我们可能每天都在用 AI，问它问题，让它写代码，感觉自己已经是 AI 时代的新新人类了。但你有没有想过，那些真正创造 AI、每天和 AI 泡在一起的顶级开发者，他们是怎么用 AI 的？他们眼中的“高效”，和我们理解的一样吗？
最近，Claude Code 的创造者 Boris，分享了他们团队内部总结出的 10 个使用技巧。这些技巧不只是些小窍门，更像是一套全新的工作哲学，看完让人有种“原来还能这么玩”的感慨。下面我们来逐一解读。
1、并行处理：像拥有分身术一样工作
这是团队公认的、提升生产力的头号大招。具体做法是，同时开启 3 到 5 个 git worktrees，每个都在一个独立的 Claude 会话中并行运行。这就像你一个人同时拥有了三到五个分身在不同的项目或任务上工作，效率的提升是指数级的。
为了方便管理，有的人会给这些 worktrees 命名，并设置 shell 别名（比如 za、zb、zc），这样敲一下键盘就能在不同任务间快速切换。还有人会专门设一个“分析”用的 worktree，只用来读日志和跑 BigQuery，让任务分工更加明确。
2、计划模式先行：从建筑师视角思考
我们很多人用 AI，就像带一个实习生，得手把手地教。但 Claude 团队最重要的一个心法是：所有复杂任务都从“计划模式”开始。他们会把大量精力投入到制定一个详尽的计划上，然后交给 Claude，让它一气呵成地去实现。
有的人甚至会开两个 Claude，一个负责写计划，另一个扮演资深工程师的角色，专门审查这个计划。一旦中间出了问题，他们的第一反应不是硬着头皮往下修，而是立刻回到计划模式，重新审视和调整蓝图。他们还会在验证步骤中也明确要求进入计划模式，而不只是在构建时。这避免了在错误的方向上浪费时间，真正做到了从“砌砖工”到“建筑师”的思维转变。
3、用心维护 CLAUDE.md：打造一个会进化的 AI
这个文件就像是给 Claude 定制的“专属操作手册”或“家规”。每次 Claude 犯了错，他们在纠正之后，都会加上一句：“更新你的 CLAUDE.md，下次别再犯同样的错误。“
令人惊讶的是，Claude 非常擅长为自己总结和编写规则。随着时间推移，这个文件会越来越完善，Claude 的犯错率也会肉眼可见地下降。有位工程师甚至会让 Claude 为每个任务或项目维护一个笔记目录，每次提交 PR 后都更新，然后再让 CLAUDE.md 指向这个目录。这等于你拥有了一个能自我学习、自我进化的 AI 伙伴，你的每一次调教都不会白费。
4、创建可复用技能：构建你的命令库
顶级玩家思考的，从来不是怎么完成一个任务，而是怎么构建一个能持续完成任务的系统。他们的原则是，如果你每天做某件事超过一次，就应该把它变成一个技能或命令，并提交到 git 仓库里，方便在所有项目中重复使用。
比如，他们会创建一个 /techdebt 斜杠命令，在每次工作结束时运行，自动查找并干掉重复的代码。或者创建一个命令，一键把最近 7 天的各种工作信息（Slack、GDrive、Asana、GitHub 等）打包成一个上下文，方便随时调用。他们把一次性的努力，变成了可以无限复用的资产，这就是复利的威力。
5、让 Claude 自己修 bug：学会授权与信任
当遇到 bug 时，我们的第一反应可能是自己去定位、去调试。而他们的做法是，启用 Slack MCP，然后把一个关于 bug 的 Slack 讨论串粘贴给 Claude，直接说“修好它”，完全不需要切换工作环境。
或者，直接说“去把 CI 里挂掉的测试修好”，完全不去微观管理它具体怎么做。他们甚至会把 docker 日志指向 Claude，让它排查复杂的分布式系统问题，据说效果出奇地好。这背后是一种深刻的信任和授权，把 AI 当成了一个能独立解决问题的伙伴。
6、提升提示词水平：把 AI 当成你的教练
这不仅仅是把问题问得更清楚。Claude 团队把与 AI 的对话变成了一种激发自己、提升标准的训练。
比如，他们会挑战 Claude：“仔细审查我的这些改动，在我通过你的测试之前，不准创建 PR。”让 AI 成为自己严厉的代码审查员。或者说：“向我证明这个能行”，然后让 Claude 对比主分支和功能分支在行为上的差异。当 AI 给出一个平庸的修复后，他们会说：“现在你已经知道了所有情况，把刚才的方案扔了，给我实现那个更优雅的方案。”
当然，基础也很重要：在交办工作前，写出详细的需求说明，减少模糊不清的地方。你给的指令越具体，得到的输出质量就越高。
7、优化物理交互：让输入跟上思考
一个简单却极其有效的技巧是：用语音输入。我们说话的速度通常是打字的三倍，这意味着用语音下达指令，可以让你的提示词详尽和丰富得多。在 macOS 上，连按两下 fn 键就能开启语音输入，一个小小的习惯改变，就能带来巨大的效率提升。
此外，他们还会用 /statusline 自定义终端状态栏，让它始终显示上下文用量和当前的 git 分支；用 tmux 等工具给终端标签页上色和命名，让每个任务一目了然。
8、使用子智能体：保持主线任务的专注
当任务变得异常复杂时，他们会使用子智能体（subagents）。你可以在任何请求后面加上“use subagents”，让 Claude 投入更多计算资源来解决问题。
更常见的用法是，把一些独立的子任务分派给子智能体去处理，这样主对话窗口的上下文就能保持干净和专注，避免信息过载。这就像一个 CEO，他不会事必躬亲，而是把不同任务交给不同的部门经理。他们甚至会通过钩子（hook）把权限请求路由给 Opus 4.5，让它扫描攻击并自动批准安全的请求。
9、用 AI 做数据分析：告别手写 SQL
这可能是最让人开眼界的用法之一。Boris 本人说，他已经超过 6 个月没写过一行 SQL 代码了。他们团队直接在 Claude 里，用“bq”等命令行工具让 AI 实时查询和分析数据。团队的代码库里有一个共享的 BigQuery 技能，每个人都直接在 Claude 里用它来做分析查询。
这个方法适用于任何有命令行工具、MCP 或 API 的数据库。AI 已经成了他们的数据分析师。
10、把 AI 当学习伙伴：加速你的成长
最后，他们还把 AI 变成了一个强大的学习工具。
比如，在 /config 中启用“解释性”（Explanatory）或“学习”（Learning）输出风格，让 Claude 解释它每次改动背后的原因。或者，让 Claude 生成一个可视化的 HTML 演示文稿来给你讲解一段你不熟悉的代码，据说效果好得出奇。他们还会让 Claude 画出新协议和代码库的 ASCII 结构图，把抽象的逻辑变得具体可见。
更有创意的是，他们构建了一个间隔重复学习的技能：你先向 AI 解释自己的理解，AI 负责追问和填补知识空白，然后把结果储存起来，帮你真正掌握新知识。
结语
看完这些用法，你会发现，我们与顶级玩家的差距，可能不在于我们用的 AI 版本不同，而在于我们使用 AI 的思维模式。他们没有把 AI 当成一个简单的问答机器或代码生成器，而是把它视为一个可以并行作战的伙伴、一个可以持续调教的系统、一个可以教学相长的老师，以及一个可以突破物理限制的效率放大器。这或许才是拥抱 AI 时代的正确姿势。
