3.5 Claude Code 最佳实践

经过大量实践总结出的使用技巧,帮你事半功倍。

3.5.1 Prompt 编写技巧(针对 Claude Code 场景)

1. 任务描述要具体,不要模糊

 差:帮我做一个登录功能
好:在 /api/auth/ 目录下创建登录 API:
  - POST /api/auth/login
  - 接受 { email, password }
  - 使用 bcrypt 验证密码
  - 成功返回 JWT token
  - 使用项目已有的 prisma client 查询 User 表

2. 引用已有代码作为参考

 好:参考 /api/bookmarks/route.ts 的风格,
  为 /api/tags/ 创建类似的 CRUD 接口。
  数据模型参见 prisma/schema.prisma 中的 Tag 表。

3. 先让AI制定计划,确认后再执行

 好:我想给书签管理器添加搜索功能。
  请先分析一下需要修改哪些文件,列出计划,
  等我确认后再开始实现。

4. 一次只做一件事

 差:帮我同时添加搜索功能、标签管理、用户认证和导出功能
好:帮我先实现书签搜索功能。具体需求:
  - 在书签列表页面添加搜索框
  - 支持按标题和描述搜索
  - 搜索时实时过滤结果(前端过滤即可)
3.5.2 上下文管理策略(快速参考)

上面 /compact 详解已覆盖核心操作,这里给你一个快速决策表:

你观察到的情况是什么问题该怎么做
响应变慢、质量下降上下文快满了/context 看占比 → 高于 60% 就 /compact
AI 开始”遗忘”早期约定早期信息被挤出窗口立即 /compact
AI 重复问已回答过的问题上下文混乱/clear 开新会话
要切换到完全不同的任务避免上一个任务的思路污染/clear 开新会话
想永久记住某条规则跨会话记忆/memory 开启 Auto Memory 或写入 CLAUDE.md
3.5.3 Git 集成最佳实践

在深入 Git 技巧之前,先给你一个直观理解:Git 就是你的”游戏存档系统”。哪怕你不是程序员,只要在用 cc 做项目,Git 都是你的生命线。

想象你玩一个 RPG 游戏:打到 BOSS 前存个档 → 打输了就读档重来 → 打赢了就存新档继续。Git 在项目中就是完全一样的东西:打到一个满意的节点存一档,后面翻车就读档回来。

注意: cc 有不确定性,这不是 bug 是特性:cc 不管是写代码还是其他文档操作,都有不确定性——同一个需求问两次,可能得到不同的实现。所以养成一个肌肉记忆:每做完一步就让 cc 存档一步。有 Git 兜底,你才能安心让 cc 去尝试各种方案。

Mac 自带 Git,Windows 让 cc 帮你装。最好建个 GitHub 账号——远程仓库可以让你在其他电脑上拉下存档点继续工作,也方便协作。Git 的下载、安装、登录、提交、回滚,全都可以让 cc 用自然语言帮你完成,比如说:

> 帮我下载 Git 并跟我的 GitHub 账号绑定
> 帮我把现在的代码提交到远程仓库
> 回滚到上一个存档版本
黄金法则:在让AI做大修改之前,先 commit
​
开发流程:
1. git commit → 保存当前状态("存档")
2. 让 AI 实现新功能
3. 测试功能是否正常
  ├── 正常 → git commit → 继续下一个功能
  └── 有问题 → git checkout . → 回到步骤1,换个方式重试
# 实际命令示例
​
# 1. 开始新功能前,先保存
$ git add . && git commit -m "开始添加搜索功能前的存档"
​
# 2. 在 Claude Code 中实现功能...
# (如果功能做坏了)
​
# 3. 回退到存档点
$ git checkout .
​
# (如果功能做好了)
# 3. 保存新功能
$ git add . && git commit -m "完成搜索功能"

验证:如果你在项目里已经用了 git,现在停一下想想——你敢放心地让 cc 去重构一段复杂代码,因为你知道改坏了随时能回退吗?如果答案是否定的,先把 git 配好再继续。

避坑:很多初学者不 commit 就让 AI 大改特改,结果改坏了却无法回退。这是AI编程中最常见也最痛苦的失误。“改之前先存档”,记住这句话。

3.5.4 费用控制策略
策略方法节省比例
分级使用简单任务用 Haiku/DeepSeek,复杂任务用 Sonnet30-50%
精准描述减少来回修改次数20-30%
及时 /compact避免重复发送长上下文10-20%
使用 /cost 监控实时了解消耗–
设置预算上限Anthropic Console 中设置月度限额防止超支
> /cost
​
AI: 当前会话费用统计:
  输入 Token: 15,234
  输出 Token: 8,721
  估算费用: $0.18
3.5.5 大型代码库最佳实践(Anthropic 官方推荐)

以上技巧偏通用。如果你接手的是一个多人协作、几十万行以上的大型代码库,Anthropic 官方在大型代码库实践中给出过多条专门建议。核心矛盾是:即使模型上下文已经很长,真实代码库仍然可能远超窗口上限。前 3 条是纪律,后 3 条是武器。

① 用 /init 自动生成 CLAUDE.md(项目初始化)

第一次在一个新项目里跑 Claude Code,第一件事就是 /init:

> /init

AI 会自动浏览项目目录、识别技术栈、读 README 和关键配置文件,生成一份初版 CLAUDE.md。然后你只要在它的基础上手工补充三类信息:

必补内容为什么示例
项目目录地图让 AI 知道“去哪儿找代码”认证逻辑在 src/auth/,UI 组件在 src/components/
不要碰的禁区防止 AI 改坏不要修改 prisma/migrations/,不要动 vendor/
团队约定风格统一所有 API 必须返回 { success, data, error }

提示: CLAUDE.md 是“起点上下文”,不是“全部上下文”。它就像一份给新人的入职手册,AI 看完后再现场探索代码——这正是 Agentic Search 的工作方式(参见 2.2.1 节)。

② 任务粒度要小且聚焦(避免“万能 prompt”)

大型代码库里最害人的就是“一句话扔给 AI 整个大需求”。正确做法:

 反例:帮我重构整个支付模块,加入新风控、新对账、新通知、新报表
正解:第一步——在 src/payment/risk/ 下抽出风控规则引擎,
      接口签名见 docs/risk-rules.md,先不动调用方代码

经验值:每个 Claude Code 任务 ≤ 涉及 5 个文件 / 200 行代码改动。超过这个量级就该拆。

③ 频繁重置上下文(/clear 是好朋友)

很多新手以为对话越长 AI 越懂自己,这恰恰是大型代码库里最大的坑:

  • 上下文里塞的越多,无关代码片段越多,AI 越容易抓错重点
  • 上一任务的失败尝试、错路径、错假设,会污染下一个任务

官方建议:

时机操作区别
一个独立任务结束(PR 提交后)/clear完全清空对话,从零开始
同一任务内对话过长/compact压缩历史摘要,保留关键决策
想换条思路重做退出 claude 重新启动连状态栏模式都重置

核心心法:宁可“多 clear 几次重新介绍背景”,也不要“一直聊一直聊”。每个 /clear 都是给 AI 一次重新聚焦的机会。

④ 复杂任务从 Plan Mode 起手(权限控制)

详见 4.9 节。一句话:陌生代码库或一动牵全身的修改,永远先 /plan 或 Shift+Tab×2,让 AI 在只读模式下先勘探出方案再动手,回退成本几乎为零。

⑤ 用 Skills 与 Subagents 卸载长任务

大型代码库里有些“调研型任务”天生很费 token:

  • 找出所有调用了某废弃 API 的地方
  • 梳理某个模块的依赖图
  • 跨 50 个文件的批量重命名前的影响评估

这类任务不要让主会话亲自做,而是:

  • 派 Subagent:让一个独立的子代理去调研,最后只把结论带回主上下文(Plan Mode 下会自动调用)
  • 写成 Skill:把高频调研流程封装成 Skill,每次一键触发(详见第四部分)

这样主会话的上下文窗口尽量留给“看结论、做决策、写代码”这些核心动作。

⑥ 接入 MCP / LSP(给 AI 装上团队协作工具)

一个真正的工程师不是只看代码,还会查 Jira、读 Confluence、连数据库、用 IDE 的“跳到定义”。Claude Code 通过 MCP(Model Context Protocol) 把这些能力接进来:

接入对象解决什么典型场景
GitHub MCP读 PR、Issue、CI 日志“这个 bug 在 PR #1234 里讨论过,看一下”
数据库 MCP(Postgres / MySQL)直接查数据“线上 user 表里有多少条 deleted_at 不为空的”
Jira / Linear MCP读任务卡“按 PROJ-123 的需求实现”
LSP(语言服务器)集成精确跳转、查类型、找引用等同于 IDE 的“查找所有引用”
Sentry / Datadog MCP读告警、堆栈“上一小时的 5xx 错误调一下”

提示: 配置入口:.claude/settings.json 中的 mcpServers 字段,或运行 claude mcp add ...。MCP 详细配置在第四部分 3.6 节讲解。

3.5.6 大型代码库最佳实践速查表
实践命令/入口何时做收益
项目初始化/init + 手工补充第一次进入项目让 AI 知道地图与禁区
任务拆分心法(无命令)每次提需求前避免 AI 改坏一大片
上下文重置/clear / /compact任务结束 / 上下文过长避免污染、节省 token
规划优先/plan 或 Shift+Tab×2复杂任务起手先勘探后动手
任务卸载Subagent / Skill高频调研类任务保护主上下文
工具接入claude mcp add ...项目初配让 AI 看见“代码之外”
3.5.7 三个容易被忽视的官方进阶建议

这三点在官方博客里被反复强调,但实际使用中最容易被新手跳过。

1. 在子目录初始化 Claude,别从仓库根目录开始

这点在 monorepo 里反直觉但极重要:

 反例:在 monorepo 根目录下启动
user@monorepo $ claude
# AI 看到三百个服务、上千个包,上下文污染严重
​
正解:进入你要改的子目录启动
user@monorepo $ cd services/payment
user@monorepo/services/payment $ claude
# Claude 会自动向上遍历加载所有 CLAUDE.md(根目录的也会加)
# 但工作范围被精准限定在了相关代码区域

配套做法:每个子目录都放一份小的 CLAUDE.md,写明该目录专用的测试与 lint 命令。不要让 AI 改了一个服务就去跑整个仓的测试套件——那就等着超时吧。

2. 配置要定期审查(每 3-6 个月)

为当前模型写的指令,在下一代模型上可能适得其反。官方举了两个真实例子:

过期配置何时有效为何失效
CLAUDE.md 里要求“每次重构只改一个文件”老模型需要保持专注新模型能跨文件协调编辑,这条反而是枷锁
Hook 每次文件写入时跑 p4 editClaude 未原生支持 Perforce 时Claude Code 已原生支持 Perforce,这个 Hook 变多余

提示: 实践建议:设个日历提醒,每 3-6 个月、或每次大模型发布后,重读一遍 CLAUDE.md / .claude/settings.json / .claude/hooks / .claude/skills,问三个问题:“这条还需要吗?”“现在有更好的写法吗?”“这条是在弥补哪代模型的缺陷?”

注意: 预警信号:如果你觉得 Claude Code 表现到了某个瓶颈怎么也上不去,问题很可能不在模型,而在你的配置没跟上。模型都已经往前跑了,你的 CLAUDE.md 可能还停在三个月前。

3. 团队内应该有个“人”负责 Claude Code(DRI / Agent Manager)

这点是面向团队使用者的,个人开发者可以跳过。Anthropic 观察到:推广最快的组织,都是“先有一小队人把基础设施搭好”才大面积开放的。

规模必须人选职责
小团队(< 20 人)DRI(直接责任人),选一个有兴趣的人选充当项目级 CLAUDE.md、共享的 Skills、Plugins 选型
中型企业Agent Manager(半PM 半工程师)跨团队推行、权限策略、接入安全与合规
大型/金融医疗受监管企业跨职能工作组工程 + 安全 + 治理 + 合规代表同桌定义需求与路线图

提示: 为什么重要:开发者第一次接触 Claude Code 的体验决定了后面全公司顺不顺推。如果第一次就是“AI 乱改东西”,要翻盘就难了。“野蛮生长”能激发热情,但缺了组织层面的收敛,好实践会变成“部落知识”。

3.5.8 企业级部署三阶段(面向团队负责人)

如果你是要在企业里推广 Claude Code 的人,Anthropic 推荐的路径是:阶段 1 先由小队搭好工具链和规范 → 阶段 2 小范围试点 → 阶段 3 大面积推广。核心原则是”开发者第一次接触就能跑通”,第一印象坏了后面很难翻盘。

© 版权声明
THE END
喜欢就支持一下吧
点赞11 分享
评论 抢沙发
头像-大赛人网
欢迎您留下宝贵的见解!
提交
头像-大赛人网

昵称

取消
昵称

    请登录后查看评论内容