Claude Code 创始人谈最新使用方法完全指南
Claude Code 创始人谈最新使用方法完全指南
执行摘要
Boris Cherny（Claude Code 创始人）在最新的 2025 年访谈中强调，AI 编程的正确方式不是“Vibe Coding”（纯 AI 编程），而是“配对”（结对编程）——与 AI 协作，人类保持控制权。他分享了五个核心技巧：
-
CLAUDE.md文件- AI的“脑外记忆”，自动加载编码规范和个人偏好
-
先问问题模式-让AI采访你，把模糊想法精准化为规格
-
延伸思考——AI深度思考前进行规划
-
多个实例-同时运行多个Claude处理多个任务
-
Headless 自动化-集成到 CI/CD 和自动化流程
这套方法使得创建完整应用的时间从2-3周缩短到1小时，编程效率提升50-70%。
一、Claude Code的真实价值：配对而非自动化
1.1 “Vibe Coding”的局限性
鲍里斯坦言：
“Vibecoding（纯AI编程）只适合用完即丢代码、原型设计。目前AI模型在写程序上还不够好。”
但他也强调：
“现在是表现最差的时刻。未来只会持续进步。”
这意味着什么？
-
❌期待AI完全占领你的开发
-
✓ 学会与人工智能协作是现在最重要的事
-
✓ 相信人工智能的发展速度，定期重新评估它的能力
1.2 Boris自己的工作分配
根据鲍里斯本人描述的实际工作方式：
简单任务（60%）：AI完全能做 ├─ 写测试用例 ├─ 修复小bug ├─ 生成文档 └─ 完全信任AI，自动接受模式 中等复杂（30%）：AI做初稿，人工微调 ├─ 新功能开发 ├─ 代码重构 ├─ 性能优化 └─ AI制定计划→逐步实现→人工验证 核心任务（10%）：人工主导，AI辅助 ├─ 架构设计 ├─ 安全相关 ├─ 系统决策 └─ AI提建议→人类决策
原则关键：
“不能一刀切地使用同一种方法。每个任务都要选择合适的协作模式。”
二、CLAUDE.md：AI的“脑外记忆”
2.1 概念
CLAUDE.md是一个特殊的markdown文件，存放：
-
编码最佳规范：语言风格、命名约定、实践
-
常用命令：bash脚本、npm命令、测试运行方式
-
个人偏好：你喜欢如何工作、怎样的交往
-
工作流程：项目特定的开发流程
2.2 实际例子
# Bash 命令 - npm run build: 构建项目 - npm run typecheck: 运行类型检查器 - npm run test: 运行整个测试套件 - npm run test:single: 运行单个测试（性能考虑优先） # 代码风格 - 使用 ES 模块 (import/export)，不要 CommonJS - 尽可能解构导入：import { foo } from 'bar' - 变量：camelCase，类：PascalCase - 最大行长：100字符，缩进：2空格 - 禁止：var，console.log，硬编码值 # 工作流程 - 完成代码更改后，必须运行 npm run typecheck - 优先运行单个测试而非整个套件（性能） - 任何改动后都要运行linter - 提交前检查是否有console.log遗留 # 库和依赖 - 使用 axios 处理HTTP请求 - 使用 lodash 处理数据转换 - React版本必须 >= 18
2.3 清晰添加内容的方式
方式一：手动编辑
直接修改CLAUDE.md文件，最精确
方式2：在Claude中按#键快速记录
对话中按 # 键 → 输入指令 Claude自动识别并整合到CLAUDE.md的相关部分 例： 按#键，输入："每当修改代码时，总要运行linter" ↓ Claude自动添加到"工作流程"部分
方式3：在对话中回调
"你应该记住这个：[指令内容]" ↓ Claude自动识别并添加
2.4 CLAUDE.md的实际价值
❌ 没有CLAUDE.md： 需要每次重复说明 "请用ES模块...不要用var...运行linter..." → 每次理解可能不一致 → 容易遗漏细节 ✓ 有了CLAUDE.md： Claude自动加载相关指令 → 每次理解100%一致 → 不用反复解释 → 效率提升30-40%
鲍里斯的观察：
“当我在谈话中看到克劳德做了特别好或特别糟糕的事情时，我会按#键，这会进入‘记忆模式’。然后我告诉克劳德应该记住什么。”
三、“先问采访问题”模式：让AI你
这是人类工程师分享的高级技巧，也是从模糊想法到完整应用的最快方式。
3.1 核心思想
不要给AI一个说法就开始编码。而是让AI向你提问。
用户提供：模糊的一句话想法 ↓ Claude自动提问：20-40个结构化问题 ↓ 用户回答：详细的回答和说明 ↓ Claude生成：完整的需求规格文档 ↓ 代码生成：基于规格自动编码
3.2 实现方法
# 基础用法 claude "我想做一个天气应用" # Claude会自动提出： - 支持哪些城市？ - 温度单位偏好（摄氏度/华氏度）？ - 实时更新频率？ - 离线功能需求？ - UI框架偏好？ - 数据来源？ - 用户认证需求？ - 推送通知？ - ...共39个问题
3.3 Boris的实测案例
项目：macOS烟花应用
需求：上海天际线 + 烟火 + 《新年快乐2026》文案
投入时间：
Step 1: Claude采访（5分钟） ↓ Step 2: 需求文档生成（5分钟） ↓ Step 3: 代码生成（20分钟）- Claude Opus 4.5 + XcodeBuildMCP ├─ 自动创建项目结构 ├─ 自动生成Swift代码 ├─ 自动修复编译错误 └─ 自动构建 ↓ Step 4: 验证和调整（10分钟） 总计：40分钟
对比：传统方式需要2-3周
3.4 输出文件示例
# 需求规格 ## 功能需求 1. 显示上海天际线3D场景 2. 烟火动画效果 3. 新年文案"Happy 2026" 4. 支持屏保模式 5. 可调节烟火密度 ## 非功能需求 - 性能：60fps@1080p - 文件大小：<50MB - 内存占用：<200MB - 系统要求：macOS 12+ ## 技术栈 - SwiftUI框架 - SceneKit 3D引擎 - Core Animation ## 开发计划 - Phase 1: 基础场景（1h） - Phase 2: 烟火系统（1h） - Phase 3: UI与交互（30min） - Phase 4: 优化与测试（30min）
3.5 应用场景
-
需求、想法模糊
-
大型项目启动
-
跨领域开发（不熟悉的技术栈）
-
需要填写完整的需求文档
四、延伸思考：AI深度思考
4.1 什么是扩展思维？
Claude在开始编码前进行“深度思考”：
-
多个方面的分析问题
-
制定详细计划
-
预见潜在问题
-
首次提升就对的概率
4.2 使用方式
# 普通模式：直接编码 claude "生成排序算法" → 立即返回代码 # 思考模式：先思考再编码 claude "生成排序算法" --extended-thinking → 先思考3-5分钟 → 制定方案 → 然后逐步编码 → 验证正确性
4.3 鲍里斯的最佳实践
❌ 误区：让Claude思考，但没有任何上下文 结果：花很多时间思考，但效果不好 ✓ 正确方式：提供上下文后再思考 最优流程： Step 1: 让Claude读取相关代码文件 ↓ （此时有上下文了） Step 2: 让Claude暂停，进行深度思考 ↓ Step 3: 让Claude根据思考结果制定计划 ↓ Step 4: 让Claude逐步编码并验证 Boris的比喻[225]： "这就像人；你可以想多久都行， 但除非你看代码，否则你不知道在做什么。"
4.4 质量对比
普通补全：速度快，但容易遗漏 Extended Thinking：更准确，但耗时增加30-50% 建议用法： └─ 关键代码（架构、算法、安全）：用Extended Thinking └─ 常规代码（UI、测试、文档）：用普通模式
五、多实例工作
5.1 概念
不是运行一个Claude处理所有任务，而是同时运行多个Claude分别处理不同的任务。
5.2 实现方式
# 终端中分别打开多个标签页 Tab 1: claude # Feature A Tab 2: claude # Feature B Tab 3: claude # Unit Tests Tab 4: claude # Documentation # 在每个标签页中按 Shift+Enter 进入"自动接受模式" # Claude自动执行，无需逐行确认 # 几分钟后回来查看，每个Tab都完成了各自的任务
5.3 使用Git Worktree管理分支
# 为每个Feature创建独立的工作树 git worktree add ../project-feature-a feature-a cd ../project-feature-a && claude # 在另一个终端 git worktree add ../project-feature-b feature-b cd ../project-feature-b && claude # 完成后清理 git worktree remove ../project-feature-a git worktree remove ../project-feature-b # merge回主分支 git merge feature-a feature-b
5.4 实际成果
串行开发： Feature A（2h）→ Feature B（2h）→ Tests（1h） 总耗时：5小时 并行开发（Boris方式）： Tab1: Feature A（自动运行） Tab2: Feature B（自动运行） Tab3: Tests（自动运行） → 同时运行，最长任务决定总耗时 = 2小时 加速比：2.5倍
六、Headless模式：自动化与CI集成
6.1 什么是Headless模式？
普通模式：交互式 ├─ Claude逐行提示 ├─ 等待人工确认 └─ 适合手工操作 Headless模式：自动执行 ├─ 无需交互 ├─ 返回JSON结果 └─ 适合自动化和CI/CD
6.2 使用场景
-
GitHub Actions：自动审查问题、打标签
-
预提交钩子：提交前自动检查
-
CI/CD Pipeline：自动化测试和构建
-
定时任务：每日代码审查
6.3 实例
GitHub Actions自动标签
# .github/workflows/auto-label.yml name: Auto Label Issues on: issues: types: [opened] jobs: label: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - run: | claude -p "Review the GitHub issue and suggest appropriate labels" \ --headless \ --output-format json
预提交 Hook 自动修复
#!/bin/bash # .git/hooks/pre-commit claude -p "Fix code style issues in staged files" \ --headless \ -c auto_apply_fixes=true
JSON流输出：
claude -p "Generate TypeScript types for this API" \ --output-format stream-json \ --headless
七、高效的代码审查
7.1 Boris 的多代理代码审查策略
不是让一个克劳德检查所有问题，而是多个特工各司其职：
第一轮（5个Agent并行）： ├─ Agent 1：检查合规性（遵循代码规范） ├─ Agent 2：查看Git历史（相似代码检查） ├─ Agent 3：寻找逻辑错误（边界条件等） ├─ Agent 4：检查性能问题（O(n²)等低效） └─ Agent 5：检查安全漏洞（SQL注入、XSS等） 第二轮（5个Agent并行）： └─ 检查第一轮的"假阳性"（发现的问题其实没问题） 最终输出： └─ 高质量的问题清单（已去除假阳性）
7.2 命令
# 自动生成代码审查报告 claude -p "Review src/ folder and generate detailed code review" \ -p "Focus on: performance, security, style, logic errors" \ --output-format json # 输出JSON包含： # { # "overall_score": 7.5, # "issues": [ # {"severity": "high", "type": "security", "description": "...", "fix": "..."}, # {"severity": "medium", "type": "performance", "description": "..."} # ], # "recommendations": [...] # }
八、快速命令设置与别名
8.1 “满血配置”克劳德代码
# 终端中添加以下alias到 ~/.bashrc 或 ~/.zshrc alias codex='claude \ -m claude-3-7-sonnet \ -c model_reasoning_effort="high" \ -c model_reasoning_summary_format=experimental \ --search \ --dangerously-bypass-approvals-and-sandbox'
参数详解：
-
-m claude-3-7-sonnet：使用最新的Sonnet模型 -
-c model_reasoning_effort="high"：推理迭代最大化 -
-c model_reasoning_summary_format=experimental：每步输出总结 -
--search：启用搜索能力 -
--dangerously-bypass-approvals-and-sandbox：跳过安全确认（面粉使用）
8.2 其他实用别名
# 快速代码生成 alias code='claude -m claude-3-7-sonnet' # 快速测试生成 alias testgen='claude -p "Generate comprehensive unit tests" -m claude-3-7-sonnet' # 快速文档生成 alias docgen='claude -p "Generate technical documentation" --output-format markdown' # 快速bug修复 alias bugfix='claude -p "Analyze and fix bugs" -c model_reasoning_effort="high"' # 快速审查 alias review='claude -p "Perform code review" --headless --output-format json' # 查看已保存的记忆 alias memory='cat CLAUDE.md'
九、鲍里斯强调核心洞察
9.1 “现在是人工智能表现最差的时刻”
“vibecoding（纯AI编程）现在还不够好。但现在是它表现最差的时刻。未来只会持续进步。”
对开发者的启示：
-
现在学会与AI协作比等待AI完美更重要
-
6个月后AI会强脱发，要定期重新评估
-
不要因为“之前试过AI不行”就放弃，重新尝试
9.2“每次模型更新要重新调整直觉”
现象：Claude每次更新都变强 ↓ 结果：之前"不行的任务"现在可能可以了 ↓ 建议： ├─ 定期（每月）重新测试AI在你的任务上的能力 ├─ 不要基于旧版本的经验拒绝新能力 └─ 对新版本的能力重新校准期望
鲍里斯的观察：
“每次新版本发布，都能增长，克劳德第一次能完成正确更多的事情，所以你每次都可以多要求一点。不幸的是，每次模型更新，情况都会变。所以你不能只学一次。”
9.3 “选择合适的协作模式最关键”
不同复杂度的任务，需要不同的方式： 简单（bug修复、测试）：100% AI自动 ↓ 中等（新特性、重构）：AI初稿+人工验证 ↓ 复杂（架构、核心算法）：人工主导+AI建议 一刀切的做法会浪费时间
十、Boris实战案例总结
| 案例 | 时间 | 工具 | 结果 |
|---|---|---|---|
| macOS 烟花应用 | 40分钟 | Opus 4.5 + XcodeBuildMCP | 完整可运行应用 |
| 三.js冬季小屋 | 1小时 | Claude vs GPT-5.2 对标 | 对比测试数据 |
| 多代理代码审查 | 不适用 | 5个代理人 | 高质量审查报告 |
| CI自动标签 | 自动 | 无头模式 | GitHub 自动集成 |
最终建议
✓ 一定要做的
-
创建CLAUDE.md：记录项目规范，自动加载上下文
-
采用“先问问题”模式：新项目时先让AI采访你
-
选择合适的协作方式：不同任务不同策略
-
定期重新评估：每月测试AI的新能力
✗一定要避免
-
期望AI完全占领：现在还早，配对方式正确
-
根据旧版本经验做决策：模型更新太快
-
一刀切地用同一方法：要根据任务复杂度调整
意见结论
Claude Code的最大价值不是替代招聘人员，而是让有技能的招聘人员用AI强大的协作伙伴，通过CLAUDE.md保持一
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
23
0- 0
已为社区贡献8条内容
所有评论(0)