Claude Code创始人独家分享：13条神级技巧，彻底改变AI编程思维！

本文深入解析了Claude Code创始人Boris Cherny亲自分享的13条核心使用技巧，揭示了如何将AI编程从简单的对话交互升级为高效的智能协作系统。这些技巧涵盖了并行处理、知识沉淀、工作流自动化、团队协作和智能验证等关键维度，代表了对未来软件开发范式的深刻洞察。通过实践这些方法，开发者的编码效率可获得数倍提升，同时代码质量与团队协作水平也将大幅增强。关键在于转变思维：从"人指挥AI"变为

lgf228

841人浏览 · 2026-01-13 00:30:00

lgf228 · 2026-01-13 00:30:00 发布

揭秘Claude Code之父Boris Cherny的高效工作流，学会如何让AI成为你的编程合伙人而非简单工具。

当今时代，不会使用AI编程的开发者正在逐渐落后。而真正掌握AI编程精髓的开发者，已经实现了效率的倍增。Claude Code作为目前最先进的AI编程工具，其创始人的使用技巧无疑是我们学习的最佳范本。

摘要

本文深入解析了Claude Code创始人Boris Cherny亲自分享的13条核心使用技巧，揭示了如何将AI编程从简单的对话交互升级为高效的智能协作系统。这些技巧涵盖了并行处理、知识沉淀、工作流自动化、团队协作和智能验证等关键维度，代表了对未来软件开发范式的深刻洞察。通过实践这些方法，开发者的编码效率可获得数倍提升，同时代码质量与团队协作水平也将大幅增强。关键在于转变思维：从"人指挥AI"变为"人与AI共舞"，构建持续进化的智能开发体系。

关键词

AI编程、Claude Code、智能协作、开发效率、团队知识库、自动化工作流

引言：为什么常规的AI编程方法已经过时？

在过去的几年里，大多数开发者使用AI编程工具的方式仍然停留在基础阶段：提问、获取代码、手动验证和调试。这种方法虽然比完全手动编程快，但远未发挥AI编程的真正潜力。Claude Code创始人Boris Cherny在2026年初公开的个人使用习惯，展示了一种全新的AI编程范式。

出人意料的是，Boris的配置相当"原生态"，他强调Claude Code开箱即用的效果已经很好，因此并未进行太多定制。但深入分析后会发现，他的方法之所以高效，在于将AI完全融入开发流程的每个环节，而非仅仅作为代码生成工具。

更令人惊讶的是，Boris本人就是这些方法的最佳代言人——在过去30天里，他提交了259个PR、497次commit，新增4万行代码，删除3.8万行，每一行都是通过Claude Code + Opus 4.5完成的。这种生产效率的提升不是微不足道的10%-20%，而是数倍的增长。

下面，我们将全面解析这13条神级技巧，帮助你彻底转变AI编程思维。

一、并行处理的艺术：从串行等待到并行饱和

1. 终端多实例并行：5个Claude同时工作

传统开发模式下，我们习惯串行处理任务——写完A功能再写B功能。但有了AI编程助手后，完全可以让多个Claude实例同时处理不同的独立任务。

具体实现方案：

基础命令：在终端中并行运行5个Claude实例，为标签页编号1-5
通知机制：配置系统通知，当某个Claude需要输入时会主动提醒
上下文切换：通过编号快速识别和切换不同任务会话

# 启动5个后台会话的示例代码（macOS/Linux）
for i in {1..5}; do
  nohup claude-code --name "Claude-$i" > /tmp/claude-$i.log 2>&1 &
done

技术原理：这种并行化的核心在于充分利用等待时间。当你在思考一个Claude实例的输出时，其他实例仍在继续工作。这与CPU的并行处理概念相似，通过提高资源利用率来提升整体吞吐量。

2. 多端协同：终端、网页与移动端的无缝接力

Boris不仅在本机运行5个Claude实例，还在http://claude.ai/code网站上同时运行5-10个会话，实现本地与网页端的并行协作。更惊人的是，他通过多种方式在不同平台间无缝切换。

协同工作流程：

关键技术点：

会话移交：使用&命令将本地会话"交接"给网页端
传送功能：使用--teleport参数在本地和网页端之间来回传送会话
移动端集成：通过Claude的iOS应用在手机上启动会话，稍后查看进度

这种多端协同的工作方式让编程不再受物理位置和设备限制，真正实现了"人在外面跑，代码在家写"的高效模式。

3. 模型选择策略：始终使用Opus 4.5+思考模式

在模型选择上，Boris坚持使用带有"思考模式"的Opus 4.5完成所有工作。这一选择背后有着深刻的效率考量。

效率对比分析表：

任务类型	Sonnet 3.5	Opus 4.5 + 思考模式	效率提升
实现登录+JWT	12分钟（3轮修正）	6分钟（1轮通过）	100%
复杂功能开发	需详细引导	少量引导即可	约200%
错误修复	可能找不到根因	自动分析并解决	显著
多文件重构	需要明确指示	自主规划执行	约150%

选择Opus 4.5的核心原因：虽然Opus 4.5的响应速度比小模型慢，但其更高的准确性和更强的工具使用能力显著减少了人工引导和错误修正的时间。从端到端效率角度看，总耗时反而更少。

这一技巧的精髓在于：不要只看单一指标，而要评估端到端的整体效率。

二、团队智慧的沉淀：从个人技巧到集体智能

4. CLAUDE.md：团队知识的复利积累

Claude Code团队为每个代码库维护一个共享的CLAUDE.md文件，并将其纳入git版本控制。整个团队每周都会多次更新这个文件，形成了一种持续学习的机制。

CLAUDE.md的核心内容结构：

内容类别	示例	作用
常见bash命令	`git commit -m "feat: ..."`	统一团队操作规范
代码风格规范	不使用var，使用`:=`	保持代码一致性
错误处理模式	结构化错误返回格式	提高系统可靠性
调试指南	常见问题排查方法	加速问题解决
PR模板	Changes/Testing章节	规范代码审查

知识飞轮效应：每当发现Claude做错了什么，团队就将其添加到CLAUDE.md中。这样Claude下次就不会再犯同样的错误，形成"犯错→记录→学习→改进"的正向循环。

文件尺寸的控制很重要——Boris团队维护的CLAUDE.md只有约2.5k个token，足够精简但覆盖了核心规范。过大的文件反而会影响效果。

5. 代码审查自动化：PR中@.claude的妙用

在代码审查过程中，Boris经常在同事的PR上标记@.claude，让Claude将某些内容作为PR的一部分自动添加到CLAUDE.md中。这一流程通过GitHub Action实现自动化。

自动化代码审查工作流：

这种自动化过程被称为"复利式工程"——每次小的改进都会随着时间积累，像复利一样增长。今天花1分钟添加的规则，可能在未来的1000次PR中自动发挥作用。

具体配置方法：

# 安装GitHub Action
/install-github-action

通过这种方式，知识沉淀不再是额外的负担，而是开发流程的自然副产品。

三、工作流自动化：从手动操作到智能代理

6. 计划模式：先思考后执行的高效工作流

Boris强调，大多数会话都应以计划模式开始（通过按两次shift+tab进入）。这一简单的技巧却能带来效率的质的飞跃。

计划模式与直接执行的对比分析：

维度	直接执行模式	计划模式
启动速度	快	相对较慢
方向准确性	容易偏离	目标明确
返工概率	高	低
适用场景	简单明确任务	复杂功能开发
长期效率	较低	较高

理想的工作流程：

需求分析阶段：与Claude在计划模式下深入讨论，直到对方案满意
计划确认阶段：审查Claude制定的计划，确保覆盖所有关键点
切换执行阶段：切换到自动接受编辑模式，让Claude一次性完成任务

Boris的经验是：90%的时间应该花在制定计划上，一旦计划正确，执行阶段几乎可以完全自动化。这与传统编程中"先编码，后调试"的思路形成鲜明对比。

7. 斜杠命令：封装高频工作流

对于每天重复多次的"内循环"工作流，Boris使用斜杠命令将其封装成可重复使用的快捷方式。

最具代表性的例子：/commit-push-pr

这个命令是Boris每天使用几十次的高效工作流，它封装了以下步骤：

运行git status查看变更
生成符合规范的commit message
执行git add . && git commit
推送到远程分支
创建Pull Request

技术要点：该命令使用内联bash预先计算git status等信息，确保命令能快速运行，避免与模型的来回沟通。

斜杠命令的配置位置：这些命令被保存在.claude/commands/目录下，并可以提交到git中实现团队共享。这种设计使得个人高效工作流能够轻松转化为团队标准。

8. 子代理分工：主Claude与专项代理的协作

Boris经常使用几个专门的子代理来处理特定类型的任务，例如：

code-simplifier：在Claude完成工作后自动简化代码
verify-app：包含对Claude Code进行端到端测试的详细指令

子代理与斜杠命令的区别：

特性	斜杠命令	子代理
复杂度	相对简单	相对复杂
使用范围	特定工作流	专项任务领域
上下文	共享主上下文	独立上下文
最佳用途	线性工作流	专业任务处理

重要原则：子代理应用于"流程自动化"而非"专家分工"。不要创建一堆"Python专家"、"前端专家"这样的子代理，这会导致上下文割裂，影响主Claude的整体推理能力。

正确的做法是创建基于任务流程的子代理，如代码简化、测试验证等，而不是基于技术领域的划分。

四、系统集成与质量保障

9. 钩子与权限管理：自动化代码质量保障

PostToolUse钩子的自动化格式化

Claude生成的代码格式通常已经很好，但为了确保一致性，Boris使用PostToolUse钩子处理最后10%的细节，避免CI过程中的格式错误。

配置示例：

{
  "hooks": {
    "PostToolUse": {
      "command": "prettier --write ${file}"
    }
  }
}

这种设计的精妙之处在于：用钩子在关键检查点进行验证，而不是限制每一步动作。既保证了代码质量，又不会过度干扰Claude的工作流程。

安全且高效的权限管理

与常见的使用--dangerously-skip-permissions不同，Boris通过/permissions命令预授权已知安全的bash命令，避免不必要的权限提示。

权限配置示例：

// .claude/settings.json
{
  "permissions": {
    "allowedCommands": [
      "git *",
      "npm *", 
      "yarn *",
      "prettier *",
      "eslint *"
    ]
  }
}

这种权限管理方式既保证了安全性，又提高了效率，特别适合团队协作环境。

10. MCP集成：扩展Claude的工具使用能力

Claude Code通过MCP（Model Context Protocol）集成各种外部工具，将其从单纯的代码编辑器转变为全方位的工作流中心。

实际应用场景：

Slack集成：通过MCP服务器搜索和发布消息到Slack
数据分析：使用bqCLI运行BigQuery查询回答分析问题
错误监控：从Sentry抓取错误日志进行自动分析

配置示例：

// .mcp.json
{
  "mcpServers": {
    "slack": {
      "command": "npx",
      "args": ["@anthropic/mcp-server-slack"],
      "env": {
        "SLACK_TOKEN": "${SLACK_TOKEN}"
      }
    }
  }
}

通过MCP集成，Claude Code不再仅仅是"写代码的工具"，而是一个能够操作整个开发工具链的通用代理。

11. 长时间任务的处理策略

对于耗时较长的任务，Boris通常采用三种策略确保任务顺利完成且结果可靠：

三种长任务处理方案对比：

方案	实现方式	适用场景
后台代理验证	提示Claude完成后用后台代理验证工作	编译、测试任务
Stop钩子验证	使用agent的Stop钩子确定性验证	数据迁移、部署
ralph-wiggum插件	自动循环直到完成任务	未知时长的任务

在沙箱环境中，Boris会使用--permission-mode=dontAsk或--dangerously-skip-permissions来避免会话中的权限提示，这样Claude就可以在不被阻塞的情况下持续工作。

12. 反馈验证机制：AI编程的乘数效应

这是Boris认为最重要的一条技巧：给Claude一个验证工作的方法。如果Claude拥有反馈循环，最终结果的质量会提升2-3倍。

不同领域的验证方法：

领域	验证方法
后端API	运行bash命令、curl测试
前端UI	Claude Chrome扩展自动点击+截图
移动端	手机模拟器测试
数据处理	运行测试套件、数据校验

Boris让Claude使用Chrome扩展程序测试提交到http://claude.ai/code的每一处更改：Claude会自主打开浏览器、测试UI、定位问题、完成修复并再次测试，直至代码正常工作且用户体验良好。

验证机制的重要性：没有验证的AI输出只是"看起来很美"的幻觉，有验证的AI输出才是可交付的资产。这一原则适用于所有AI辅助创作过程。

13. 个性化配置与团队共享的平衡

Boris强调，虽然团队共享配置和规范很重要，但Claude Code团队的每个成员都有截然不同的使用方法。关键在于找到个人偏好与团队标准之间的平衡点。

个性化配置建议：

项目级配置：存储在项目git中，团队共享（如CLAUDE.md、斜杠命令）
个人配置：存储在个人目录，满足个性化需求
清晰界限：明确什么是团队关键（必须共享）与个人偏好（可以自定义）

这种灵活性正是Claude Code设计的核心理念：没有唯一正确的使用方式，每个人都可以根据自己的需求和习惯定制个性化的工作流。

五、总结与未来展望

核心思维总结

Boris Cherny的13条技巧可以总结为五大核心思维转变：

从串行到并行：通过多实例并行充分利用AI计算资源，大幅提升吞吐量
从个人到集体：通过CLAUDE.md等机制实现团队知识的沉淀和复利增长
从手动到自动：通过斜杠命令和子代理将重复工作流自动化
从封闭到开放：通过MCP集成将Claude接入整个开发工具链
从输出到验证：通过建立反馈循环确保AI输出质量而不仅仅是数量

这些思维转变代表着AI编程的未来方向：开发者作为指挥家，协调多个AI智能体共同完成复杂任务，而非亲自处理每一个细节。

实操入门计划

对于想要实践这些技巧的开发者，建议采用循序渐进的一周计划：

天数	重点实践内容	预期成果
第1天	创建最小CLAUDE.md，添加核心规则	建立知识管理基础
第2天	将一个重复提示变为斜杠命令	体验工作流自动化
第3天	添加验证子代理，运行自动化测试	建立质量保障机制
第4天	配置格式化钩子，避免CI错误	实现自动化代码质量
第5天	审计权限，建立安全白名单	平衡效率与安全
第6天	连接一个MCP工具（如Slack）	扩展工具链集成
第7天	审查优化，形成个性化工作流	固化高效工作模式