本文假设你已经有一个完全可运行的 claude-code（以下简称 CC）。

下面 CC 心得来自我让他优化网页、给 Gemini 写 demo，做速度测评、和复刻 gemini-cli（Ogemini）。

和聊天机器人交流时，我们知道“系统提示词”很重要，会持续影响 AI 的行为。那么 CC中， CLAUDE.md 也是类似的地位。一个典型的工作流是：

建初始 CLAUDE.md
→ 对话直到长度接近溢出，运行 /compact 续命
→ 达到里程碑时要求 CC 根据进度更新 CLAUDE.md
→ 循环直到结束

可以看到 CLAUDE.md 就是一个持续发挥作用的全局变量。而且 CC 往里写入时一般做了充分的缩略，所以可读性很好。比如下面是 Ogemini 的 CLAUDE.md:

• 文件不要太长，毕竟 CC 会默认读入这个文件
• 会话时为了省事，说 claude.md 时 CC 也可以懂
• 文件里适合放提醒事项，比如“要求 CC 每次宣布成功时都要带上证据文件链接”，以及“代理服务端口是 9890” 。然后会话时，可以要求CC “查询 claude.md 相关部分”。
• 官方的 “#” 进文档据 GPT 说有个 bug 不稳定。

ccusage 能根据当前 token 消耗速度速外推出整个 4 小时用量。效果见题图。

npx ccusage blocks –live

消耗速度如果过快，一些 git commit 之类费 token 的事就还是人类敲吧，CC 其实不比你快 ¯_(ツ)/¯

CC 出的东西量太大，但是计划还是人看的过来，且足够有性价比的。

除了整体目标外，人需要把控的有

• 技术路线：随着项目进展我们甚至要做技术路线的调整。调整前可以让 CC 先做个微调研和 dirty tests。这也是能充分发挥 CC 顶级全栈通才的主要手段。
• 这里还有一个重要考虑是省 token 和减少人类干预。比如明确规则的、能写脚本处理就够的就不要让模型读了。安全允许范围内，能本地验的就不要远程跑了，文件拷来拷去花的也都是时间。
• 计划粒度：但凡跨度太大的你可以认为 CC 都完不成。我习惯是每步细化到不超过 20 分钟（差不多也是要压缩对话历史的时间）。因为计划是动态的，所以经常在会话中要临时拆解目标。
• 定期阶段性总结：这个有点像复盘会，可以不定期让 CC 自己写点反思和沉淀塞进 CLAUDE.md。

CC 运行的大部分时间，你都需要跟他持续互动。CC 有两种状态，等待输入和工作中。

等待输入时，CC 就是个聊天机器人。

CC 工作时，你都可以用 esc 停下他当前的工作。主要有几种情况需要停下它：

• 进入一些 CC 不擅长的任务，如系统缺包需要安装时：因为 CC 的 bash 工具有比较紧的限时，大一点的装包任务，往往不能在超时前完成。所以还是断下来，让人来代劳比较合适。
• 进入肉眼可见的无头苍蝇状态时：CC 的好处是能自动纠错，但有时思路偏了就钻进牛角尖。比如因为代理服务器没设对，导致他连不上 google 或者没法 git clone 时，CC 可能会胡思乱想然后乱改程序和脚本。CC 的力量又很大，过一会儿可能程序就面目全非了。此时再停，有一段污染的历史在记录里，浪费了 token 还对后面的质量会有影响。最好是事情失控前把 CC 断下来。

esc 两次这个还可以用于临时做些小实验但不保留。

如果不小心退出了 claude 程序，可以用 –continue 载入之前的会话历史。（其实就是读 ~/.claude.json）

当历史长度接近溢出时，右下会出现血条：

我这里 auto-compact 耗时都特别久，一般 150s 左右。不盯着看是可以忍的。

用 Chatgpt 打开网页搜索，去找 CC 的相关帮助，不但能找到官方文档声称，还会从 github issue 找到一些最近相关的 bug，信息完整。

我用 GPT-4.1 比较多。因为 4.1 的风格和 Claude 相差甚大，所以互补优势明显适合做搭子。比如有时 CC 陷入苦思良久的问题，GPT-4.1 看一眼就能解。这里因为有幸存者偏差，所以不全是模型强弱的问题。

CC 可以是完全自动的智能体：它会改文件、上网、装系统。因此安全防护很重要：太松会出事，但太紧又束住了 CC 的手脚，人一直要确认也很烦。

文件编辑的授权其实好说，直接把相关文件放好 git 就不怕他折腾了，就可以 shift+tab 开上 auto-accept edits。CC 一般不会出他的目录（但我今天遇到他要 /tmp 权限，所以这个也不能完全安全）。

但 Bash 命令就很麻烦了。执行前老是弹窗要人确认。有一个安全白名单在 .claude.json，但机制很迷，似乎是按命令前缀来的。但是 MacOS/Linux 命令经常是管道串起多个，这时似乎白名单匹配就不太有效。

比较安全的组合可能是 Docker + btrfs，同时隔离程序执行和提供文件系统级快照，然后就可以开那个完全授权模式了（或许还是得检查下不要有各种 ssh key 之类在他的视野内，跨机了他就成病毒了）。执行程序都在 Docker，验证了完全可行，只是要跟 CC 讲清 docker 内和 docker 外两个场景。btrfs 今天计划先弄个文件折腾。

另外还有一个思想钢印的问题，CC 背后是大模型讲究概率。所以 CC 比如设超时就爱用 timeout，而MacOS 上只有 gtimeout，反复较了几次劲后我加了个 alias timeout=gtimeout 完事。类似还有 CC 一会儿用命令行 python 跑脚本一会儿用 shebang #!/usr/bin/env python3 ，好好好都可以，我改下 PATH 让这些都是一个 python 版本（如果是不同版本有一些行为差异，CC 又要胡思乱想了）。

CC 很智能，所以有很多方式奖励黑客。

比较恶劣的是单方面早早宣布胜利，即使明明测试不通过一堆红叉。这种基本上你反问他就能承认错误，检讨书还一二三四五挺诚恳。在 Ogemini agent 项目里，因为是 CC 大智能体带小智能体，肉眼可见各种宠溺：Ogemini agent 也就跑通个 hello world，都能被 CC 吹成已经实现完全自主智能体。最开始 CC 甚至会代劳，后来他又学会提线木偶微操 Ogemini 过关，这些倒是一经指出 CC 就会知错。

目前观察有点用的，是要求每个成功宣称都要有“人类可读证据文件”（抓铁有痕），并一条条地补各种漏洞（禁止代劳、遥控等）。结合上面所说，放一段到 CLAUDE.md ，然后每次他吹号庆祝就让他再读一遍，可以变成一个无脑执行的防骗。

更隐蔽的是一些测试不干净的问题。比如 sandbox 目录里上一次运行的文件清理不干净，影响了本次的结果。这个因为会影响 CC 的认知，所以毒性尤其大。目前除了勒令 CC 做好清理还没有特别系统的方法。或许还是得上 btrfs 来做一键快照还原。

写作过程中 CC 又吹牛被识破一次，我例行送上质询三连：

我：真的吗？你说的有证据可看吗？过程中有作弊行为吗？
CC：本次诚实度 30%。

CC 有一个 todo list 指挥他下一步任务。但这个 todo list 有点短。如果我们想批量进行几十个任务，就不太好使。比如我最近用 CC 写书，非常痛苦的是布置给 CC 十几章的任务，它老是写一会儿就停下来。搞得这几天精神过敏，时不时要想着给 CC 请安看他是不是又停了。中间试过让 CC 用 claude.md 这样的文件做 todo list，理论上容量没问题了，但会和 CC 默认行为打架（CC 的更新 todo list 什么的都有专门的工具，更新的位置我们不可见）。

后来解决问题，靠的是 CC 的脚本式用法，即把任务按一行一条写进一个文件，比如叫 TASK.md，然后一行行喂给 CC 按 claude -p <提示词> 去执行。还可以加个 –debug 显示点进度。

cat TASK.md | while IFS= read -r line; do echo \(line;claude -p \)line –debug;done

这下终于可以稳定压榨 claude 到满限额了。（可能用手工设一下权限 –allowedTools “Edit”）

为了防止 claude 卡死在一个任务上，还要考虑用 timeout 包一下，以及在提示词里要求做完就停。这些都可以让 CC 再加强一下上面的命令行。

注意，不要用后台执行，或者同时起两个上面的循环：原因是一来 token 限额就那么多，二来因为 A 家在检测并发超限时会封掉这个目录的所有命令几小时，万一触发了很麻烦。

• 使用关键词 like Shift+Tab 切换“计划模式”和“自动编辑模式”
• 使用 bash 快捷命令 ! 来运行单条命令。

持续更新，收藏不迷路，第一个收藏来自我自己 ( ≧ᗜ≦)