【万字长文】最强 AI Coding：Claude Code

这篇文章详细介绍了Claude Code辅助编程工具的使用方法和最佳实践，包括环境配置、MCP集成、上下文管理、自动化脚本和多Claude并发开发等核心功能。作者分享了一套完整的开发工作流，强调测试驱动开发和文档先行原则，展示了如何通过自定义命令和Hooks实现自动化，以及如何利用Git worktrees实现多Claude并行开发，大幅提升编程效率。

---

Claude Code 是目前最强的辅助编程软件，没有加之一，应该也没有人反对吧：）

如果还没用上 Claude Code（CC）,直接 https://cc.xiaohui.cool

📋 目录

1. 我现在的工作流
2. 初始环境配置
3. MCP 与常用命令
4. 核心工作流程
5. 上下文管理
6. 自动化与批处理
7. 多 Claude 并发干活

我现在的工作流

基于 CC，我综合了最佳实践形成了自己的工作流如下，整个过程其实我只需要提出需求以及Review。

时序图

流程细节

1. 有需要并发则创建多工作区
2. 在子工作区中每个分支启动 Claude 无限制模式，通过 Shift Tab 需要时切换模式
3. 对于新需求创建 issue，或者拉取当前 issue. 多个 issue 可以使用 GitHub Projects 管理。
4. 按照 issue 给 Claude Code 派活。对于复杂需求，使用探索模式理清需求, 尽量产出基于 TDD 的技术方案，简单review 后让 Claude 执行
5. 提交 PR
6. 通义灵码和 Gemini Code Assistant Review PR 代码
7. Claude 响应 Code Review 意见，点评后修复

8. 对每一个重复的工作都可以抽象成 commands ,注意 commands 不要太大，方便组合。 比如我们可以让 Claude 为我们添加一个pr-comments命令

接下来我将详细介绍 Claude 6 个部分的最佳实践。

Claude 最佳实践

1. 初始环境配置

---

1.1 创建 CLAUDE.md 文件

作用：作为项目记忆库，自动注入上下文，减少重复说明

推荐位置：

• 项目根目录（CLAUDE.md）
• 子目录（按需加载）
• 全局配置（~/.claude/CLAUDE.md）

内容结构：

# 项目基础信息
- 技术栈：React + TypeScript + Node.js
- 运行环境：Node 18+, Python 3.9+

# 常用命令
- `npm run dev`: 启动开发服务器
- `npm run test`: 运行测试
- `npm run build`: 构建项目

# 代码规范
- 使用 ES modules
- 函数使用 camelCase 命名
- 组件使用 PascalCase 命名

# 测试策略
- 单元测试使用 Jest
- E2E 测试使用 Playwright
- 测试文件命名：*.test.ts

# 注意事项
- 提交前必须运行 lint 和测试
- 新功能需要更新文档

这个和 cursurruels 类似，很多 AI Coding 类产品都有给 LLM 补充 context 的文件需要配置。

1.2 权限管理策略

安全配置：

# 查看当前权限
/permissions

# 允许特定操作
/permissions add Edit
/permissions add Bash(git commit:*)

# 跳过所有权限检查（谨慎使用）可以使用 Shift+ Tab 切换模式
claude --dangerously-skip-permissions

claude --dangerously-skip-permissions 也被称为YOLO （You Only Live Once) 模式：）

1.3 GitHub CLI 集成

安装：

brew install gh  # macOS

常用操作：

• 创建 PR：gh pr create
• 查看 Issue：gh issue view
• 添加标签：gh issue edit --add-label

---

2. MCP 与常用命令

---

2.1 MCP 服务器集成

常用 MCP 服务器：

{
"mcpadvisor": {
"command": "npx",
"args": [
"-y",
"@xiaohui-wang/mcpadvisor@1.0.4"
        ]
    },
"Up-to-date Docs For Any Prompt": {
"command": "npx",
"args": [
"-y",
"@upstash/context7-mcp@latest"
        ]
    },
"sequential-thinking": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-sequential-thinking"
        ],
"env": {

        },
"disabled": true
    },
"memory": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-memory"
        ],
"env": {

        }
    }
}

# 添加一个 MCP
claude mcp add <name> <command> [args...]

claude mcp add my-server -e API_KEY=123 -- /path/to/server arg1 arg2
# This creates: command="/path/to/server", args=["arg1", "arg2"]

更多命令直接输：

claude mcp

2.2 常用命令参数

如果在 Claude 中使用命令，为了和对话区分，需要前面加!。

#️ 继续最近的对话
claude --continue

# 可以选择最近的一些对话中的一个开始
claude --resume

#进入 Claude Debug 模式，会打印很多运行时日志
claude --debug

2.3 自定义 Slash 命令

创建命令： 在 .claude/commands/ 目录下创建 Markdown 文件。可以在 家目录下或者当前项目下。

mkdir -p .claude/commands

示例：修复 GitHub Issue,使用 $ARGUMENTS 作为占位符

# .claude/commands/fix-issue.md

请分析和修复 GitHub issue: $ARGUMENTS

执行步骤：
1. 使用 `gh issue view $ARGUMENTS` 获取详细信息
2. 理解问题描述
3. 搜索相关代码文件
4. 实现修复方案
5. 运行测试验证
6. 提交代码并创建 PR

使用方法：

/fix-issue 1234

Meta-Slash-Commands

和 Meta-Prompt 类似，又到了套娃的环节了！当然不用命令，直接说和 CC 说创建一个 Slash Command 也可以。这里命令来自 Vol 55. 你离顶级 Vibe Coder 至少差一个超级指令

---
allowed-tools:Write(*),Read(*),Bash(mkdir:*),Bash(ls:*),Bash(echo:*),Bash(cp:*),Bash(date:*)
description:生成一个支持版本管理的新斜杠命令
version:1.0.0
author:xiaohui
---

# 生成带版本管理的斜杠命令

您正在创建一个内置版本管理的新Slash Comamnd。根据 `$ARGUMENTS` 中的用户需求，生成一个完整的带版本控制的 Slash Comamnd 文件。

## 版本管理功能

此命令支持：
- **语义化版本控制** (MAJOR.MINOR.PATCH)
- 更新现有命令时**自动创建备份**
- 在 YAML Frontmatter 中**跟踪版本历史**
- **生成更新日志**

## 指令：

1.  **解析参数**：格式应为 `<command-name>"<description>" [project|user] [version] [additional-requirements]`
    - `command-name`: 斜杠命令的名称（不带 `/`）
    - `description`: 命令的作用
    - `scope`: "project" (`.claude/commands/`) 或 "user" (`~/.claude/commands/`) - 默认为 "user"
    - `version`: 语义化版本（新命令默认为 "1.0.0"）
    - `additional-requirements`: 任何所需的特殊功能

2.  **版本管理流程**：
    - 检查命令文件是否已存在
    - 如果存在：使用当前版本号创建备份
    - 更新版本号（适当递增）
    - 向 Frontmatter 添加更新日志条目

3.  **创建适当的目录结构**：
    - 对于项目命令：`.claude/commands/`
    - 对于用户命令：`~/.claude/commands/`
    - 如果需要，为备份创建 `versions/` 子目录

4.  **生成带增强 YAML Frontmatter 的命令文件**：
    ```yaml
    ---
    allowed-tools: [适当的工具]
    description: [命令描述]
    version: "X.Y.Z"
    created: "YYYY-MM-DD"
    updated: "YYYY-MM-DD"
    changelog:
      - version: "X.Y.Z"
        date: "YYYY-MM-DD"
        changes: ["初始版本" 或具体更改]
    ---
    ```

5.  **备份策略**：
    - 更新前：`cp command-name.md command-name.v[old-version].md`
    - 保留备份文件以便回滚
    - 可选：将备份移动到 `versions/` 子目录

6.  **根据需求考虑以下功能**：
    - Git 操作：包含与 Git 相关的 `allowed-tools`
    - 文件操作：包含 `Read`, `Write`, `Edit` 工具
    - GitHub 操作：包含 `Bash(gh:*)` 工具
    - Web 操作：包含 `WebFetch`, `WebSearch` 工具
    - 目录操作：包含 `LS`, `Glob`, `Grep` 工具

## 示例 allowed-tools 模式：
- `Bash(git:*)` - 用于 Git 命令
- `Bash(gh:*)` - 用于 GitHub CLI 命令
- `Read(*)`, `Write(*)`, `Edit(*)` - 用于文件操作
- `LS(*)`, `Glob(*)`, `Grep(*)` - 用于目录/搜索操作
- `WebFetch(*)`, `WebSearch(*)` - 用于 Web 操作

## 命令参数：$ARGUMENTS

现在使用版本管理创建Slash Command 命令文件，确保它遵循 Claude Code 斜杠命令的最佳实践。

3. 核心工作流程

---

工作流中最重要的是文档先行 和测试先行。以为现在 AI 写代码几乎毫不费力，人类负责把关的就是知道要写什么，和最后写的对不对。借用 ThoughtWork 徐昊的话，软件工程本质上是知识工程，软件是知识的实践和传递。

3.1 探索-计划

1. 探索阶段

   # 让 Claude 先了解项目结构和背景
   "请先阅读项目的主要文件，不要立即开始编码"
   "我们讨论一下 xxx ,这里是背景资料 xxx"
   

2. 计划阶段

   # 生成详细计划
   "请制定一个实现用户认证功能的详细计划，使用 think 模式"
   "将计划保存到 planning/auth-implementation.md"
   

⚠️ CC 明确表示，不同的词汇对应不同的模型思考预算： “think” < “think hard” < “think harder” < "ultrathink

3.2 测试驱动开发（TDD）

相比让 AI 先写功能再写测试，在项目有条件先写测试再写功能的时候，因为 AI 有一个明确的迭代目标（让测试通过），AI 表现更好，用户也方便验收。不过要完全驾驭 AI + TDD，也是有点难度。 验证时需要明确告诉 AI 我们正在做 TDD，需要红绿循环。当所有测试通过后，最好再开启一个独立的 Agent 去检查测试是否过拟合了。以下是一个伪Prompt:

我们正在进行测试驱动开发（TDD），请你不要创建模拟实现，即使对于还没有实现的功能。
请你根据功能 xxx 和预期输入输出：xxx 编写测试。
你运行测试时将会经历红绿循环。当没有实现或实现有无时，测试红色报错，当实现正确时，测试绿色通过。不要修改测试。专注实现规划的测试功能。持续迭代，直到所有测试通过。

---

4. 上下文管理

---

4.1 详细的指令

对比示例：

❌ 模糊指令	✅ 详细指令
“添加测试”	“为 UserService 的 login 方法添加测试，验证密码错误时抛出 AuthenticationError”
“修复 bug”	“修复 Issue #123：用户登出后仍然可以访问受保护页面”
“优化性能”	“优化 /api/users 接口，将响应时间从 2s 降低到 500ms 以内”

精准用词

• “think” 代表一般的思考
• “think more" 、“think harder" 代表更多的思考 值得一提的是，让 LLM 更多地思考还有很多方法，比如使用 <think> 的COT和 few-shot , 或者使用 sequential-thinking MCP。

4.2 上下文管理

保持专注：

# 清除不相关上下文
/clear

# 聚焦特定目录
# 或者直接切到这个目录再使用 Claude Code
"请专注于 @src/auth/ 目录下的文件"

# 使用检查清单
"创建一个修复 lint 错误的检查清单，逐项完成"

4.3 数据输入方式

# 1. 直接粘贴
# 2. 管道输入
cat error.log | claude "分析这些错误日志"

# 3. 文件读取
"请读取 data/users.csv 并分析用户分布"
# 4. 如果文件就在当前目录下直接 @
"请读取 @users.csv 并分析用户分布"

# 5. URL 获取,注意网络是否需要 VPN
"请分析 https://api.github.com/users/octocat 的响应结构"

# 6。 引用 MCP Resources， 当连接了 MCP ，格式是 @server:resource
"看看现在有哪些 issue：@github:repos/owner/repo/issues"

4.3 结合图片开发

CC 虽然跑在命令行里面，但是可以向对话中添加图片！

• 将图片拖放到 Claude Code 窗口中。
• 复制图片，然后使用 Ctrl + V 将其粘贴到 CLI 中（不是 Cmd + V）。
• 向 Claude 提供图片路径。 例如：“根据截图结果：/path/to/your/image.png 调整样式，使用 Puppeteer 截图对比设计稿，直到匹配设计稿 ”

5. 自动化与批处理

---

5.1 无头模式（Headless Mode）

基本用法：

# CI/CD 集成
claude -p "运行所有测试并生成覆盖率报告" --output-format stream-json

# 批量处理
claude -p "为所有 TypeScript 文件添加类型检查" --allowedTools Edit

5.2 自动化脚本示例

Issue 自动分类：

#!/bin/bash
# auto-triage.sh

ISSUE_NUMBER=$1
claude -p "
分析 GitHub Issue #$ISSUE_NUMBER 并添加合适的标签
步骤：
1. 读取 Issue 内容
2. 识别问题类型（bug/feature/docs）
3. 评估优先级
4. 添加标签
" --allowedTools mcp__github__add_labels

5.3 Pre-Commit Hooks

.git/hooks/pre-commit：

#!/bin/bash
# 使用 Claude 检查代码质量

claude -p "
检查即将提交的代码：
1. 运行 lint 检查
2. 确保测试通过
3. 验证代码风格一致性
4. 如有问题，提供修复建议
" --allowedTools Bash

5.4 Claude Code Hooks

这个写 Spring 的应该很熟悉，类似简单的 Spring 生命周期扩展点，在CC 执行的每个阶段执行对应的 Hook 动作。CC 也提醒你配置Hooks 自动化运行后结果自负。使用 /hooks 进入。

实际上他们存在 setting.json 文件中

• ~/.claude/settings.json - User settings
• .claude/settings.json - Project settings

hooks 中的变量

• $CLAUDE_FILE_PATHS - 正在修改的文件
• $CLAUDE_TOOL_INPUT - 完整工具参数的 JSON 格式
• $CLAUDE_NOTIFICATION - 通知消息内容 输入参数参见官方文档：https://docs.anthropic.com/en/docs/claude-code/hooks

1. PreToolUse Hook

这些 hooks 在 Claude 执行任何操作之前运行。比如检查生产环境的文件不应该被修改：

[[hooks]]
event = "PreToolUse"
[hooks.matcher]
tool_name = "edit_file"
file_paths = ["src/production/**/*"]
command = "echo 'WARNING: Attempting to modify production files!' && exit 2"`

2. PostToolUse Hook

在不同的目录执行不同的格式化工具-假如是一个 monorepo 语言不一样的话：

[[hooks]]
event = "PostToolUse"
[hooks.matcher]
tool_name = "edit_file"
command = """
for file in $CLAUDE_FILE_PATHS; do
  case $file in
    frontend/*.ts) prettier --write "$file" ;;
    backend/*.go) gofmt -w "$file" ;;
    docs/*.md) markdownlint --fix "$file" ;;
  esac
done
"""

3. Notification Hook

[[hooks]]
event = "Notification"
[hooks.matcher]
command = """
notify-send 'Claude Code' 'Awaiting your input'
"""

4. Stop Hook

Claude Code 在结束当前 Loop 前运行测试：

[[hooks]]
event = "Stop"
run_in_background = true
[hooks.matcher]
tool_name = "edit_file"
file_paths = ["src/**/*.py", "tests/**/*.py"]
command = "pytest --quiet || (echo 'Tests failed! Fix them before proceeding.' && exit 2)"

5.5 把 Claude 当做一个 Unix 工具来用

比如将 Claude 添加到CI/CD 构建脚本：

// package.json
{
"scripts": {
    ...
"lint:claude": "claude -p '你是一个代码检查工具。请查看与 main 分支的更改，并报告任何与拼写错误相关的问题。在一行中报告文件名和行号，在第二行中描述问题。不要返回任何其他文本。'"
  }
}

还有之前举过的例子，把 Claude 放在管道（Pipe）中

cat code.py | claude -p '分析此代码中的错误' --output-format json > analysis.json

自然地，你可以在脚本里面写循环来调用 CC 批处理多个任务

6. 多 Claude 并发干活

---

6.1 代码审查模式

双 Claude 协作：

# 终端 1：代码编写
claude "实现新的用户注册功能"

# 终端 2：代码审查（新终端）
cd same/project && claude
# 然后询问："请审查刚才实现的注册功能代码"

6.2 并行开发策略

并行开发的核心是要给 Claude 创建相互独立的环境，简单来说就是对同一份代码仓库复制出多个相互隔离的仓库。那我们就可以使用Git Worktrees 方法：

# 创建新的工作区 project-auth 并关联上 feature/auth 分支，如果这个分支不存在，会自动创建
git worktree add -b  feature/auth ../project-auth feature/current_branch
git worktree add -b feature/ui-redesign  ../project-ui feature/current_branch

这样就会在当前项目目录的上级目录基于feature/current_branch 分支拷贝一份当前项目作为工作区。注意依赖并不会拷贝过去，有需要的话要先npm install 之类先装好依赖环境。

继而可以在在不同工作区启动 Claude：

cd ../project-auth && claude
cd ../project-ui && claude

当子工作区任务完成的时候记得使用 git worktree remove ../project-auth 删除子工作区

不过这样做其实环境还不够隔离，比如 数据库 、redis 以及全局生效的配置文件、环境变量还是没有隔离，可能会使用相同的资源，想要做到真正的隔离得给每个 CC 分配一个 Docker 或者真的配个 Mac Mini （以及有人这么干了） 。不过干中学，先给 CC 分配几个目录小隔间满足下。

---

零基础如何高效学习大模型？

你是否懂 AI，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。

为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和鲁为民博士系统梳理大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！