大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



 <p>Claude Code 是目前最强的辅助编程软件&#xff0c;没有加之一&#xff0c;应该也没有人反对吧&#xff1a;&#xff09; </p> 

GPT plus 代充 只需 145

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

基于 CC，我综合了**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。

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  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 为我们添加一个命令

接下来我将详细介绍 Claude 6 个部分的**实践。

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（）
• 子目录（按需加载）
• 全局配置（）

内容结构：

讯享网

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：

 也被称为YOLO （You Only Live Once) 模式：）

1.3 GitHub CLI 集成

安装：

讯享网

常用操作：

• 创建 PR：
• 查看 Issue：
• 添加标签：

---

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

GPT plus 代充 只需 145

2.1 MCP 服务器集成

常用 MCP 服务器：

讯享网

更多命令直接输：

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。

讯享网

2.3 自定义 Slash 命令

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

示例：修复 GitHub Issue,使用  作为占位符

讯享网

使用方法：

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

讯享网

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

2. 计划阶段

   讯享网

⚠️ 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:

---

4.1 详细的指令

对比示例：

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  的COT和 few-shot , 或者使用 sequential-thinking MCP。

4.2 上下文管理

保持专注：

讯享网

4.3 数据输入方式

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  将其粘贴到 CLI 中（不是 ）。
• 向 Claude 提供图片路径。 例如：“根据截图结果： 调整样式，使用 Puppeteer 截图对比设计稿，直到匹配设计稿 ”

5.1 无头模式（Headless Mode）

基本用法：

讯享网

5.2 自动化脚本示例

Issue 自动分类：

5.3 Pre-Commit Hooks

.git/hooks/pre-commit：

讯享网

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  进入。

实际上他们存在 setting.json 文件中

•  - User settings
•  - Project settings

hooks 中的变量

•  - 正在修改的文件
•  - 完整工具参数的 JSON 格式
•  - 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：

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：

讯享网

3. Notification Hook

4. Stop Hook

Claude Code 在结束当前 Loop 前运行测试：

讯享网

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：

还有之前举过的例子，把 Claude 放在管道（Pipe）中

讯享网

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

6.1 代码审查模式

双 Claude 协作：

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：

讯享网

这样就会在当前项目目录的上级目录基于 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 之类先装好依赖环境。

继而可以在在不同工作区启动 Claude：

当子工作区任务完成的时候记得使用   删除子工作区

不过这样做其实环境还不够隔离，比如  、 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。

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓