回顾过去一年，AI 编码工具在我的工作流中经历了三个阶段：最初是辅助 —— 用 Cursor 做补全和局部重构，本质上还是人写代码、AI 打下手；接着是全面拥抱 —— 切换到 Claude Code 后，从需求分析到代码生成再到测试验证，整条链路都交给 AI 驱动；如今进入高效协作—— 通过 Plan Mode、Sub Agent、多终端并行等机制，AI 不再只是执行者，而是一个能拆解任务、并行推进、自主验证的工程搭档
一、Claude Code Agent 工作流全景
Claude Code 是 Anthropic 官方推出的命令行 AI 编码工具。随着 Opus 4.6 模型的发布，Claude Code 引入了 Agent Teams 等重量级能力，从"单 Agent 对话工具"进化为一套完整的 Agent 工程体系。在实际使用中，我把 Claude Code 的工作流总结为三个阶段：计划、并行推进、长周期演进。
计划。 面对复杂需求，我会在提示词中明确指定 Plan Mode 和 Sub Agent，比如："请先进入 plan mode，use subagents 分析以下需求……"。这样 Claude 会进入只读状态，配合子代理摸清项目现状 —— 读代码、分析架构、理解需求，不动一行代码。与此同时，CLAUDE.md、Memory、Agentic Search 自动拉齐历史决策、项目规范和外部资料，确保规划基于完整上下文。Claude 产出执行计划后，由你审批确认，再进入执行阶段。这一步的关键在于：通过 use subagents 让多个子代理并行探索（一个分析代码结构、一个查阅文档、一个梳理依赖关系），比单线程分析快很多。
并行推进。 计划确认后，进入执行阶段。这里有两种并行方式，适用于不同场景。第一种是 Agent Teams（Opus 4.6 新增的实验性功能），适合单个复杂任务的内部并行：在提示词中指定"use agent team 来完成这个任务"，Claude 会组建一个 AI 团队 —— Lead Agent 负责调度和审核（可切换到 Delegate Mode，不亲自改代码），Teammates 各自在独立上下文中工作，互相直接沟通、通过共享任务列表自行认领工作。Anthropic 工程团队曾用类似的方式，16 个 Claude Code 实例并行协作，在两周内写出一个能编译 Linux 内核的 10 万行 C 编译器。第二种是 多实例并行开发，适合同一项目的多 Feature 同时推进：使用 Claude Squad（一个基于 Git worktree 实现的可视化多 Agent 并行开发工具），每个 Agent 在独立的工作树和分支上工作，代码互不干扰，一个界面统一管理所有 Agent 的状态和 diff。两种方式可以组合使用 —— 用 Claude Squad 管理多个 Feature 分支，每个分支内部再用 Agent Teams 做任务拆分。
长周期演进。 任务完成后，不要让积累的知识随着会话关闭而消失。Compact 自动压缩上下文，保证长对话不丢失关键信息；更重要的是，将架构决策、踩坑经验、技术方案等关键知识沉淀到记忆系统中 —— 写入 CLAUDE.md 作为项目级规范，或通过 Memory 注册为长期记忆，也可以借助 basic-memory 等 MCP 工具构建持久化知识库。这样 Claude 对项目"越用越熟"，每次新会话都站在之前积累的认知基础上工作。
二、设计哲学：大道至简
这部分内容主要参考了 Claude Code 之父 Boris Cherny 在 Latent Space 播客的深度访谈，结合我自己的使用体验整理而成。
2.1 "健忘"架构：不建索引，实时搜索
Claude Code 不建索引、不存状态，每次搜索都靠 grep/glob 实时执行。据 Anthropic 团队博客披露，他们测试过 RAG 等多种方案，最终发现这种看似"原始"的 Agentic Search 方式，"在性能上大幅超越了所有其他方案"。
这种设计背后有四个核心优势：
零配置。 无需等待索引构建，拿到任何项目立刻可用。更关键的是无状态带来的组合能力，比如 tail -f app.log | claude -p "如果看到异常就通过 Slack 通知我" 这种管道组合，是索引架构做不到的。
确定性。 grep 的行为完全可预测：搜 processPayment 就是精确匹配，失败了就一个原因 —— 关键词不对，排查成本极低。不存在向量搜索中嵌入质量、语义偏差、索引过期等难以定位的问题。
隐私保障。 grep 完全在本地执行，无需上传代码到远程服务器，从架构上杜绝了代码泄露的可能。
零维护。 每次搜索基于实时文件状态执行，结果始终最新，无需维护索引同步或缓存清理。核心团队始终遵循"大道至简"的理念，不添加冗余的后台服务。值得一提的是，Claude Code 自身约 80%–90% 的代码由其自身生成，团队仅需对核心逻辑做人工审查，这也是其能快速迭代的关键原因之一。
2.2 Boris 的实战经验：Claude Code 之父怎么用
Boris Cherny 在 X 上分享过 9 条实战技巧，是掌握 Claude Code 的核心指南：
核心理念： 无标准答案，开箱即用无需过多定制，适合自己的节奏最重要。
多 Agent 任务并行： 终端、网页版、手机端同时开启多个实例，用 & 符号或 --teleport 参数跨端交接，让 AI 自主执行，高效切换任务。
模型选择： 优先用 Opus 4.5 + thinking 模式，虽然单次响应慢，但纠错少、工具调用准，综合效率更高。
活用 CLAUDE.md： 项目根目录放置该文件，团队共享维护，记录项目规范与纠错要点，通过 /init 命令生成初始版本，逐步积累"项目记忆"。
善用 Plan 模式： 按两下 Shift+Tab 切换，先出执行计划再动手，减少返工成本。
自动化重复工作： 将高频操作做成斜杠命令，或用子 Agent 处理特定任务（如代码简化、测试），固化重复流程。
安全与集成： 不用 --dangerously-skip-permissions 选项，用 /permissions 预先批准安全命令，通过 MCP 集成外部工具，团队共享配置。
长任务处理： 让后台 Agent 自动验证结果，用 ralph-wiggum 插件循环改进，或在沙箱环境关闭权限确认避免打断。
赋予 AI 验证能力： 搭建"写代码 — 测试 — 修改"反馈闭环，可通过运行命令、测试套件、模拟器等方式验证，提升产出质量。
关于 Plan Mode，Boris 说："Plan 模式下，Claude 不会直接改代码，而是先给你一个执行计划。你可以来回讨论、修改计划，直到满意为止。然后切到自动接受模式，Claude 通常能一次性完成。"他自己大多数会话都从 Plan 模式开始 —— 这不是额外的"功能"，而是 Claude Code 的默认工作哲学：先理解、先规划、再动手。
关于 Compact 机制，Boris 提到团队尝试过各种复杂的压缩方案，最终选了最简单的一种 —— 让 Claude 自己总结之前的对话内容。这种"大道至简"的思路，贯穿了整个 Claude Code 的设计。
三、上手指南：关键功能实操详解
第一章我们介绍了 Claude Code 的三阶段工作流：计划 → 并行推进 → 长周期演进。这一章按照同样的顺序，逐一展开每个阶段涉及的关键功能和实操技巧。
3.1 计划阶段：CLAUDE.md + Plan Mode + Think 模式
开始任何任务之前，先让 Claude 站在正确的上下文上。
用好 CLAUDE.md
CLAUDE.md 是 Claude Code 的项目级记忆文件：每次在项目目录启动 Claude，它都会优先读取此文件并自动纳入上下文，相当于 AI 的"项目宪法"。在项目根目录执行 claude /init，Claude 会扫描代码库生成初版，内容通常包括技术栈、构建命令、目录结构和开发约定。之后要做的是持续维护和精简这份文件。
写 CLAUDE.md 的关键原则：写"你们的怪癖"而不是废话 —— 不要解释 components/ 文件夹是什么（Claude 比你清楚），要写项目特有的约束与踩坑经验，比如"曾因隐式 any 出过线上事故，因此所有 TS 必须显式类型"。控制条目数量，社区经验表明 150–200 条以内效果最佳。可用 @README、@docs/architecture.md 等引入长文档，Claude 会自动展开阅读。多人协作时，把 CLAUDE.md 纳入 Git 管理，个人偏好写到 CLAUDE.local.md（不进版本库）。
Plan Mode：先规划再动手
Claude Code 终端有三种模式，通过 Shift+Tab 循环切换：默认模式（边想边动手）、计划模式（只读 + 规划，不修改文件）、自动接受编辑模式（确认计划后一鼓作气落地）。面对复杂需求时，在提示词中明确要求进入计划模式并使用子代理：
请先进入 plan mode，use subagents 分析这个模块的架构，然后给出重构方案
这样 Claude 会启动多个子代理并行探索（一个分析代码结构、一个查阅文档、一个梳理依赖关系），最终汇总为一份执行计划供你审批。
Think：触发深度推理
Claude Code 默认是"直接回答"模式，不会有额外的内部推理过程，响应速度快，适合简单直接的问题。当你在提示词末尾加上 think，系统会激活扩展思考模式（extended thinking），Claude 会在回答前先进行一段内部推理，适合架构设计、性能优化、安全评审等需要深度分析的复杂场景。早期版本中 think hard、ultrathink 等不同关键词会触发不同深度的思考预算，但在最新版本中思考预算已默认设为最大值，ultrathink 不再有额外效果，只需用 think 即可。
3.2 并行推进：Sub Agent + Agent Teams + 多实例并行
计划确认后进入执行阶段，这里有三个层次的并行能力。
Sub Agent：单会话内的任务拆分
在提示词中加上 use subagents，Claude 会将任务拆解为多个子代理并行执行。也可以把这条规则写进 CLAUDE.md，让它成为项目级的默认行为：
遇到可拆分的多步骤任务时，优先使用 subagents 并行处理
Agent Teams：组建 AI 团队（Opus 4.6 新能力）
对于更复杂的任务，可以在提示词中要求组建 Agent Team：
创建一个 agent team 来完成这个需求，一个 teammate 负责后端 API，一个负责前端组件，一个负责测试用例
Lead Agent 进入 Delegate Mode 后只做调度和审核，Teammates 各自独立工作、直接沟通、通过共享任务列表自行认领工作。
Claude Squad：多 Feature 并行开发
当同一个项目需要同时推进多个 Feature 时，使用 Claude Squad —— 一个基于 Git worktree 实现的可视化多 Agent 并行开发工具。每个 Agent 在独立的工作树和分支上工作，代码互不干扰，一个 TUI 界面统一管理所有 Agent 的状态和 diff。
这三个层次可以组合使用：Claude Squad 管理多个 Feature 分支，每个分支内部用 Agent Teams 做任务拆分，具体子任务再由 Sub Agent 执行。
3.3 长周期演进：上下文管理 + 知识沉淀
任务完成后，让积累的知识持久化。
上下文管理：/compact 与 /clear
长时间对话会吃满上下文窗口。建议一个会话只做一件事，并手动控制压缩节奏：/compact 压缩对话历史成摘要，适合继续围绕同一任务推进；/clear 彻底清空对话，适合大版本切换。典型节奏是：需求澄清 + 方案讨论 → /compact → 代码生成 + 调试 → 再 /compact → 大跨度新需求 → /clear。
知识沉淀到记忆系统
Claude Code 提供多层记忆体系：短期记忆（当前对话上下文）、中期记忆（压缩后的摘要）、长期记忆（CLAUDE.md、~/.claude/session-memory/、.claude/rules/）。实践中，把稳定不变的事实（架构决定、技术栈、团队约定）放进 CLAUDE.md；阶段性任务进度放在 tasks/todo.md 之类的文件中。如需跨会话持久化记忆，可接入 basic-memory 或 OpenMemory 等 MCP server，将架构决策、踩坑经验等关键知识沉淀到本地知识库中，下次新会话直接搜索调用。
参考链接
Latent Space 播客：Claude Code 之父 Boris Cherny 深度访谈
Anthropic 工程博客：用 Claude Code 构建 C 编译器
Claude Squad：基于 Git worktree 的多 Agent 并行开发工具
basic-memory：本地 Markdown + SQLite 知识库 MCP server
OpenMemory：开源记忆层 MCP server
一、Claude Code Agent 工作流全景
Claude Code 是 Anthropic 官方推出的命令行 AI 编码工具。随着 Opus 4.6 模型的发布，Claude Code 引入了 Agent Teams 等重量级能力，从"单 Agent 对话工具"进化为一套完整的 Agent 工程体系。在实际使用中，我把 Claude Code 的工作流总结为三个阶段：计划、并行推进、长周期演进。
计划。 面对复杂需求，我会在提示词中明确指定 Plan Mode 和 Sub Agent，比如："请先进入 plan mode，use subagents 分析以下需求……"。这样 Claude 会进入只读状态，配合子代理摸清项目现状 —— 读代码、分析架构、理解需求，不动一行代码。与此同时，CLAUDE.md、Memory、Agentic Search 自动拉齐历史决策、项目规范和外部资料，确保规划基于完整上下文。Claude 产出执行计划后，由你审批确认，再进入执行阶段。这一步的关键在于：通过 use subagents 让多个子代理并行探索（一个分析代码结构、一个查阅文档、一个梳理依赖关系），比单线程分析快很多。
并行推进。 计划确认后，进入执行阶段。这里有两种并行方式，适用于不同场景。第一种是 Agent Teams（Opus 4.6 新增的实验性功能），适合单个复杂任务的内部并行：在提示词中指定"use agent team 来完成这个任务"，Claude 会组建一个 AI 团队 —— Lead Agent 负责调度和审核（可切换到 Delegate Mode，不亲自改代码），Teammates 各自在独立上下文中工作，互相直接沟通、通过共享任务列表自行认领工作。Anthropic 工程团队曾用类似的方式，16 个 Claude Code 实例并行协作，在两周内写出一个能编译 Linux 内核的 10 万行 C 编译器。第二种是 多实例并行开发，适合同一项目的多 Feature 同时推进：使用 Claude Squad（一个基于 Git worktree 实现的可视化多 Agent 并行开发工具），每个 Agent 在独立的工作树和分支上工作，代码互不干扰，一个界面统一管理所有 Agent 的状态和 diff。两种方式可以组合使用 —— 用 Claude Squad 管理多个 Feature 分支，每个分支内部再用 Agent Teams 做任务拆分。
长周期演进。 任务完成后，不要让积累的知识随着会话关闭而消失。Compact 自动压缩上下文，保证长对话不丢失关键信息；更重要的是，将架构决策、踩坑经验、技术方案等关键知识沉淀到记忆系统中 —— 写入 CLAUDE.md 作为项目级规范，或通过 Memory 注册为长期记忆，也可以借助 basic-memory 等 MCP 工具构建持久化知识库。这样 Claude 对项目"越用越熟"，每次新会话都站在之前积累的认知基础上工作。
二、设计哲学：大道至简
这部分内容主要参考了 Claude Code 之父 Boris Cherny 在 Latent Space 播客的深度访谈，结合我自己的使用体验整理而成。
2.1 "健忘"架构：不建索引，实时搜索
Claude Code 不建索引、不存状态，每次搜索都靠 grep/glob 实时执行。据 Anthropic 团队博客披露，他们测试过 RAG 等多种方案，最终发现这种看似"原始"的 Agentic Search 方式，"在性能上大幅超越了所有其他方案"。
这种设计背后有四个核心优势：
零配置。 无需等待索引构建，拿到任何项目立刻可用。更关键的是无状态带来的组合能力，比如 tail -f app.log | claude -p "如果看到异常就通过 Slack 通知我" 这种管道组合，是索引架构做不到的。
确定性。 grep 的行为完全可预测：搜 processPayment 就是精确匹配，失败了就一个原因 —— 关键词不对，排查成本极低。不存在向量搜索中嵌入质量、语义偏差、索引过期等难以定位的问题。
隐私保障。 grep 完全在本地执行，无需上传代码到远程服务器，从架构上杜绝了代码泄露的可能。
零维护。 每次搜索基于实时文件状态执行，结果始终最新，无需维护索引同步或缓存清理。核心团队始终遵循"大道至简"的理念，不添加冗余的后台服务。值得一提的是，Claude Code 自身约 80%–90% 的代码由其自身生成，团队仅需对核心逻辑做人工审查，这也是其能快速迭代的关键原因之一。
2.2 Boris 的实战经验：Claude Code 之父怎么用
Boris Cherny 在 X 上分享过 9 条实战技巧，是掌握 Claude Code 的核心指南：
核心理念： 无标准答案，开箱即用无需过多定制，适合自己的节奏最重要。
多 Agent 任务并行： 终端、网页版、手机端同时开启多个实例，用 & 符号或 --teleport 参数跨端交接，让 AI 自主执行，高效切换任务。
模型选择： 优先用 Opus 4.5 + thinking 模式，虽然单次响应慢，但纠错少、工具调用准，综合效率更高。
活用 CLAUDE.md： 项目根目录放置该文件，团队共享维护，记录项目规范与纠错要点，通过 /init 命令生成初始版本，逐步积累"项目记忆"。
善用 Plan 模式： 按两下 Shift+Tab 切换，先出执行计划再动手，减少返工成本。
自动化重复工作： 将高频操作做成斜杠命令，或用子 Agent 处理特定任务（如代码简化、测试），固化重复流程。
安全与集成： 不用 --dangerously-skip-permissions 选项，用 /permissions 预先批准安全命令，通过 MCP 集成外部工具，团队共享配置。
长任务处理： 让后台 Agent 自动验证结果，用 ralph-wiggum 插件循环改进，或在沙箱环境关闭权限确认避免打断。
赋予 AI 验证能力： 搭建"写代码 — 测试 — 修改"反馈闭环，可通过运行命令、测试套件、模拟器等方式验证，提升产出质量。
关于 Plan Mode，Boris 说："Plan 模式下，Claude 不会直接改代码，而是先给你一个执行计划。你可以来回讨论、修改计划，直到满意为止。然后切到自动接受模式，Claude 通常能一次性完成。"他自己大多数会话都从 Plan 模式开始 —— 这不是额外的"功能"，而是 Claude Code 的默认工作哲学：先理解、先规划、再动手。
关于 Compact 机制，Boris 提到团队尝试过各种复杂的压缩方案，最终选了最简单的一种 —— 让 Claude 自己总结之前的对话内容。这种"大道至简"的思路，贯穿了整个 Claude Code 的设计。
三、上手指南：关键功能实操详解
第一章我们介绍了 Claude Code 的三阶段工作流：计划 → 并行推进 → 长周期演进。这一章按照同样的顺序，逐一展开每个阶段涉及的关键功能和实操技巧。
3.1 计划阶段：CLAUDE.md + Plan Mode + Think 模式
开始任何任务之前，先让 Claude 站在正确的上下文上。
用好 CLAUDE.md
CLAUDE.md 是 Claude Code 的项目级记忆文件：每次在项目目录启动 Claude，它都会优先读取此文件并自动纳入上下文，相当于 AI 的"项目宪法"。在项目根目录执行 claude /init，Claude 会扫描代码库生成初版，内容通常包括技术栈、构建命令、目录结构和开发约定。之后要做的是持续维护和精简这份文件。
写 CLAUDE.md 的关键原则：写"你们的怪癖"而不是废话 —— 不要解释 components/ 文件夹是什么（Claude 比你清楚），要写项目特有的约束与踩坑经验，比如"曾因隐式 any 出过线上事故，因此所有 TS 必须显式类型"。控制条目数量，社区经验表明 150–200 条以内效果最佳。可用 @README、@docs/architecture.md 等引入长文档，Claude 会自动展开阅读。多人协作时，把 CLAUDE.md 纳入 Git 管理，个人偏好写到 CLAUDE.local.md（不进版本库）。
Plan Mode：先规划再动手
Claude Code 终端有三种模式，通过 Shift+Tab 循环切换：默认模式（边想边动手）、计划模式（只读 + 规划，不修改文件）、自动接受编辑模式（确认计划后一鼓作气落地）。面对复杂需求时，在提示词中明确要求进入计划模式并使用子代理：
这样 Claude 会启动多个子代理并行探索（一个分析代码结构、一个查阅文档、一个梳理依赖关系），最终汇总为一份执行计划供你审批。
Think：触发深度推理
Claude Code 默认是"直接回答"模式，不会有额外的内部推理过程，响应速度快，适合简单直接的问题。当你在提示词末尾加上 think，系统会激活扩展思考模式（extended thinking），Claude 会在回答前先进行一段内部推理，适合架构设计、性能优化、安全评审等需要深度分析的复杂场景。早期版本中 think hard、ultrathink 等不同关键词会触发不同深度的思考预算，但在最新版本中思考预算已默认设为最大值，ultrathink 不再有额外效果，只需用 think 即可。
3.2 并行推进：Sub Agent + Agent Teams + 多实例并行
计划确认后进入执行阶段，这里有三个层次的并行能力。
Sub Agent：单会话内的任务拆分
在提示词中加上 use subagents，Claude 会将任务拆解为多个子代理并行执行。也可以把这条规则写进 CLAUDE.md，让它成为项目级的默认行为：
Agent Teams：组建 AI 团队（Opus 4.6 新能力）
对于更复杂的任务，可以在提示词中要求组建 Agent Team：
Lead Agent 进入 Delegate Mode 后只做调度和审核，Teammates 各自独立工作、直接沟通、通过共享任务列表自行认领工作。
Claude Squad：多 Feature 并行开发
当同一个项目需要同时推进多个 Feature 时，使用 Claude Squad —— 一个基于 Git worktree 实现的可视化多 Agent 并行开发工具。每个 Agent 在独立的工作树和分支上工作，代码互不干扰，一个 TUI 界面统一管理所有 Agent 的状态和 diff。
这三个层次可以组合使用：Claude Squad 管理多个 Feature 分支，每个分支内部用 Agent Teams 做任务拆分，具体子任务再由 Sub Agent 执行。
3.3 长周期演进：上下文管理 + 知识沉淀
任务完成后，让积累的知识持久化。
上下文管理：/compact 与 /clear
长时间对话会吃满上下文窗口。建议一个会话只做一件事，并手动控制压缩节奏：/compact 压缩对话历史成摘要，适合继续围绕同一任务推进；/clear 彻底清空对话，适合大版本切换。典型节奏是：需求澄清 + 方案讨论 → /compact → 代码生成 + 调试 → 再 /compact → 大跨度新需求 → /clear。
知识沉淀到记忆系统
Claude Code 提供多层记忆体系：短期记忆（当前对话上下文）、中期记忆（压缩后的摘要）、长期记忆（CLAUDE.md、~/.claude/session-memory/、.claude/rules/）。实践中，把稳定不变的事实（架构决定、技术栈、团队约定）放进 CLAUDE.md；阶段性任务进度放在 tasks/todo.md 之类的文件中。如需跨会话持久化记忆，可接入 basic-memory 或 OpenMemory 等 MCP server，将架构决策、踩坑经验等关键知识沉淀到本地知识库中，下次新会话直接搜索调用。
参考链接
Latent Space 播客：Claude Code 之父 Boris Cherny 深度访谈
Anthropic 工程博客：用 Claude Code 构建 C 编译器
Claude Squad：基于 Git worktree 的多 Agent 并行开发工具
basic-memory：本地 Markdown + SQLite 知识库 MCP server
OpenMemory：开源记忆层 MCP server