Claude Code 创造者的 10 条实战心法
Claude Code 创造者 Boris Cherny 分享了团队内部总结的 10 条提升 AI 编程效率的实战技巧，核心在于将 AI 视为需要管理的团队成员，建立系统化的协作流程。
随着 AI 编程助手日益普及，如何高效地将其融入开发流程成为开发者关注的重点。Claude Code 的创造者 Boris Cherny 近期分享了其团队内部总结的 10 条实战技巧，这些建议源于一线开发实践，旨在帮助开发者将 AI 从简单的问答工具转变为真正的编程搭档。
核心内容
Boris Cherny 提出的技巧涵盖了从工作流配置到协作思维的多个层面。
第一条建议涉及并行开发效率的提升：团队推荐同时开启 3 到 5 个独立的 git worktree，每个运行独立的 Claude 会话，并可通过快捷键快速切换。这一方法被团队视为最大的生产力杠杆，但社区反馈也指出其更适合企业用户或不限量套餐持有者，普通开发者需量力而行。
第二条强调了规划的重要性。对于复杂任务，建议先进入 plan mode 进行充分规划，让 Claude 一次性完成实现。若执行中出错，应退回计划模式重新规划，而非硬推。甚至有开发者会启动第二个 Claude 会话来审核计划，以资深工程师的视角进行挑刺，这有助于在前期对齐预期，减少 AI 的反复试错。
第三条是关于规则维护。每次纠正 Claude 的错误后，可指示其更新 CLAUDE.md 文件，让它自己书写规则来约束未来的行为。虽然创造者称其效果惊人，但社区反馈两极分化。一种观点认为这如同与“患有失忆症的天才”共事，因此更实用的建议是：对于至关重要的规则，应通过 hooks 等机制强制执行，而非依赖 AI 的自觉性。
其他技巧还包括：将每日重复的操作封装为技能或斜杠命令以实现自动化；将大多数 bug 直接交由 Claude 修复，避免微观管理；通过更具挑战性的提示词（如要求严格审查或推翻重来）来提升输出质量；配置终端环境以显示上下文使用量等信息；在需要时使用子代理（subagents）来分流任务；利用 Claude 配合数据库工具进行数据分析；以及启用 Explanatory 或 Learning 输出风格，让 Claude 解释代码改动原因，辅助学习。
价值与影响
这些技巧的核心逻辑在于转变使用 AI 的思维模式：将 Claude 视为一个需要被有效管理的团队成员，而非被动的工具。这要求开发者建立清晰的规则、合理分配任务、严格审核输出，并持续迭代协作流程。最有价值的并非某个孤立的技巧，而是这种系统化的协作思维。它提示开发者，要最大化 AI 编程助手的价值，关键在于构建一套与之高效互动的、可持续的工作方法。
