Claude Code 項(xiàng)目負(fù)責(zé)人Boris Cherny內(nèi)部最新訪談，和最頂級(jí)的大佬學(xué)習(xí)Claude Code，比你看多少碎片化的信息都強(qiáng)。

Boris Cherny 作為Claude Code 創(chuàng)造者 和 Alex Albert (Claude Relations 負(fù)責(zé)人) 深入詳細(xì)的討論智能體編程的實(shí)用化、背后模型的演進(jìn)過程、直覺驅(qū)動(dòng)的Claude Code 迭代，以及 Claude Code 的設(shè)計(jì)哲學(xué)。

其中Boris首次揭秘的直覺驅(qū)動(dòng)的Claude Code 迭代非常有意思，原來Claude Code這個(gè)神器開發(fā)并不是依靠什么基準(zhǔn)測(cè)試而是內(nèi)部構(gòu)建的“直覺系統(tǒng)”。

Boris認(rèn)為如果你未來要當(dāng)軟件工程師，基本的計(jì)算機(jī)編程知識(shí)和coding技能仍然是必須的，只有懂“手藝 ”的人，才能更好地駕馭和指導(dǎo) AI 這個(gè)強(qiáng)大的工具！軟件工程師的未來將向更高層次的抽象演進(jìn)，更側(cè)重于目標(biāo)設(shè)定、系統(tǒng)設(shè)計(jì)和創(chuàng)意實(shí)現(xiàn)。

訪談最后Boris 還給出了如何高效使用 Claude Code獨(dú)家秘笈和最佳實(shí)踐。

整個(gè)訪談20分鐘，以下是訪談的核心內(nèi)容。

僅一年時(shí)間Agentic Coding (智能體編程)走向?qū)嵱?/span>

在探討智能體編程的未來之前，我們有必要先回顧一下它在短時(shí)間內(nèi)所經(jīng)歷的劇烈演變。僅僅在一年多以前，AI 在編程領(lǐng)域的應(yīng)用還相當(dāng)初級(jí)和分散。開發(fā)者的工作流通常是這樣的：在一個(gè)集成開發(fā)環(huán)境 (IDE) 中編寫代碼，IDE 自帶一些基礎(chǔ)的自動(dòng)補(bǔ)全功能，旁邊可能還會(huì)開著一個(gè)獨(dú)立的聊天應(yīng)用。當(dāng)遇到問題時(shí)，開發(fā)者會(huì)向聊天機(jī)器人提問，然后手動(dòng)復(fù)制、粘貼代碼片段，再進(jìn)行修改和整合。這在當(dāng)時(shí)，就是 AI 輔助編程的最高水平。

然而，在過去的一年里，整個(gè)范式發(fā)生了根本性的轉(zhuǎn)變。AI 不再僅僅是一個(gè)被動(dòng)提供代碼片段的工具，而是進(jìn)化成了一個(gè)主動(dòng)的、能夠深度參與開發(fā)流程的agent。如今，使用智能體進(jìn)行編程已經(jīng)從一個(gè)新奇的概念或原型功能，轉(zhuǎn)變?yōu)樵S多開發(fā)者日常工作循環(huán) (inner loop) 中不可或缺的一部分。

這場(chǎng)變革的核心在于，開發(fā)者與代碼的交互方式從直接操作文本演變?yōu)橹笇?dǎo)智能體為你操作文本。過去，我們逐行逐字地編寫、修改和調(diào)試代碼；現(xiàn)在，我們更多地是向一個(gè)智能體下達(dá)指令，描述我們想要實(shí)現(xiàn)的功能或修復(fù)的 Bug，然后信任它去分析、修改甚至創(chuàng)建大量文件和代碼。智能體能夠獨(dú)立完成過去需要開發(fā)者手動(dòng)執(zhí)行的大量編輯工作，有時(shí)甚至能從零開始構(gòu)建一個(gè)完整的應(yīng)用程序。

這一飛躍之所以能在今天實(shí)現(xiàn)，Boris 認(rèn)為主要?dú)w功于兩個(gè)關(guān)鍵因素的成熟：

模型的進(jìn)化：首先，底層語言模型的能力得到了質(zhì)的提升。早期的模型或許能完成一些簡(jiǎn)單的任務(wù)，但往往缺乏長(zhǎng)期規(guī)劃和復(fù)雜邏輯推理的能力。隨著像 Claude 3.7、Claude 4.0 乃至 Opus 4.1 這樣更強(qiáng)大的模型問世，它們?cè)诶斫鈴?fù)雜指令、保持任務(wù)連貫性以及執(zhí)行多步操作方面的能力越來越強(qiáng)。

“鞍具”的完善：其次，僅僅有強(qiáng)大的模型是不夠的，還需要一個(gè)高效的“鞍具”來駕馭它。Boris 用了一個(gè)例子：模型就像一匹強(qiáng)大的馬，而“鞍具”就是駕馭這匹馬所需的全套裝備，比如馬鞍和韁繩。對(duì)于 Claude Code 而言，這個(gè)“鞍具”就是整個(gè)產(chǎn)品本身。它包含了所有模型之外的、用于交互和控制的系統(tǒng)組件，例如：

a.系統(tǒng)提示 (System Prompt)：用于設(shè)定模型的角色、行為準(zhǔn)則和目標(biāo)。

b.上下文管理 (Context Management)：智能地決定在與模型交互時(shí)提供哪些相關(guān)的代碼文件和信息。

c.工具集 (Tools)：賦予模型執(zhí)行具體操作的能力，比如讀寫文件、運(yùn)行命令、搜索代碼庫等。

d.擴(kuò)展協(xié)議：例如 MCP (Meta-Context Protocol)，允許模型接入外部信息源，如 Sentry 的錯(cuò)誤日志或 Slack 消息。

e.設(shè)置與權(quán)限系統(tǒng)：讓用戶可以精細(xì)地控制智能體的行為邊界。

這個(gè)“鞍具”和模型之間是一種共同進(jìn)化的關(guān)系。在 Anthropic 內(nèi)部，包括模型研究員在內(nèi)的所有員工都在日常工作中使用 Claude Code。當(dāng)他們?cè)趯?shí)際開發(fā)中遇到模型的局限，比如模型在執(zhí)行某個(gè)特定類型的代碼編輯時(shí)頻繁失敗，或者在長(zhǎng)時(shí)間自主運(yùn)行時(shí)會(huì)跑偏，這些第一手的使用體驗(yàn)會(huì)直接反饋給模型團(tuán)隊(duì)。團(tuán)隊(duì)可以根據(jù)這些具體的失敗案例，針對(duì)性地進(jìn)行數(shù)據(jù)收集和模型微調(diào)，從而教會(huì)模型如何更好地完成這些任務(wù)。這個(gè)有機(jī)的、持續(xù)的反饋循環(huán)，使得模型本身越來越擅長(zhǎng)智能體式的工作，而“鞍具”系統(tǒng)也在不斷迭代，以便更好地發(fā)揮出新模型的能力。正是這種模型與產(chǎn)品之間的協(xié)同進(jìn)化，共同推動(dòng)了智能體編程從理論走向了實(shí)用。

直覺驅(qū)動(dòng)迭代Claude Code

當(dāng) AI 模型的能力越來越強(qiáng)大，一個(gè)核心問題也隨之而來：我們?nèi)绾螠?zhǔn)確地評(píng)估一個(gè)編碼模型是否真的更好了？傳統(tǒng)的做法是依賴于標(biāo)準(zhǔn)化的基準(zhǔn)測(cè)試集 (benchmark)，例如 SWE-bench 或更新的 T-bench。這些測(cè)試集包含了一系列預(yù)設(shè)的編程問題，通過模型解決問題的成功率來對(duì)其性能進(jìn)行打分。雖然這些測(cè)試在一定程度上可以量化模型的進(jìn)步，但 Boris 指出，它們正面臨越來越大的局限性。軟件工程的真實(shí)世界充滿了復(fù)雜性、模糊性和多變性，這些是任何合成的、標(biāo)準(zhǔn)化的測(cè)試集都難以完全捕捉的。

因此，在 Claude Code 團(tuán)隊(duì)的實(shí)踐中，他們更依賴一種看似不科學(xué)但卻更有效的方法：直覺測(cè)試，或者說是“氛圍檢查 (Vibe Check)”。當(dāng)一個(gè)新模型版本或一個(gè)產(chǎn)品新功能需要評(píng)估時(shí)，Boris 的做法非常直接：他會(huì)用這個(gè)新版本來完成自己當(dāng)天的日常開發(fā)工作。他不會(huì)去運(yùn)行一套預(yù)設(shè)的測(cè)試用例，而是將新工具無縫地融入到真實(shí)的工作流中——無論是編寫新功能、修復(fù)一個(gè)緊急的 Bug，還是為了回復(fù)一個(gè) GitHub issue 而去閱讀和理解既有代碼。

這種評(píng)估方式的核心在于，它能真實(shí)地反映出工具在實(shí)際應(yīng)用場(chǎng)景中的表現(xiàn)。一個(gè)在基準(zhǔn)測(cè)試上得分很高的模型，在實(shí)際使用中可能會(huì)感覺很笨拙；反之，一個(gè)模型可能在某些指標(biāo)上不突出，但用起來卻異常聰明和順手。真正的衡量標(biāo)準(zhǔn)變成了：它是否讓我感覺更有效率？它是否能更好地理解我的意圖？它是否讓我的開發(fā)過程更流暢？這種基于真實(shí)使用體驗(yàn)的直覺，成為了判斷模型和產(chǎn)品是否進(jìn)步的最重要信號(hào)。

為了系統(tǒng)性地收集和利用這種直覺，Claude Code 團(tuán)隊(duì)在 Anthropic 內(nèi)部建立了一個(gè)極其高效的反饋循環(huán)。

中心化的反饋渠道：團(tuán)隊(duì)設(shè)立了一個(gè)專門的 Slack 頻道，作為所有內(nèi)部用戶提供反饋的唯一入口。任何人在使用中遇到問題、有新想法或感到困惑，都可以直接在頻道里發(fā)布。

超快速的響應(yīng)與閉環(huán)：這個(gè)反饋循環(huán)成功的關(guān)鍵在于 Boris 和團(tuán)隊(duì)成員的積極參與。每當(dāng)有新的反饋出現(xiàn)，Boris 都會(huì)第一時(shí)間用 emoji 回應(yīng)表示收到，并主動(dòng)追問更多細(xì)節(jié)以厘清問題。最重要的是，他會(huì)以極快的速度修復(fù) Bug 或?qū)崿F(xiàn)簡(jiǎn)單的功能改進(jìn)。有時(shí)他會(huì)花上幾個(gè)小時(shí)，集中處理頻道里積壓的反饋，并且每解決一個(gè)問題，都會(huì)回到原帖下回復(fù)用戶，告知問題已經(jīng)修復(fù)。

激勵(lì)與正向循環(huán)：這種有問必應(yīng)、有求必應(yīng)的文化，打破了許多組織中反饋石沉大海的困境。當(dāng)用戶看到自己的意見被認(rèn)真傾聽并迅速得到解決時(shí)，他們會(huì)受到極大的鼓舞，從而更愿意在未來提供更多、更高質(zhì)量的反饋。久而久之，這個(gè) Slack 頻道變成了一個(gè)信息量巨大的消防水管 ，源源不斷地為團(tuán)隊(duì)提供最真實(shí)的、來自一線的用戶信號(hào)。

這個(gè)緊密的、由直覺驅(qū)動(dòng)的內(nèi)部 dogfooding (內(nèi)部試用) 循環(huán)，讓 Claude Code 團(tuán)隊(duì)能夠在沒有復(fù)雜評(píng)估框架的情況下，依然能快速、準(zhǔn)確地迭代產(chǎn)品，確保每一次更新都真正解決了用戶的痛點(diǎn)，提升了實(shí)際的開發(fā)體驗(yàn)。在這個(gè)過程中，所有用戶的集體直覺匯聚成了比任何硬性指標(biāo)都更寶貴的導(dǎo)航信號(hào)。

Claude Code 的設(shè)計(jì)哲學(xué)：保持簡(jiǎn)單，可擴(kuò)展性

從誕生之初，Claude Code 的核心設(shè)計(jì)哲學(xué)之一就是保持簡(jiǎn)單，并使其盡可能地具有可擴(kuò)展性 ”。團(tuán)隊(duì)深知，每個(gè)開發(fā)者、每個(gè)團(tuán)隊(duì)、每個(gè)代碼庫都有其獨(dú)特的工作流程和上下文需求，一個(gè)封閉的、一成不變的工具是無法滿足所有人的。因此，Claude Code 被設(shè)計(jì)成一個(gè)開放的平臺(tái)，提供了一系列由淺入深的擴(kuò)展點(diǎn)，讓用戶可以根據(jù)自己的需求對(duì)其進(jìn)行定制和改造。

這種可擴(kuò)展性的設(shè)計(jì)經(jīng)歷了持續(xù)的演進(jìn)，從最初簡(jiǎn)單的配置文件，發(fā)展到如今復(fù)雜的命令和子智能體系統(tǒng)。

1.CLAUDE.md：這是最早也是最基礎(chǔ)的擴(kuò)展方式。用戶可以在項(xiàng)目的根目錄或任何子目錄中創(chuàng)建一個(gè)名為 CLAUDE.md 的 Markdown 文件。這個(gè)文件的內(nèi)容會(huì)被 Claude Code 自動(dòng)讀取，作為與模型交互時(shí)的額外上下文。開發(fā)者可以在里面寫下項(xiàng)目的架構(gòu)概述、編碼規(guī)范、常用庫的說明，或者任何希望 AI 在工作時(shí)了解的背景信息。由于這個(gè)文件是項(xiàng)目的一部分，可以被簽入代碼版本控制系統(tǒng) (如 Git)，因此它能隨著代碼庫的演進(jìn)而同步更新，確保 AI 掌握的信息始終是最新、最準(zhǔn)確的。

2.設(shè)置與權(quán)限系統(tǒng)：隨著功能的增加，團(tuán)隊(duì)引入了更精細(xì)的設(shè)置和權(quán)限系統(tǒng)。用戶可以配置智能體的行為，例如限制它可以訪問的文件路徑、可以執(zhí)行的命令類型等，從而在賦予其強(qiáng)大能力的同時(shí)，確保安全性和可控性。

3.Hooks (鉤子)：為了滿足更高級(jí)的定制需求，團(tuán)隊(duì)工程師 Dixon 構(gòu)建了一套強(qiáng)大的鉤子系統(tǒng)。它允許用戶在 Claude Code 工作流的特定節(jié)點(diǎn)（例如，在執(zhí)行一個(gè)命令之前或之后）注入自定義的邏輯。這為實(shí)現(xiàn)復(fù)雜的自動(dòng)化流程和與其他工具的深度集成打開了大門。

4.模型上下文協(xié)議 (Model Context Protocol)：這是一個(gè)重要的擴(kuò)展點(diǎn)，它讓 Claude Code 能夠超越本地代碼庫，接入外部數(shù)據(jù)源。通過實(shí)現(xiàn) MCP 服務(wù)器，開發(fā)者可以讓 Claude Code 讀取來自公司內(nèi)部文檔、任務(wù)管理系統(tǒng)、錯(cuò)誤監(jiān)控平臺(tái)（如 Sentry 日志）或通信工具（如 Slack 消息）的信息，從而在解決問題時(shí)獲得更全面的上下文。

5.Slash Commands (斜杠命令) 與 Subagents (子智能體)：這是目前最新的、也是功能最強(qiáng)大的擴(kuò)展方式。用戶可以自定義斜杠命令，它本質(zhì)上是一個(gè)預(yù)先定義好的、可復(fù)用的工作流，通常以 Markdown 文件的形式存在于代碼庫中。

Boris 舉了一個(gè)他自己的例子：他創(chuàng)建了一個(gè) /commit 命令。這個(gè)命令對(duì)應(yīng)的文件中包含了他對(duì)如何編寫一條高質(zhì)量 Git commit message 的所有要求和格式說明，并且預(yù)先授權(quán)了 git commit 這個(gè) Bash 命令。這樣，當(dāng)他需要提交代碼時(shí)，只需輸入 /commit，Claude 就會(huì)自動(dòng)按照預(yù)設(shè)的規(guī)范生成提交信息并執(zhí)行提交操作，無需他每次都手動(dòng)確認(rèn)權(quán)限。

子智能體可以看作是斜杠命令的另一種形式，它的特殊之處在于擁有一個(gè)“分叉的上下文窗口 (forked context window)”。這意味著它可以像一個(gè)獨(dú)立的、專注于特定任務(wù)的智能體一樣工作，而不會(huì)干擾主對(duì)話的上下文。

這些豐富的擴(kuò)展點(diǎn)共同構(gòu)成了 Claude Code 的可擴(kuò)展性生態(tài)。它們將 Claude Code 從一個(gè)單純的編碼工具，提升為一個(gè)可以被深度定制和集成的開發(fā)平臺(tái)。展望未來，Boris 表示團(tuán)隊(duì)將繼續(xù)沿著這個(gè)方向努力，讓 SDK 變得更加強(qiáng)大和通用，不僅能用于構(gòu)建編碼智能體，還能支持任何需要智能體能力的場(chǎng)景，真正賦能開發(fā)者在 Claude Code 之上構(gòu)建自己的創(chuàng)新應(yīng)用。

軟件工程師的未來

隨著智能體編程能力的飛速發(fā)展，一個(gè)所有工程師都關(guān)心的問題浮出水面：我的工作在未來會(huì)變成什么樣？我應(yīng)該如何提升自己以適應(yīng)這個(gè)新時(shí)代？

Boris 認(rèn)為未來人類軟件工程師并非無事可做，整天只審核 AI 生成的拉取請(qǐng)求 (Pull Request)，而是一種工作重心的戰(zhàn)略性轉(zhuǎn)移，即從具體的代碼實(shí)現(xiàn)細(xì)節(jié)，上升到更高層次的抽象。

短期未來 (6-12 個(gè)月內(nèi)) 的工作模式：

人機(jī)協(xié)作模式的演變：傳統(tǒng)的手工編碼并不會(huì)消失，但其形式會(huì)發(fā)生改變。開發(fā)者將越來越少地直接編輯文本，而是更多地通過與 Claude 的對(duì)話來指導(dǎo)它完成代碼的修改、重構(gòu)和生成。

主動(dòng)與被動(dòng)工作的結(jié)合：工作流將包含兩種模式。一種是開發(fā)者主動(dòng)發(fā)起任務(wù)，指導(dǎo) Claude 完成；另一種是 Claude 會(huì)變得更加主動(dòng)，它可能會(huì)根據(jù)代碼庫的靜態(tài)分析、或新出現(xiàn)的 issue，主動(dòng)地提出改進(jìn)建議、修復(fù) Bug，甚至自己完成代碼修改并提交。在這種模式下，工程師的角色更像是最終的決策者和質(zhì)量把關(guān)人，決定是否接納 AI 提出的變更。

長(zhǎng)期愿景 (12-24 個(gè)月及以后) 的工作模式：

從任務(wù)導(dǎo)向到目標(biāo)導(dǎo)向：工程師與 AI 的交互將進(jìn)一步抽象化。屆時(shí)，你可能不再需要告訴 AI “請(qǐng)修改這個(gè)文件里的這個(gè)函數(shù)”，而是直接給它設(shè)定一個(gè)高級(jí)別的目標(biāo)，例如：“為我們的應(yīng)用增加一個(gè)用戶認(rèn)證系統(tǒng)”，或者“將這個(gè)服務(wù)的平均響應(yīng)時(shí)間優(yōu)化 20%”。AI 智能體將能夠自己分解這個(gè)宏大目標(biāo)，規(guī)劃出詳細(xì)的執(zhí)行步驟，并自主完成所有必要的編碼、測(cè)試和部署工作。

工程師成為架構(gòu)師和產(chǎn)品經(jīng)理：隨著 AI 接管越來越多的底層實(shí)現(xiàn)工作，工程師將能夠?qū)⒏嗟木ν度氲礁邉?chuàng)造性和戰(zhàn)略性的任務(wù)上，例如系統(tǒng)設(shè)計(jì)、技術(shù)選型、定義產(chǎn)品目標(biāo)和用戶體驗(yàn)。工作的核心將從如何實(shí)現(xiàn)轉(zhuǎn)變?yōu)閼?yīng)該實(shí)現(xiàn)什么和為什么這樣實(shí)現(xiàn)。

開發(fā)者如何為未來做好準(zhǔn)備

面對(duì)這一趨勢(shì)，Boris 提供了兩條核心建議：

打好堅(jiān)實(shí)的基礎(chǔ)功底：AI 的出現(xiàn)并沒有讓基礎(chǔ)知識(shí)變得不重要，反而可能要求更高。你仍然需要深入學(xué)習(xí)編程語言、編譯器原理、運(yùn)行時(shí)環(huán)境、網(wǎng)絡(luò)協(xié)議、系統(tǒng)設(shè)計(jì)等核心計(jì)算機(jī)科學(xué)知識(shí)。因?yàn)楫?dāng) AI 犯錯(cuò)或無法解決復(fù)雜問題時(shí)，最終還是需要具備深刻理解的工程師來介入、診斷和糾正。只有懂“手藝 ”的人，才能更好地駕馭和指導(dǎo) AI 這個(gè)強(qiáng)大的工具。

擁抱創(chuàng)造力，將想法快速落地：Boris 回憶起自己中學(xué)時(shí)用 TI-83 Plus 計(jì)算器學(xué)習(xí)編程的經(jīng)歷。那時(shí)，編程的魅力在于能快速將一個(gè)想法（比如編寫一個(gè)能計(jì)算數(shù)學(xué)題答案的程序）變成現(xiàn)實(shí)，這種即時(shí)反饋的樂趣是巨大的。然而，現(xiàn)代軟件開發(fā)的棧變得異常復(fù)雜（例如 React, Next.js, Webpack 等），大大提高了從想法到產(chǎn)品的門檻。智能體編程正在改變這一點(diǎn)，它讓開發(fā)者能夠像當(dāng)年使用計(jì)算器一樣，快速地將創(chuàng)意原型化并構(gòu)建出來。

Boris 強(qiáng)調(diào)，在這個(gè)新時(shí)代，代碼本身不再那么珍貴了。因?yàn)?AI 可以輕松地重寫和重構(gòu)代碼，所以代碼的完美性不再是唯一的追求。更重要的是你想要構(gòu)建的“東西 (the thing you make)”——你的產(chǎn)品、你的創(chuàng)意。

因此，給開發(fā)者的建議是：在打好基礎(chǔ)的同時(shí)，要變得更有創(chuàng)造力。如果你有一個(gè)創(chuàng)業(yè)點(diǎn)子或一個(gè)產(chǎn)品想法，現(xiàn)在就可以借助 AI 智能體立即動(dòng)手去實(shí)現(xiàn)它。這個(gè)時(shí)代解鎖了前所未有的潛力，讓個(gè)人能夠以過去無法想象的速度和規(guī)模進(jìn)行創(chuàng)造。

總而言之，未來的工程師將是AI 增強(qiáng)型的創(chuàng)造者，他們利用 AI 處理繁瑣的實(shí)現(xiàn)細(xì)節(jié)，從而能更專注于那些真正需要人類智慧、洞察力和創(chuàng)造力的領(lǐng)域。

Boris 的獨(dú)家秘笈：如何高效使用 Claude Code

作為 Claude Code 的創(chuàng)造者，Boris 分享了他個(gè)人在使用這款工具時(shí)總結(jié)出的一些最佳實(shí)踐和技巧。這些建議旨在幫助用戶，無論是新手還是老手，都能更高效、更智能地與 AI 編程智能體協(xié)作。

他提出了兩個(gè)核心建議，第一個(gè)是針對(duì)新手的入門心法，第二個(gè)是針對(duì)日常使用的分級(jí)策略。

技巧一：入門時(shí)，先問而后寫

這個(gè)建議聽起來可能有些反直覺：當(dāng)你第一次使用像 Claude Code 這樣的強(qiáng)大代碼生成工具時(shí)，先不要急著用它來寫代碼。

從提問開始：你應(yīng)該從把它當(dāng)作一個(gè)代碼庫的專家問答系統(tǒng)開始。利用它來探索和理解你正在處理的代碼庫。你可以問一些問題，例如：

“如果我想在這個(gè)項(xiàng)目里新增一個(gè)日志記錄器 (logger)，我應(yīng)該怎么做？涉及到哪些文件？”

“這個(gè)函數(shù)為什么被設(shè)計(jì)成現(xiàn)在這樣？能幫我追溯一下它的歷史背景嗎？”

“請(qǐng)幫我梳理一下用戶認(rèn)證流程的核心邏輯，它分布在哪些模塊里？”

建立信任與心智模型：通過這種方式，你可以親身體驗(yàn) Claude Code 是如何為你進(jìn)行代碼庫研究的。它會(huì)去閱讀文件、分析依賴關(guān)系，甚至能通過 git blame 查看代碼的歷史演變來回答你的問題。這個(gè)過程能幫助你建立對(duì) AI 智能體能力的信任，并形成一個(gè)正確的心智模型——它是一個(gè)可以為你執(zhí)行研究任務(wù)的伙伴，而不僅僅是一個(gè)代碼生成器。當(dāng)你對(duì)它以這種方式輔助你的工作感到舒適后，再開始讓它為你編寫代碼，效果會(huì)好得多。

技巧二：根據(jù)任務(wù)難度，采用分級(jí)協(xié)作策略

在實(shí)際編碼工作中，任務(wù)的復(fù)雜程度各不相同。Boris 建議將任務(wù)大致分為簡(jiǎn)單、中等和困難三類，并針對(duì)每一類采取不同的協(xié)作模式。

簡(jiǎn)單任務(wù) ：

定義：這類任務(wù)通常很明確，Claude 基本上可以通過一次提示 (one shot) 就準(zhǔn)確完成。例如，修復(fù)一個(gè)拼寫錯(cuò)誤、為一個(gè)函數(shù)添加文檔字符串、或者實(shí)現(xiàn)一個(gè)簡(jiǎn)單的 API 端點(diǎn)。

工作流：對(duì)于這類任務(wù)，Boris 會(huì)采用最放手的方式。他甚至不會(huì)在自己的本地終端里操作，而是直接在 GitHub 的 issue 頁面里 @Claude，然后簡(jiǎn)單描述任務(wù)，讓 Claude 自動(dòng)完成編碼、創(chuàng)建 Pull Request 并提交。這樣做的好處是完全不占用他本地的開發(fā)環(huán)境和注意力，可以并行處理其他更重要的事情。

中等任務(wù)：

定義：這類任務(wù)比簡(jiǎn)單任務(wù)更復(fù)雜，可能需要修改多個(gè)文件或包含一些邏輯判斷，AI 不一定能一次性完美搞定。

工作流：對(duì)于中等任務(wù)，Boris 會(huì)在自己的終端里啟動(dòng) Claude Code，但會(huì)采用一種“先規(guī)劃，后執(zhí)行”的模式。他會(huì)首先進(jìn)入規(guī)劃模式 (plan mode)（通過快捷鍵 Shift + Tab），與 Claude 一起討論并確定一個(gè)清晰的執(zhí)行計(jì)劃。這個(gè)計(jì)劃會(huì)列出所有需要進(jìn)行的修改步驟。只有當(dāng)他對(duì)這個(gè)計(jì)劃感到滿意，并確認(rèn) Claude 的理解與他一致后，他才會(huì)切換到自動(dòng)接受模式 (auto-accept)，讓 Claude 按照既定計(jì)劃去執(zhí)行。這個(gè)過程確保了 AI 的行動(dòng)在可控的軌道上。

困難任務(wù) ：

定義：這是指那些高度復(fù)雜、充滿不確定性或需要深度架構(gòu)思考的任務(wù)。例如，設(shè)計(jì)一個(gè)新系統(tǒng)、重構(gòu)一個(gè)核心模塊，或者解決一個(gè)深層次的性能瓶頸。

工作流：在處理這類任務(wù)時(shí)，人類開發(fā)者必須是主導(dǎo)者。Boris 強(qiáng)調(diào)，此時(shí)的他才是駕駛員，而 Claude 則扮演著一個(gè)強(qiáng)大的結(jié)對(duì)編程伙伴或輔助工具的角色。他會(huì)利用 Claude 來快速進(jìn)行代碼庫研究、探索不同的實(shí)現(xiàn)思路、或者快速編寫一些原型代碼來驗(yàn)證想法和理解系統(tǒng)邊界。但他會(huì)親自完成大部分核心的、關(guān)鍵的代碼實(shí)現(xiàn)工作。在這種模式下，AI 的角色是輔助思考和加速探索，而不是主導(dǎo)執(zhí)行。最后，或許可以讓 Claude 來完成一些收尾工作，比如編寫單元測(cè)試。

通過這種分級(jí)策略，開發(fā)者可以根據(jù)任務(wù)的性質(zhì)靈活地調(diào)整與 AI 的協(xié)作深度，既能最大化地利用 AI 的效率優(yōu)勢(shì)，又能確保在關(guān)鍵和復(fù)雜的環(huán)節(jié)中保持人類的控制力和洞察力。