, how good engineers think and work, best practices, etc). It should be very engaging to read; don't make it sound like boring technical documentation/textbook. Where appropriate, use analogies and anecdotes to make it more understandable and memorable."这个思路妙在哪？大多数人用AI写代码，停留在“能跑就行”。代码是生成了，但为什么这么写、背后的设计逻辑是什么，一问三不知。这种学习是空心的。而这个方法逼着AI把决策过程摊开来讲，每个项目都变成一堂课。你交付的不只是代码，还有理解。评论区有人说得好：最有价值的是bugs那部分。绝大多数教程只展示成功路径，但真正的学习发生在失败里。那些报错、那些死胡同、那些“原来要这样才行”的时刻，才是经验真正沉淀的地方。还有人调侃：这比YouTube教程强多了，没广告，不用听“记得点赞订阅”，就是纯粹的学习。当然也有人提出质疑：那些纯靠氛围编程的人，真的会去读这份文档吗？这倒是个好问题。但换个角度想，这份文档即使你不读，也能在未来给AI设置上下文，让它更好地理解项目全貌。对于困在“教程地狱”里的人来说，这个方法尤其有效。你不再是被动地看别人怎么做，而是在真实项目里观察一个“资深工程师”的思考方式。边做边学，学的还是真东西。说到底，工具的价值取决于你怎么用它。同样是Claude Code，有人只拿它当代码生成器，有人却能把它变成成长加速器。差别就在于你有没有主动设计学习的闭环。每个项目都是一次学习机会，关键是你得把这个机会显性化。#How I AI#x.com/zarazhangrui/status/2015057205800980731

59. AI圈排第一的KOL，履历和表达含金量都很高的Andrej Karpathy发了一篇年度总结，列出了2025年大模型行业最重要的6大技术成果，写得非常通俗易懂：1、RLVR（可验证奖励强化学习）今年以前，大模型的主流训练方案，就那三样——- Pretraining（预训练），爬完全网数据，学会怎么预测；- SFT（监督微调），找人给模型提供参考答案，推动过拟合；- RLHF（人类反馈强化学习），模型生成多个答案，人类打分，让它开悟；RLVR提供的新方案，是让模型去做存在标准答案的复杂数学题，得出结果后再去核对答案，通过这种明确的试错，模型开始演化出了推理能力。而RLVR的普及，吞掉了今年的大多数算力消耗，并为使用者新增了「让模型思考更久一点」的质变按钮，OpenAI的o1开创了这条路线，到o3则是真正的拐点。2、锯齿状的智能今年开始意识到，大模型并不是智能生物，它更像是一种被召唤来的幽灵。人类的智能，是为了在恶劣的自然环境里生存下来而持续进化的，但大模型的智能，是为了模仿人类说话、在做数学题时拿到奖励、为了在基准测试里考高分而设计的，所以这让大模型呈现出「薛定谔的聪明」——一方面可以理解最难的奥数题，另一方面连一个单词里有几个r都数不清楚。所以基准测试的意义确实不大了，所有公司都在刷题，甚至把训练都放在特定的数据集上，这么搞下去，AGI来不了。3、Cursor比这款产品的成功更有价值的是，今年有很多AI原生服务开始标榜自己是「xx行业的Cursor」，这意味着大模型在应用层的渗透已经开始了。Cursor跑通的商业逻辑，是为垂直市场封装大模型这门生意，像一个产品经理的角色，负责把技术变成即插即用的生产力工具。未来的搭配可能是这样的——大模型厂商负责教育出具有普遍能力的大学生，而Cursor这样的公司则负责把这些大学生培训成可上岗的实习生。4、Claude CodeClaude Code是迄今为止最让人信服的Agent，它运行在本地设备里，理论上来说，你能用键盘和鼠标做什么事，它也能做到。对比之下，我会认为OpenAI有点走偏了。OpenAI太想把一切都塞到ChatGPT里了，以致于Codex、Agent等新技术都倾向于放到云端，而不考虑本地部署。在通用对话框里完成一切当然很有AGI的感觉，但现实是，我们依然处在一个模型能力不算稳定、上下限差异巨大的中间时刻，端到端的智能体可能是更优解。这不是说本地和云端哪边更好的问题，用户的数据仍然主要存放在本地——代码、密钥、上下文、生产环境这些——Anthropic搞对了优先级，把Claude Code放进了一个优雅的命令行界面里，摆脱了只能用浏览器访问的困境。能干活的大模型，就应该变成这样的「田螺姑娘」。5、Vibe Coding这是我在推特上随口发明的一个词，没想到火得不行，此处应有掌声。Vibe Coding让编程不再只是少数专业程序员的特权，任何不懂代码的人都能驾驭编程能力为己所用，这就叫「权力归于人民」。和以前的技术革命不同，这一次，普通用户能从大模型里获得的益处要远远高于专业人士和大型公司，代码生产的廉价化，让我们实现了软件自由。举个例子，我为了找一个Bug，专门通过Vibe Coding写了一个程序，而它在完成使命之后，就可以被扔掉了，像一张废弃的餐巾纸。这会彻底动摇软件工程师的职位要求。6、Nano Banana你们都把Nano Banana当成一个牛逼的图片模型，但在我眼里，他是大模型「GUI化」的雏形，直接通向人类与AI交互的图形界面。大模型基于语言文本，所以天然喜欢对话格式，但人类不是这样的，人类是爱发出「太长不看」这种怪叫声的生物，与费时费力的文本相比，我们更喜欢通过视觉消费信息。这也是Dos被Windows取代的过程。未来的大模型，会从自己的舒适区走出来，转而用人类喜闻乐见的格式来输出信息，比如图表、简报、动画、网页这些，Nano Banana是第一个把信息处理和图像表达融合起来的模型。这是2025年最难以置信的标志性事件，没有之一。总之，这是一波未平、一波又起的一年，大模型的能干和愚蠢都远超出了我的想象，这个行业连10%的潜能都还没有发掘出来，要做的事情还有很多，记得系好安全带。

60. 一个月，259个PR，497次提交，4万行代码增加，3.8万行删除。每一行，都是AI写的。这条推文作者是 Claude Code创建者Boris Cherny。2024年9月，他把Claude Code当副业项目做了出来。用他的话说，完全没想到这东西能长成今天这样：成了无数工程师的核心开发工具，用途早就超出了写代码，运维、研究、甚至非技术场景都有人在用。他用了两个词形容这项技术：alien and magical。外星的，魔法的。有意思的是对比。一年前，Claude连生成一条bash命令都经常出转义错误，跑几秒钟、几分钟就断了。那时候只是隐约看到一点苗头：这东西以后也许能派上大用场。注意这个“隐约”。技术的早期形态往往让人低估它的潜力。就像你第一次看到砖头大的大哥大，很难想象二十年后它会变成你手里的智能手机。快进到今天。Boris晒的数据是30天的产出：259个PR，497次提交，近8万行代码变动。全部由Claude Code加上Opus 4.5模型完成。而且Claude现在可以连续跑几分钟、几小时、甚至几天（用Stop hooks机制）。从几秒到几天。这个时间维度的变化，比任何功能更新都说明问题。Boris说：Increasingly, code is no longer the bottleneck. 代码越来越不是瓶颈了。以前做软件，想法便宜，实现贵。你有一个点子，变成可运行的代码需要大量时间和人力。现在这个成本在急剧下降。那瓶颈移到哪了？移到了想清楚要做什么、怎么做。移到了判断和决策。移到了对问题的理解和定义。换句话说，软件工程的重心正在从“执行”向“思考”迁移。当然，Boris作为创建者，晒这组数据有宣传的成分。而且量大不等于质量高，一个月8万行变动是什么性质的工作，维护成本怎么样，他没说。但即便打个折扣，这个趋势是真实的。AI编程工具在过去一年的进化速度，确实让人意外。Boris最后说：Software engineering is changing, and we are entering a new period in coding history. And we're still just getting started.软件工程正在改变，我们进入了编程史的新纪元。而且我们才刚刚开始。这话听起来像营销，但越来越像事实。

61. 教你如何在 Codex CLI 里面用 SKILLs1. 在你的项目目录下创建一个 “.claude/skills”目录，如果你不想提交到 git 就把 .claude 加到 .gitignore注：也可以是任意其他目录，放在“.claude/skills”目录下有个好处就是 claude code 默认能使用，不需要额外配置。2. 把你要用到 skill 复制到“.claude/skills”目录下（可以去网页链接这里找现成的）3. 如果你需要用到哪个 skill，只需要手动 @ 一下相应的 skill 文件即可，比如：> 请使用 @.claude/skills/artifacts-builder/SKILL.md ，创建一个 whiteboard 项目也就是说只要你让 agent 去读取相应的 SKILL md 文件，就可以让 Agent 学会使用 SKILL。这个方法不仅仅适用于 codex cli，也同样适用于 TRAE、Cursor、GitHub Copilot 这类 coding agent。只能说 SKILL 的设计是想当超前的，而且跟 MCP 一样，并非 Claude Code 专属。

62. 2026开年教程！Claude Code七大组件，老金一篇讲明明白白！90%的人只会用1个！

63. 全网疯转，Claude Code之父神级代码首次公开！10亿美金秘密来了

64. 国外大神逆向了 Claude Code，发现它好用的秘密藏在反常识的 Agent 设计里（附完整 System Prompt）

65. 《Google 团队一年都没做出来的项目 Claude Code 一小时就把代码写出来了》前几天 Google 首席工程师（Principal Engineer）Jaana Dogan 发了一条推文：“我们团队去年一整年都在做分布式 Agent 编排系统，各种方案，各种分歧，始终没有定论。我把问题描述给 Claude Code，它一个小时就生成了我们去年做的东西。”这条推文在我的 Timeline 上刷屏好几天。有意思的是，几乎每个人都能从中找到自己想要的证据。有人说这是大公司病的铁证：一年的活儿一小时干完，可见组织效率有多低。有人说这是 Claude Code 封神时刻：Google 自己的首席工程师都在用竞品。还有人说程序员要失业了：AI 已经能替代整个团队。这些解读都抓住了部分事实，但都漏掉了关键信息。【1】故事的另一半Jaana Dogan 后来发了一段很长的澄清。首先，团队这一年建了好几个版本的系统，各有优劣，一直没达成共识。其次，她给 Claude 的 Prompt 浓缩了“存活下来的最佳想法”：一年的探索、试错、淘汰，精华被压缩进了三段话。最后，Claude 生成的是“玩具版本”，不是生产级代码，但作为起点相当不错。换句话说，这不是 AI 凭空创造，而是专家带着一年积累的研究成果，用 AI 快速把想法变成代码。【2】一年的时间到底花在哪了我们习惯用“产出”来衡量工作：代码行数、功能数量、版本迭代。但如果产出可以被一小时复现，那之前一年的“工作”到底是什么？团队一年其实在做三件事：首先是探索。分布式 Agent 编排这个问题，没有标准答案。要试不同的架构、不同的通信机制、不同的容错策略。大部分尝试会失败，但失败本身是必要的学费。然后是验证。想法要落地，得跑起来看效果。有些问题只有在真实负载下才会暴露。这个过程漫长、枯燥、充满意外。最后是对齐。Jaana 说"not everyone is aligned"。大厂呆过的朋友都知道，在大公司，让不同团队、不同利益方、不同技术偏好的人达成共识，往往比写代码难十倍。开会、写文档、说服、妥协、再开会，这些不产生代码，但消耗大量时间和精力。Claude 复现的是最后那个“建造”的动作。前面那些认知劳动，探索、验证、对齐其实都是人来完成的。这就像一个软件项目，我们不能只盯着写代码的那部分时间，前面的需求分析、产品设计、系统设计，后期的测试都是占时间的，只是由于以前写代码成本高，大家容易忽略那部分的成本付出，现在 AI 生成代码太快，才凸显出其他部分工作的价值。【3】瓶颈转移Jaana 还说了一段话，我认为这才是整个故事最有价值的部分：“需要好几年时间去学习、在真实产品中验证想法、找到能长期使用的模式。一旦你有了这些洞察和知识，构建本身就不难了。因为可以从零开始建，最终产物反而没有历史包袱。”过去，瓶颈在“怎么实现”。你想清楚要什么了，但从想法到代码之间隔着漫长的工程工作。需要招人、分工、排期、开发、测试、联调。现在，这个瓶颈正在消失。新的瓶颈是“想清楚要什么”。你的 prompt 能不能精准描述问题？能不能包含正确的约束条件？能不能体现你对 tradeoff 的判断？有人把这叫做从“实现”到“表达”的转移。以前会干活的人值钱，现在会说清楚要干什么的人更值钱。Jaana 的 prompt 之所以有效，是因为她确实懂这个领域。换一个不懂的人，给 Claude 同样三段话的篇幅，大概率出不来能用的东西。AI 放大的是你已有的认知，不是凭空给你认知。【4】什么变贵了执行变便宜了，什么变贵了？判断力。面对十个可行方案，选哪个？AI 能帮你生成方案，但决定需要对业务的理解、对用户的洞察、对技术趋势的预判，这些仍然高度依赖人。品味。同样是能跑的代码，好代码和烂代码的差距是巨大的。可维护性、可扩展性、优雅程度，AI 能写代码，但“什么是好代码”这个标准，需要人来定义和坚持。对问题的深刻理解。表面上是技术问题，底下往往是业务问题、组织问题、甚至政治问题。能穿透表象看到本质的人，永远稀缺。【5】个体和小团队在 AI 时代的机会这个故事还有一个潜台词：大公司的对齐成本被 AI 无情放大了。以前，大公司用人海战术堆执行力，用流程保证质量。小团队资源有限，很难在复杂项目上竞争。前 Google 和 Meta 杰出工程师（Distinguished Engineer）、Gemini 大模型的联合作者 Rohan Anil 留言说：“如果我当年能拥有 Coding Agent，特别是像 Opus 这种级别的模型，我不仅能省下职业生涯前 6 年的时间，甚至能把这些工作量压缩到短短几个月内完成。”现在，执行力可以靠 AI 补齐。小团队的优势：决策快、包袱轻、方向调整灵活，反而变成了真正的护城河。一个人想清楚了，一小时就能出原型；一百个人没想清楚，开一年会也对不齐。这对个体是好消息，你的判断力、学习能力、对问题的理解深度，正在成为 AI 时代的竞争力。AI 没有让工程师贬值，但 AI 时代的工程师要求也不一样了。

66. n8n要凉了？Agent Skills实测对比，谁才是AI自动化之王！

67. 如何评价 Anthropic 在 9 月 30 日更新的 Claude Sonnet 4.5 模型？

68. 现在的学生，是如何应用AI来写程序的？我班上一名学生，他用JavaFX编写了一个高性能网络文件服务器，支持用户认证、角色权限控制、多客户端并发连接、文件上传下载、断点续传、多线程下载等功能，合计约8500多行代码。整个项目，从文档到代码再到架构，都比较规范，并且全面应用了AI，在我看来，相当不错。以下是胡晟源同学对自己大规模应用AI编程的小结（摘自他所提交的开发文档，本人一字未改，只加些空行，以方便阅读）。========================6 本项目中AI技术及工具应用情况的介绍（1）本项目广泛用到了各种AI模型，以及AI Agent编程工具Cursor。首先我利用了Cursor的Plan Mode配合Anthropic公司最新、最强力的编程模型Claude Opus 4.5完成了项目整体框架的规划与搭建（当然一些细节的处理还是要我亲自来）。项目框架已经搭建完毕，就可以着手开始进行各种细分功能的开发和完善了，这一部分，我采用“大部分手写代码，而Debug主要依靠AI的策略”：Cursor的Debug Mode在软件开发中同样有十分强劲的作用。在遇到Bug时，你只需要开启Debug模式，先将Bug的现象给它大致描述一遍，随后，它就会自动扫描一遍你的代码库，然后分析可能导致Bug现象的部分。接着，它通常会提出几个Bug成因的假设，然后在你代码的关键位置进行“插桩”，收集软件运行时的日志信息。最后，它会给你一个步骤清单，需要你按照这个清单的步骤，一步步地去复现bug，当复现完成后，由于先前“插桩”的存在，此时我们也已经收集到了足够的错误信息。这时，AI模型再拿着我们收集的错误信息去与先前提出的Bug的成因假设进行分析比对，通常就可以精确定位Bug的“病灶”了。这个模式到底有多强，只能说“谁用谁知道”！（Debug阶段所主要使用的AI模型为GPT5.2 Extra High，该模型拥有超长的思维链，逻辑缜密，这一点使得它对于程序Bug成因的诊断十分精确。）最后，进入收尾阶段，为程序开发美观实用的UI界面。都什么年代了，还在手搓UI？这部分，我只是自己敲定了两套主题的整体配色方案，其余全部交给AI处理，最后的效果一次成型，十分不错。（UI设计所主要使用的AI模型为Gemini 3 Pro，该模型在前端设计领域的能力达到了一个前所未有的高度）（2）在软件开发中使用AI，你有哪些感悟？目前，各种AI模型以及AI编程工具的发展超级迅速。可以毫不夸张的说，AI领域正处于一个类似科技大爆发的阶段。在这个时代，如果我们不主动拥抱AI，主动了解AI领域的最新发展动向，必然在时代的浪潮中覆水沉舟。然而，在实际学习生活中我观察到大多数同学对AI工具的认知和利用程度还仅仅停留在网页端的豆包和DeepSeek上，这是远远不够的。我认为，身为一名计算机学院的大学生，我们至少要能够做到以下三点：①至少能够熟练掌握一种AI Agent编程工具的使用（Cursor、Augment Code、Codex、Copilot、Claude Code、Kilo Code、Trae、……）②掌握不同大模型API的调用规范和流程，这一点是将AI融入我们自己项目的重点！③熟悉当前时期市面上的各个大模型的各自所擅长的领域。例如：Claude系列模型适合代码速写，GPT系列模型适合纠错改错，Gemini系列模型适合写UI界面……熟悉了不同AI所擅长的领域，才能真正做到让AI工具为自己所用，正如一个公司的hr不能雇佣一个管理学专业的人来搞软件开发。==========================这个时代要求新一代的程序员，必须学会使用AI来增效与提速。

69. Claude Opus 4.6 vs GPT-5.3-Codex，到底谁更强？

70. Claude Code 的"懒加载"更新：AI 终于学会了"随叫随到"想象一下这个场景：你是一个项目经理，手下有 50 个员工，每个人都有不同的专长。每次开会之前，你都要求所有人先到会议室，每个人都要做一遍自我介绍，详细说明自己能干什么。结果光是听完自我介绍，会议时间就用掉了一大半，真正讨论问题的时间所剩无几。这就是 AI 工具生态面临的一个真实困境，直到今天，Claude Code 推出了一个叫 Tool Search 的功能，终于解决了这个问题。AI 的"工作记忆"有多金贵要理解这个更新为什么重要，我们得先聊聊 AI 的”上下文窗口“是什么。你可以把上下文窗口理解成 AI 的”工作记忆“，就像你我同时能记住的事情是有限的一样，AI 在一次对话中能处理的信息量也有上限。这个上限用”token“来衡量，大致可以理解为字词的数量。Claude 的上下文窗口大约是 20 万 token，听起来很多对吧？大概相当于一本 300 页的书。但问题是，这些空间不只是用来记你说的话，还要装很多”基础设施“。其中一个大头，就是工具的说明书。MCP：给 AI 装的”App Store“过去一年，Anthropic 推出了一个叫 MCP（Model Context Protocol，模型上下文协议）的东西。你可以把它理解成给 AI 装的 App Store。以前，想让 AI 连接外部工具（比如读取 Google Drive 文件、操作 Salesforce 数据库），每个工具都需要单独开发接口，非常麻烦。MCP 就像是制定了一个统一标准：只要工具支持 MCP 协议，AI 就能直接用。这个协议火了。短短几个月，社区已经开发了几千个 MCP 服务器，覆盖了各种各样的工具和数据源。用户也越来越”贪心“：既然能连这么多工具，那我全都要！GitHub 上有用户晒出自己的配置：7 个以上的 MCP 服务器，光是工具说明书就占用了 67000 多个 token。67000 token 是什么概念？大约占了上下文窗口的三分之一。还没开始干活呢，AI 的”脑容量“就被说明书塞满了三分之一。这就像你雇了一堆助手，结果每次开工之前，光是听他们自我介绍就要花一个小时。从"全员到场"到"随叫随到"Tool Search 的解决方案其实很直观：不要让所有工具都”预加载“到上下文里，而是用”懒加载“的方式，需要谁再叫谁。具体怎么工作的呢？Claude Code 会自动检测：如果你连接的 MCP 工具说明书加起来超过上下文窗口的 10%，就会自动启用 Tool Search 模式。在这个模式下，工具不再预先加载，而是通过搜索的方式按需调用。打个比方：以前是把所有员工都叫到会议室等着，现在是把员工名单和专长简介放在一个通讯录里。需要谁的时候，查一下通讯录，打个电话叫来就行。这个改变带来的效果是显著的。官方博客里举了个例子：原本需要 15 万 token 来装工具定义的场景，用新方式只需要 2000 token，节省了 98.7%。更重要的是，这个改变对用户来说几乎是无感的。如果你的工具不多，没触发 10% 的阈值，一切照旧。只有当工具真的多到影响效率的时候，系统才会自动切换模式。预加载 vs 懒加载这背后是一个更大的趋势说实话，”懒加载“这个概念在软件工程里一点都不新鲜。网页开发者天天用它来优化加载速度。但把它应用到 AI 工具管理上，说明这个领域正在从”能用就行“走向”精打细算“。Anthropic 官方博客里还提到了一个更激进的思路：让 AI 用写代码的方式来调用工具。传统方式下，AI 调用工具就像接力赛，从 Google Drive 拿到数据，传给模型，模型再传给 Salesforce。每一棒都要经过模型的”手“，占用上下文空间。而如果 AI 能写代码，它可以直接写一段脚本：从 Google Drive 拿数据，直接存到 Salesforce，中间结果根本不需要经过模型。这就像是从”接力赛“变成了”直达航班“。Cloudflare 把这种方式叫做"Code Mode"，实测下来效率提升非常明显。对普通用户意味着什么如果你是 Claude Code 的用户，这个更新带来几个实际好处：第一，你可以放心大胆地装更多 MCP 服务器了。以前装七八个可能就开始卡顿，现在这个限制大大放宽。第二，长对话不再容易”失忆“。以前工具说明书占了太多空间，聊久了 AI 可能记不住前面的内容。现在上下文空间释放出来，对话质量会更稳定。第三，响应速度会更快。少处理那么多 token，自然就省时间。如果你是 MCP 服务器的开发者，Anthropic 建议好好写你的”server instructions“字段。这个字段以前不太重要，现在它变成了 AI 决定什么时候调用你的工具的关键线索。写在最后这个更新看起来只是一个技术细节的优化，但它反映的是 AI 工具生态正趋向”成熟“的信号。早期的 AI 应用，大家都在拼”能不能做到“。现在功能越来越多，竞争的焦点开始转向”怎么做得更高效、更省钱“。这就像智能手机刚出来的时候，大家比的是”能装多少 App“。后来手机成熟了，大家开始比的是”续航多久“、”内存管理好不好"。AI 工具生态也在经历同样的转变。从粗放到精细，从堆功能到抠效率。

71. Claude Code 2.1.2超详细更新说明，小白也能10分钟上手

72. Multi-Agent 小白入门：让你的Claude Code 提效 90.2% 这篇文章介绍了一种基于多智能体编排系统的方法，旨在通过让多个 AI 智能体分工协作，来提升 Claude Code 的工作效率。1. 详细阐述了单智能体的局限性，并提出了主管模式、流水线模式和并行模式三种核心管理架构，以解决上下文限制和专业化不足等问题。2. 作者还提供了一套实战指南，教读者如何创建由架构师、构建师、验证者和记录员组成的四人智能体团队，并利用共享文档实现任务同步。原文：x.com/0xYuker/status/2013094122656334136#HOW I AI# #程序员#

73. LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景

74. AI 编程真的有用吗？Cursor｜TRAE 深度实测！

75. 小白也能上手终端AI？iFlow CLI实测：比Claude Code更香！

76. Karpathy 2025 年度盘点：o3 是真正拐点，Cursor 证明了应用层比我们想象的要厚

77. 如何编写一份优秀的 CLAUDE.md

78. 打算试试 Vibe Kanban 。一个面向 AI Vibe Coding 工作流管理的平台，它通过看板界面帮助我们规划、协调、执行和审查由多种 AI 编码智能体（coding agents）生成的任务。支持 Claude Code、Gemini CLI、Amp、OpenAI Codex 等。项目的设计理念：当大量代码由 AI 生成时，开发者的主要工作将聚焦在任务规划、结果审查与协调管理上，而不是单纯写代码。项目：github.com/BloopAI/vibe-kanban#ai创造营# #程序员#

79. 在claude.md里面加入这段话，让Claude Code为你创建一个专属的项目解析文件，秒变 Claude Teacher。附图是CC为我的ai-demo生成的md文件，可以试试看效果～ "For every project, write a detailed FOR[yourname].md file that explains the whole project in plain language. Explain the technical architecture, the structure of the codebase and how the various parts are connected, the technologies used, why we made these technical decisions, and lessons I can learn from it (this should include the bugs we ran into and how we fixed them, potential pitfalls and how to avoid them in the future, new technologies used, how good engineers think and work, best practices, etc). It should be very engaging to read; don't make it sound like boring technical documentation/textbook. Where appropriate, use analogies and anecdotes to make it more understandable and memorable." #HOW I AI# #程序员#

80. 谷歌这波赛博菩萨，新增Claude Opus 4.5免费用，Gemini 3 Pro 也免费，白嫖必须冲！

81. 邪修玩法突破限制！爽用全球爆火的AI编程工具Claude Code！GLM和DeepSeek模型对比实测！

82. 【访谈对话】造过 Codex 的人，为什么每天用 Claude Code完整图文版：网页链接Calvin French-Owen 联合创办了 Segment，2020 年被 Twilio 以 32 亿美元收购。之后加入 OpenAI，带队用 7 周时间从零构建了编程 Agent Codex。2025 年中他离开 OpenAI 回归创业，日常主力编程工具却是竞品 Claude Code。他最近在 YC 播客 Lightcone 上，和 YC CEO Garry Tan 做了一场对话。Garry 刚用上 Claude Code 九天，Calvin 则是造过 Codex 的人。两人聊了编程 Agent 的产品哲学差异、怎么成为 top 1% 用户、上下文中毒的应对，以及如果今天重新创办 Segment 会做什么不同。要点速览：• Claude Code 被低估的优势不在模型本身，而在产品架构：通过子 Agent 拆分上下文窗口，用 grep 而非语义搜索检索代码• Anthropic 和 OpenAI 的产品哲学有根本差异：一个造"去五金店买材料造狗窝"的人类工具，一个造"3D 打印整个狗窝"的通用智能• LLM 正在替代 Google 成为开发者工具的推荐引擎，竞品公司可以通过伪装排名文章操纵 LLM 推荐• 上下文使用超过 50% 就该清理。LLM 的"迟钝区"就像考试最后五分钟还剩半张卷子没做【1】CLI 的复古未来：为什么命令行击败了 IDEGarry Tan 用一个膝盖手术的类比开场：十年前他是个"马拉松跑者"（写代码的人），后来遭遇"灾难性膝伤"（变成了管理者），停止编程。最近九天用上 Claude Code，感觉像换了仿生膝盖，跑得比原来快五倍。Calvin 认为人们太关注模型能力本身，忽视了产品和模型的协同。Claude Code 做得特别好的一件事是拆分上下文：给定一个任务，它会生成多个"探索子 Agent"，每个用 Haiku 模型遍历文件系统、搜索相关代码，各自运行在独立的上下文窗口里，互不干扰。正因为 Claude Code 运行在终端里，它天然适合这种自由的、可组合的集成方式。Calvin 说："CLI 不是 IDE，这一点很重要。它让你远离正在被写的代码。IDE 的全部目的是把所有状态保持在脑子里。但 CLI 是完全不同的东西，当我用 Claude Code 时，感觉像在代码里飞行。"Garry Tan 举了个实际的例子：沙箱概念上很干净但实际使用时到处碰壁，比如需要访问 Postgres 却连不上。而 CLI 直接运行在你的开发环境里，他甚至让 Claude Code 访问了生产数据库，调试了嵌套五层深的并发 bug。【2】自下而上的分发：LLM 时代开发者工具怎么卖Calvin 认为 CLI 工具的分发模式被低估了：下载就能用，不需要任何人批准。他最近试用了一个产品：下载桌面应用后，它直接调用你笔记本上安装的 Claude Code，然后通过 MCP 服务器通信。全程不需要任何人的许可。Garry Tan 把这个观点推得更远：在一切都变得飞快的时代，产品必须走自下而上的分发路线。CTO 做决策太慢了，要考虑安全、隐私、控制权。工程师直接装上就用。更有意思的是 AI 推荐的影响。Calvin 指出，现在人们可能直接在 Claude Code 里决定用什么工具。"只要 Claude Code 推荐用 PostHog，他们就用 PostHog。"而竞争对手可以通过伪装排名文章操纵 LLM 推荐——人类一看就知道是软文，但 LLM 会被骗。Calvin 认为这对开源项目特别有利。Supabase 就是典型：因为有非常好的开源文档，每当有人问怎么搭建后端，所有 LLM 的默认推荐都是 Supabase。【3】上下文工程：grep 为什么打败了语义搜索构建编程 Agent 最重要的是什么？Calvin 说：管理上下文。一个有意思的差异：Cursor 用语义搜索（把代码嵌入向量空间，找最相关的片段），而 Claude Code 和 Codex 直接用 grep。这看似落后，实际很合理。代码信息密度极高，通过 .gitignore 过滤无关文件后，用 grep 搜索基本能准确定位。而且 LLM 特别擅长写出人类绝不会手写的复杂正则表达式。"如果你在构建非编程领域的 Agent 系统，可以从中学到很多。关键是怎么把你的数据整理成接近代码的格式，让模型可以窥探周围的上下文、获取结构化的信息。"【4】成为 Top 1% 用户：少写代码，多做管理Calvin 的建议：部署在 Vercel、Next.js 这类有大量模板的平台上，核心代码控制在一两百行；倾向微服务或结构良好的独立包；理解 LLM 的盲区——它"超级持久"，可能会复制已有功能、重新实现你觉得不该碰的东西；给模型提供检查手段，测试、lint、CI 都行。Garry Tan 分享了他的"顿悟时刻"：前几天几乎不写测试，第四天决定把测试覆盖率做到 100%，之后速度暴涨。Calvin 说：这和所有公司做 prompt engineering 的方式一样，就是测试驱动开发。"测试用例就是你的 eval。"【5】上下文中毒：LLM 的"迟钝区"和金丝雀检测Calvin 引入了"上下文中毒"的概念：模型沿着错误方向走下去，因为"超级持久"特性，会不断参照已经错误的 token 继续推进。他的建议是上下文使用超过 50% 就清理。他用了一个类比："想象你是大学生在考试。前五分钟觉得时间充裕，会认真思考每道题。但如果还剩五分钟而你还有一半没做完，你只能随便写。LLM 遇到上下文窗口就是这种感觉。"Garry Tan 介绍了一个技巧：在上下文开头放一个随机事实作为"金丝雀"，定期问模型是否还记得。当它开始忘记，就知道上下文退化了。Calvin 认为 Claude Code 应该能在产品层面自动做这种检测，在内部跑一个"心跳"机制监控上下文质量。【6】两家公司的 DNA：五金店造狗窝 vs 3D 打印狗窝Calvin 把两家公司的差异追溯到创始 DNA："Anthropic 注重为人类构建工具。Claude Code 的工作方式像人类：你要造狗窝，它去五金店买材料拼在一起。OpenAI 倾向于训练最强模型做越来越长的任务。它可能完全不像人类工作——用 3D 打印机从零打印一个狗窝。会花很长时间，做奇怪的事情，但最终能用。"长期看他认为"后者可能不可避免"。但用 Claude Code 的体验让他想起十年前自己写复杂正则的感觉。"我一天能做五个人的工作量。像装了火箭推进器。"【7】如果重建 Segment：什么价值被清零了Segment 起步做的是数据集成：帮你把同一份数据同时发到 Mixpanel、Google Analytics。写这种连接代码以前是件麻烦事，值得付费。"现在这部分价值降到了零。你可以直接告诉 Claude：'我要这样映射数据'，然后它就做到了。"还有价值的部分是：维持数据管道运行、自动化业务流程（比如每次新客户注册就通过 Customer.io 发欢迎邮件）、管理受众群体。如果今天重做 Segment，他会在这些基础上用 LLM Agent 分析完整客户画像，自动决定该怎么给客户发邮件、登录后要不要调整产品界面、不同客户是否需要不同的 onboarding 流程。低层级的东西被 Agent 取代，价值向上迁移到了更抽象的层面。Calvin 还分享了一个让他持续感到惊讶的事情：Claude Code 仅仅从他正在工作的代码上下文中，就能推断出他的意图和动机。"你给 Agent 一份代码仓库的副本，然后从门缝塞进去一张纸条说'帮我实现这个'。它完全不知道你的公司是做什么的，你的客户是谁。但它竟然能工作。"【8】谁从编程 Agent 获益最多Calvin 认为越资深的工程师获益越大。因为 Agent 擅长把想法变成代码执行，如果你能用几句话准确描述你想要什么，就能把那些你一直想改但没时间改的东西批量派出去。他还认为更有"管理者气质"的工程师获益更大。"我们需要给 Agent 做上下文管理，但我们也需要给人类做上下文管理。"初创公司和大公司的差异也很明显。初创公司没什么可失去的，会把编程 Agent 推到极限。Calvin 预测一个奇怪的场景：一个人的团队做出的原型，可能比对面那个十人团队做得更好。Garry Tan 还提了一个观察：Paul Graham 的经典文章"Maker Schedule vs Manager Schedule"正在被改写。过去写代码需要先花几个小时把所有代码关系装进脑子，十分钟的碎片时间根本不够。现在 Claude Code 帮你维护上下文，碎片时间也能有产出。创造者也可以像管理者一样碎片化工作了。【9】安全与训练数据安全方面，Calvin 分享了 OpenAI 内部的故事。每次发布新模型都要过安全审查。他们团队的 PM Alex 做了一个实验：创建一个 GitHub Issue，里面放了一个很明显的 prompt injection，然后让模型去修这个 Issue。结果注入立即生效。所以 OpenAI 对沙箱非常谨慎：所有代码在沙箱中运行，不碰机器上的敏感文件，严格管理密钥。训练数据方面，Codex 对 Python 单体仓库特别好，这"恰好"就是 OpenAI 内部代码库的形态。Garry Tan 注意到问题不是模型本身对 Ruby 不行，而是 Codex 的沙箱环境不支持 Rails 需要的特定方式访问 Postgres。不是模型的问题，是"模型外面那层壳"的问题。---Calvin 在对话中反复回到一个核心判断：编程 Agent 的竞争力不在于模型有多聪明，而在于上下文工程做得多好。另一个贯穿的线索是角色转变：最好的编程 Agent 用户看起来越来越像管理者。他们不写代码，而是判断什么该做、什么风格好、哪些地方需要人类介入。Anthropic 的"人类工具"路线和 OpenAI 的"通用智能"路线哪个最终胜出，Calvin 不确定。但他的行动选择说明了一些东西：造过 Codex 的人，每天用的是 Claude Code。访谈来源：YC Lightcone 播客

83. 新手如何用Claude Code实现代码自动审查和批量文件处理？

84. GPT-5.2连肝7天，300万行代码造出Chrome级浏览器

85. 真要做一个自动化写作的 Agent，工作流可能更合适，毕竟步骤相对固定，成本也会更低，Claude Code 可以在中间做工具用，另外 Claude Code 写作能力不一定很好，需要搭配不同的模型组合使用效果更佳。AI 写出来的内容质量，主要取决于 2 点：1. 你提供的上下文质量2. 模型能力然后才是提示词水平这篇文章好是因为这个访谈质量好，提供了优质上下文内容，否则很难写出来好的结果。就好比你现在让模型去翻译，大部分时候如果原文不错，翻译结果也会不错，如果原文不行，翻译不出来好的内容。这种拿现有资料去重写的，也是类似一种语言的翻译，是大模型所擅长的。

86. 如何评价 Anthropic 在 9 月 30 日更新的 Claude Sonnet 4.5 模型？

87. Codex 终于有图形界面了。Codex 是 OpenAI 的 AI 编程助手，之前只有命令行版本。今天 OpenAI 发布了 Codex Desktop App，一款 macOS 桌面应用。我测试了一下，感觉不错。前些天还在吐槽 Codex CLI 难用，现在暂时收回这句话。有了 GUI，操作方便多了，新增的 Skills 和定时任务功能也很实用。Codex 桌面版是什么Codex 桌面版是一个图形化界面的 Coding Agent（可以理解为帮你写代码的 AI 助手），但它不止于此，还支持定时任务、Skills 管理和多个 AI 编程 Agent 并行运行。以前用命令行版，你只能盯着一个终端窗口看它干活。现在可以同时启动好几个 Agent，一个重构认证模块，一个写支付系统的单元测试，第三个处理代码格式问题，它们并行工作，你在一个界面里监控所有进度。每个 Agent 在独立的 Git 分支上工作，互不干扰。完成后你看 diff、审代码、决定要不要合并。有点像老板，手下有几个 24 小时不睡觉的 AI 初级程序员。侧边栏可以直接看代码变更记录，不需要专门打开 VSCode 去查看，但编辑还不支持。定时任务：给自己雇个夜班值班员定时任务叫 Automations，能让 AI 定期执行一套工程动作，然后把结果交给你审阅。能用它干什么？扫近期提交找潜在 bug、从合并的 PR 里写 release notes、总结昨天 git 活动给站会、汇总 CI 失败和 flaky tests。OpenAI 内部也拿它做 issue 分流、CI 故障总结、版本发布简报这些"值班活"。两个关键机制要注意：本地运行：App 必须开着定时器才会起作用，项目目录必须在本机。暂时不支持云端定时器，不过 OpenAI 说云端支持在路上。沙盒权限：只读模式下，改文件、联网的调用都会失败；开到 full access 就意味着它能在你电脑上为所欲为，不需要确认就能改东西、跑命令、联网。建议：先手工跑一遍，确认影响范围，再上定时。另外，定时任务默认用 Git worktree 隔离，不干扰你的主工作区；跑完有发现就进收件箱，没事就自动归档——像给自己雇了个值班同事，只有真的有事才来敲你。Skills：把团队套路变成可复用的操作卡片Skills 这词很多产品都用，但 Codex 这套接近"把团队惯例封装成可调用的操作卡片"。技术上，一个 skill 是一个文件夹，核心是一个带 YAML 元数据的 SKILL.md，再配上可选脚本、参考资料、模板资源。可以理解成：把"怎么做某件事"从聊天记录里抽出来，变成能版本控制、能共享、能复用的标准操作流程。OpenAI 官方提供了一批现成的 Skills：Figma 技能把设计稿转成代码，Linear 技能帮你管项目，还有 Cloudflare、Vercel、Netlify 这些部署平台的技能，以及读写 PDF、表格、docx 的办公技能。它还有个内置的 Skill Creator，你可以用它教 Codex 怎么用你们公司内部的 API。据说 OpenAI 内部已经做了几百个自定义技能，拿来跑评测、监控训练、自动写发布说明。触发方式有两种：显式调用（在提示词里点名 $skill-name）和隐式调用（Codex 根据任务自动判断该用哪个技能）。更关键的是，skills 和定时任务打通了，自动化任务里可以直接写 $skill-name，把"定时做事"变成"定时按标准流程做事"。和 Claude Code 的差别Claude Code 是 Anthropic 的 AI 编程产品，早几个月就有了桌面应用（后来改名叫 Cowork），也能跑 remote sessions，关掉 app 也能在云里继续跑。两者都能写代码、都有 GUI，但调度哲学不太一样。Claude Code 更强调开发者在旁边看着，一步步互动。Codex 则更想让你"撒手"，把任务扔给它，它自己跑完来找你汇报。几个具体差别：并行隔离：Codex 把 worktree 做成一等公民，创建线程时直接选 Worktree 模式，自动化任务也默认用后台 worktree 跑。Claude Code 也支持并行，但更像"你先会 Git worktree，然后在每个 worktree 里各跑一个 Claude Code"，是手动拼装的。自动化落点：Codex 是"桌面内建的定时调度 + 收件箱回报"，贴近个人工作站值班。Claude Code 更偏"事件驱动和 CI"，它有 hooks 可以在编辑、任务结束等节点自动跑 shell 命令，还有 GitHub Actions 集成，把"定时"更多交给 CI 平台。Skills：两边都基于 Agent Skills 开放标准，都能用"SKILL.md + YAML 元数据"沉淀团队套路。但 Claude Code 在"怎么控制模型何时触发技能、怎么让子代理隔离执行"这块讲得更体系化。市场层面，据报道 Claude Code 在企业客户里暂时领先，Netflix、Uber、Spotify 都在用。OpenAI 这次免费开放给所有用户试用（限时两个月），同时给付费用户翻倍配额，明显是想抢用户。OpenClaw：一个值得关注的参照说完官方产品，值得看一眼社区在做什么。OpenClaw（以前叫 ClawdBot）是个开源项目，做的事更激进：让 AI 不只写代码，还能帮你清邮件、订机票、管日程，像个住在电脑里的私人助理。有意思的是，OpenClaw 的作者 Peter Steinberger 说，他整个项目都是用 Codex 写的，生产力翻了一倍。但他同时推荐大家用 Claude 来跑 OpenClaw 的 Agent，因为 Claude Opus 4.5 更适合做通用任务。OpenClaw 说明一个趋势：大家对"能真正帮你干活的 AI"有强烈需求。Codex 加了 Skills 和定时任务，正是在往这个方向走。对你意味着什么如果你是开发者，这是个生产力工具。建议别从"写代码更快"来评估，而是从"把哪些重复劳动变成例行流程"来评估。比如：每天早上自动扫 CI 失败，归因并给出修复建议，结果进收件箱，你只做决策；每天自动生成 release 简报，把过去 24 小时的关键变更变成可读的文档；把团队最佳实践写成 skills，新人、外包、甚至另一个 agent，都按同一本操作手册来。如果你不是开发者，OpenAI 也想让你用上。GUI 比命令行友好，你可以用自然语言描述想要什么。Codex 这个名字听着像给程序员的，但 OpenAI 在公告里已经把它往更广的方向延伸，强调它正从"写代码"变成"用代码帮你把事办完"。普通人可能用得上的场景：你有一堆固定格式的文件要处理（发票、报告、统计表），让它定期整理成干净的表格或 PDF；你在做内容工作，每周把素材文件夹里的新内容归档、生成摘要，你只做最后审核。简单说，就是把你的重复性日常任务，让 Codex 写代码帮你完成。用量和定价这次发布配套的"放量"很明确：限时对 Free 和 Go 用户开放试用，Plus/Pro/Business/Enterprise 享受 2 倍用量限制。Sam Altman 说免费试用会持续两个月。建议趁免费期试试，尤其是多任务并行、定时任务和 Skills 功能，这三个才是这次更新的核心差异化。下载地址：openai.com/codex

88. MiniMax M2.1也算得上是个成熟的工程师了之前对这类模型预期不高，一般只让它们处理些简单的多语言转换或者写写博客。但这次让它用Claude Code做个Image-to-Video的SaaS网站，表现确实超出预料——它能主动调用Skill完成任务，十分钟就基于模板把网站初版搭出来了，完成度接近Claude Code原生的Opus 4.5（结果见图1）以前国产模型像实习生，得一步步指导，现在M2.1像个能独立干活儿的工程师，清楚该用什么工具、从哪里入手。它的工具调用和Agent能力，确实刷新了我对国产大模型的认知知识储备各家可能差不多，关键在模型能不能精准理解意图并调用工具去执行。这次通过“网站制作”这个Skill，M2.1展现的效果很扎实。Skill生态确实是重要方向，除了Claude Code，Codex、Antigravity也都在跟进#minimax##ai大模型#

89. 手把手：1分钟把 Claude Code 迁到 DeepSeek V3.1，开箱即干

90. 回复 X 网友 Yangyi 的推文：> 我认识的比较厉害的开发，无一例外都在用cursor，因为他们惧怕AI带来的代码失控感。Claudecode这种东西更适合非程序员，甚至很多产品细节都可以不关注了。出了问题之后再问AI 你是咋做的？---你可能没认识真正厉害开发，真正厉害的恰恰会用codex和Claude code，辅助用cursor或者vs code。好的engineering manager靠的不是微管理，不怕任务交给下属会搞砸，因为他们了解下属能力边界，擅长把任务拆分成下属能力范围内的粒度，还能对下属的结果进行验收，不仅省力还能充分利用团队的力量。糟糕的manager不敢把任务给下属做，怕下属搞砸怕下属抢了自己的饭碗，到处微管理，自己累团队效率也不高。使用 Coding Agent 编程你就是engineering manager或tech leader的角色，靠的不是掌控感不是微管理，是你的技术能力和管理能力！

91. Anthropic 官方教程：为 Agent 设计高效工具的最佳实践

92. 【普通人用Claude Code实现10倍效率的底层逻辑】上周我看到有人跟Claude Code搏斗了6个小时，最后得出结论：AI被高估了，输出全是垃圾。问题出在哪？不在模型，在喂给它的东西。过去一年我用AI交付了几十个系统，观察下来发现：那些获得惊人成果的人和中途放弃的人之间，差距只有一个——输入的质量决定输出的质量。现在的模型已经强得离谱。如果你得到的是废话，问题在你自己。+ 用功能思维取代产品思维大多数人坐下来就打“帮我做一个XX应用”。Claude Code不知道你具体要什么，只能用假设填补空白，而这些假设往往是错的。正确的做法是把产品拆成功能模块。想做一个日程工具？先想清楚它由哪些部分组成：用户上传内容、系统分析处理、界面展示选项、触发相应动作。然后一个一个来。做完功能一，测试，能用吗？再做功能二。每个模块验证通过后再叠加下一个。这样你就不会在一个摇摇欲坠的地基上盖房子。+ 让Claude Code采访你与其告诉它你想要什么，不如反过来，让它不断提问直到完全理解你的需求。我用的提示词是这样的：“我想做某某东西，请像采访一样问我所有细节，包括技术决策、设计选择、边界情况，用提问工具持续追问，直到你完全理解我要什么。”接下来会有点烦人，问题一轮接一轮。上次我做一个线索分发系统，Claude Code问了我：触发条件是表单提交还是webhook？需要从线索中提取哪些数据？评分标准是什么？低于阈值怎么处理？通知走Slack还是邮件？响应时间要求多少？这些问题你可能根本没想过。这正是关键所在。我曾经花45分钟做这种采访式对话，结果省下了14个小时的调试时间，因为边界情况在写代码之前就被发现了。+ 先慢后快，手动优先于自动每个人都想要自动化，设置好就不用管。但如果你从没手动做过一件事，自动化会把你坑惨。原因很简单：你还不知道自己在自动化什么。一步步手动构建的过程中，你会感知到节奏，看到哪里容易出问题，培养出对“好”和“能用但其实是垃圾”之间差异的直觉。跳过这一步，你自动化的就是一个有缺陷的流程，而且要浪费很多天和很多token才能意识到问题。那些在社交媒体上秀自动化工作流的人，都是先靠手动构建积累了足够经验，才获得了自动化的资格。+ 管理你的上下文窗口你开始一个会话，一切顺利，输出很精准。然后质量开始下滑，Claude Code开始忘记一小时前你告诉它的事情。这是上下文过载了。当你用掉大约一半的上下文窗口时，开一个新会话。但新会话怎么知道之前做了什么？靠文档。每完成一个功能就记录下来，每个决策都写进去。新会话读取这个文件，就能无缝接续。+ 工具焦虑是伪命题大家都在讨论MCP、插件、自定义配置文件。这些东西没问题，但我敢保证它们不是你产品做不出来的原因。你的计划才是原因。完美的工具配置加上糟糕的计划，产出的是垃圾。基础配置加上优秀的计划，产出的是真东西。把精力投入到输入端，工具是次要的。+ 品味才是真正的护城河构建东西越来越容易，任何有网络的人都能用上两年前不存在的工具。创造一个能跑的东西，门槛几乎为零。那为什么不是人人都在出产品？差距在品味。品味是知道该做什么，知道你的东西和市面上50个同类产品有什么不同，知道什么时候感觉对了、什么时候只是技术上正确但毫无记忆点。我见过有人做了一个跑步应用，根据你的情绪生成路线。压力大？愤怒？平静？应用读取你的状态，创造匹配的路径。这不是技术成就，一千个人都能实现这个机制。区别在于有人坐下来认真思考：什么能让这个东西有趣？什么还没被做过？然后在每一步都做出有意识的选择。这就是品味。Claude Code给不了你这个。AI放大的是你投入的一切。模糊的思考产出模糊的结果，有意识的思考产出有意识的作品。几个月前想明白这些的人，现在已经在收割红利。今天想明白的人，还来得及。x.com/damianplayer/status/2013948085014020349

93. 我发现很多人评价一个LLM模型的能力就是通过直接跟它聊天来看它的编程能力，但是实际上即使是同样的模型，在Cursor、Augment、Codex和Claude Code上的编程能力也完全不同。如果把LLM当作另一种CPU，直接跟它聊天去编程，实际上就相当于在裸机上跑加减乘除，你可以用单线程的整数计算能力评价MCU，但是却不能评价现在的CPU，但是大多数人对LLM的使用都是这样像计算器一样的。而像计算机一样使用LLM，可能又会像数字化办公引入Windows和Word的变革，因为认知能力的差异淘汰掉无法把LLM当作计算机使用的人。

94. 【50条Claude Code实战心法：从入门到精通的完整指南】花了一整天研读Anthropic最新发布的Claude Code最佳实践文档，结合个人实战经验，整理出这份终极指南。+ 基础心法任务描述永远放在最前面，重要指令置顶。这听起来简单，却是大多数人忽略的细节。给Claude一个自我验证的方式，比如测试用例、截图或预期输出。这是提升效果最立竿见影的一招。推荐的提示词结构：角色 + 任务 + 上下文。简洁有力，屡试不爽。工作流程遵循“先探索，再规划，后执行”。可以先用其他大模型做调研，进入Plan Mode规划，最后切回正常模式写代码。假设Claude对你的项目一无所知，把它需要的信息全部告诉它。用﹫符号链接文件、数据和图片，提供丰富的上下文。运行/init可以为当前项目生成一个CLAUDE.md模板文件。+ 项目与技能管理用项目级指令定义长期行为，避免重复提示。编辑Memory标签精确控制Claude应该记住或忽略什么。把重复性工作流转化为Skills。一个取巧的方法：贴一个优秀输出，让Claude把它变成可复用的Skill。甚至可以上传截图让Claude复刻，这是创建高质量Skill的捷径。定期清理memory、文件和指令，防止项目漂移。不相关的工作流要分开项目，避免上下文污染。推荐两个Skills资源库：skillsmp.com收录了8万多个Skills，mcpservers.org/claude-skills提供即插即用的Skills。+ 冷门但实用的技巧用其他大模型规划项目、生成高级提示词，再交给Claude Code执行。这个策略还能节省Plan Mode的token消耗。在.claude/agents/目录下定义专门的子代理，让Claude把特定任务委派出去。让Claude根据你预设的成功标准给自己的答案打分。运行/plugin浏览插件市场，无需配置即可扩展能力。大型项目可以让Claude先采访你。用一个简短提示开始，让Claude通过AskUserQuestion工具向你提问。发现Claude跑偏时立刻纠正，按ESC中断操作。/clear开启干净会话，双击ESC或/rewind打开检查点菜单。可以运行多个并行会话：Claude Desktop管理多个本地会话，每个会话有独立的工作树；Claude Web在Anthropic的云端隔离虚拟机中运行。+ 调试与错误处理只重跑出错的步骤，不要重新生成所有内容。让Claude故意复现错误来理解问题本质。回滚到上一个正常的提示词，逐步重新应用修改。CLAUDE.md太长会适得其反，重要规则被淹没。解决方案：无情地精简，如果Claude本来就能做对的事，删掉那条指令。常见错误：一个任务没完成就问不相关的问题，再回到第一个任务。上下文被无关信息污染。解决方案：不相关任务之间用/clear。连续纠正两次还是错的话，/clear后写一个更好的初始提示词，把学到的教训融入进去。上下文窗口填满后，Claude可能开始遗忘早期指令。参考官方文档减少token消耗：code.claude.com/docs/en/costs﹟reduce-token-usage+ 进阶资源把Notion数据库连接到Claude，存储常用提示词。使用claude --dangerously-skip-permissions跳过所有权限检查，适合修复lint错误或生成样板代码这类安全的自动化工作流。Hooks适合那些必须每次都执行、零例外的操作。推荐资源：Anthropic官方学习资源anthropic.com/learn，Claude Code最佳实践文档code.claude.com/docs/en/best-practices，GitHub上的superpowers仓库github.com/obra/superpowers。最后一条忠告：慢即是快。尤其是构建严肃的工作流时，规划、规划、再规划，然后才是执行。#How I AI#x.com/aiedge_/status/2014740607248564332

95. 如果说 Claude 模型和 Claude Code 啥关系，就好比 Claude 是个剑客高手，Claude Code 就是它最趁手的武器；GPT 也是个高手，但习惯用刀，Codex CLI 就是 GPT 最趁手的宝刀，你让 GPT 模型去用 Claude Code，就好比让刀客去用剑，也能耍，但效果要打折扣。GLM、Kimi、DeepSeek V3，也是用剑高手，它们没有自己趁手的宝剑，但借了 Claude 的剑练了好久，上手就能用，用起来也威力不俗。

96. GitHub深夜引爆，最强Claude + Codex合体！全球1.8亿码农一夜解放

97. 有网友问 Claude Code 作者 Boris：如何有效审查 AI 生成的代码？Boris 给了 3 条经验技巧：1. 默认使用 Plan 模式。2. 给 Claude 提供一种验证其输出结果的方法，比如单元测试、Claude Chrome 扩展程序，或者 iOS/Android 模拟器。3. 使用 /code-review 来自动化大部分的代码审查工作。对 Claude 生成的代码保持与人类写的代码相同的标准。

98. 你喜欢用 cursor 还是 claude code ？

99. 计算机大学生福利！2025最强AI编程助手ClaudeCode，国内终于能用了！

100. 别再傻傻分不清！Claude和Cursor根本不是一回事！

101. 2025年上半年AI编程工具“封神榜”，哪个才是最适合你的开发工具？

102. AI 编程工具层出不穷，Cursor 还香吗？

103. 到底是用Claude Code，还是 Cursor？文末有答案

104. Claude 4.5发布！Cursor 宣布加量不加价支持！

105. Claude Code真的牛逼，Cursor不香了（附最新保姆级教程）

106. Claude Code vs Cursor，谁才是开发者真香神器？聊聊它们的区别

107. 全面对比Cursor和Claude Code：你看好哪个

108. Claude Code和Cursor的真实对比体验

109. 月烧240刀后我悟了 Cursor和CC不是一个物种

110. AI 编程开发工具对比：Cursor、Gemini CLI 与 Claude Code

111. Claude Code 实战指南：用 AI 玩转终端编程

112. Cursor 使用体验分享：AI 编程助手的实践

113. Claude Code如何更加高效使用？Claude Code创始人分享的13条Claude Code实践经验总结

114. Claude Code 全面介绍及与 Cursor、Augment Code 对比分析

115. Claude Code 之父首次公开：我每天是这样用 AI 写代码的

116. 从 Cursor 迁移到 Claude Code：Rules 配置完全指南

117. Claude Code 安装和使用指南

118. ClaudeCode完全指南：15个实用技巧效率翻3倍（3000字干货）

119. Claude Code：被低估的AI Agent编排框架

120. 最近一个月用 Cursor 的7条真香经验！

121. Claude Code 编码最佳实践

122. AI 编程工具：Trae & Cursor 全方位对比

123. Claude Code突然爆火，Cursor用户集体叛变，免费试用竟成救命稻草

124. Claude Code 常用功能使用方法，这么用就对了！

125. Coding之外：Claude Code如何充当我的工作助手

126. 2025 年的热门 AI 编程工具评测：Cursor、Claude Code、Codex、Lovable、v0 等

127. 学习 Claude Code 的命令行操作

128. AI Coding 落地实践：Claude Code + DeepSeek-V3.1 + DHcoder

129. Cursor 规则鼻祖竟被 Claude Code 反抄？谁才是上下文王者！

130. 如何把 Cursor 里的 AI，驯化成一个听话的高级工程师

131. Claude Code 学习指南

132. Claude Code：程序员的 AI 结对编程神器（附实战案例）

133. Claude Code 最佳实践。深度使用Claude Code已经三个月了，确实是AI编程领域划时代的产品昨天我们团队讨论了一下，即使它的价格上调为2000刀一个月，我们也愿意付费，因为带来的效率提升仍然远高于成本下面是我总结的Claude Code使用最佳实践，个人意见，欢迎讨论 1. CC基于命令行，是为了更直接的文件系统操作权限、与现有开发工具链的无缝集成、更强的自主性和代理能力等，非编程背景的同学也不要怕，你要做的仍然只是文字输入和回车而已 2. 一定要使用 CLAUDE.md 配置文件以保持持久的上下文，项目初期就init，并且保证更新，这是让CC了解项目的最好方法 3. 权限管理，对于项目不同模块给予不同的权限，业务逻辑和常规代码可以放心的给，涉及数据库的操作要小心，虽然在我这CC从来没有删库跑路 4. 经常性的commit，保证如果出现问题可以方便的回退 5. 让CC帮你写commit/pr message，简介又详细 6. 上下文很大程度决定了CC的能力，如果窗口不够用，尽量使用compact而不是clear 7. 如果日常使用，直接上订阅，按API token计费会让你破产 8. 如果你有技术能力，一定要实现验证工作流，实施自动质量门控，包括代码检查、静态分析、全面的测试套件和安全合规性检查 Happy vibe coding～ #软件开发 #app开发 #claudecode #独立开发者

134. Claude Code 进阶指南：从基础到专家级实践

135. 什么是 Claude Code?

136. Claude code从使用到集成IDE

137. Claude code使用

138. Claude Code 新增 Explore 子代理：代码理解与上下文构建

139. 榨干Claude Code的几个实用技巧

140. Claude Code 作者是如何使用 Claude Code 的？

141. ✨代码生成工具横评：Copilot、Cursor、通义灵码深度剖析

142. Claude Code最佳实践：Anthropic官方深度解析AI编程助手

143. Claude Code 使用说明书

144. Cursor AI 编程工具：开启高效编程新时代

145. 从工具到工程化落地：Cursor类AI编程工具的实现逻辑与实践路径

146. Claude Code 作者亲述：如何通过 13 个技巧拉满 AI 编程效率

147. 【效率神器】Claude Code是什么？不仅仅是写代码，更是你的AI私人秘书 - 哔哩哔哩

148. Cursor+Claude Code：非程序员的最强“打工 AI”组合之一

149. 用了这么久才发现：Cursor和Claude Code竟然是两种完全不同的技术思路！

150. 10 天用掉 10 亿 tokens 后，我的一些 vibe coding 经验总结

151. Claude Code 深度拆解：一个顶级AI编程工具的核心架构

152. Claude Code 从0到1入门指南

153. Claude Code 使用指南填坑

154. 从第一次用 Claude，到逐渐离不开 Claude Code：一个开发者的真实使用变化

155. Claude Code、Cursor、Trae、OpenCode怎么选？

156. Claude Code系列介绍

157. AI编程工具：提升开发效率的核心助手

158. Claude Code架构小记

159. Claude Code 全面解析：功能优势、安装指南及国内使

160. Claude Code 你真的会用吗？这些技巧，让 AI 编码效率飙升！

161. 为什么要使用 Claude code？如何免费使用Claude code

162. claude code 和 codex 如何选

163. 实操讲解视频｜一堆AI编程工具，Cursor好用在哪里

164. AI辅助编程体验 - Cursor

165. cursor、claude code、windsurf——大学生最需要的ai编辑器测评

166. 编程用哪个ai？

167. 2026 最新 AI 编程工具横评：谁才是真正的算力效率天花板？

168. Claude和Cursor之间的切换

169. 前端开发人员：以下是如何充分利用 Cursor

Claude Code vs Cursor怎么选？128位开发者真实体验告诉你答案

精选参考来源