作为最火热的AI生产力工具之一，Claud code近来引发的关注度居高不下。
日前， Claud code开发者Boris在X上发帖，分享了团队使用这个工具的系列技巧。
但他补充说，使用 Claude Code 没有唯一正确的方法，每个人的设置都不同，“你应该多尝试，找到最适合自己的方法”。
整套方法下来，核心大概就是，把 Claude 当成一个可以训练、可复用、能并行协作、能边用边学的工程搭档，而不是一次性问答工具。
我们特将他的分享整理出来，供各位朋友参考。
1. 尽可能多做并行（Do more in parallel）
比如，一次性启动 3–5 个 git worktree，
每个 worktree 里各跑一个独立的 Claude 会话，并行工作。
这是提升生产力最明显的一招，也是团队内部公认的头号技巧。
我个人更习惯用多个 git checkout，但大多数 Claude Code 团队成员更偏爱
worktree——甚至因为这个需求，@amorriscode 还专门在 Claude Desktop 里做了原生支持。
此外，有些人还会给每个 worktree 起名字，以及配置 shell 别名（比如 za、zb、zc）。
这样可以一键切换不同工作区，几乎零成本跳转。
还有人会单独建一个专用的 analysis worktree（分析专用工作区）。
这个区只干两件事，看日志（logs）和跑 BigQuery / 数据查询。
也就是说，它完全不写代码，只做排查和分析。
如果要总结的话，就是，不让 Claude 串行排队干活，而是把它当成 3-5 个实习生，同时开工。
2. 从 Plan 模式开始处理每一个复杂任务
把主要精力花在“规划”上，这样 Claude 才能 一次性（1-shot）把实现写对。
比如，先让一个 Claude 写完整的执行方案（plan），然后再启动第二个 Claude，以资深工程师（staff engineer）的视角专门做评审（review）。
只要事情开始跑偏，就立刻切回 Plan 模式重新规划，而不是硬推下去。
我的小伙伴们还会明确指示 Claude 进入 Plan 模式做“验证步骤”，而不仅仅是在“写代码之前”才用 Plan。
也就是说，不是只有 build 前才 plan，检查、 验证、调试前，也要先 plan。
3.认真投入维护你的 CLAUDE.md
每一次纠错之后，我们都在结尾明确对 Claude 说，“把这次的经验更新进 CLAUDE.md，下次不要再犯同样的错误。”
随着使用推进，要对 CLAUDE.md毫不留情地持续编辑和优化。
直到你能明显看到Claude 的出错率在可量化地下降。
还有一位工程师的做法是：
让 Claude 为每个任务 / 项目维护一个 notes 目录
每次 PR 之后都更新这些笔记
再在 CLAUDE.md里 指向（引用）这个notes目录
也就是说，CLAUDE.md不写所有细节，而是作为“总纲”，具体经验沉淀在项目级notes里。
总结下来就是，不要反复教Claude同一件事，把教过的内容写成它的“宪法”。
4.构建属于你自己的 skills（技能/能力模块），并提交到 git，在所有项目中复用它们。
也就是说，不要每个项目都重新教 Claude，一次封装，处处复用。
对此，我们的团队给出了几个实战建议：
如果一件事你 每天要做超过一次，就把它做成一个 skill 或 slash command（斜杠命令）
做一个 /techdebt命令，每次工作结束都跑一遍，自动查找并清理重复代码 /技术债 / 冗余逻辑
建一个 slash command，把它们统一汇总成一个 context dump（上下文打包输入），这样 Claude 一次就能理解你这周的全部工作背景
像analytics engineer一样构建专用Agent， 让它们能够 写 dbt 数据模型、 做代码 review、 在 dev 环境测试变更等。
这 相当于给数据工程流程配了一个“自动化同事”。
总结起来就是，把 Claude 从“聊天工具”升级成“可复用的命令行工具箱”。
可做个这样的比喻，prompt 是一次性，skill 是资产，而git 可以等于你的 AI 能力仓库。
还可以延展阅读下这些：
5.让 Claude 自己修 Bug
这一方面，我们是这样做的：启用 Slack MCP（Model Context Protocol），然后把 Slack 里的 bug 讨论串直接贴给 Claude，然后只说一句“fix”，或“去把 failing 的 CI tests 修好”。
不需要额外解释，也不用来回切工具，直接开修。
要知道，Claude 很擅长自己“拆解问题 → 定位 → 修改 → 验证“ ”这一整套流程。
再比如，还可以把 docker logs 丢给 Claude，让它排查分布式系统问题，效果也会出奇地好。
6.升级你的 Prompt 能力（Level up your prompting）
a. 主动“挑战”Claude
多给 Claude 压力测试，而不是直接让它交付结果。
比如，你可以这样说，“狠狠审查（grill）我这次的改动，没通过你的测试前不要创建 PR。”
或者说，“证明给我看这个真的能跑。”
这样，可以让 Claude 自动对比main 分支和你的 feature 分支，做行为 diff，验证功能是否真的生效。
也就是说，不要只让它“写代码”，还要让它“质疑代码、验证代码”。
b. 修得一般？直接推倒重来
如果第一次修得很平庸，可以直接说，“基于你现在掌握的全部信息，把刚才那版废弃掉，重新实现一个更优雅的方案。”
而不要在 mediocre（普通/凑合）的实现上打补丁。
这样，Claude 往往就会第二版好于第一版，重写优于修修补补。
c. 写清楚规格，消灭歧义
在把任务交给 Claude 之前，写详细 spec，明确约束，同时减少模糊描述。
你的需求给得越具体，输出结果就越好。
简单来说就是，把 Claude 当成一个高水平同事来协作，而不是搜索引擎。
让它 review 你，让它证明结果，让它重写而不是修补，用 spec 替代随口描述。
7.Terminal & 环境配置
团队里很多人都很喜欢 Ghostty 终端。
原因包括同步渲染更流畅（synchronized rendering），支持 24-bit 真彩色，以及完整的 Unicode 支持。
整体体验上，更现代，对多会话、多任务切换特别友好。
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。
这样你能随时知道还剩多少 token，及自己在哪个分支干活，而不用反复切窗口确认。
很多人还会给终端标签页起名字、加颜色，甚至配合 tmux，一个任务、一个 worktree、 一个 tab，清晰的一对一映射。
这样大脑负担会小很多，不容易串任务。
另外一个强烈推荐是，语音输入。
因为说话速度 ≈ 打字的 3 倍，能自然说出更长、更详细的 prompt，以及提示词质量明显提升。
很多人一旦开始用语音写 prompt，就再也不想打字了。
8.使用 Subagents（子智能体）
a. 需要更多算力时，直接调用子智能体
在任何请求后面加一句，“use subagents”。
当你希望 Claude 为这个问题投入更多算力、更深思考、更并行处理时，就这样做。
这等于是告诉它，别一个人想，拉几个“分身”一起干。
b. 把独立任务拆给子智能体处理
把单独的小任务丢给 subagents，这样可以让你的 主 Agent（main agent）保持上下文干净、专注。
避免日志、中间步骤、噪音信息等，把主对话的 context window 挤爆。
让子任务在子线程里消化，主线程只保留关键结果，这本质上就是用subagents 做“上下文隔离”。
这种处理特别适合跑测试、分析日志、重构代码、数据处理、批量修改文件等“又长又脏”的活。
c. 用 Hook 把权限请求路由给 Opus 4.5 审核
可以通过 hook 机制把所有 permission（权限）请求转交给 Opus 4.5，让它扫描潜在攻击风险行为，及自动批准安全操作。
这相当于给 Claude 加了一个“自动安全审计员”，既安全，又不用你手动一个个点确认。
（具体可参考：code.claude.com/docs/en/hooks）
总结起来，可以说是让 Claude 变成了一个团队，而不是单兵作战。
Main agent 等于 Tech Lead，Subagents 等于工程师们，Opus 则是安全/审核。
9.用 Claude 做数据与分析（Data & Analytics）
直接让 Claude Code 调用 bq 命令行工具（BigQuery CLI），实时拉取并分析数据指标。
我们在代码仓库里内置了一个 BigQuery skill（技能模块），团队所有人都在 Claude Code 里直接跑分析查询。
说实话，我个人已经6 个多月没写过一行SQL了。
这套方式同样适用于任何提供CLI（命令行工具）、MCP、API 等接口的数据库。
只要能被程序调用，Claude 就能直接帮你写查询、跑查询、分析结果、总结洞察，然后生成报表，整条链路自动化完成。
这等于把“写 SQL”这件事完全外包给 了Claude。
10.用 Claude 来学习
别只让 Claude 干活，也让它当你的导师、助教和教练。
团队总结了几条，把 Claude Code 当学习助手用的小技巧：
a. 打开解释型输出模式
在 /config 里启用“Explanatory”（解释型）或“Learning”（学习型），这样 Claude 在做修改时，不只会告诉你 改了什么，还会解释 为什么要这么改（the why），也就是把“思考过程”讲给你听。
b. 让 Claude 生成可视化 HTML 讲解
把一段你看不懂的代码丢给 Claude，然后说“做一份 HTML 幻灯片讲解这段代码。”
这样，它会直接生成可视化页面、图示、分步骤说明，及类似 slides 的结构，而且效果出奇地好。
这基本等于自动给你做了一份技术分享 PPT
c. 让 Claude 画 ASCII 图
对于新的协议（protocol）、系统架构、代码库结构等，可以直接说“用 ASCII 图给我画出来解释。”
比如
Client → API → Service → DB
↓
Cache这种文本结构图，对于理解复杂系统特别快。
d. 构建一个间隔重复学习（Spaced Repetition）技能
做一个学习型 skill，流程大概是：
你先讲一遍自己的理解
Claude 提问追问，找出知识盲点
帮你补充缺失点
把结果记录下来，定期复习
扫码邀请进群，我们带你一起来玩转ChatGPT、GPT-4、文心一言、通义千问、讯飞星火等AI大模型，顺便学一些AI搞钱技能。
热门跟贴