从11月份把 Claude Code 当"更准的 Cursor"用，到现在把它当外包团队来调度——这篇文章是20000次对话之后的完整复盘。官方认证重度用户，token 消耗排前1%。
作为一个长期远程工作的独立开发者，我对效率工具的要求很简单：能减少我干重复活的时间，让我把精力放在真正需要判断的事上。
Claude Code 用了20天之后，我的认知被彻底改了。
一、认知转变：从"助手"到"团队"
刚开始用的时候，我以为它就是编程准确率更高的 Cursor。
后来和几个做独立开发的朋友交流，加上自己实际在用，才意识到这个工具已经不能用"AI 助手"来定义了。
它不是一个知识广泛的实习生，而是一个经验丰富、成本低廉的靠谱团队。
这一句话改变了我所有的使用姿势。
二、20天的实战产出
认知改变之后，产出也跟着变了。这20天我用 Claude Code 做了三个产品：
| 产品 | 技术栈 | 用时 | 备注 |
|---|---|---|---|
| AI 对话 ChatBot | Flutter | 2天 | 支持语音、简历上传、AI 面试官 |
| iOS 启动器 App | iOS 原生 | 2天 | — |
| GroAsk | macOS 原生 | 2周 | Claude Code 调度面板 |
三个产品全部 Vibe Coding，没有手写过一行代码。Opus 4.5 时代我还会翻一下代码，到了 Opus 4.6，我没有主动看过一行。
GroAsk 是我自己用 Claude Code 用到受不了之后做的——反复在多个终端之间切来切去，不知道哪个 Session 在干什么，上下文爆了还没察觉。做出来之后主要自己用，后来发现有类似需求的人不少，就上线了。
三、我的日常工作流
远程独立开发最大的问题是什么？没有团队，但事情又不少。
Claude Code 帮我解决的不只是编程，还有：
- 自动发推特（浏览器 MCP + Skill 组合）
- 自动写文章、多平台分发（自定义 Skill）
- 产品数据分析（直接喂真实运营数据）
- 市场调研（需求调研、用户痛点收集）
编程只是其中一块，不是全部。
四、产品迭代节奏
小需求：一句话到上线
描述需求 → Claude Code 自动完成 → 直接上线 → 发现问题一句话修
这个节奏跑顺了之后，很多功能从想法到上线不超过半天。
大版本：结构化流程
需求收集 → PRD → 市场调研验证 → 技术方案 → 执行规划 → 开发
具体怎么跑：
- 描述原始需求，让 Claude Code 产出 PRD，结合调研验证
- Claude Code 编写技术方案，再用市场调研 review 一遍
- 用 TDD + Subagent 拆分任务，按计划执行
实际产出规模是：3000字需求描述 → 10000字技术方案 → 40000字执行规划。
关键原则
产品决策和技术决策不能完全交给 AI。 看似实现了需求，但完全依赖 AI 决策，面对复杂任务时维护难度是地狱级的。
另外，让 AI 实现一个小的需求点，比让它一次性搞定大而全的需求，更容易、更可靠、效率也更高。 这点反直觉，但我用了20天之后确实是这个结论。
五、深度使用：五个技巧
Skill：工作流固化
Skill 是我用过之后觉得最值的功能。核心思路是把自己的工作流程固化下来：
- Prompt：用自然语言描述需要模型判断的部分
- Script：用代码描述能确定执行的部分
原则：只有真正需要模型理解判断的才写成 Prompt，其余的用 Script。
我常用的 Skill 包括：自动提交代码、自动拉取运营数据、自动发帖、自动写文章。这些跑顺了之后，重复性工作基本不用人盯。
Subagent：复杂任务的上下文管理
Subagent 让你在一个会话内使用多个 Agent 分工协作。主 Session 只关注输入和输出，细节交给子 Session 处理。Claude 自带的 Task 工具就是这个机制。
MCP：扩展能力，但要克制
我个人用了8个 MCP，但现在建议用更少。
MCP 占据大量原始上下文。建议：
- 用参数让 MCP 只暴露接口，不把文档全塞进上下文
- 优先选 Rust/Go 编译的 MCP，内存占用比 Node 版低很多
Hooks：安全网
目前最有价值的 Hook：让 Claude Code 在删除任何未备份的内容之前先做备份。 这个设置好了之后可以省掉很多麻烦。
调试：让 AI 写日志
这是我觉得最被低估的技巧。遇到 AI 解决不了的 bug，让它把日志写在本地，再根据日志排查。这是最有效的 bug 解决方式，没有之一。 你以为 AI 搞不定的问题，让它先写日志再试一次，很多时候超出预期。
六、长期记忆：解决"今天说明天忘"
这是很多人的痛点。我的做法是分层知识管理：
- 维护分层的 Knowledge 文件夹，告诉 Claude Code"有价值的信息存到知识库"
- CLAUDE.md 分组管理：子工程各自一份 + Rules 分类 + 手动维护关键决策
- 越用越顺手，记忆是积累出来的
七、上下文管理：保持模型智能的关键
| 策略 | 说明 |
|---|---|
| MCP 按需引入 | 精简接口暴露 |
| CLAUDE.md 分层分组 | 避免信息过载 |
| 上下文阈值 200k | 超过就开新 Session |
| 不要压缩上下文 | 开新 Session 优于压缩 |
| 实时监控各 Session 状态 | 这条最容易被忽略 |
上下文不推荐超过200k（1M 窗口的20%）。超了之后的区别就像工作日上午和加班到深夜的同事——到了晚上，脑子已经混了。永远让模型在最清醒的状态下工作。
最后一条"实时监控"很多人忽略。用着用着上下文爆了还不知道，等到模型回答质量断崖式下降才察觉。这是我做 GroAsk 的核心动机——菜单栏一眼看到每个 Claude Code 终端的上下文用量、当前状态、排队情况，不用一个个切终端查。
八、多 Session 管理：别只盯着一个窗口
只开一个 Claude Code 进程盯着它干活，效率太低了。
- 日常舒适区：2-3个进程并行
- 高强度场景：5-10个
- 只维护需要用户输入的 Session，其他的让它跑
多 Session 的实际问题是：开了5个以上的终端，光是找"哪个 Session 在等我输入"就够烦的。我现在用 GroAsk 的调度面板集中管理——哪个在跑、哪个等输入、哪个上下文快满，一目了然。⌥Space 呼出面板，点一下跳到对应终端，不用在一堆窗口里翻找。
如果你也是多 Session 重度用户，可以试试：groask.com/zh/?ref=eleduck
九、模型的边界
模型的边界在于完全创新的能力。
做没有人做过的东西——训练数据里没有，只能靠推测。这时候，需要发挥的是人的创造力和判断力。这部分交不出去。
十、三句话总结
- Claude Code 不是 AI 助手，是 AI 团队。 用管理团队的方式去用它。
- 人的核心价值是决策。 产品决策、技术决策、创新——这些交不出去。
- 工程化地用 AI。 Skill 固化流程、Subagent 管理复杂度、分层知识实现记忆、上下文管理保持智能。
作者日常用 Claude Code 开发 GroAsk——macOS 菜单栏 AI 启动器，⌥Space 直达多个 AI，同时监控所有 Claude Code 终端状态。如果你也在用 Claude Code，欢迎试试。
