近日，Anthropic 工程师 Boris Cherny (@bcherny) 披露了内部团队使用 Claude Code（Anthropic 推出的 CLI 级 AI 编程工具）的高阶技巧。这不是基础的对话教学，而是关于并行工程、系统规约与子代理联动的工业级实践。
01. 极致并行：Git Worktree + 多并发会话
团队生产力爆发的核心在于：不再线性工作。
通过开启 3-5 个 git worktree，开发者可以同时运行多个独立的 Claude 会话。一些高阶玩家通过 Shell Alias 实现 Worktree 的秒级切换，甚至专门预留一个 Worktree 用于实时分析日志（Log Analysis）。这种方式让 AI 在处理不同特征分支时互不干扰，彻底释放并发算力。
02. 架构先行：从"计划模式"到"原子实现"
面对复杂逻辑，盲目写代码是低效的。
-
双机校验：一人用 Claude 制定详细 Spec，另一个实例负责审阅 Plan。
-
状态回滚：一旦实现过程偏离预期，立即切回计划模式（Plan Mode）重新建模，而非在错误的代码上缝补。
03. 规则持久化：动态维护系统提示（Docs）
AI 犯错并不可怕，可怕的是重复犯错。
通过在项目内维护 docs 目录，将每次 Debug 后的教训转化为 AI 的运行准则。让 Claude 不断更新这些规则，直到错误率曲线收敛。
04. 技能封装：自定义 Slash Commands 与 Git 联动
将重复性劳动抽象为"技能"并提交至 Git 仓库：
-
/techdebt：自动扫描并清理重叠冗余代码。 -
集成代理：构建能够同步 Slack 或 GDrive 上下文的自定义命令。
-
DBT 建模：让 Agent 自动化编写数据转换模型并审阅 PR。
05. 环境优化：语音输入与沉浸式终端
-
终端选型：推荐使用性能卓越的 Ghostty。
-
状态可视化：在状态栏实时监控上下文（Context Usage）消耗与 Git 分支状态。
-
输入模态：推荐语音输入（Speech-to-Text），其录入速度比打字快 3 倍，能提供更密集的提示词细节。
06. 算力扩展：子代理（Subagents）与钩子机制
在请求中声明 use subagents 以调动额外计算资源。
主会话负责顶层逻辑，子代理处理琐碎的子任务。这种架构能保持主上下文（Master Context）的简洁干净。同时利用钩子（Hooks）将权限敏感请求路由至更高阶模型处理。
07. 数据分析：告别原生 SQL
通过集成 bq CLI，团队已经实现了利用 Claude 直接拉取并分析指标。作者自述已 6 个月未手写 SQL。这一逻辑可水平扩展至任何具备 CLI/API 接口的数据库系统。
08. 启发式学习：代码即演示
开启解释模式（Explanation Mode），让 Claude 生成 HTML 演示稿或 ASCII 流程图来拆解复杂代码架构。甚至可以利用 AI 构建基于间隔重复（Spaced Repetition）的学习技能，填补开发者的知识盲区。
LeisureLinux 总结： Claude Code 不仅仅是一个代码补全工具，它正演变为一个基于 CLI 的分布式开发中枢。在 AI 时代，开发者不再是单纯的码农，而是管理多个 Agent 实例的"算力调度员"。
想看更多关于 Claude Code 具体的系统提示词（System Prompts）优化案例吗？欢迎在评论区留言交流。
BTW：标记成红色的 Ghostty 看见了吗？可以去 我的同名B站频道搜索相关视频哈。
