TL;DR
上篇讲了 Boris Cherny 的核心理念,这篇直接上干货:他的 13 条 Claude Code 实战技巧。
从环境配置(5 终端并行、系统通知)、到工具链(slash commands、subagents、hooks)、再到高级玩法(MCP 集成、Ralph Wiggum 插件、权限管理),每一条都是他从 2024 年 9 月到 2025 年 2 月,在构建 Claude Code 过程中沉淀出来的生产力武器。
看完你会发现:Claude Code 不是”更强的 Copilot”,是”可编程的 AI 团队”。
系列导航
- 上篇:Claude Code 创造者 Boris Cherny:用 AI 写 AI 的极致实践
- 本篇:Boris Cherny 的 Claude Code 实战手册:13 条生产力心法
一、环境配置:让 AI 像团队一样并行工作
技巧 1:5 个终端 + 系统通知
Boris 的终端标签编号 1-5,每个跑一个 Claude 会话。

为什么是 5 个?
- 1 号:主会话,处理核心功能
- 2 号:测试会话,跑测试、验证代码
- 3 号:文档会话,写文档、更新 README
- 4 号:探索会话,调研新技术、读源码
- 5 号:备用会话,处理突发任务
系统通知配置(iTerm2):
# Claude 需要输入时,终端弹通知
# 配置文档:https://code.claude.com/docs/en/terminal-config#iterm-2-system-notifications
效果:
- 你不用盯着 5 个终端
- Claude 需要你时,系统通知会告诉你
- 你可以专注当前任务,其他 Claude 在后台干活
技巧 2:5-10 个 Web 会话 + 手机启动
除了本地终端,Boris 还在 claude.ai/code 开 5-10 个浏览器会话。
工作流:
- 早上:用 Claude iOS App 启动几个会话,丢给 Claude 一些长期任务
- 白天:在终端写代码,偶尔检查 Web 会话进度
- 需要时:用
&命令把本地会话移交到 Web,或用--teleport在本地和 Web 之间传送
为什么这样做?
- 长期任务:调研、重构、文档,适合丢给 Web 会话慢慢跑
- 移动办公:手机上启动会话,回到电脑继续
- 资源隔离:本地终端处理紧急任务,Web 会话处理非紧急任务
技巧 3:只用 Opus 4.5 + Thinking
Boris 的选择:Opus 4.5 with thinking,用于所有任务。

为什么不用 Sonnet?
- Sonnet 更快更便宜,但需要更多引导
- Opus 理解能力更强,工具使用更准确
- 最终效率:Opus 一次写对,比 Sonnet 改三次更快
适用场景:
- 复杂架构设计
- 多文件重构
- 需要深度理解上下文的任务
二、工具链:把重复工作自动化
技巧 4:团队共享 CLAUDE.md
Boris 的团队维护一个 CLAUDE.md,检入 Git,全团队贡献。

内容示例:
# CLAUDE.md
## 代码规范
- 禁止使用 var,必须用 const/let
- 函数超过 20 行必须拆分
- 所有 API 必须有 JSDoc 注释
## 架构约束
- 新功能必须加测试
- 数据库迁移必须可回滚
- 前端组件必须支持 SSR
## 历史教训
- 2025-12-15:Claude 在处理日期时忘记时区,导致 bug
- 2025-12-20:Claude 生成的 SQL 没有加索引,查询超时
Code Review 集成:
# 在 PR 里 @.claude,自动更新 CLAUDE.md
# 使用 GitHub Action:/install-github-action
技巧 5:Slash Commands 自动化内循环
Boris 把每天重复做的事情,都做成了 slash command。
示例:/commit-push-pr
# .claude/commands/commit-push-pr.sh
# 预计算 git 状态,避免多次交互
GIT_STATUS=$(git status --short)
GIT_BRANCH=$(git branch --show-current)
GIT_DIFF=$(git diff --stat)
# 一次性传给 Claude
claude "
根据以下信息创建 commit、push 并发起 PR:
当前分支:$GIT_BRANCH
文件变更:
$GIT_STATUS
变更统计:
$GIT_DIFF
请:
1. 生成符合 Conventional Commits 规范的 commit message
2. 执行 git add、git commit、git push
3. 使用 gh pr create 发起 PR
"
为什么有效?
- 避免重复提示:不用每次都告诉 Claude”帮我提交代码”
- 预计算信息:减少 Claude 和 Git 的交互次数
- 团队共享:检入 Git,全团队都能用
其他常用 commands:
/test:运行测试套件/lint:代码检查/deploy:部署到测试环境
技巧 6:Subagents 处理专项任务
Boris 用 subagents 自动化常见工作流。

示例 subagents:
| Subagent | 用途 |
|---|---|
| code-simplifier | 代码写完后自动简化 |
| verify-app | 端到端测试 Claude Code |
| security-checker | 检查安全漏洞 |
| performance-profiler | 性能分析 |
使用方式:
# 主会话完成功能后,启动 subagent 验证
claude --subagent verify-app "测试刚才实现的登录功能"
配置示例:
// .claude/subagents/verify-app.json
{
"name": "verify-app",
"description": "端到端测试 Claude Code",
"instructions": "
1. 启动本地开发服务器
2. 使用 Chrome 扩展自动化测试
3. 验证所有核心功能
4. 生成测试报告
",
"tools": ["bash", "chrome"]
}
三、Hooks:让 AI 自动遵守规范
技巧 7:PostToolUse Hook 自动格式化
Boris 用 PostToolUse hook 在 Claude 写完代码后自动格式化。
配置示例:
// .claude/hooks/post-tool-use.json
{
"trigger": "after_edit",
"command": "prettier --write {file_path}"
}
效果:
- Claude 写完代码,hook 自动运行 prettier
- 避免 CI 因为格式问题失败
- Claude 专注逻辑,格式交给工具
其他 hooks:
| Hook | 用途 |
|---|---|
| PreCommit | 提交前运行 lint 和测试 |
| PostWrite | 写文件后自动生成类型定义 |
| PreDeploy | 部署前检查环境变量 |
技巧 8:Agent Stop Hook 长期任务验证
对于长期任务,Boris 用 Agent Stop hook 在任务结束时自动验证。
配置示例:
// .claude/hooks/agent-stop.json
{
"trigger": "agent_complete",
"command": "npm test && npm run build"
}
工作流:
- 启动后台 agent 处理重构任务
- Agent 完成后,hook 自动运行测试和构建
- 失败则通知你,成功则直接提交
适用场景:
- 大规模重构
- 数据库迁移
- 性能优化
四、高级玩法:MCP 集成与权限管理
技巧 9:MCP 集成 Slack、BigQuery、Sentry
Boris 让 Claude 直接使用他的所有工具。

配置示例:
// .mcp.json
{
"servers": {
"slack": {
"command": "mcp-server-slack",
"env": {
"SLACK_TOKEN": "${SLACK_TOKEN}"
}
},
"bigquery": {
"command": "bq",
"args": ["query"]
},
"sentry": {
"command": "sentry-cli"
}
}
}
实际使用:
你:最近有什么严重错误?
Claude:[查询 Sentry] 发现 3 个 P0 错误...
你:在 Slack 通知团队
Claude:[发送 Slack 消息] 已通知 #engineering 频道
你:分析错误日志的用户分布
Claude:[运行 BigQuery] 80% 来自移动端...
为什么强大?
- Claude 不只是写代码,还能查数据、发消息、看日志
- 你不用离开终端,Claude 帮你操作所有工具
- 配置检入 Git,全团队共享
技巧 10:/permissions 预授权常用命令
Boris 不用 --dangerously-skip-permissions,而是用 /permissions 预授权。
配置示例:
// .claude/settings.json
{
"permissions": {
"bash": {
"allowed_commands": [
"git status",
"git diff",
"npm test",
"npm run build",
"gh pr create"
]
}
}
}
效果:
- 安全命令不需要每次确认
- 危险命令(rm -rf、sudo)仍需确认
- 团队共享配置,统一权限策略
技巧 11:Ralph Wiggum 插件处理超长任务
对于超长任务,Boris 用 Ralph Wiggum 插件让 Claude 自主循环。

工作原理:
- 启动 Ralph Wiggum 模式
- Claude 执行任务 → 验证 → 发现问题 → 修复 → 再验证
- 循环直到所有测试通过
- 自动生成报告
使用场景:
- 修复所有 lint 错误
- 升级依赖并解决兼容性问题
- 重构整个模块
配置:
# 启动 Ralph Wiggum 模式
claude --plugin ralph-wiggum "修复所有 TypeScript 类型错误"
# 在沙箱中运行,避免权限提示
claude --permission-mode=dontAsk --plugin ralph-wiggum "..."
五、验证闭环:让 AI 自己检查代码质量
技巧 12:Chrome 扩展自动化测试
Boris 每次提交代码,都让 Claude 用 Chrome 扩展测试 UI。

工作流:
- Claude 写完代码
- 启动本地开发服务器
- Chrome 扩展打开浏览器
- 自动点击、填表单、检查页面元素
- 验证功能正常、UX 流畅
- 发现问题立即修改代码,重新测试
配置示例:
# 安装 Chrome 扩展
claude chrome install
# 测试登录功能
claude "测试登录功能:
1. 打开 http://localhost:3000/login
2. 填写用户名和密码
3. 点击登录按钮
4. 验证跳转到首页
5. 检查用户信息显示正确
"
为什么有效?
- 自动化:不需要手动测试
- 快速反馈:几秒钟就能发现问题
- 持续验证:每次改代码都自动测试
技巧 13:后台 Agent + 验证闭环
对于长期任务,Boris 用后台 agent + 验证闭环确保质量。

工作流:
# 启动后台 agent,完成后自动验证
claude --background "重构用户认证模块" \
--on-complete "npm test && npm run build"
# 或者用 Agent Stop hook 自动验证
claude --background "..." --hook agent-stop
验证策略:
| 任务类型 | 验证方式 |
|---|---|
| 后端 API | 运行测试套件 + curl 验证 |
| 前端 UI | Chrome 扩展自动化测试 |
| CLI 工具 | Bash 命令验证输出 |
| 数据库迁移 | 运行迁移 + 回滚测试 |
核心原则:
- 验证必须自动化:手动测试 = 没有验证
- 验证必须快速:超过 10 秒的验证,AI 不会主动跑
- 验证必须可靠:偶尔失败的测试 = 没有测试
六、小结
Boris Cherny 的 13 条技巧,本质上是把 Claude Code 从”AI 助手”变成”可编程的 AI 团队”。
环境配置:
1. 5 个终端 + 系统通知
2. 5-10 个 Web 会话 + 手机启动
3. 只用 Opus 4.5 + Thinking
工具链:
4. 团队共享 CLAUDE.md
5. Slash Commands 自动化内循环
6. Subagents 处理专项任务
7. PostToolUse Hook 自动格式化
8. Agent Stop Hook 长期任务验证
高级玩法:
9. MCP 集成 Slack、BigQuery、Sentry
10. /permissions 预授权常用命令
11. Ralph Wiggum 插件处理超长任务
验证闭环:
12. Chrome 扩展自动化测试
13. 后台 Agent + 验证闭环
一句话总结:
给 AI 配好环境、工具、验证机制,它就能像团队一样并行工作,像工程师一样自我验证。
参考链接








程序员数学扫盲课
AI周刊:大模型、智能体与产业动态追踪
Claude Code 全体系指南:AI 编程智能体实战
Karpathy神经网络零基础课程
最新评论
开源的AI对话监控面板很实用,正好团队在找这类工具。准备试用一下。
折叠屏市场确实在升温,不过售罄也可能是备货策略。期待看到实际销量数据。
从磁盘I/O角度解释B树的设计动机,这个切入点很好。终于理解为什么数据库不用二叉树了。
IT术语转换确实是个痛点,之前用搜狗总是把技术词汇转成奇怪的词。智谱这个方向值得期待。
这个工具结合LLM和搜索API的思路很有意思,正好解决了我在做知识管理时遇到的问题。请问有没有部署文档?
这个漏洞确实严重,我们团队上周刚遇到类似问题。建议补充一下如何检测现有项目是否受影响的方法。
从简单规则涌现复杂性这个思路很有意思,让我想起元胞自动机。不过数字物理学在学术界争议还挺大的。
我也遇到了指令跟随变差的问题,特别是多轮对话时容易跑偏。不知道是模型退化还是负载优化导致的。