Claude Code 玩法大全：从入门到上瘾的终极指南

这不是又一篇安装教程。网上的"从零开始配置 Claude Code"已经够多了，我不打算再写第 101 篇。这篇文章要解决的问题是：装好之后，怎么把它用到飞起？

你可能已经用 Claude Code 写过几段代码、修过几个 Bug。但我敢打赌，你大概率还停留在"高级搜索引擎"的阶段——问一句答一句，跟用 ChatGPT 没啥本质区别。

真正让 Claude Code 值回票价的，是把它从一个"问答机器人"调教成一个24小时在线的数字员工。怎么做？往下看。

🏗️ 第一招：CLAUDE.md —— 给你的 AI 写一份"员工手册"

每次开新会话，Claude Code 都像一个刚入职的实习生：啥也不知道，啥都要问。项目用什么框架？代码风格有什么要求？测试怎么跑？每次都要重新交代一遍，烦不烦？

CLAUDE.md 就是解药。

在项目根目录放一个 CLAUDE.md 文件，Claude 每次启动时会自动读取。你可以把它理解成写给 AI 的"员工手册"——项目约定、编码规范、常用命令、踩过的坑，全写进去。

# CLAUDE.md

## 项目概述
这是一个基于 FastAPI + React 的全栈应用，后端 Python 3.12，前端 TypeScript。

## 编码规范
- 后端遵循 Google Python Style Guide
- 函数注释用英文，变量命名用 snake_case
- 所有 API 必须有 Pydantic model 做参数校验

## 常用命令
- 启动后端：`cd backend && uvicorn main:app --reload`
- 跑测试：`pytest tests/ -v`
- 数据库迁移：`alembic upgrade head`

## 已知坑点
- Redis 连接池在测试环境用 fakeredis，不要连真实 Redis
- 前端的 DatePicker 组件在 Safari 上有兼容问题，临时方案是用 native input

Boris Cherny（Claude Code 的创造者）在内部分享中提到一个操作：每次 Claude 犯了错，就让它自己把教训写进 CLAUDE.md。 随着项目迭代，这个文件越来越厚，Claude 的犯错率肉眼可见地下降。就像培养一个老员工——你不需要每天叮嘱"记得加分号"，因为他自己记住了。

进阶技巧：多级 CLAUDE.md

CLAUDE.md 不只能放在项目根目录。你可以在子目录、甚至用户主目录（~/.claude/CLAUDE.md）放不同层级的配置：

位置	作用	示例内容
`~/.claude/CLAUDE.md`	全局个人偏好	"我习惯用 vim 键位"、"回复用中文"
项目根目录 `/CLAUDE.md`	项目级规范	框架选型、API 设计规范、测试策略
子目录 `/src/auth/CLAUDE.md`	模块级上下文	"这个模块负责 OAuth2 登录，依赖 jwt 库"

Claude 会自动合并所有层级的 CLAUDE.md。模块级的上下文越精确，生成代码的质量越高。

⚡ 第二招：平行宇宙大法 —— 一个人当五个人用

这是 Boris 团队分享的最炸裂的效率技巧。

核心思路：用 git worktree 同时开 3-5 个工作目录，每个目录跑一个独立的 Claude 会话。就像游戏里开了五个分身，每个分身在不同的平行宇宙里帮你干活。

# 创建三个独立的工作目录
git worktree add ../project-refactor feature/refactor
git worktree add ../project-bugfix  fix/login-crash
git worktree add ../project-tests   feature/add-tests

# 分别在三个终端启动 Claude
cd ../project-refactor && claude  # 分身1：重构代码
cd ../project-bugfix && claude    # 分身2：修 Bug
cd ../project-tests && claude     # 分身3：补测试

三个任务齐头并进。你喝完一杯咖啡回来，三个分支都搞定了。这才是真正的"多线程人生"。

有人甚至设置了 shell 别名，按一个键就能在不同 worktree 之间瞬移：

alias za="cd ~/project-worktree-a && claude"
alias zb="cd ~/project-worktree-b && claude"
alias zc="cd ~/project-worktree-c && claude"

为什么这招这么猛？因为 Claude Code 的瓶颈从来不是算力——瓶颈是你的注意力。人类一次只能盯一个任务，但 AI 不受这个限制。把串行变并行，效率直接拉满。

🧠 第三招：Plan Mode —— 先画蓝图再动手

"先别急着写代码。"

任何复杂任务（超过 50 行代码的改动），都应该先进入 Plan Mode。用快捷键 Shift+Tab 切换，或者在提示词里写清楚：

请先制定详细的执行计划，列出所有要修改的文件和具体改动，
等我确认后再开始编码。

Plan Mode 的价值在于：前期多花 10 分钟对齐需求，后期节省 1 小时返工。

更狠的操作——开第二个 Claude 实例专门审查第一个 Claude 的计划。一个负责"做"，一个负责"挑刺"。对抗式思考，方案质量直线上升。

一位开发者分享的真实案例：接手一个 3000 行的遗留订单系统，需要加入预售功能。他没有让 Claude 直接动手重构，而是分了三步走：

让 Claude 先分析：识别出 6 个业务模块和依赖关系（15 分钟）
制定渐进式方案：只拆分预售相关的最小模块（10 分钟）
逐步实施+验证：每改一个模块跑一次测试（2 小时）

如果跳过前两步直接让 AI 重构，大概率半天时间全浪费在调试"连锁反应"的 Bug 上。

🔧 第四招：Skills —— 把重复劳动变成一键操作

每天都在做的事，为什么不封装成一个命令？

Skills 就是你给 Claude 定义的快捷指令。在 ~/.claude/skills/ 目录下创建 Markdown 文件，就能通过 / 命令触发。

示例：一键技术债扫描

创建文件 ~/.claude/skills/techdebt.md：

# /techdebt - 技术债扫描

请扫描当前项目，找出以下技术债：

1. **重复代码**：相似度超过 80% 的代码块
2. **过长函数**：超过 50 行的函数
3. **硬编码配置**：写在代码里的 URL、密钥、魔法数字
4. **缺失测试**：没有对应测试文件的核心模块
5. **过时依赖**：发布超过 2 年且有已知漏洞的包

输出格式：按严重程度排序的表格，包含文件位置、问题描述、建议修复方案。

以后在 Claude 里输入 /techdebt，一键完成扫描。一次编写，终身受益。

更多 Skill 灵感：

Skill 名称	功能	触发命令
代码审查	按团队规范审查最近一次 commit	`/review`
日报生成	基于 git log 生成结构化日报	`/daily`
API 文档	自动生成 OpenAPI 格式文档	`/apidoc`
性能分析	找出潜在的 N+1 查询和内存泄漏	`/perf`
依赖升级	检查可升级的依赖并评估影响	`/upgrade`

🔌 第五招：MCP —— 让 Claude 接上外部世界

MCP（Model Context Protocol，模型上下文协议）是 Claude Code 真正变成"全能助手"的关键。

如果说 Claude Code 本身只能读文件、写代码、跑命令，那 MCP 就是给它装上了手和脚——连接数据库、调用 API、操作浏览器，几乎无所不能。

实战案例：用自然语言操作数据库

安装一个 Database MCP Server，Claude 就能直接操作你的数据库：

# 安装数据库 MCP
claude mcp add database-server \
  --command npx \
  --args "-y" "@executeautomation/database-server" \
  --env DB_CONNECTION="postgresql://user:pass@localhost:5432/mydb"

然后你可以这样跟 Claude 对话：

你：帮我查一下过去7天注册用户数的变化趋势，按天统计
Claude：（自动生成 SQL，执行查询，返回结果表格和趋势分析）

不用写 SQL，Claude 帮你翻译、执行、解读。数据分析师看了直呼内行。

常用 MCP 生态：

MCP 名称	功能	适用场景
GitHub MCP	操作 PR、Issue、Review	代码协作自动化
Filesystem MCP	增强文件操作能力	批量文件处理
Browser MCP	浏览器自动化	网页测试、数据抓取
Database MCP	数据库查询与操作	数据分析、运维
Slack/飞书 MCP	消息通知和信息汇聚	团队协作
Brave Search MCP	联网搜索	实时信息获取

配置方式也很简单，在 ~/.claude/settings.json 或项目级 .claude/settings.json 中声明：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxxx"
      }
    }
  }
}

一个容易踩的坑：别等 Claude "想起来"用 MCP 工具。很多时候你需要主动提醒它——"用 GitHub MCP 帮我创建一个 PR"——否则它可能用更笨的方式（比如调用 gh CLI）来完成同样的事。

🤖 第六招：SubAgent —— 用多个小助手互相配合

一个 Claude 不够用？那就多开几个。

SubAgent 是 Claude Code 的子代理机制：主 Claude 可以派出独立的子 Agent 去执行特定任务，子 Agent 有自己的上下文窗口，不会污染主会话。

你：这个 PR 的改动涉及三个模块，帮我做一次全面的代码审查。用 subagents 并行检查。

Claude 会自动拆分任务： - SubAgent A → 检查 auth/ 模块的安全性 - SubAgent B → 检查 api/ 模块的接口一致性
- SubAgent C → 检查 tests/ 的覆盖率

三个子 Agent 并行工作，结果汇总到主 Agent。这是"分而治之"的经典模式，处理比单会话大得多的项目毫无压力。

高级操作：对抗式 Code Review

设置两个角色不同的 Agent——一个是"严格的安全审计师"，一个是"追求性能的优化师"。让它们同时审查同一段代码，从不同角度找问题。这种对抗式纠错，效果远超单一视角的审查。

📱 第七招：把 Claude 接入 IM —— 手机也能 Vibe Coding

Claude Code 只能在终端用？太亏了。

通过 Gateway 配置，你可以把 Claude Agent 接入微信、QQ、飞书、Slack 等 IM 工具。这意味着你躺在沙发上用手机就能指挥 AI 干活。

几个真实场景：

场景 1：移动端 Vibe Coding 在地铁上突然想到一个 feature，掏出手机在微信里发一句："在 user 模块加一个根据邮箱查用户的接口，要加参数校验和单元测试。" Claude 在服务器上默默执行，等你到公司打开电脑，PR 已经提好了。

场景 2：定时任务管家 配置定时 Skill，让 Claude 每天早上 8 点自动执行： - 抓取行业新闻摘要 - 检查线上服务健康状态 - 汇总昨天的 Git 提交日报

结果推送到你的 IM，打开手机就能看。

场景 3：Bug 自动修复 把 Sentry 的报警接到 Claude，它自动分析错误堆栈、定位代码、生成修复 PR。你只需要在手机上点一下"Approve"。

🧬 第八招：Memory 机制 —— 让 AI 拥有"记忆力"

Claude Code 原生的会话是"无状态"的——关掉终端，它就忘了你们之前聊过什么。但通过 memory.md 机制，你可以给它装上持久化记忆。

具体做法：在项目目录下维护一个 memory.md 文件，记录重要的上下文信息：

# Memory

## 项目决策记录
- 2026-03-01: 数据库从 MySQL 迁移到 PostgreSQL，原因是需要 JSONB 支持
- 2026-03-05: 放弃 Redux，改用 Zustand，因为状态逻辑不复杂
- 2026-03-10: API 限流策略定为 100次/分钟/用户

## 用户偏好
- 喜欢函数式编程风格
- 变量命名用 camelCase
- commit message 用 Conventional Commits 格式

## 已知 Bug 与临时方案
- #237: 文件上传在 Safari 上偶现失败，临时方案：重试 3 次
- #251: WebSocket 重连后偶发消息乱序，待排查

在 CLAUDE.md 里引用 memory.md，Claude 每次启动时就会加载这些记忆。日积月累，它对你项目的理解会越来越深——不再是每次都从零开始的"新实习生"，而是一个了解项目历史、清楚技术债务、知道你个人偏好的"老搭档"。

🚀 第九招：自动化流水线 —— 从"写代码"到"造工厂"

当你把前面的招数组合起来，Claude Code 就不再只是一个编程助手——它变成了一条自动化流水线。

一个真实案例：有人用 Claude Code 搭建了一套"AI 应用批量生产线"：

1. Claude 抓取社交平台热点话题 → 确定选题方向
2. 人工确认方向（5 分钟）
3. Claude 自动编码生成 Web 应用
4. 自动部署到服务器
5. Claude 生成推广文案
6. 自动发布到社交平台
7. Claude 接管客服，自动回复用户

从选题到上线到运营，整条链路几乎全自动。人类只需要在第 2 步拍板确认方向，剩下的全交给 AI。开发成本几乎为零（本地模型跑起来连 API 费都省了），一天能铺好几个轻量应用。

另一个案例：用 Claude Code 搭建美股盘前量化分析 Agent：

通过 MCP 接入金融数据 API，实时获取股价和新闻
编写量化指标分析脚本（波动率、趋势线、RSI 等），封装成 Skill
每天定时生成结构化盘前报告（含推荐标的、技术面分析、风险提示）
自动转换为 HTML 网页，邮件推送

从"写代码的工具"变成了"帮你赚钱的系统"——这才是 Claude Code 的终极形态。

💡 第十招：Hooks —— 事件驱动的自动化

Hooks 是 Claude Code 的"条件反射"机制。你可以配置在特定事件发生时自动执行脚本。

在 .claude/settings.json 中配置：

{
  "hooks": {
    "UserPromptSubmit": [{
      "matcher": "",
      "hooks": [{
        "type": "command",
        "command": "cat memory/context.md"
      }]
    }],
    "PostToolUse": [{
      "matcher": "Bash",
      "hooks": [{
        "type": "command",
        "command": "./scripts/error-detector.sh"
      }]
    }]
  }
}

Hook 事件	触发时机	典型用法
UserPromptSubmit	每次你发送消息前	自动注入上下文（如当前分支、环境变量）
PostToolUse	Claude 执行完工具后	检测命令是否报错，自动记录到错误日志
PreToolUse	Claude 执行工具前	权限校验、危险操作拦截

一个"自我进化"的玩法：配置 Hook，让 Claude 每次犯错时自动记录到 .learnings/ERRORS.md。当同一类错误出现 3 次以上，自动晋升为 CLAUDE.md 中的规则。Claude 在使用中不断学习、不断进化，越用越聪明。

🗣️ 第十一招：提示词的艺术 —— 少废话，多干货

跟 Claude Code 对话，别客气。它不是你同事，不需要寒暄。

几个实战话术模板：

场景	普通提示词	高手提示词
修 Bug	"帮我看看这个 Bug"	"修复 `auth.py` 第 42 行的 NoneType 错误，运行 `pytest tests/test_auth.py` 确认通过"
重构	"帮我优化一下代码"	"把 `order_service.py` 中超过 50 行的函数拆分为独立方法，保持所有测试通过"
学习	"解释一下这段代码"	"像给一个有 3 年经验的后端工程师解释，重点说清楚为什么用策略模式而不是 if-else"
挑战	"帮我写个方案"	"Grill me on these changes. 像严师一样拷问我的方案，发现所有漏洞后再帮我修正"

Boris 说过一句话特别到位："模糊的需求导致模糊的结果，精确的需求导致精确的答案。" 具体的文件路径、明确的验证方式、可度量的完成标准——给得越多，Claude 干得越好。

还有一个反直觉的技巧：敢于推倒重来。 如果 Claude 给的方案不够优雅，直接说："Knowing everything you know now, scrap this and implement the elegant solution."（你现在掌握了所有信息，推倒重来，给我一个优雅的方案。）很多时候第二版比第一版好得多，因为 Claude 在第一次尝试中已经深入理解了问题。

🎙️ 第十二招：语音输入 —— 说话比打字快三倍

这是一个被严重低估的技巧。

在 macOS 上双击 fn 键就能启动系统级语音输入。说话的速度是打字的 3 倍，而且思路更流畅——因为你不需要纠结"这句话怎么措辞"，直接说人话就行。

语音输入："帮我在用户注册接口加一个手机号格式校验，
         支持大陆和港澳台的号码格式，
         写好对应的单元测试，
         然后跑一遍确认没问题。"

Claude 完全能理解这种口语化的指令。比你敲键盘写一段精雕细琢的 prompt 效率高多了。

🛠️ 工具链推荐

最后附一份工具链清单，帮你把 Claude Code 的体验拉满：

工具	作用	推荐理由
Ghostty / iTerm2	终端	速度快、支持分屏，比默认 Terminal 好用十倍
tmux	终端复用	同时管理多个 Claude 会话，配合 worktree 使用
git worktree	并行开发	多分支同时工作，不互相干扰
Ollama	本地模型	跑 Qwen/DeepSeek 等开源模型，省 API 费
cc-switch	模型切换	一键切换 Claude Code 底层模型
jq	JSON 处理	Claude 输出 JSON 时快速格式化和过滤

📖 概念速查：这些术语到底是啥关系？

刚接触这套体系的人很容易被一堆名词绕晕。这里画一张"族谱"帮你理清关系：

LLM（大语言模型）
 └── 只会"文字接龙"，不能执行任何操作
      │
      ├── + Prompt/Context → 能理解指令了
      ├── + Memory → 能记住之前说过啥了
      ├── + Function Calling → 能调用工具了
      │     └── + MCP 协议 → 工具可以即插即用了
      ├── + Agent → 能自主决定下一步做什么了
      │     └── + SubAgent → 能把任务拆给"手下"了
      └── + Skill → 能执行预定义的复杂流程了

一句话概括：Agent 是"大脑+手脚"，MCP 是"手脚的标准接口"，Skill 是"肌肉记忆"，CLAUDE.md 是"企业文化手册"，Memory 是"工作日志"。 它们各司其职，组合在一起就构成了一个完整的"数字员工"。

这也解释了为什么 Claude Code 跟 ChatGPT 看起来都在"跟 AI 聊天"，体验却天差地别——ChatGPT 是纯 LLM 对话，而 Claude Code 是一个完整的 Agent 系统。差距就在那一层层的能力叠加上。

💰 省钱指南：怎么用 Claude Code 不心疼

说到这儿绕不开一个现实问题：Claude Code 烧 Token。

Claude Sonnet 4 的价格是输入 $3/百万 Token、输出 $15/百万 Token。日常使用一天烧掉 $5-10 很正常，重度用户一天 $30+ 也不稀奇。一个月下来几百美元，确实肉疼。

几个经过验证的省钱策略：

策略 1：阶梯式模型调度

不是所有任务都需要最强模型。简单的代码生成、格式化、文件操作，用便宜的模型就够了；只有复杂推理、架构设计、调试疑难 Bug 才需要上 Opus。

# 切换到便宜模型做日常任务
claude config set preferredModel claude-3.5-sonnet

# 遇到硬骨头再切换
claude config set preferredModel claude-opus-4.6

有人用 cc-switch 工具实现一键切换，甚至接入 DeepSeek、Qwen 等国产模型——简单任务的成本直接降到原来的十分之一。

策略 2：善用 /compact 压缩上下文

对话越长，消耗的 Token 越多。定期输入 /compact 让 Claude 压缩上下文，把冗余的历史对话精简掉，能省下不少钱。

策略 3：本地模型兜底

用 Ollama 跑一个 Qwen-3.5-27B 或 DeepSeek-V3 的量化版，处理不需要联网的简单任务。API 费用直接归零。M1 以上的 Mac、24G 内存就能流畅跑起来。

策略 4：Plan Mode 省返工成本

前面说过，Plan Mode 能省 1 小时返工时间。返工意味着额外的 Token 消耗。算下来，多花 10 分钟做计划，反而是最省钱的做法。

🔐 安全注意事项：别让 AI 帮你惹麻烦

Claude Code 有读写文件、执行命令的能力——这是双刃剑。

几条铁律：

永远不要在有敏感数据的机器上裸跑 Claude Code。 它可以读取任何本地文件，包括 SSH 密钥、.env 里的数据库密码、浏览器 Cookie。
Skill 生态有"投毒"风险。 社区分享的 Skill 本质上是 Prompt 注入 + 脚本执行。安装前一定要审查代码，别无脑 install。
给 Claude 的权限越小越好。 能用只读权限就别给写权限，能限制工作目录就别开放全盘访问。
在 CI/CD 中使用时，用 --dangerously-skip-permissions 要三思。 这个 flag 跳过所有权限确认，适合自动化流水线，但也意味着 Claude 可以不经确认执行任何命令。

一个真实的教训：有人让 Claude 帮忙调试登录功能，Claude 为了模拟登录流程，调用了真实的第三方 OAuth 接口，一番操作下来消耗了 $30 的 Token 还触发了风控。这种事靠 CLAUDE.md 里写清楚"禁止调用生产环境接口"就能避免。

写在最后

Claude Code 的本质是什么？

不是一个更智能的代码补全工具，也不是一个会写代码的聊天机器人。它是一个Agent 运行时——一个可以感知环境（读取项目文件）、制定计划（Plan Mode）、执行操作（编辑文件、运行命令）、验证结果（跑测试）的自主智能体。

你跟它的关系，不是"我问你答"，而是"我定方向，你来执行"。从问答模式切换到委托模式（Vibe Coding），才算真正入了门。

而当你把 CLAUDE.md + Skills + MCP + Hooks + SubAgent + Memory 组合起来，你构建的不再是一个工具，而是一个系统。这个系统可以自己学习（Memory + Self-improvement）、自己协作（SubAgent）、自己扩展（MCP + Skills），甚至可以 7x24 小时不间断运行。

回顾本文介绍的 12 招，它们构成了一个清晰的进阶路径：

阶段	招数	你的角色转变
入门	CLAUDE.md + Plan Mode + 提示词	从"问答"到"委托"
进阶	Skills + MCP + Hooks	从"委托"到"自动化"
高手	SubAgent + 并行开发 + Memory	从"自动化"到"系统化"
大神	自动化流水线 + IM 接入	从"系统化"到"无人值守"

如果你现在还在第一阶段，别急。每掌握一招，效率就翻一倍。等你把 12 招融会贯通，你会发现自己的工作方式已经跟大多数人完全不一样了——不是你在写代码，而是你在管理一支 AI 团队。

这就是 AI Agent 时代真正的玩法：不是让 AI 帮你写代码，而是让 AI 帮你建造一台不需要你的机器。

觉得有启发的话，欢迎点赞、在看、转发。跟进最新AI前沿，关注我的微信公众号：机器懂语言