元旦假期刚过就看到了 Claude Code 作者发布的 13 条技巧，但是最近实在太忙，没来得及仔细学习。
昨天和朋友聊到这个，才再次想起。
由于最近一段时间 Claude Code 的使用没有像 TRAE 和 Cursor 那么多，今天就结合我的经验，和大家聊聊我对这 13 条技巧的的理解和实践。
终端多开并行
原文思路
在终端并行运行 5 个 Claude 实例，为每个标签页编号（1-5），利用系统通知功能提醒需要人工输入的任务，提高多任务处理效率。
理解/实践
现在各个 AI IDE 几乎都支持了多 Agent 并行的特性，这个特性对效率的提升并不是30%、40%这样增加的，而是随着 Agent 的启动成倍增加，这应该也是自动化的根本意义（我认为 AI 本身就是一种高级的自动化）。
在还没有该特性的时候，我和很多伙伴都是通过 IDE 多开 、多 IDE 切换实现并行开发的效果，不过，终究不如现在这样高效。
多端无缝联动
原文思路
结合网页端（5-10个会话）与移动端（如iOS应用）并行协作，使用--teleport命令在不同设备间同步会话进度，实现跨平台无缝衔接。
理解/实践
针对可以运行长任务的模型，多端切换确实非常有效。
你可以在外出、休息的时候掌控开发任务的进度，或者进行新的开发任务的启动。
由于 AI IDE 的界面特性，一直没有实践过，后续可以尝试通过 VS 插件 结合 APP 的模式试试。
优选思考模型
原文思路
使用带有"思考过程（thinking）"的 Opus 4.5 模型，尽管速度较慢，但更智能、更擅长调用工具，能减少人工引导，提高执行效率。
理解/实践
这个说实话，个人最近已经很少注意了，毕竟现在的几个主流 Coding 模型应该都是"思考"模型。
团队共用规范
原文思路
维护一个团队共享的 claude.md 文件，记录项目规范、编码习惯和 Claude 的错误案例，定期更新并提交到 Git 仓库，避免重复犯错。
理解/实践
这一点非常有用，不仅限于统一团队代码生成的规范。更是可以通过大家的写作，更快、更全面地整理出一套完善的 claude.md。
Cursor 是直接支持识别 claude.md，国内的其它 IDE 估计也很快会支持，毕竟 claude.md 几乎已经快要成为一个默认的标准了。
审查即刻更新
原文思路
在代码审查（PR）过程中，通过 @.claude 指令将新发现的规则或规范自动添加到 claude.md，利用 Claude Code 的 GitHub Action 实现自动化更新。
理解/实践
国外他们普遍接受 Github 方式开发，所以，Claude Code 有开发专门的 Github 应用，可以直接在 Issue 和 PR 阶段调用 Claude。
但据我了解，国内目前没有现成的方案。
Claude Code 和私有仓库，还可以借助 Git Hook 和 Claude Agent SDK 自行开发，AI IDE 的话，确实比较麻烦。
先谋而后动
原文思路
任务开始前先启用"计划模式（Plan Mode）"（双击 Shift+Tab），与 Claude 沟通确认方案，满意后再切换到"自动接受修改模式"执行，降低试错成本。
理解/实践
这个之前聊过很多次，甚至在没有 Plan 模式时，我就在分享参考"费曼学习法"让 AI 先复述一遍会大大提升回答质量。
其实本质都是让 AI 和你的思维对齐，因为同样的文字可能在你和 AI 的理解中是不一样的，只有 AI 再次返回一致，才证明你们理解同步了。
现在 Cursor/TRAE 等各类 AI IDE 都支持了 Plan 模式，大家直接使用即可。
下面 3 个技巧（高频操作指令化、部署专用子智能体、自动格式化 ）在我的理解中，应该是同样的目的，都是自动化提高效率，不管是指令 方式、子智能体 方式，还是钩子方式。
高频操作指令化
原文思路
将每天重复的内循环工作流（如提交代码、合并分支等）封装为斜杠命令（Slash Commands），存放在.claude/commands/目录并提交到Git，减少重复输入。
理解/实践
Cursor 是直接支持 Claude 指令的，设置中勾选即可。
TRAE 暂时尚未支持该类特性，但是可以通过创建智能体模拟。
部署专用子智能体
原文思路
使用特定功能的子智能体（Subagents），如 code-simplifier 简化代码、verify-app 进行端到端测试，自动化常见流程。
理解/实践
现在 AI IDE 已经普遍支持自定义智能体了。
尤其是 TRAE 的智能体还支持 Claude Code 主智能体自动调用子智能体的特性，挺好用的。
自动格式化
原文思路
使用 PostToolUse 钩子自动修正 Claude 生成代码的格式细节，避免在持续集成（CI）中因格式问题报错。
理解/实践
格式不规整虽然不影响 AI 阅读，但现在的 AI 尚未达到生成质量100%接受的程度，因此良好的格式化还是非常有利于我们 CR 和接手的。
AI IDE 都是 VS Code 系的架构，可以借助各类语言的格式化插件进行替代实现。
权限精细化管理
原文思路
通过/permissions命令预先批准安全的Bash命令白名单，配置保存在.claude/settings.json中，团队共享，平衡安全与操作流畅度。
理解/实践
权限管理很重要，Cursor/TRAE 都提供了自定义 Auto Run 的功能。
根据自己的情况，把一些常用但不危险的命令加入白名单，将大大降低你被 AI 通知打断的频率。
下面 3 个技巧（全工具链集成 、长任务无人值守 、构建验证闭环）我感觉又是一组的，并且还是层层递进的。
全工具链集成
原文思路
通过MCP服务器集成 Slack、BigQuery、Sentry 等外部工具，让 Claude 能跨平台操作（如搜索 Slack 消息、运行 BigQuery 查询、抓取错误日志）。
理解/实践
工具链打通肯定是大家所期望的，谁都不喜欢在一个工具中干的好好时，需要 Alt+Tab 切换工具。
而这也是后面 2 个技巧的基础：工具集成的越多，AI 任务被中断的可能就会越少。
最近几年，国内越来越多的生态提供了 API 接口，再加上今年的 MCP，越来越多的工具已经可以被 AI 接入。
长任务无人值守
原文思路
对于长时间运行的任务，采用后台验证、stop钩子或 Ralph-Wiggum 插件进行自动化验证，配合沙箱模式或 --permission-mode=dontask 避免权限中断。
理解/实践
这一点也是我们团队目前一直在努力的方向：
通过各种工程化手段，逐步提升 AI Coding 任务的长度和复杂度，帮我们节省出更加大块的时间，可以做更多其他的事情。
此处 AI Coding 任务并不是一次 AI 对话，而是通过 Agent 架构自行实现目标分解、工具调用、多轮 AI 请求的一个完整目标完成过程。
构建验证闭环
原文思路
为Claude提供明确的验证方法（如运行测试脚本、打开浏览器测试UI），通过反馈闭环提升最终结果质量，这是提高产出质量的关键技巧。
理解/实践
如果说"长任务无人值守"是 AI Coding 的期望目标的话，"构件验证闭环"就是实现这个目标的保证。
毕竟，长任务执行后，结果不好，那一切都免谈。
因此，建立一个良好的验证方法，可以大大降低任务返工的几率。
这 13 条技巧整体上还是非常明晰且有效的，大家可以结合自己的情况进行尝试。
如果你对这 13 条技巧有什么不同的理解或疑问，欢迎留言讨论！