Claude Code 创始人 Boris 揭秘：团队 10 倍效率技巧

核心观点

当 AI 成为程序员的标配，真正拉开差距的不是工具本身，而是使用方式。

Boris（Claude Code 创始人）首次公开团队内部使用手册，这些技巧来自 Claude Code 核心团队的真实工作场景，可以让工作效率比以前高出 5--10 倍。他的原话颇具代表性：

"我已有 6 个月没写过一行 SQL 代码了。"

十大效率技巧

1. 并行作业：构建多线程作战环境

这是团队给出的 Top 1 建议。

同时开启 3--5 个 git 工作树（worktree），每个运行独立的 Claude 会话：

一个 Claude 负责重构代码
一个 Claude 负责写测试
一个 Claude 负责分析日志

进阶技巧： 给工作树命名并设置 shell 别名（如 za、zb、zc），一键切换不同任务环境。也可专门维护一个「分析专用」工作树，只用来跑 BigQuery 和看日志。

2. 计划模式（Plan Mode）：复杂任务必须先规划

团队铁律：每个复杂任务都从计划模式开始，而不是直接编码。

把精力投入计划阶段，让 Claude 一次性完美实现
进阶玩法： 让一个 Claude 写方案，开第二个 Claude 扮演「主任架构师」审核
避坑指南： 代码一旦跑偏，立刻跳回 Plan Mode 重新规划，而不是反复打补丁

3. CLAUDE.md：让 AI「记住」你的所有规则

这是 Claude 的长期记忆系统，也是普通用户最容易忽视的一点。

每次 Claude 犯错后，在反馈末尾加上：

vbnet 复制代码

Update your CLAUDE.md so you don't make this mistake again.

Boris 透露，Claude 非常擅长给自己写规则。持续迭代 CLAUDE.md 文件直到错误率显著下降。有经验的工程师甚至让 Claude 为每个任务/项目维护专门的笔记目录，每次 PR 后更新，并在 CLAUDE.md 中引用这些笔记。

4. 重复的事，一定要变成 Skill

原则：如果某件事每天重复做超过两次，就该把它写成 Skill，提交到 git，在所有项目间复用。

真实案例：

/techdebt：每天结束前扫描重复代码
一个 Slash Skill：同步 7 天的 Slack / GDrive / Asana / GitHub 数据
数据工程 Agent：写 dbt、Review、测试

Claude Code 的威力，不在「对话」，而在可复用能力的积累。

5. 90% 的 Bug，Claude 可以自己修

Claude 团队修 Bug 的方式非常「反直觉」------不要去教 Claude 怎么 fix，让 Claude 自己决定。

操作示例：

开 Slack MCP，把一个 Bug 讨论串丢给 Claude，只说一个字：fix
或者直接：Go fix the failing CI tests.（不指定步骤、不微操）
分布式系统中：直接把 docker logs 给 Claude 分析

6. 提升 Prompt 技巧：从「请示」到「挑战」

不要只会求 AI 帮写代码，要学会「挑战」它，像对待高级同事一样协作。

三个改变游戏规则的 Prompt 技巧：

角色反转审查 ："证明给我看这能工作"，让 Claude 对比主分支和功能分支的行为差异
优雅重构 ："已知目前所有条件，把这个垃圾删了，重写一个优雅的方案。"
详细规格：提前编写详细规格说明，减少歧义------你越具体，输出质量越高

示例 Prompt："质问我这些变更，直到我通过你的测试才创建 PR。"

7. 终端环境优化：工具配置决定效率上限

Claude Code 团队的偏爱配置：

终端：Ghostty（同步渲染、24-bit 颜色、Unicode）
状态栏 ：用 /statusline 显示当前 git 分支 + Context 使用率
多任务：tmux / 多 tab，每个标签对应一个任务/worktree，并对标签进行颜色编码和命名

一个被严重低估的技巧：语音输入。 说话比打字快 3 倍，Prompt 质量反而更高。

8. 子代理（Subagents）：更多算力，但不污染主上下文

使用原则：

在任何请求后加「使用子代理」，让 Claude 投入更多算力
把单个任务卸载给子代理，保持主代理的上下文窗口干净聚焦
通过 hook 将权限请求路由到 Opus 4.5，自动扫描并批准安全请求，实现权限管理自动化

9. 数据分析：告别手写 SQL 的时代

Claude 团队几乎已经不用手写 SQL。

使用 Claude Code 调用 bq 命令行工具即时拉取和分析指标
在代码库中维护 BigQuery 技能，团队每个成员直接在 Claude Code 中进行分析查询
这种方法适用于任何有 CLI、MCP 或 API 的数据库

实战示例："帮我分析上周用户增长异常的原因"------AI 会自动写 SQL、拉数据、出图表、给结论。

10. 用 Claude 学习：而不只是让它干活

Claude 团队内部的学习用法：

在 /config 中开启「Learning / Explanatory」输出模式，让 Claude 解释改动背后的原因
对于不熟悉的代码，让 Claude 生成可视化 HTML 演示文稿
要求 Claude 绘制新协议和代码库的 ASCII 图表，帮助理解
构建间隔重复学习 Skill（你讲 → 它追问 → 存储）

Claude 不只是生产工具，也是放大理解力的杠杆。

总结

Boris 在开头就强调：使用 Claude Code 没有唯一正确的方式，每个人的设置都不同。

这 10 条技巧只是起点，真正的效率提升来自于：

大胆实验，找到适合自己工作流的方式
持续迭代，不断优化技能和配置
分享交流，从团队中汲取智慧

AI 时代的编程，拼的不是打字速度，而是定义问题的边界以及调度算力的能力。