从 Anthropic 内部团队的十条军规，看人机协作的指数级生产力提升
🧠 重新思考 AI 编程：Claude Code 团队的反直觉实践
🚀 当 Boris Cherny 在 Twitter 上分享 Claude Code 使用技巧时，那条推文迅速引爆了整个开发者社区，获得了数百万的点击量。这并非偶然——作为 Claude Code 的创始人，Boris 不仅设计了这个工具，更深知如何将其威力发挥到极致。
而最令人震撼的证据，就是 Anthropic 团队自己的生产力数据：三天内提交超过 100 个 PR。这种指数级的生产力爆炸背后，正是对 Claude Code 这一通用 IDE Agent 的深度掌握。
这次，Boris 直接从 Claude Code 内部团队那里提炼出了十条最具实战价值的使用技巧。这不是理论，而是来自一线的战场经验。👉 让我们先快速浏览这十条"军规"
📜 Boris Cherny 的十条 Claude Code 使用技巧
1. 并行工作流：同时运行 3-5 个 git worktree，每个运行独立的 Claude 会话，团队称之为 "最大的生产力解锁"。
2. Plan Mode 优先：复杂任务先进入 plan mode，投入精力写计划，让 Claude 一次性完成实现。甚至可以让第二个 Claude 以 Staff Engineer 身份审核计划。
3. 持续维护 CLAUDE.md：每次纠正 Claude 后，要求它更新 CLAUDE.md 规则文件，形成自我学习闭环。
💡 关键洞察：“Claude is eerily good at writing rules for itself”
4. 构建可复用的 Skills 和 Commands：自动化法则——一天做两次以上的事，就做成 skill 或 command。例如 /techdebt 命令自动清理重复代码。
5. 自动化 Bug 修复流程：启用 Slack MCP，直接粘贴 bug 讨论帖说”fix”即可。对 CI 失败直接说”Go fix the failing CI tests”，不要微观管理。
6. 提升 Prompting 技巧：让 Claude 成为审核者（”Grill me on these changes”）；在得到平庸修复后说：
🎯 “Knowing everything you know now, scrap this and implement the elegant solution”
7. 终端与环境配置：推荐 Ghostty 终端，定制 /statusline 实时监控上下文用量。被低估的技巧：语音输入，说话速度是打字的 3 倍。
8. 灵活使用子代理（Subagents）：在请求后附加”use subagents”增加算力投入，保持主 agent 上下文窗口整洁。这是一种 "agent 编排" 思维。
9. 数据分析场景：让 Claude Code 使用 bq CLI 直接拉取和分析指标。Boris 本人已超过 6 个月没写过一行 SQL。
10. 学习辅助：在 /config 中启用”Explanatory”或”Learning”输出风格；让 Claude 生成可视化 HTML 演示或 ASCII 图来解释不熟悉的代码。
💡 四个反直觉的核心洞察
在这十条技巧中，有四个点特别值得深入思考，因为它们揭示了一个更深层的框架：
🔑 核心问题：如何在提升 Agent 自主度的同时，增强我们自身驾驭 Agent 的能力？
🔀 1. 多线程工作流：打破单一对话的局限
大多数人使用 AI 助手时，习惯在一个对话窗口里从头聊到尾。但这恰恰是效率的杀手。Boris 团队的实践是：同时运行 3-5 个独立的 Claude 会话，每个专注于不同的任务——一个处理后端 API，一个调试前端，一个专门分析日志。
⚡ 关键洞察：Agent 的自主度来自于清晰的任务边界。当你让一个 Agent 在混乱的上下文中跳来跳去时，它的表现会急剧下降。
这不是简单的”多开几个窗口”，而是一种 任务分解和并行编排 的思维方式。
📝 2. CLAUDE.md：让 Agent 拥有项目记忆
每次开启新会话都要重新解释项目背景，这是所有开发者的痛点。Boris 团队的解决方案是维护一个 CLAUDE.md 文件，记录项目架构、编码规范、常见错误和修正方法。更关键的是，每次纠正 Claude 后，都让它自己更新这个文件。
📜 CLAUDE.md 不是一个静态文档，而是一个不断进化的 “项目宪法”。
这个实践的深层含义是：Agent 的自主度需要持久化的知识积累。Claude 在写规则时表现出的”eerily good”能力，说明 AI 完全有能力为自己构建更好的工作框架。这是从 "每次都要手把手教" 到 "Agent 自我学习和进化" 的质变。
🎯 3. 提示词工程：从执行者到审核者
Boris 分享的一个高级技巧是：不要满足于 Claude 给出的第一个解决方案。当你得到一个”能用”的修复后，可以说：
🎯 “Knowing everything you know now, scrap this and implement the elegant solution”
或者让 Claude 扮演审核者角色：
🔍 “Grill me on these changes and don’t make a PR until I pass your test”
💡 这揭示了提升 Agent 自主度的另一个维度：让 Agent 参与到质量控制和方案优化的循环中。这不是简单的”生成代码”，而是让 Agent 成为一个有判断力、能自我批判和迭代的协作伙伴。
🎓 4. 学习辅助：让 Agent 成为你的导师
第十条技巧最容易被忽视，但可能是最具长期价值的：
- 🎨 启用”Explanatory”或”Learning”输出风格，让 Claude 不仅给出代码，还解释背后的原因
- 📊 让它生成可视化演示或 ASCII 图来解释复杂概念
- 🔄 甚至构建间隔重复学习 skill，让 Claude 追问你的理解并填补空白
这代表了另一条路径：提升我们自身驾驭 Agent 的能力。当你理解了 Agent 的决策逻辑、学会了它使用的技术模式，你就能更好地引导它、纠正它、与它协作。这不是让自己变成 Agent 的”操作员”，而是通过 Agent 加速自己的学习曲线，最终成为更强大的开发者。
🛤️ 两条路径，一个目标
Boris 的十条技巧背后，实际上是两条相辅相成的路径：
- 🔀 通过多线程工作流给予清晰的任务边界
- 📝 通过 CLAUDE.md 建立持久化的项目知识
- 🎯 通过高级 prompting 激发更深层的推理和自我批判
- ⚙️ 通过 skills 和 commands 将重复工作工程化
- 🔍 通过 explanatory 模式理解 Agent 的决策逻辑
- 📊 通过可视化和图解加速对复杂概念的掌握
- 📚 通过主动学习模式填补知识空白
- 🧠 通过不断实践形成与 Agent 协作的直觉
🎯 核心结论：这两条路径的终点是同一个——人机协作的指数级生产力提升。
Anthropic 团队三天 100+ PR 的秘密，不是他们有更强大的 AI，而是他们同时在这两条路径上持续精进。
🎯 对我们的启示 & 行动计划
读到这里，你可能已经意识到：这十条技巧的价值，不在于它们有多”高级”，而在于它们揭示了一种全新的工作范式。
💡 给每位开发者的建议
无论你是刚开始使用 AI 编程工具，还是已经有一定经验，以下三个方向值得立即行动：
🔧 从”用工具”到”建系统”
- 不要满足于一问一答的交互模式，开始构建你自己的
CLAUDE.md - 每次纠正 AI 后，问自己：这个教训能否变成一条规则？
- 将重复性工作抽象为 skills 或 commands，让 AI 替你记住最佳实践
🧠 从”接受答案”到”挑战优化”
- 第一个方案往往只是”能用”，试着追问：”有没有更优雅的方式？”
- 让 AI 扮演审核者角色，在你提交代码前给出批判性反馈
- 记住：AI 的推理能力远超我们的日常使用深度
📚 从”完成任务”到”理解原理”
- 开启 Explanatory 或 Learning 模式，让 AI 边做边教
- 遇到不熟悉的代码，让 AI 用可视化或 ASCII 图解释
- 把每次协作都当作一次学习机会，而不仅仅是生产力工具
📝 我的个人实践计划
作为参考，这是我接下来准备重点突破的方向：
继续深化已掌握的实践：
- ✅ 将重复工作工程化，通过 skills 和 slash commands 固化最佳实践
- ✅ 维护项目级的 CLAUDE.md，让每次纠正都沉淀为可复用的规则
- 🔄 探索多线程工作流，为不同类型的任务建立专门的 Agent 会话
尝试尚未实践的技巧：
- 🆕 使用 output style 配置，让 Claude 在执行任务时同步解释原理
- 🆕 在得到”能用”的方案后，主动用 prompt 挑战 Claude 给出更优雅的解决方案
- 🆕 最重要的是：将 Agent 作为学习加速器，不仅用它来完成任务，更要用它来理解任务背后的原理
Boris Cherny 的十条技巧不是简单的”使用手册”，而是一套完整的思维框架。当我们学会在提升 Agent 自主度和增强自身能力之间找到平衡时，我们就真正掌握了 AI 时代的核心竞争力。
🌟 这不是关于如何使用一个工具，而是关于如何在人机协作的新范式中，成为更强大的创造者。
当你学会让 Agent 自主工作，同时让自己通过 Agent 持续成长——这才是真正的 AI Native 开发者。