Claude Code 深度使用指南：来自创始团队的10个核心技巧
Claude Code 深度使用指南：来自创始团队的10个核心技巧
—— 让AI编程助手真正成为你的"超级实习生"
第一章：为什么要关注这10个技巧？
Claude Code是Anthropic公司推出的一款AI编程助手，简单来说，它就像一个24小时在线的超级实习生——能帮你写代码、修Bug、分析数据，甚至教你学习新技术。
这篇技巧的分享者Boris Cherny是Claude Code的创造者，现任Anthropic的Claude Code负责人。他分享的不仅是个人经验，更是整个Claude Code开发团队的集体智慧。
核心观点：使用AI工具没有"唯一正确的方式"，但这些技巧代表了经过实战验证的最佳实践。即使你不懂编程，理解这些思路也能帮你更好地使用各类AI助手。
第二章：并行工作——把"一个实习生"变成"五个实习生"
技巧1：同时开启多个Claude会话
通俗解释：想象你有一个超级能干的实习生，但你只让他做一件事，这就太浪费了。Claude Code团队的做法是：同时开3-5个Claude，每个处理不同的任务。
具体做法：
- 在电脑上开5个终端窗口，每个运行独立的Claude
- 再给它们起名字（比如za、zb、zc），方便快速切换
- 甚至可以专门设一个"分析专用"的Claude，只用来查看日志和运行数据分析
为什么有效：就像人类一样，AI也会"分心"。让不同的Claude专注于不同的任务，彼此不会干扰。Boris本人每天同时运行20个Claude任务。
非技术场景迁移：当你使用ChatGPT或Kimi时，也可以同时开多个对话窗口——一个帮你写邮件，一个帮你查资料，一个帮你润色文案。
第三章：先规划，后执行——避免"边做边改"的陷阱
技巧2：复杂任务从"计划模式"开始
通俗解释：盖房子前要先画图纸，而不是边砌砖边想。Claude Code有个"计划模式"（按Shift+Tab切换），在这个模式下，Claude只看不改，先帮你制定详细方案。
团队的最佳实践：
- 先和Claude反复讨论执行细节，直到方案满意
- 有人甚至会让第二个Claude来审查第一个Claude的方案，扮演"高级工程师"的角色
- 如果执行中走偏了，不要硬撑，切回计划模式重新规划
关键洞察：在计划上投入的时间是值得的。一个好的计划能让Claude"一击即中"，避免反复修改。
第四章：培养"记忆"——让AI记住你的偏好
技巧3：用心维护CLAUDE.md文件
通俗解释：每次新来一个实习生，你都要重新告诉他"我们用Bun而不是npm"、"代码风格要这样"……这很浪费时间。CLAUDE.md就是一个给AI看的"员工手册"。
复利效应最强的习惯：
- 每次纠正Claude后，说："更新你的CLAUDE.md，以后别再犯这个错"
- Claude非常擅长给自己写规则
- 随着时间推移，错误率会明显下降
团队实践：Anthropic团队把CLAUDE.md放在代码仓库里，整个团队一起维护。每次代码审查时，如果发现Claude做错了什么，就标记@.claude让它自动更新手册。
非技术场景迁移：如果你经常让AI帮你处理某类任务（比如写周报），可以创建一个"提示词模板"文档，记录你的偏好和常见要求。
第五章：自动化重复工作——打造你的专属快捷键
技巧4：创建自定义技能（Skills）
通俗解释：如果你每天重复做某件事超过一次，就把它变成一个"快捷指令"。比如创建一个/techdebt命令，让Claude自动查找重复代码。
技能的本质：技能 = 任务模板 + 系统提示。就像给实习生写了一份"标准作业程序"（SOP），下次直接调用，不用重复说明。
团队常用技能示例：
/commit-push-pr：自动提交代码、推送到仓库、创建PR- 数据分析技能：连接BigQuery数据库，直接跑查询
- Bug修复技能：自动读取Slack上的错误报告并修复
Boris的惊人数据：他已经超过6个月没有手写过SQL语句了，全部由Claude代劳。
第六章：让AI自我挑战——从"执行者"变成"审查者"
技巧5和6：提升提示词水平
通俗解释：不要只是命令AI"去做"，要学会让它"思考"和"验证"。
三个高级技巧：
- 让Claude当你的审查员：说"严厉地审查这些更改，除非我通过了你的测试，否则不要提交PR"
- 不满意就推倒重来：如果结果不够好，说"鉴于你现在掌握的所有信息，放弃这个方案，实施更优雅的解决方案"
- 越具体越好：在Claude写代码前，提供详细的规格说明，减少歧义
最重要的原则：不要接受第一个解决方案。推动Claude做得更好——它通常能做到。
第七章：善用"子代理"——分工协作的艺术
技巧8：正确使用子代理（Subagents）
通俗解释：主代理是"总指挥"，子代理是"专项小组"。不要把子代理当成"前端专家"或"后端专家"（这会导致上下文割裂），而是让它们处理具体的、独立的任务。
三种使用方式：
- 在请求末尾加"use subagents"，让Claude调动更多计算资源
- 把具体任务 offload 给子代理，保持主代理的"记忆"整洁
- 通过钩子自动处理权限请求
实际效果：你可以说"用5个子代理探索代码库"，Claude会同时启动5个探索代理，分别查看不同的部分，最后汇总结果。
第八章：环境优化——打造高效工作流
技巧7：终端与环境设置
通俗解释：给AI配个好用的"办公桌"。
团队推荐：
- Ghostty终端：支持同步渲染、24位真彩色、Unicode（显示效果更好）
- 自定义状态栏：用
/statusline显示上下文使用量和当前Git分支 - 语音输入：说话速度是打字的三倍，而且说出来的提示词往往更详细（Mac上按fn键两次启动）
第九章：用AI来学习——不只是写代码
技巧10：与Claude共同学习
通俗解释：Claude不仅是"干活的人"，还是"教你干活的人"。
学习方法：
- 在
/config中启用"解释性"（Explanatory）或"学习"（Learning）输出模式，让Claude解释每个改动的原因 - 让Claude生成可视化的HTML演示文稿来解释不熟悉的代码（它做的幻灯片 surprisingly 好）
- 让Claude画ASCII图表来解释复杂的系统架构
第十章：数据与分析——AI取代SQL
技巧9：用Claude处理数据分析
通俗解释：你不需要懂SQL（数据库查询语言），直接告诉Claude你想要什么数据，它会帮你写查询、执行、解读结果。
适用范围：任何有命令行工具（CLI）、MCP或API的数据库都可以。
Boris的实践：团队把BigQuery技能放在代码库里，所有人都在Claude Code里直接跑分析查询。他自己已经半年多没写过SQL了。
结语：核心心法总结
这些技巧背后有几个共通的原则：
- 并行化优于优化：开更多会话，而不是让单个会话更"聪明"
- 计划模式是恢复工具，不只是启动工具：走偏了就重新规划
- 让AI自我改进：让它写规则来约束自己
- 技能具有复利效应：把重复工作自动化
- 挑战而非指令：把AI当作需要说服的同事，而不是执行命令的机器
正如Boris所说："给Claude一个验证其工作的方法，一旦做到这一点，输出质量会提升2-3倍"。
无论你是程序员、产品经理、学生还是任何需要使用AI助手的人，这些原则都能帮助你更高效地与AI协作。