一个让AI在深夜自动提交代码的工具，它的创造者却劝你别急着用——除非你先把这7个隐藏配置打开。
2026年4月16日，Anthropic发布Claude Opus 4.7的同一天，Claude Code的缔造者Boris Cherny在Threads上扔出一组配置建议。不是产品文案，更像一个老工程师在冲刺前给团队做的内部 briefing。Alex Finn的视频今天才把这些内容带火，但核心信息早就躺在那里：这是创造者自己团队的日常 workflow，不是社区偏方。
为什么4.7版本让"准备工作"变得更重要
先搞清楚版本差异，否则这7个技巧你用不对地方。
Opus 4.7做了三个关键改动。第一，自适应思考（adaptive thinking）取代了固定推理预算——模型根据任务实际复杂度分配思考token，不再硬卡上限。第二，更字面化：4.6会主动补全你没明说的隐含上下文，4.7只执行你写下的内容。第三，默认启用新的xhigh effort level，比high更深，但不像max那样烧token。
结果是：带结构进去，它帮你放大；带模糊需求进去，它返回模糊结果。这7个秘密全是"准备工作"的策略。
秘密1：自动模式——别再把AI当婴儿盯
Boris的第一条建议也是最立竿见影的：打开Auto Mode。
以前Claude Code每次执行权限列表外的命令都会暂停。每个npm run build、每个git commit、每个数据库查询——都要等你点确认。安全是安全，但你得全程 babysit。
Auto Mode用模型分类替代硬规则。低风险操作（读文件、跑测试、查git状态）自动放行；真正危险的操作（删文件、推远程、改系统配置）才会暂停。安全用在刀刃上，无摩擦的地方零摩擦。
开启方式：CLI里按Shift+Tab，或在Claude Desktop/VS Code的下拉菜单里切。
生产力影响很直接。现在你可以丢一个完整功能给它，去泡杯咖啡，回来验收PR。
秘密2：待办清单——让AI自己管进度
Boris的第二条建议是给Claude一个todo list。
不是给你自己看的，是给AI的。在对话开头扔一个markdown列表，Claude会把它当成执行蓝图。完成一项勾一项，遇到阻塞主动汇报。
这解决了大任务中的"失忆"问题。长对话里模型会漂移，会重复检查已经做过的事，会在无关分支上浪费时间。待办清单把它锚定在主线任务上。
格式极简：
- [ ] 解析用户输入
- [ ] 验证数据格式
- [ ] 调用API
- [ ] 返回结构化结果
Claude会自己维护状态。你甚至能看到它在思考过程里默念"让我检查一下todo list"。
秘密3：会话热启动——用文件喂饱上下文
第三条是关于怎么开场。
别用空会话启动复杂任务。Boris建议先扔一个"上下文包"进去：相关代码文件、文档链接、之前的对话摘要。Claude Code支持用@符号引用文件，或者用/compact把长对话压缩成摘要。
Opus 4.7的字面化特性让这一步更关键。4.6会主动问"你是不是想处理X相关的问题"，4.7不会。你没给的上下文，它就当不存在。
热启动的ROI很高。Boris提到他们团队的习惯：每个功能分支开一个会话，启动时自动加载该领域的核心文件。相当于给AI一个"工作记忆"的初始化。
秘密4：结构化输出——强迫AI交作业
第四条是控制输出格式。
不要问"分析一下这个代码"，要问"用表格列出三个性能瓶颈，每行包含：位置、问题描述、建议修复、预估工作量"。
Opus 4.7对结构化指令的遵循度明显提升。Boris观察到，明确的格式要求能减少模型的"创造性发挥"——那种看似合理实则偏离需求的输出。
具体技巧：用XML标签、JSON schema、或者简单的markdown表格定义输出结构。在提示词里给示例（few-shot）比描述规则更有效。
这对自动化链路很关键。如果你的下一步是把Claude的输出喂给另一个工具，结构不稳定就是灾难。
秘密5：工具调用链——把多步任务串成流水线
第五条涉及Claude Code的"工具使用"机制。
模型可以调用外部工具：读文件、写文件、运行命令、搜索代码库。Boris的建议是显式设计调用链，而不是指望模型自己规划。
比如："先搜索所有包含'TODO'的注释，然后对每处生成修复建议，最后把结果写入todo-fixes.md"。
分解后的链条比模糊的"清理TODO"更可控。Opus 4.7的自适应思考在这里有优势——它会为复杂子步骤分配更多推理预算，但不会因为整体任务看起来大而全程过度思考。
Boris提到一个细节：他们团队在内部工具中把常用调用链做成了可复用的模板，相当于给Claude预设了"肌肉记忆"。
秘密6：审查模式——让AI先自检再交卷
第六条是关于质量控制。
在提示词末尾加一句："在最终输出前，先检查以下事项：1.是否覆盖了所有需求点；2.是否有明显错误；3.格式是否符合要求"。
Boris把这称为"审查模式"（review mode）。它利用了模型的自我修正能力，而不需要多轮对话。Opus 4.7的xhigh effort level让这种自检更深，但不会无限膨胀。
关键是在同一轮对话里完成，而不是"你先写，我再提修改意见"。后者会触发新的思考周期，token成本和时间都翻倍。
他们团队的实践：复杂任务默认带审查指令，简单任务省略。相当于给不同风险等级的任务配置不同的QA流程。
秘密7：渐进式委托——从副驾驶到自动驾驶
最后一条是关于信任建立。
Boris不建议一上来就全开Auto Mode跑生产代码。他的渐进路径是：第一阶段，手动批准每个操作，观察模型的决策模式；第二阶段，对特定类型的任务开Auto Mode（比如纯读操作）；第三阶段，对熟悉的代码库和任务类型全自动化。
这背后是风险管理的逻辑。Claude Code的模型分类不是绝对安全，而是概率安全。在特定上下文里，"看起来低风险"的操作实际可能有坑——比如在一个配置混乱的项目里，git status的输出可能被模型误读。
渐进式委托让你积累"这个模型在我这个代码库上的行为模式"的直觉。最终目标是睡着觉收PR，但到达那里需要数据支撑的信心。
这7个开关背后的产品逻辑
把这7条拼起来，能看到Boris的设计哲学：AI工具的价值不在于替代思考，而在于放大准备充分者的执行力。
Auto Mode奖励你对风险的清晰分类；待办清单奖励你的任务拆解能力；热启动奖励你的上下文管理；结构化输出奖励你的接口设计；工具链奖励你的流程思维；审查模式奖励你的质量标准；渐进委托奖励你的耐心验证。
每一层都是人的判断力在前置，AI的执行力在后置。这和"提示工程万能"的叙事相反——Opus 4.7的改进让"人的准备工作"变得更关键，而不是更可有可无。
一个数据点：Boris提到Claude Code现在在"数万台开发者机器"上无人值守运行。但实现这一状态的，是愿意花10分钟配置工作流的工程师，不是指望AI读心的懒人。
为什么现在值得关注
Claude Code不是唯一的AI编程工具，但这组配置建议的稀缺性在于来源。不是社区总结的"最佳实践"，是创造者自己团队的日常设置。相当于拿到了游戏开发者的debug菜单。
更深层的变化是AI工具的设计范式转移。从"模型越聪明，提示越简单"转向"模型越聪明，准备工作的杠杆效应越大"。Opus 4.7的自适应思考和字面化执行，本质上是在要求用户把模糊意图转化为明确结构——这正是资深工程师的舒适区。
对25-40岁的科技从业者来说，这意味着一个窗口期：懂工程管理方法的人，能比纯提示工程师更快榨出AI的生产力上限。7个开关是具体入口，背后的思维框架是长期资产。
Boris的Threads帖子最后没给总结，只扔下这7条就消失了。毕竟，他已经把AI配置成能替他写总结的样子了。
热门跟贴