后悔没早看！Claude写代码避坑指南：从需求表达到高效迭代，手把手教你榨干AI编程潜力_服务软件

1. Claude Code 项目结构速查手册大多数人用 Claude Code，项目里只放一个 CLAUDE.md 就完事了。难怪效果一直平平无奇。想让 Claude 真正变成你的工程搭档？关键在项目结构 👇📌 核心文件• CLAUDE.md → 项目规则和上下文，相当于给 Claude 立规矩 • CLAUDE.local.md → 个人偏好配置，覆盖默认设定 • mcp.json → 对接外部工具（GitHub、Slack、数据库等） • claude/settings.json → 权限管理 + 模型选择📂 claude/ 目录（真正的大招）• rules/ → 编码规范、测试标准，统一团队风格 • commands/ → 可复用的工作流指令（比如 /review、/fix） • skills/ → 按需加载的专业能力包 • agents/ → 各司其职的子智能体 • hooks/ → 自动化流程 + 安全护栏💡 结构越清晰，输出越靠谱配置一次，后续每次对话都能受益。你的 Claude Code 项目结构是怎么搭的？#科技先锋官##How I AI# 默庵·超级个体的微博视频

2. 把手教你用上开源版Claude Code，Windows系统接入保姆级教程！

3. 【让Claude写代码之前，先让它把想法写在纸上】快速阅读：作者用了9个月摸索出一套Claude Code工作流，核心只有一条：在Claude动手写代码之前，必须先有一份经过反复标注修改的书面计划。这套流程把“思考”和“执行”彻底分开，大幅减少了AI把代码写跑偏的概率。---大多数人用AI写代码的姿势是这样的：输入需求，让它生成，报错了修一修，再生成，循环往复。复杂点的任务直接崩。作者Boris Tane给出了一个反直觉的答案：AI最大的失败不是写出语法错误的代码，而是写出一个在局部跑通、却把整个系统搞坏的代码。一个忽略了现有缓存层的函数，一个没考虑ORM规范的数据迁移，一个跟别处重复的API接口。这类错误安静、隐蔽，最难排查。他的解法分三步走。第一步，让Claude先去读懂代码，把读到的东西写下来。不是口头告诉你，是写进一个research.md文件。他的指令里密集出现“深入”、“细节”、“复杂性”这类词，不是废话，而是在告诉Claude：别走马观花。这份文档的真正用途是给他自己看的，验证Claude是否真的理解了系统，误解在这一步消灭，不等到代码里。第二步，写计划，然后反复标注修改。 Claude生成plan.md之后，他在编辑器里直接往文档里加注释。两个字的也有：“不可选”。一段话的也有，比如解释某个业务约束，或者纠正一个架构方向。然后把文档扔回给Claude：“我加了一些注释，按注释更新文档，先不要写代码。”“先不要写代码”这句话他每次都加。因为Claude一旦觉得计划差不多了就会冲动地开始实现，而这个时机通常不对。这个循环可能重复一到六次。有观点认为，这种方式其实是在把人类的判断力注入进去：Claude知道代码怎么写，但不知道你的产品优先级，不知道你愿意接受哪些技术债。标注循环就是把这些隐性知识转化成明确指令的过程。计划写好之后，再加一个待办清单，让Claude逐项打勾，方便追踪进度。第三步，一口气让它实现完。他的实现指令几乎每次都一样：“全部实现，完成一项就在计划文档里标记，不到所有任务完成不要停，持续运行类型检查。”到这一步，创造性的工作已经结束了，剩下的是执行。他想要执行变得无聊。实现过程中他的纠错方式变得极度简短：“你没有实现deduplicateByTitle函数。”“这个设置页应该在admin应用里，不是主应用，移过去。”Context还在，一句话够了。前端调整更极端，有时候只发一个词：“更宽一点。”“还是裁到了。”出了大问题就直接回滚，然后缩小范围重来。他的经验是，缩小范围之后重做，几乎总比在烂摊子上修补强。有网友提到，很多人抱怨Claude在上下文窗口用到一半之后就开始退化，但他没遇到这个问题，因为plan.md作为持久化文档存在，即使上下文被压缩，文档还在，随时可以重新指向它。整套流程没有魔法Prompt，没有复杂的工具链。本质就是一件事：在动手之前，把思路逼到纸面上，反复修到满意为止。他没说的是：这套流程需要你自己先把需求想清楚，Claude帮不了你。---简评：这套工作流最狠的地方在于那句“先不要写代码”。它戳破了一个幻觉：我们以为AI的价值是“生成”，其实是“对齐”。代码写错了能报错，方向错了没人拦你。一个绕过缓存层的函数，跑得比谁都顺畅，却在三个月后让整个系统雪崩。作者真正在做的事情，是把AI从“执行者”训练成“被审稿的作者”——research.md是初稿，plan.md是修订稿，人类批注是红笔。写作的秘密从来不是下笔如神，而是改稿改到吐。AI写代码，同理。---boristane.com/blog/how-i-use-claude-code/

4. 【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

5. 【当Claude学会了“记忆”，我的代码产出翻了三倍】三个月前，每个冲刺周期我能交付4到5个功能。现在？12到15个。工作时长没变，代码库没变，我也还是那个我。区别不在于我写代码更快了，而在于我不再做那些“不是写代码”的事情了。以前我的典型编码场景是这样的：打开Claude，解释项目架构，描述编码规范，提醒它我用测试驱动开发，说明文档格式，再讲一遍Git提交规范。然后才开始写代码。每一次都要走这个流程。每个会话光是让Claude进入状态就要花15到20分钟。一天8到10个会话，我每天光是“加载上下文”就损失两个多小时。而且不只是时间问题，还有心智负担。我有一个50多条提示词的Google文档，各种工作流、代码审查清单、测试协议、文档模板，每天复制粘贴得像回到了2015年。2025年10月16日，Anthropic推出了Skills功能。大多数人以为Skills就是“保存的提示词”。错了。Skills是可执行的知识包，Claude在相关场景下会自动加载。它们不是快捷方式，而是你安装到Claude工具箱里的能力，跨会话持续存在。技术上，每个Skill以SKILL.md文件存在于.claude/skills/目录下，包含指令、参考文件和可执行脚本。会话开始时，Claude扫描所有可用Skills识别匹配项，触发时完整加载。这已经从提示词工程进化成了系统设计。真正的突破不是自动化，是消除。我没有构建50个Skills，我只构建了5个真正重要的。+ 第一个：项目上下文守护者这个Skill维护完整的项目架构、模块信息、技术栈和仓库结构。我管理多个微服务，每个都有不同的架构决策、数据库模式和API模式。以前我每次对话都要重新解释“用户数据用PostgreSQL，缓存用Redis，分析日志用MongoDB”。这个Skill包含2400行结构化项目知识，覆盖完整的数据库模式和表关系、API端点规范、编码标准、模块边界，以及常见陷阱。以前Claude会建议违反我们架构的方案，比如“在users表加个新列”。但我们的users表为了审计合规是只追加的。现在它已经知道了。+ 第二个：测试驱动强制器我信奉测试驱动开发，但说实话也很懒。赶deadline时会跳过测试，心想“之后再补”。事实是从来没补过。这个Skill会拦截每个功能请求：先澄清需求，再生成测试用例，和我一起审查测试覆盖，然后才写实现，验证测试通过，最后生成集成测试。就像有个资深工程师死活不让我合并烂代码。实施90天以来：生产环境bug减少70%，测试覆盖率从40%提升到90%，出问题时调试速度提升50%。凌晨两点不用修线上bug的时间，无价。测试驱动开发前期确实慢，但长期来看快得惊人。这个Skill强制我吃蔬菜。+ 第三个：文档生成器我痛恨写文档。但六个月后想不起来当初为什么做某个架构决策时，我更恨过去的自己。这个Skill不是让我写文档，而是在开发过程中问我问题。“你这里为什么选Redis不选Memcached？”它捕捉我的回答，转化成结构化文档。意外收获：面试高级职位时，我能展示文档齐全的GitHub仓库。面试官以为我极度自律，其实我只是把自律自动化了。+ 第四个：代码审查协议“收工上线”是最容易出问题的时刻，心理上已经结束了，想合并走人，这时候未用的导入、调试日志、未处理的边界情况最容易溜进去。这个Skill自动执行47项检查，涵盖安全、代码质量、最佳实践。每次审查2分钟，比20分钟手动审查强太多。更重要的是，在代码审查之前就捕捉问题。两周前，它发现一个API端点没有限流。那个端点如果上线，24小时内就会被DDoS攻击。47行markdown避免了一场灾难。+ 第五个：系统化调试框架以前遇到bug会慌，随机尝试修复，到处打日志，重启服务，刷StackOverflow，最后撞上一个方案，根本不知道为什么管用。这个Skill强制执行结构化调试方法：可靠复现、生成假设、系统排除、识别根因、实现修复、预防回归、记录经验。上周用户报告结账失败。以前的我会花几小时随机调整超时值。有了这个Skill：5分钟复现问题，生成4个假设，10分钟排除3个，识别根因是Redis连接池耗尽，5分钟修复并添加监控。总共25分钟。+ Skills真正改变了什么？使用前，每周40小时：13小时重复解释上下文，8小时修可避免的bug，6小时补拖延的文档，4小时陷入调试黑洞。实际编码时间：9小时。使用后，每周40小时：0.5小时上下文，2小时修bug，0小时写文档，1.5小时调试。实际编码时间：36小时。编码时间翻了四倍。但真正的倍增来自这36小时可以做什么。Skills之间会复合增效。测试驱动Skill和文档生成Skill协同工作，代码审查Skill可以引用两者。这就是工具和系统的区别：工具是加法，系统是乘法。Skills暴露了大多数开发者不愿承认的事实：我们花在解释上的时间比构建上更多。以前我以为自己的工作是写代码，结果70%的“编码时间”实际上是在重复解释上下文、记忆规范、查文档、审查自己的代码、调试本可避免的问题。真正的编码？可能只有30%。Skills没有让我成为更好的程序员，它们消除了编码周围的元工作。这才是核心区别。如果你读到这里，问题不是“我该不该用Skills”，而是“我反复在做什么事情，其实只需要做一次？”回答这个问题，你就找到了第一个Skill。x.com/ihtesham2005/status/2020534925934641200

6. ClaudeCode 如何使用？

7. Claude Code官方推出的入门课程，免费！有空补学习一下内容包括：1.使用 Claude Code 的核心工具进行文件操作、命令执行和代码分析。2 通过 /init、Claude.md 文件以及 (at) 引用来高效管理上下文。3. 利用多种快捷键和命令来控制对话流程。4. 在需要更深入分析的复杂任务中启用 Plan Mode 和 Thinking Mode。5. 创建自定义命令，用于自动化重复性的开发工作流。6. 通过 MCP 服务器扩展 Claude Code，引入浏览器自动化等能力。7. 配置 GitHub 集成，实现自动化的 PR 审查和 Issue 处理。8. 编写 hooks，为 Claude Code 添加额外的行为和能力。访问：anthropic.skilljar.com/claude-code-in-action#HOW I AI# #程序员#

8. AI圈昨晚炸了！Claude Code内部不慎操作，导致源码泄露，整整51万行代码、1900多个文件，全部意外公开，而这件事背后更重要的是：让所有人第一次看清楚，下一代AI软件到底长什么样。#大有学问 #红衣聊AI #代码 #网络安全 #Claudecode

9. 源码被开源，Claude Code之父回应了：纯内部开发者手滑

10. 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

11. 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

12. Obsidian CLI 基础配置教程打造AI化的知识管理系统 Claude Code｜Codex｜GeminiCLI

13. 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。

14. 登顶搜索榜第一，Token消耗降低 24%：解析Claude新功能 PTC

15. 最近看到有人整理了一套 Andrej Karpathy 风格的 Claude 提示词，一共 7 个，每一个都很实用，值得聊聊。大多数人用 Claude 就是直接丢个问题过去，等它吐答案。但 Karpathy 的思路完全不同，他把提示词当成一种思维框架，先帮 Claude 搭好思考的脚手架，再让它输出内容。效果差距非常明显。第一个叫"拆解法"，核心思路是让 Claude 在回答之前，先把问题拆成十个步骤：定义问题、找假设、列约束、分子问题、给三种方案、比较利弊、选最优、出执行计划、标失败点、提改进建议。这一套走下来，回答的深度完全不一样。第二个是"第一性原理构建法"，要求 Claude 从最底层的概念开始，一层一层往上搭，不许上来就打比方，先把术语讲清楚，再给心智模型、实际应用和常见误解。学 AI、学系统设计的时候特别好用。第三个是"研究简报生成器"，一条提示词就能让 Claude 帮你摸清一个领域的全貌：谁在玩、什么方案能跑通、什么方案跑不通、市场空白在哪、有什么反共识的洞察。省下你大量的前期调研时间。第四个是"架构设计提示词"，适合你有个想法但不知道怎么落地的时候。它会帮你规划最简版本、技术栈、数据流、构建顺序、边界情况，连 v2 怎么迭代都给你想好了。第五个很有意思，叫"元提示词优化器"，就是用提示词来优化提示词。你把自己写的提示词丢给它，它从清晰度、结构、约束、推理深度这些维度帮你重写一遍，还会告诉你为什么改完更好。属于降维打击。第六个是"专家模式切换"，一句话让 Claude 跳过所有入门级的解释，直接用资深工程师跟同行聊天的方式来回答，聚焦实现细节、关键取舍和常见的坑。第七个是"思考搭档"，让 Claude 不要无脑附和你，而是主动挑战你的假设、指出逻辑漏洞、提替代方案。这个时候 Claude 才真正变成了一个协作者。说到底，同样的模型，不同的人用出来效果天差地别。关键就在于你怎么组织自己的思维，然后把这个思维结构传递给 AI。这 7 个提示词就是很好的起点。#科技先锋官##How I AI#

16. 【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

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

18. Claude Code省钱～节省tokens的核心操作：1. /compact：强制压缩当前上下文，把长对话浓缩成摘要。复杂任务到一半时用一次，效果明显；2/ 任务完成后新开 session：别在一个 session 里一直追加，积累到后期每次请求都是重量级；3. CLAUDE.md 里加节省指令：写上"能简短就别长篇，不需要解释每一步"，全局减少输出 token；4. 拆分任务：一个大任务拆成几个小任务，每段完成后 compact 一次，别让上下文无限膨胀。 #HOW I AI# #程序员#

19. 【Claude Code创始人的13条实战心法：如何把AI编程助手用到极致】 Claude Code的创造者Boris Cherny最近分享了他的日常工作流程，令人意外的是，这位工具的缔造者用的却是"出奇朴素"的配置。他说："Claude Code开箱即用就很好，我个人几乎不怎么定制。" 这恰恰印证了一个道理：真正强大的工具，往往不需要花哨的包装。以下是Boris的核心实践：一、并行作战：同时运行15个Claude实例 Boris在终端里同时跑5个Claude，标签编号1-5，通过系统通知知道哪个需要输入。同时在claude.ai/code上再跑5-10个网页版Claude。他甚至每天早上从手机iOS应用启动几个会话，稍后再查看进度。这种"多线程"工作方式的关键在于：每个Claude实例对应一个独立的git checkout，避免代码冲突。是的，他把同一个仓库克隆了10份。二、模型选择：坚定使用Opus 4.5 with thinking 虽然Opus比Sonnet更大更慢，但Boris的判断是：因为你需要更少的"方向盘操作"，而且它的工具调用能力更强，最终反而更快。这是一个反直觉但深刻的洞察：模型的"聪明程度"比"响应速度"更能决定实际效率。三、团队协作：共享CLAUDE.md作为集体智慧整个Claude Code团队共用一个CLAUDE.md文件，提交到git，每周多次更新。规则很简单：每当Claude做错什么，就把它加进去，让Claude"知道"下次不要再犯。在代码审查时，Boris经常在同事的PR上@.claude，让它把新发现的问题添加到CLAUDE.md。这是一种"复利工程"——每一次错误都在为未来的正确铺路。四、Plan模式：好计划是一切的基础大多数会话从Plan模式开始（shift+tab两次）。Boris会和Claude反复讨论计划，直到满意为止。然后切换到自动接受编辑模式，Claude通常能一次搞定。 "一个好的计划真的很重要。"这句话看似平淡，却是无数踩坑后的真知。五、斜杠命令：把重复工作变成一键操作 Boris为每个高频工作流创建斜杠命令，存放在.claude/commands/目录下，提交到git。比如/commit-push-pr这个命令，他和Claude每天要用几十次。命令里用内联bash预计算git status等信息，让执行更快，减少与模型的来回交互。六、子代理：自动化常见工作流 Boris常用几个子代理：code-simplifier在Claude完成后简化代码，verify-app包含端到端测试的详细指令。把子代理想象成"自动化你为大多数PR做的最常见工作流"。七、PostToolUse钩子：自动格式化代码 Claude生成的代码通常格式良好，钩子处理最后10%，避免CI中的格式错误。有人问这会不会导致连续编辑同一文件时出错，Boris说不会——"Claude知道钩子的存在"。八、权限管理：安全与效率的平衡 Boris不用--dangerously-skip-permissions，而是用/permissions预先允许已知安全的bash命令。这些配置存在.claude/settings.json里，与团队共享。对于长时间运行的任务，他会在沙箱环境中使用--permission-mode=dontAsk，让Claude不被权限提示阻塞。九、工具集成：让Claude成为你的万能助手 Claude Code帮Boris搜索和发布Slack消息（通过MCP服务器）、运行BigQuery查询回答分析问题、从Sentry抓取错误日志。MCP配置同样提交到.mcp.json与团队共享。十、验证循环：质量提升的关键这是Boris认为最重要的一点：给Claude一种验证自己工作的方式。如果Claude有这个反馈循环，最终结果的质量会提升2-3倍。 Claude用Chrome扩展测试每一个提交到claude.ai/code的改动——打开浏览器，测试UI，迭代直到代码工作且用户体验良好。验证在不同领域有不同形式：可能是运行bash命令、运行测试套件、在浏览器或手机模拟器中测试应用。关键是让这个环节坚如磐石。关于验证循环的构建，Boris说其实很简单： 1. 给Claude一个查看代码输出的工具 2. 告诉Claude这个工具的存在 "就这样。Claude会自己搞定剩下的。" 一些有趣的数据和细节： Boris每周完成50-100个PR。他大约有10-20%的会话会被放弃——"哦，我学到了新东西"，然后丢弃这个会话。他用的是普通MacBook，没有什么特殊配置。社区的反思也很有价值。一位从2025年5月持续使用Claude Code到2026年1月的用户说：过度复杂的skills、冗长的CLAUDE.md、预配置的子代理，这些都是"污染"而非帮助。Claude已经有精心设计的系统提示，加太多东西反而有害。建议CLAUDE.md控制在200行以内。这与Boris"出奇朴素"的配置理念不谋而合。最后的思考：有人说AI要抢走程序员的工作，但Boris的分享揭示了另一个现实：这是一条新的陡峭学习曲线。掌握它的人会变得更强，而不是被取代。工具的力量不在于它有多复杂，而在于你能多深刻地理解它、多自然地与它协作。Boris每周50-100个PR的产出，不是来自花哨的配置，而是来自对工具本质的把握：好的计划、清晰的验证、持续的学习。简单，往往是最难抵达的复杂。 x.com/bcherny/status/1874658929285558680

20. MiniMax M2.7+OpenClaw实战！AI到底能接管多少工作？

21. Claude 现在能直接在对话里画图表了Claude 新增可视化功能：用户在聊天过程中，Claude 可以直接生成交互式图表和示意图，无需跳转到其他工具，也不用写代码导出。这项功能目前以 Beta 形式上线，所有套餐均可使用，包括免费用户。此前 Claude 的 Artifacts 功能已经支持生成代码和网页预览，但可视化内容通常需要用户主动要求生成一个独立的 Artifacts。这次更新的区别在于，图表直接嵌入对话流中，更像是 Claude 在"边说边画"，而不是另开一个窗口展示结果。对于经常需要用 AI 解释流程、展示数据对比、或梳理系统架构的用户来说，这个功能省去了不少来回折腾。感兴趣的可以直接在 claude.ai 体验。宝玉xp的微博视频

22. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

23. 在使用 Claude Code 这款超强 AI 编程助手时，掌握秘诀尤为重要！github 上 ykdojo 分享了 45 条实用技巧，从入门到高级，涵盖自定义状态栏、系统提示语精简、用 Gemini CLI 作为 Claude 代理、甚至让 Claude Code 自己在容器中跑自己，还有超实用的 dx 插件。主要看点：- 一键设置自定义状态栏，实时显示模型状态、Git 当前分支、Token 使用率，随时掌控上下文空间（Tip 0）- 利用 /compact 和半克隆脚本主动压缩对话上下文，让 Claude Code 保持高效运转（Tip 8、23）- 使用 Gemini CLI 作为 WebFetch 的备胎，解决某些网站访问限制（Tip 11）- 通过多终端分屏、多git worktree等工作流大幅提升多任务处理能力（Tip 14、16）- 用 Claude Code 做写作助手，语音输入加速初稿生成，Markdown 格式极简高效（Tip 18、19）- 自动执行写-测-改循环，结合 tmux 完成自动化测试和长跑任务（Tip 9、36）- 精简系统提示语，减少 50% 以上 Token 占用，大幅延长对话长度（Tip 15）- 将 Claude Code 打造成“万用界面”，本地文件操作、GitHub PR 审核、数据分析样样行（Tip 27、29、31）- 利用 dx 插件集合，将多条实用命令和技能整合一键安装，极大提升开发体验（Tip 44）- 快速部署一键脚本，配置状态栏、插件、别名、权限一次搞定（Tip 45）GitHub：github.com/ykdojo/claude-code-tips无论你是刚接触 Claude Code 还是想解锁更高阶玩法，这份全方位技巧宝典绝对是提高效率，打造个性化 AI 助手的必备神器！#AI创造营##人工智能#

24. CLAUDE MD 不建议放太多内容，只会适得其反，只放最重要的 AI 没训练过的内容，更多的内容作为链接按需读取。很多人把设计模式、规范、最佳实践之类的都放进去，先不说这些 AI 都训练过，你最多说个名字就够了，就算是你需要的，也不是每次都要，不如放一个链接或者移到 Skills 按需加载。人家 Claude Code 官方项目中 CLAUDE md 文件也就大约 2.5k tokens： - 常用 Bash 指令：让 AI 知道如何像开发者一样操作命令行。 - 代码风格规范 (Code Style Conventions)：确保 AI 写的代码符合团队编码标准。 - UI 与内容设计准则：指导 AI 如何设计界面和编写文案。 - 核心技术实现流程：教 AI 如何处理状态管理 (State Management)、日志记录 (Logging)、错误处理 (Error Handling)、功能门控 (Gating，即控制特定功能的开启与关闭) 以及调试 (Debugging)。 - 代码合并请求 (Pull Request) 模板：规范提交代码时的文档格式。

25. ClaudeCode 之父称不再需要「planmode」，将对 AI 编程带来哪些变革？

26. 在线代码评审经常面临一个难题：Claude Code 每次都要重读整个代码库，消耗大量计算资源和时间，效率低下。code-review-graph 这个开源项目为 Claude Code 构建了本地代码知识图，自动解析你的代码库结构，精准定位改动影响范围，实现只读“关键文件”，大幅减少无用令牌消耗。主要功能：- 基于 Tree-sitter，支持12种语言（包括Python、TypeScript、Java、Go等）；- 增量更新代码图，文件保存或 Git 提交后2秒内完成重解析；- “爆炸半径”分析，精准追踪受影响代码和测试，避免全面扫描；- 支持语义搜索、交互式可视化代码依赖图；- 本地存储，无需云端依赖，数据安全放心；- 实现代码审查时令牌消耗平均降低6.8倍，日常编码任务最高可达49倍。使用方式也很简单：```pip install code-review-graphcode-review-graph install```然后打开项目告诉 Claude 构建图即可。GitHub：github.com/tirth8205/code-review-graph它帮你从海量代码中精准提取精华，让AI读代码更快更省心，推荐给所有需要AI辅助审查和开发的程序员朋友！#代码评审# #AI开发利器# #开源工具#

27. 【7个提示词，让 Claude 从聊天机器人变成思考伙伴】快速阅读：多数人把 Claude 当搜索引擎用，Karpathy 把它当长期协作伙伴。差别不在模型，在于你怎么构建问题本身。---普通人给 AI 一个问题，等一个答案。Karpathy 给 AI 一套思维框架，然后让它在框架里工作。有网友一语点破：这些提示词本身只是表象，真正的差距在于你如何定义问题。提示词是结果，思维方式才是原因。以下是 7 种具体用法：1. 系统拆解提示：遇到复杂问题，强制 Claude 按步骤走：明确问题、列出假设、识别约束、拆分子问题、提三种方案、比较权衡、给出执行路径、预判失败点。这套流程本质上是把你的思维过程外包出去，然后让 AI 替你跑一遍。2. 第一性原理提示：不要类比，不要总结，从最底层概念开始，一层一层建起来，最后给出心智模型、真实应用和常见误解。适合搞懂 LLM、系统设计、数学原理这类容易“以为自己懂了”的东西。3. 研究简报生成：让 Claude 给出某个领域的全景图，包括玩家格局、当前路径、失败案例、市场空白、逆向洞察和可落地机会。它会变成一个还不错的分析师。4. 构建架构提示：从想法到实现，要求它给出最简版本、组件结构、数据流、技术栈、构建顺序、边界情况和扩展策略。省去大量乱猜阶段。5. 提示词优化器：把你自己写的提示词扔进去，让它优化清晰度、结构、约束条件和输出格式，并解释改了什么、为什么更好。提示词质量会随时间复利增长。6. 专家模式切换：让它以高级工程师对工程师的方式回答，跳过入门解释，直接聚焦实现、权衡和踩坑点。7. 批判性思考伙伴：让它不要盲目附和，主动挑战你的假设、指出逻辑漏洞、提出替代方向。这一步大多数人从来不做。有网友补充了一个实践细节：在开发应用的过程中，你得反复做审计，一旦发现模型开始循环并强行引入不必要的改动，那就是该叫停的时机。这 7 个提示词值得存起来反复用。不过更值得记住的是：AI 给出的答案质量，上限就是你提出问题的质量。x.com/Suryanshti777/status/2036796681195258207#AI创造营##人工智能#

28. OpenAI、Anthropic 和 Google 内部使用的10大顶级提示工程技巧，能显著提升生成结果准确率和实用性，堪称AI高手的秘密武器！---【技巧1：角色限定提示 Role-Based Constraint Prompting】高手不会简单说“写代码”，而是赋予AI具体身份和限制，明确任务与输出格式。模板： ```你是一个拥有[X年]经验的[具体角色]，专长于[领域]。你的任务：[具体任务] 限制条件（3-5条）：[列出限制] 输出格式：[精确输出格式] ```示例： ```你是拥有10年经验的高级Python工程师，擅长数据管道优化。任务：构建每小时处理1000万条数据的实时ETL流水线。限制： - 必须使用Apache Kafka - 最大内存占用2GB - 延迟低于100ms - 零数据丢失容忍度输出格式：带内联注释的生产级代码 ```效果：比“写个ETL流水线”精准十倍，产出更贴合需求。---【技巧2：验证链 Chain-of-Verification (CoVe)】谷歌用来消除AI幻觉的“自我审校”法，先答题，然后设计问题自检，最终修正答案。模板： ```任务：[你的问题] 步骤1：给出初步答案步骤2：列出5个能揭露答案错误的验证问题步骤3：回答这5个问题步骤4：基于验证结果给出最终修正答案 ```示例： ```任务：解释transformer如何处理长上下文窗口。 1. 初步回答 2. 设计5个验证问题（如：是否存在上下文截断？模型如何保持信息？等） 3. 回答验证问题 4. 根据验证修正答案 ```效果：复杂技术问题准确率从60%提升至92%。---【技巧3：带负面示例的少样本 Few-Shot with Negative Examples】 Anthropic发现告诉AI“什么不该做”与“该做什么”一样重要。模板： ```我需要你完成[任务]。以下是示范： ✅ 好示例1：[示例] ✅ 好示例2：[示例] ❌ 差示例1：[示例] 原因：[为什么差] ❌ 差示例2：[示例] 原因：[为什么差] 现在请完成：[你的任务] ```示例：写冷邮件主题： ```✅ 好：Q4工程路线图的快速问题 ✅ 好：关注你发布的分布式系统帖子，有些想法 ❌ 差：紧急！限时优惠！！！原因：垃圾邮件触发词，假紧急感 ❌ 差：你绝对想不到我们做了什么... 原因：标题党，无上下文请写5个关于“降低云成本40%的SaaS工具”的邮件主题。 ```效果：减少80%泛泛而谈或低质回复。---【技巧4：结构化思考协议 Structured Thinking Protocol】 GPT-5团队处理复杂问题的分层思考法，逼模型先理解再分析，最后给策略和答案。模板： ```回答前请完成以下步骤：[理解] - 用你的话复述问题 - 明确真正被问及的点 [分析] - 拆解成子问题 - 说明假设和限制 [策略] - 列出2-3种方案 - 权衡利弊 [执行] - 给出最终答案 - 解释理由问题：[你的问题] ```示例： ```问题：5人团队开发B2B SaaS，首年预计1000用户，应该用微服务还是单体架构？请按上述步骤回答。 ```效果：避免千篇一律建议，答案更符合具体情境。---【技巧5：置信度加权提示 Confidence-Weighted Prompting】 DeepMind为关键决策设计，让模型评价自身答案置信度，列出假设和备选方案。模板： ```请回答：[问题] 内容包括： 1. 主要答案 2. 置信度（0-100%） 3. 关键假设 4. 哪些变化会改变答案 5. 若置信度<80%，给出备选答案 ```示例： ```问题：Rust是否会在2030年取代C++作为系统编程语言？请按模板回答。 ```效果：避免盲目相信AI自信，促进理性决策。---【技巧6：有界上下文注入 Context Injection with Boundaries】 Anthropic工程师给模型大量上下文但限定回答只能基于上下文，避免胡编乱造。模板： ```[上下文] [粘贴文档、代码、论文等] [聚焦] 仅能使用上下文信息回答，若无则回复“提供的上下文信息不足”。 [任务] 具体问题 [限制] - 引用上下文具体章节 - 不使用上下文外知识 - 如存在多种解释，全部列出 ```示例： ```[上下文] 公司50页API文档 [聚焦] 仅用文档回答 [任务] 如何实现/users接口的限流和重试？ [限制] 引用具体章节，不用外部知识，多解释全部列出 ```效果：极大减少专有系统中的错误输出。---【技巧7：迭代精炼循环 Iterative Refinement Loop】 OpenAI研究团队通过多轮修正提升输出质量，远胜一次性生成。模板： ```第1轮：生成[草稿/初稿/概要] 第2轮：审查，找出3个缺陷第3轮：重写，修正所有缺陷第4轮：终审，确认是否生产就绪；若否，指出不足 ```示例： ```第1轮：写一封给B轮创业公司工程VP的销售邮件草稿，主题CI/CD优化工具。第2轮：审查邮件，列出3个问题。第3轮：修改邮件，解决所有问题。第4轮：确认邮件是否可以直接发出。 ```效果：避免单次输出粗糙，产出质量可达90%。---【技巧8：先限后做 Constraint-First Prompting】 Google Brain先列硬性限制，再写任务，让模型既准确又实用。模板： ```硬性限制（绝对不可违）： - [限制1] - [限制2] - [限制3] 软性偏好（优先优化）： - [偏好1] - [偏好2] 任务：[实际请求] 请确认理解所有限制后开始。 ```示例： ```硬性限制： - 必须用Rust编写 - 不能用外部依赖 - 必须能在Rust 1.75稳定版编译 - 最大二进制大小5MB 软性偏好： - 快速编译 - 尽量少内存分配任务：写一个CLI工具，解析10GB CSV文件，输出带有schema验证的JSON。确认理解所有限制后开始。 ```效果：避免技术正确但无用的回答。---【技巧9：多视角提示 Multi-Perspective Prompting】 Anthropic宪法AI从多个角度分析问题，综合权衡得出建议。模板： ```请从以下角度分析[问题]： [技术可行性]：…… [业务影响]：…… [用户体验]：…… [风险/安全]：…… 综合：整合所有视角，提出最终建议，明确权衡。 ```示例： ```是否应从Postgres迁移到DynamoDB？ [技术]：工程复杂度，数据迁移风险，时间线 [业务]：成本，团队速度，供应商锁定 [用户]：延迟，功能影响，停机需求 [安全]：数据一致性，备份，合规性综合给出建议并说明权衡。 ```效果：促使战略思考，避免片面建议。---【技巧10：元提示 Meta-Prompting（核武器级）】 OpenAI红队用来探测模型极限，要求AI帮自己写出“完美提示”，再执行。模板： ```我需要完成：[高层目标] 你的任务： 1. 分析如何写出该目标的完美提示 2. 考虑具体性、上下文、限制、输出格式、示例需求 3. 写出该完美提示 4. 执行并给出结果 [目标]：具体目标 ```示例： ```目标：写一个Python脚本，抓取Twitter长文，将其转成格式良好的博客文章，并自动生成SEO元描述。请按模板操作。 ```效果：AI帮你打造超强提示，实时成为顶尖提示工程师。---【实战效果总结】 - 技术文档幻觉率降至0% - 代码迭代速度提升3倍 - 复杂分析准确率超90% 关键不是模型本身，而是“懂得如何与模型对话”。这10个技巧，正是区分普通用户与顶级提示工程师的秘密武器。---原文: x.com/aigleeson/status/1997233746630893733

29. Claude Code官方内置Worktree支持：一个参数替代5步手动操作

30. 【用一个/interview命令，让Claude帮你把模糊需求变成防弹级规格说明】在AI辅助编程的时代，最大的痛点往往不是代码本身，而是需求的模糊性。你以为说清楚了，AI以为理解了，结果写出来的东西南辕北辙。Jarrod Watts分享了一个简洁而强大的工作流：为Claude Code创建一个自定义的/interview命令，通过结构化的问答来消除规格说明中的所有歧义。---工作流程1. 使用plan模式创建初始计划2. 运行/interview命令3. Claude会提出20-50个澄清性问题4. 根据你的回答，Claude更新计划文件核心思路是：让模型来审问你的计划，而不是简单地润色它。---命令实现在`.claude/commands/interview.md`中创建：```---allowed-tools: AskUserQuestion, Read, Glob, Grep, Write, Editargument-hint: [plan-file]description: Interview to flesh out a plan/spec---Here's the current plan:@$ARGUMENTSInterview me in detail using the AskUserQuestion tool about literally anything: technical implementation, UI & UX, concerns, tradeoffs, etc. but make sure the questions are not obvious.Be very in-depth and continue interviewing me continually until it's complete, then write the spec back to `$ARGUMENTS`.```这个命令的精妙之处在于：它要求问题"不能是显而易见的"，迫使AI深入挖掘那些你可能忽略的细节和边缘情况。---社区的优化建议讨论中涌现了几个值得借鉴的改进思路：分段检查点：与其最后生成一个巨大的文档，不如每5-8个问题后让Claude写一个中间版本的迷你规格说明。这样审查进度不会那么overwhelming，也能及早发现偏离。持久化问答对：将这些Q&A对保存为可复用的技能，让未来的规格说明自动继承过去的决策，而不是每次从零开始。多智能体协作：让Claude和其他模型（如Codex）对你的答案进行乒乓式讨论，直到达成共识，可以发现更多盲点。简化替代方案：有人直接在CLAUDE.md文件中定义一个缩写词UAUQ（Use AskUserQuestion），比专门的命令更通用灵活。---为什么这个模式有效？大多数bug的根源是模糊的规格说明。这个/interview命令本质上是把"规格说明"变成了一等公民——在任何实现决策被锁定之前，就把歧义解决掉。它是一种可重复的方式来"与自己辩论"，在写一行代码之前就完成。有评论者分享了一个生动的教训：他曾因为一个未经充分测试的脚本导致洛杉矶的网络中断。通过结构化问题消除歧义，就是"更新"和"故障"之间的区别。---一个有趣的观察20-50个问题看起来很多，但实际运行中Claude通常会分批提问，每批4-5个问题，直到它"满意"为止。问题数量取决于规格说明的范围——简单项目可能10个问题就够了。这个模式的真正价值不在于问题的数量，而在于它强制你在动手之前把事情想清楚。正如一位评论者调侃的：我们都把"深思熟虑"外包给了一个命令。x.com/jarrodwatts/status/2006138974834716993

31. Boris Cherny 是 Claude Code 的创始工程师，最近他公开了自己使用 Claude Code 的 13 个核心方法。这些不是理论，而是他每天实际在用的工作流程。看完我才知道，原来高手用 AI 工具也很朴素，同时又有点简单暴力的感觉，还挺好的，挺有价值的。1. 终端同时开 5 个 Claude 窗口大多数人：开 1 个窗口，输入问题，坐那儿等。Boris：终端开 5 个 Claude，标签页编号 1-5，开系统通知。哪个需要输入了提醒我，其他在后台自己跑。200 美元/月的订阅费，你让 5 个 AI 排队干活还是并行干活？2. 网页版再开 5-10 个，手机再开几个终端 5 个还不够，浏览器里再开 5-10 个 Claude 会话。早上起床用手机启动几个任务，等会儿再看结果。加起来同时跑 15 个 Claude 实例。这才叫榨干工具价值。3. 永远用 Opus 4.5 + 思考模式所有任务都用最贵最慢的 Opus。为什么？虽然单次慢，但一次做对，不需要反复修改，总体反而更快。便宜模型：提示 3 次×30 秒=90 秒贵模型：1 次×60 秒=60 秒而且工具使用更准确，更少出错。4. 团队共享 CLAUDE.md 文件整个团队维护一个 CLAUDE.md，提交到 Git。专门记录：- Claude 做错过的事- 团队的特殊规范每次 Claude 犯错就加一条规则。久而久之这个文件变成 AI 培训手册，新启动的 Claude 自动就懂团队规范。传统文档没人看，但 Claude 每次都会读。5. 代码审查时用@claude 自动更新规范PR 评论里直接@claude:“@claude 请在 CLAUDE.md 中添加：所有外部 API 调用必须设置合理的 timeout。“Claude 自动把规则写进文件，作为 PR 一部分提交。代码审查的宝贵经验不再散落在评论里，自动沉淀成可执行规则。6. 用计划模式启动任务大多数会话都先按两次 Shift+Tab 进入计划模式。不是直接让 Claude 干活，而是：1. 我说需求2. Claude 给计划3. 我审查调整4. 来回几轮直到满意5. 切换到自动模式执行花 3 分钟确认计划，省下 30 分钟返工时间。7. 为高频操作创建斜杠命令每天要做几十次的操作，都做成斜杠命令。比如/commit-push-pr:- 查 git 状态- 生成 commit message- 提交代码- 推送远程- 创建 PR命令里用 bash 预计算信息，Claude 不需要反复调用工具，执行更快。8. 用子代理处理专门任务创建多个子代理，每个专注一类任务：- code-simplifier：简化优化代码- verify-app：端到端测试应用- 文档审查、性能分析等复杂任务拆成专门的小任务，指令可以写得非常详细精确。9. 用钩子自动格式化代码PostToolUse 钩子：Claude 编辑文件后，自动运行格式化工具。- JavaScript → Prettier- Python → BlackClaude 专注写逻辑，格式化自动搞定，CI 不会报错。10. 预设常用安全命令的权限不用——dangerously-skip-permissions（太危险）。用/permissions 预设允许常用安全命令：```plaintextgit statusgit diff npm testdocker pslscat```写进.claude/settings.json，团队共享。常用安全命令自动放行，危险命令还是要确认。11. 配置 MCP 让 Claude 调用所有工具配置大量 MCP 服务器，Claude 可以：- 搜索发布 Slack 消息- 跑 BigQuery 分析数据- 从 Sentry 获取错误日志你说“昨晚有功能出错了，帮我查”,Claude 自动：1. 查 Sentry 日志2. 分析哪个接口报错3. 看相关代码4. 搜 Slack 看有没有其他人遇到5. 给诊断和修复建议给 AI“手”和“眼睛”，它能自己获取信息。12. 长任务用后台代理或插件1 小时的大任务（比如重构模块），你不可能盯 1 小时。三种策略： A. 提示 Claude 完成后用后台代理验证 B. 设钩子自动触发验证流程 C. 用 ralph-wiggum 插件自动检查沙箱里用——permission-mode=dontAsk, Claude 不受阻碍完成任务。等你回来，它已经干完且自己检查过了。13. 给 Claude 验证自己工作的途径（最重要）确保 Claude 有办法验证自己的工作。比如提交网站代码后：1. 用 Chrome 扩展打开浏览器2. 测试 UI 各个功能3. 检查用户体验4. 发现问题自己改5. 直到正常才算完成不同任务验证方式不同：- 后端→跑测试- 前端→浏览器测试- 数据分析→检查数字合理性有反馈循环的 AI，质量提升 2-3 倍。---核心逻辑这 13 条围绕 7 个思想：1. 并行工作，榨干订阅费2. 用最好模型，一次做对3. 积累团队智慧4. 自动化重复操作5. 给 AI 完整工具权限6. 建立反馈循环7. 先计划再执行AI 工具不是拿来就能用好的，需要投入时间配置、训练、优化。但一旦建立起顺手的工作流，回报是巨大的。关键是：找到适合你的方式，然后不断迭代改进。---看完这 13 条，我才明白为什么有人用 AI 越来越快，有人却觉得 AI 没用。差距不在 AI，在用法。原文地址：x.com/bcherny/status/2007179832300581177#科技先锋官##AI创造营##微博年度新知博主#

32. 51万行源码泄露！Claude Code 里面到底藏了什么？

33. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

34. 从自动写代码到智能影音刮削：实测 OpenCode，这台“赛博管家”真的能干苦力活

35. 你日常用 Claude Code，用了多少功能？手机上写代码？语音编程？让 Claude 每 5 分钟自动帮你处理代码审查？Claude Code 的创建者 Boris Cherny 列了 15 个他觉得被低估的功能。【1】Claude Code 有移动端Boris 说他有很多代码是在 iOS 上写的，不用开电脑就能改代码。操作方式：下载 Claude App（iOS 或 Android），左侧菜单里有个 Code 标签页。【手机端更适合轻量级修改和任务下发，比如在地铁上让 Claude 开始跑一个任务，不是真的在 6 寸屏幕上写复杂逻辑。】【2】会话可以在手机、网页、桌面端和终端之间来回切换在终端运行 `claude --teleport` 或输入 `/teleport`，可以把云端会话拉到本地继续。反过来，用 `/remote-control` 可以从手机或网页远程控制本地正在运行的会话。Boris 在设置里开启了"为所有会话启用远程控制"。文档：网页链接【解决的是一个真实痛点：工位上启动了长时间任务，人需要出门，但想随时看进度、追加指令。目前 Remote Control 还是研究预览阶段，同一时间只能远程控制一个会话。】【3】/loop 和 /schedule：定时自动化Boris 说这是 Claude Code 最强大的两个功能。可以设定 Claude 按固定间隔自动运行任务，最长持续一周。他自己在本地跑着一堆循环：- `/loop 5m /babysit`：每 5 分钟自动处理代码审查意见、自动 rebase、把 PR 护送到合并上线- `/loop 30m /slack-feedback`：每 30 分钟根据 Slack 反馈自动提 PR- `/loop /post-merge-sweeper`：自动补提 PR，处理之前审查中遗漏的评论- `/loop 1h /pr-pruner`：每小时清理过时或不再需要的 PRBoris 的建议：把工作流变成 skill + loop 的组合。文档：网页链接【这可能是整个帖子里最有想象力的部分，把 Claude 从"你问它答"变成了后台持续运行的自动化工人。但有几个限制要注意：终端必须保持开启，/loop 任务最长跑三天（一周是通过桌面端的 /schedule 实现的），电脑不能休眠。另外，babysit 这种自动处理审查并推到生产的做法，前提是你有充分的测试覆盖，不建议在测试薄弱的项目里照搬。】【4】Hooks：在代理生命周期中插入确定性逻辑Hooks（钩子）可以在 Claude 运行过程中的特定节点自动执行预设逻辑：- SessionStart：每次启动时动态加载上下文- PreToolUse：每次执行 bash 命令前记录日志- PermissionRequest：把权限请求发到 WhatsApp，远程批准或拒绝- Stop：Claude 停下来时自动催它继续文档：网页链接【Hooks 类似 Git 的 pre-commit hook，但作用于 AI 代理的整个生命周期。这是 Claude Code 作为"代理平台"而非"编程助手"的关键设计，高级用户会喜欢，但学习成本不低。】【5】Cowork Dispatch：远程操控桌面端Boris 说他每天都用 Dispatch 来处理 Slack 消息、邮件、管理文件，不在电脑前也能用。Dispatch 是 Claude 桌面应用的安全远程控制功能，可以使用你的 MCP 服务器、浏览器和电脑，前提是授权。产品页面：网页链接【Dispatch 和前面的 Remote Control 容易混淆。简单区分：Remote Control 控制的是终端里的 Claude Code 会话，Dispatch 控制的是桌面端的 Claude 应用，后者能操作浏览器、文件系统，能做的事更多。Dispatch 目前只支持 macOS。】【6】前端开发一定要装 Chrome 扩展Boris 说，用 Claude Code 最重要的一点是给 Claude 一个验证输出的方式。他的类比：让一个工程师做网站但不让他用浏览器，结果能好看吗？给他浏览器，他会自己写代码、自己看效果、自己迭代到满意。Boris 每次做前端项目都装 Chrome 扩展，说比其他类似的 MCP 工具更稳定。下载地址（Chrome/Edge）：网页链接【"给 AI 一个验证自己输出的方式"这条原则不只适用于前端。任何能让 Claude 看到自己工作结果的机制，跑测试、检查编译、预览效果，都能显著提升输出质量。可能是整个帖子里最值得记住的一条。】【7】桌面端内置 Web 服务器预览Claude 桌面端可以自动运行 Web 服务器并在内置浏览器里测试，不需要手动配置。命令行和 VSCode 通过 Chrome 扩展也能实现类似效果。文档：网页链接【8】会话分叉两种方式：在当前会话里运行 `/branch`，或从命令行运行 `claude --resume <session-id> --fork-session`。【探索不同方案时有用。让 Claude 做到一半，想试另一个方向，分叉出去两边互不影响。】【9】/btw：边工作边问问题Claude 执行任务的过程中，用 `/btw` 可以插入快速问题，不打断正在进行的工作。单轮问答，不会调用工具，但能看到当前会话的完整上下文。【小功能但实用。相当于 Claude 在干活时你在旁边问了一句"顺便问一下……"。】【10】Git Worktrees：并行开发的基础设施Git 工作树（worktrees）允许你在同一个仓库里同时检出多个分支到不同目录，互不干扰。Claude Code 对工作树有深度支持。Boris 说他随时有几十个 Claude 实例在跑，靠的就是工作树。用 `claude -w` 启动新的工作树会话，或在桌面端勾选"worktree"。不用 git 的用户可以通过 WorktreeCreate hook 自定义创建逻辑。【"几十个实例同时跑"这种用法对订阅额度和机器性能都有要求。但即使只跑 2-3 个并行会话，工作树也比反复切分支高效得多。】【11】/batch：大规模并行修改/batch 先和你沟通需求，然后把任务扇出给多个工作树代理并行执行，数量可以是几十个、几百个甚至上千个。适用于大规模代码迁移和其他可并行化的工作。【对"全仓库 API 改名""所有文件从格式 A 迁移到格式 B"这类批量操作很有价值，前提是你的任务确实可以并行化，而且有足够的测试来验证批量修改没出问题。】【12】--bare：SDK 启动提速最多 10 倍默认情况下，`claude -p`（或 TypeScript/Python SDK）启动时会搜索本地的 CLAUDE.md、settings 和 MCP 配置。但在非交互式场景下，你通常会通过 `--system-prompt`、`--mcp-config` 等参数显式指定加载内容，默认的搜索流程就成了浪费。Boris 说这是最初设计 SDK 时的失误，未来版本会把 --bare 设为默认，现在需要手动加。【写自动化脚本和 CI/CD 集成的人注意这条。加上 --bare 跳过不必要的配置加载，速度提升明显。】【13】--add-dir：跨仓库工作在一个仓库启动 Claude，用 `--add-dir`（或 `/add-dir`）让它看到并操作另一个仓库。也可以在团队的 settings.json 里配置 `additionalDirectories`，所有人启动时自动加载。文档：网页链接【14】--agent：自定义代理在 `.claude/agents` 目录下定义代理，用 `claude --agent=<名字>` 启动。可以给代理设定专属的系统提示词和工具集。文档：网页链接【自定义代理的价值在于专业化。与其让一个通用 Claude 处理所有事，不如为代码审查、写测试、写文档各创建一个专用代理，每个加载不同的上下文和工具。这和前面 skill + loop 的思路是一脉相承的。】【15】/voice：语音编程Boris 说他大部分代码是用语音说给 Claude 的，不是打字。操作方式：命令行里运行 `/voice` 然后按住空格键说话；桌面端按语音按钮；iOS 上启用听写功能。目前支持 20 种语言。【语音编程的效果取决于任务类型。描述功能需求、解释 bug、口述重构方案，语音可能比打字更快。但精确描述代码结构或变量命名时，打字更高效。】Boris 在最后说他其实还想继续写但强迫自己停了，后续会发更多。原始推文：x.com/bcherny/status/2038454336355999749

36. 大型 codebase 如何用好 Claude Code？第一层：spec 文件是地基每个模块、每个功能，都要有对应的 spec 文件。不是让你写文档——而是给 Claude Code 划定工作边界：这个模块是干什么的、有哪些约束、什么情况算完成。有了 spec，Claude Code 就不会在你改 A 的时候顺手动了 B。没有 spec，它会用"它认为合理"的逻辑推断——而这个推断大概率跟你想的不一样。第二层：registry 文件体系——给 Claude Code 一个"世界观"光一个 CLAUDE.md 不够，大项目需要一整套 registry：1. plan-registry.md：当前在推进什么、优先级是什么2. spec-registry.md：各模块规格入口，Claude 改代码前必须先查3. development-registry.md：正在开发中的模块状态4. test-registry.md：测试范围和覆盖要求5. validation-registry.md：验收标准，什么叫"完成"关键认知转变：这不是给人看的文档，是 Claude Code 的项目地图。只要你每次任务后让它更新对应的 registry，它就能在大型 codebase 里持续、可靠地工作——不需要每次重新交代上下文。第三层：任务拆细，session 保持聚焦不要让 Claude Code 一次处理太多文件。任务越大，上下文越长，越容易"跑偏"。正确姿势是：一个 session 只做一件明确的事，做完就结束，下一个任务新开 session。#HOW I AI# #程序员#

37. Claude新模型4.6：开箱即挖500个0day漏洞，源代码审计即将颠覆

38. Obsidian AI插件 Claudian 基础配置使用教程能和笔记直接对话啦

39. 【Bob大叔的双Claude工作流：把AI当新人带的智慧】软件工程界的传奇人物Bob大叔最近分享了他使用AI编程的独特方法，引发了开发者社区的热烈讨论。他的核心策略很简单：同时开两个Claude窗口，一个专门负责修改代码，另一个专门负责规划未来的改动。这样做的好处是，当一个Claude在执行任务时，他可以和另一个Claude讨论下一步计划，大幅减少了等待时间。两个Claude分别在不同的目录下工作，各自有独立的git仓库。规划目录有严格的规则限制，禁止任何代码修改，只允许做规划。他手动在两者之间同步代码变更。有开发者建议他试试git worktrees，Bob大叔欣然采纳了这个建议。关于成本和工具选择，他目前使用每月100美元的订阅计划，暂时够用，但随着生产力提升，预计很快会不够。他用IntelliJ查看代码、自己跑编译和测试来确保Claude没有偷工减料，但代码修改完全交给Claude。IntelliJ的大部分功能其实都没用上。两个Claude之间并不知道彼此的存在。Bob大叔会把规划者的方案推送给执行者，然后让执行者去实现。当被问到如何写提示词时，他的回答很有启发性：不断迭代，让它总结理解的内容，回答它的问题，在计划成熟之前不让它动任何代码。这和带一个新人的方式完全一样。代码质量方面，他会抽查并指导Claude清理发现的问题。只要持续关注，整体质量还是不错的。这个工作流的精妙之处在于，它本质上是把整洁架构的思想应用到了AI协作中。规划上下文和实现上下文分离，两边都不会被污染。规划的Claude保持干净，不会被代码细节淹没，可以专注于更长远的思考。社区里也有人分享了更进阶的玩法。有人建立了一个Claude委员会，每个Claude在独立目录下工作，通过文档进行沟通，只提供设计方案不提供代码，最终由专门的编码Claude执行。还有人用分支代替目录，规划Claude在规格分支上工作，编码Claude在功能分支上工作，把规格合并到PR中作为验收标准。Bob大叔的这套方法论揭示了一个重要洞察：AI协作的本质是管理注意力和上下文。把执行和思考分开，让AI在各自的边界内发挥最大价值，同时保持人类对全局的掌控。手动同步虽然增加了一点摩擦，但这恰恰是一个强制审查的检查点。这不仅仅是一个技巧，更是一种思维方式的转变。x.com/unclebobmartin/status/2016166910698696916

40. 最近我几乎每天都在跟AI一起编程，有时一天都不睡觉。不咋看微信、十几个小时连轴转，对着手机给AI下指令，让它做智能体、改Skill……#大有学问 #人工智能 #红衣聊AI #openclaw

41. Claude Code 源码泄露之后，更严重的木马问题被发现你什么也没点，摄像头就被悄悄打开，电脑被直接控制！#大有学问 #红衣聊AI #claude #木马病毒 #网络安全

42. AI编程大战正式开打！ Claude vs GPT同一天放大招，不是比谁代码写得好，而是AI开始自己组队当项目经理了。#大咖观察 #红衣聊AI #编程 #ChatGPT

43. Anthropic发布Claude Code Security，全球网络安全股应声暴跌

44. 【Claude Code中文教程：10万字免费指南助你掌握AI编程新范式】一份专为开发者打造的Claude Code完整学习资源正式上线，从零基础到构建自定义AI智能体，全部免费开放。 + 这份教程解决什么问题？当AI编程助手成为开发者标配，真正的挑战不是“会不会用”，而是“能不能用好”。这份教程正是为此而生——帮助开发者系统掌握Claude Code，实现开发效率的质变。 + 九大核心模块，循序渐进 1. 基础入门：概述、安装配置、基础使用 2. 命令体系：CLI命令、标志说明、斜杠命令、自动化集成 3. 交互与工具：交互模式详解、工具调用集成 4. MCP协议：模型上下文协议的配置、管理与高级应用 5. 技能系统：从原理到实践，手把手教你开发自定义技能 6. 插件开发：从基础到高级的完整插件开发指南 7. 编程实战：代码生成、智能工作流、高级Agent功能 8. 技术原理：Agentic AI核心技术、架构解析、构建编程Agent 9. 企业部署：云集成、网络安全、LLM网关等企业级方案 + 三个值得关注的亮点 - 上下文感知编程：让AI理解整个代码库架构，提供深层建议而非简单补全 - 本地优先隐私保护：代码仅在授权上下文中运行，不用于公共模型训练 - 无缝CLI集成：在终端中实现AI结对编程，不离开熟悉的开发环境对于想深入理解AI编程工具工作原理、或计划构建自己编程Agent的开发者，这份教程提供了难得的系统性学习路径。 claudecode.tangshuang.net

45. Claude Agent Skills 官方最佳实践↓ 值得一读，除了理解Claude Skills，也能帮你更好的写好提示词和理解上下文。了解如何编写Claude 可以发现并成功使用的有效技能。优秀的技能简洁明了、结构合理，并经过实际测试。访问：docs.claude.com/en/docs/agents-and-tools/agent-skills/best-practices #ai创造营##程序员#

46. JokeGold5455：在过去六个月的密集使用中，我打造了一套强大且实用的Claude Code工作体系，助力我单人重写30万行代码，提升质量与效率。这篇长文分享我的经验和实操技巧，希望给你带来启发。核心亮点包括：1. 技能自动激活系统过去技能往往静默无用，我通过TypeScript钩子实现自动激活。每次提交请求前，系统会分析关键词、意图、文件路径等，智能注入相关技能指导，确保Claude主动遵循最新最佳实践。完成后再进行代码风险自检提醒，保证代码质量。2. 分层模块化技能设计遵循Anthropic建议，将大型技能拆分成500行以下主文件加多个资源文件。这样Claude初始加载轻量主文件，按需调用资源，大大提升上下文效率，减少Token浪费。3. 开发文档系统，防止上下文丢失通过为每个任务建立三份文档（计划、上下文、任务清单），让Claude即使在重启或上下文压缩后依然能快速“接盘”，避免走偏或遗忘细节。4. PM2进程管理实现后端日志实时监控 7个后端微服务由PM2统一管理，Claude可实时查看日志、自动重启服务，极大提升调试效率和稳定性，摆脱人工复制日志的低效。5. 钩子系统确保无遗漏质量管控 - 编辑后自动跟踪文件和仓库 - 会话结束时自动执行构建检查，捕获TypeScript错误 - 错误提醒钩子温和提示错误处理是否完善 - （曾试过自动Prettier格式化，后因Token消耗大已弃用）这些钩子形成闭环，杜绝错误遗留，代码始终整洁一致。6. 专用代理（Agents）和快捷命令（Slash Commands）我构建了十多个专责代理，负责代码审查、重构规划、测试认证路由、错误定位修复等，搭配多种快捷命令，极大简化重复操作，提升工作流连贯性。7. 附加实用脚本与工具例如测试认证路由的脚本，自动化生成测试数据，数据库重置及备份，提升整体开发体验。推荐所有实用脚本都写入相关技能或文档，方便复用。8. 理念与心得 - AI不是魔法，碰到复杂逻辑或常识问题时，适时介入修正，避免浪费时间。 - 多次重试和反思提示设计，提升输出质量。 - 规划先行，详细计划是成功的关键。 - 文档与技能互补，文档聚焦项目架构与流程，技能聚焦最佳实践和模式。 - 提问要具体且中立，避免引导性问题以获得更客观反馈。这套系统让我从混乱的技术债务和零测试覆盖，转变成拥有稳定流程、可维护代码和高生产效率的现代项目。虽然搭建过程费时费力，但回报丰厚，尤其适合大规模代码库和复杂项目。如果你也在用Claude Code，强烈建议参考我的GitHub仓库，快速上手自动化技能激活和钩子机制：github.com/diet103/claude-code-infrastructure-showcase总结一句话：让AI主动工作，而非被动等待，规划和规范驱动，才是高效AI编程的王道。原文：www.reddit.com/r/ClaudeAI/comments/1oivjvm/claude_code_is_a_beast_tips_from_6_months_of/

47. Claude Sonnet4.6编程追平Opus了，价格便宜4成，老金算了笔账

48. Claude Cowork把华尔街砸懵了！一天内市值蒸发超两万亿，原来不是软件不行了，是AI开始替人干活了。#大咖观察 #红衣聊AI #华尔街 #ClaudeCowork#智能体

49. Claude Code 上线自动模式了Claude Code 写代码最烦的一点，就是每次改文件、跑命令都得手动点“允许”，但没想到这回官方直接上线 Auto Mode 了！现在 Claude 自己判断权限：安全的操作直接自动执行，有风险的就拦住，然后换个安全方式继续干。目前 Team plan 的 research preview 已经能用，启用就一句话：claude --enable-auto-mode，然后 Shift+Tab 切换模式 #claudecode##ai前沿速递##微博兴趣创作计划#

50. 创新Transformer！面壁基于稀疏-线性混合架构SALA训练9B模型，端侧跑通百万上下文

51. Claude Code 新增"自动记忆"功能 Anthropic 为其命令行编码工具 Claude Code 上线了自动记忆（Auto Memory）功能。开启后，Claude 会在工作过程中自动记录项目中学到的上下文：比如构建命令、调试技巧、代码风格偏好、架构要点等，并在下次会话中自动调用，不需要用户手动记录任何东西。此前 Claude Code 已经支持 CLAUDE.md 文件，但那是用户写给 Claude 的指令。新增的 Memory.md 则相反，是 Claude 自己维护的"笔记本"。用户也可以直接告诉 Claude"记住我们用 pnpm 而不是 npm"，它就会写入记忆文件。技术细节上，每个项目的记忆存储在本地目录 ~/.claude/projects/ 下，会话启动时自动加载 MEMORY.md 的前 200 行，更详细的内容按需读取。该功能默认开启，可通过 /memory 命令或配置文件关闭。这个功能解决的是开发者反复向 AI 解释项目背景的痛点：用得越久，Claude 对项目越熟悉。相关文档：网页链接宝玉xp的微博视频

52. 如何编写一份优秀的 CLAUDE.md

53. Claude 的 Agent Skills 本质上就是：AI 模型不必把所有能力硬塞在绝对静态的“大脑”里，而是通过“可插拔技能模块”的方式，让模型在面对不同任务时“辅以专属插件／套路”。这种方式在软件工程里早就被验证为经典，比如插件系统、微服务、模块化设计。可以关注 Antropic 这个开源的 Skills 项目：github.com/anthropics/skills「Skills 是一组“指令、脚本、资源”的集合，Claude可以动态载入这些 Skills，从而在特定任务或领域里表现得更好、更定制化」#人工智能##程序员#

54. 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。

55. 「Github一周热点107期」OpenAI收购的AI安全工具、AI代理事务所、OpenClaw技能库、claude code插件和上下文数据库

56. 一小时掌握

57. Claude Code 百万行代码上下文，大型项目专用

58. Claude Code 终极指令手册

59. 实测有效！10 个 Claude Code 指令，让你如虎生翼

60. Claude Code 最佳实践

61. Claude Code 使用技巧

62. 建议用Claude Code的人都读一遍，把.claude文件夹讲得非常透彻

63. Claude Code这7个隐藏技巧，90%的人都没用对！

64. Claude Code 推出 /Ultraplan，超级计划模式

65. claude-howto

66. Claude Code 任务管理机制深度解析

67. Claude Code 高效使用技巧

68. CLAUDE.md

69. Claude Code 从入门到精通！这个 1.5 万星的可视化教程，让你 15 分钟上手

70. 2026 最新版｜Claude Code 全功能速查手册：安装、命令、快捷键、扩展、自动化一站式掌握

71. 封神！可视化拖拽玩转 Claude Code 工作流

后悔没早看！Claude写代码避坑指南：从需求表达到高效迭代，手把手教你榨干AI编程潜力

精选参考来源