Claude Code 之父 Boris Cherny 親授！13 條 AI 開發心法，效率翻 10 倍

Boris Cherny 是 Anthropic 的工程師，也是 Claude Code 的核心開發者。他在社群上公開了自己使用這套工具的實戰數據：30 天內完成 259 個 PR，每一行程式碼都透過 Claude Code 搭配 Opus 4.5 模型撰寫。連續 47 天中有 46 天處於活躍狀態，最長一次工作階段持續了 1 天 18 小時。

這些數字揭示了一個關鍵訊息：創建者本人以如此高強度的方式使用自家產品，代表這套工具的穩定性與實用性已達到生產級水準。

以下整理 Boris 分享的 13 條使用技巧，涵蓋並行開發、模型選擇、團隊協作到自動化工作流等面向。

【開發者必讀】Boris Cherny 的 13 條心法：如何駕馭 Claude 成為頂尖工程師？

並行開發策略

Boris 的第一條建議是同時運行 5 個 Claude 實例，透過系統通知追蹤哪個實例需要輸入。這種做法打破了傳統開發者「一次專注一件事」的思維模式。

實務上，他會同時在本地終端機與網頁版 Claude 之間切換。透過 & 符號與 --teleport 參數，可以讓任務在兩個環境之間無縫轉移。本地端適合需要存取檔案系統的複雜操作，網頁版則適合快速的問答與腦力激盪。

這種並行思維的價值在於：當一個 Claude 實例正在處理耗時的程式碼生成任務時，開發者可以同時讓另一個實例協助撰寫文件或進行程式碼審查。根據 Boris 的數據，他經常同時運行本地 5 個加上網頁端 5 到 10 個實例。

模型選擇原則

Boris 全程使用 Opus 4.5 搭配思考模式（thinking mode）。他的觀點是：雖然 Opus 4.5 的回應速度較 Sonnet 慢，但需要的人工引導更少。當計算總時間成本時，使用功能更強大的模型實際上更快。

這裡的邏輯是：便宜快速的模型可能需要更多次的來回修正，而高階模型一次就能理解需求並產出正確結果。對於專業開發者而言，節省的認知負擔與溝通成本往往比運算費用更有價值。

Claude AI 的各方案價格與功能差異，可作為企業選擇的參考依據。

CLAUDE.md 團隊協作機制

Boris 提出了一個高效的團隊知識累積方法：建立共享的 CLAUDE.md 檔案。每當 Claude 產生錯誤輸出或理解偏差時，團隊成員就將該情境與正確做法記錄進去。

這形成了一個持續優化的飛輪效應：錯誤被記錄、Claude 學習修正、未來產出品質提升。更進階的做法是在程式碼審查流程中引入 @.claude 標記，讓系統自動將審查意見更新至 CLAUDE.md。

這種方法的本質是將團隊的隱性知識轉化為 Claude 可讀取的顯性指令，等於為 AI 助手建立了專屬的工作手冊。

規劃優先的工作流程

大多數工作階段應該從 Plan 模式開始。在 Claude Code 介面中，按下 Shift+Tab 兩次即可切換至此模式。

規劃階段的核心價值在於：強迫開發者在動手之前先釐清目標。一份清晰的執行計畫能大幅減少後續的來回修正。Boris 的經驗是，投入 10 分鐘做好規劃，往往能省下 1 小時的除錯時間。

斜線命令與自動化

高頻率重複的工作流程應該封裝成斜線命令。這不僅方便人類開發者快速調用，Claude 本身也能在執行任務時呼叫這些命令。

舉例而言，如果團隊經常需要執行「建立新元件並加入單元測試」的流程，可以將這一連串步驟封裝成 /new-component 命令。往後無論是人工輸入或 Claude 自動執行，都能確保流程一致。

這種做法與 Vibe Coding 的理念相符：將人類的意圖快速轉化為可執行的程式碼，減少重複性操作的認知負擔。

子代理的正確使用方式

Boris 建議使用子代理（sub-agents）自動化常見流程，但明確反對「專家分工」的設計思路。

這裡的區別很重要：子代理應該是執行特定任務的工具，而非被賦予特定人格或專業領域的「角色」。後者的問題在於，過度的角色設定可能導致模型回應偏離實際需求。

有效的子代理設計是：「執行資料庫遷移並產生變更紀錄」，而非「你是資料庫專家，請以專家角度分析這個問題」。

PostToolUse 鉤子的應用

Boris 使用 PostToolUse 鉤子自動執行格式化等收尾工作。這個機制能處理專案的「最後 10%」——那些瑣碎但必要的步驟。

典型應用包括：程式碼格式化（Prettier、ESLint）、自動產生 TypeScript 型別定義、更新 changelog 等。將這些步驟掛載到鉤子上，可以確保每次工具執行後都維持一致的程式碼品質。

權限管理策略

關於安全性設定，Boris 推薦使用 /permissions 預先授權安全的命令，而非依賴 dangerously-skip-permissions 參數。

這兩種做法的差異在於：前者是白名單機制，明確指定哪些操作被允許；後者是完全跳過權限檢查，存在潛在的安全風險。

對於企業環境而言，建立明確的權限白名單能在維持效率的同時確保安全底線。

工具整合生態

Boris 主張讓 Claude 連接所有相關工具：Slack、BigQuery、Sentry 等。

這種整合的價值在於建立完整的工作脈絡。當 Claude 能夠存取錯誤監控系統（Sentry）、查詢資料庫（BigQuery）、並在團隊頻道（Slack）發送通知時，它就從單純的程式碼生成工具升級為真正的開發協作夥伴。

MCP 協議是實現這種整合的技術基礎，讓 Claude 能夠與各種外部服務進行標準化的溝通。

長時間任務的自動化

Boris 提到他使用一個名為 ralph-wiggum 的外掛，讓 Claude 在長時間任務中自動循環執行直到完成。

這解決了 AI 助手的一個常見限制：遇到長任務時可能中途停止或需要人工確認。透過自動循環機制，Claude 可以持續執行直到任務完成，大幅減少人工介入的頻率。

反饋循環的核心價值

Boris 將第 13 條建議列為最重要：給 Claude 驗證工作成果的方式，建立反饋循環。他的數據顯示，有反饋循環的工作流程，輸出品質可提升 2 到 3 倍。

這個原則的實踐方式是：讓 Claude 能夠執行自己寫的程式碼、運行測試、檢視錯誤訊息。當 Claude 能夠「看見」自己工作的結果時，它就能進行自我修正。

這形成了一個完整的閉環：寫程式碼 → 執行測試 → 發現問題 → 修復 → 再測試。這與人類開發者的工作方式完全一致，也是 AI 編碼工具發展的核心方向。

實踐層面的觀察

綜合 Boris 分享的 13 條技巧，可以歸納出幾個核心原則：

第一，並行處理是效率倍增的關鍵。傳統開發習慣是線性執行，但 AI 工具的成本結構允許同時運行多個實例。善用這個特性可以將等待時間轉化為生產時間。

第二，知識累積需要系統化。CLAUDE.md 的設計體現了一個重要理念：團隊對 AI 工具的理解不應該只存在於個人經驗中，而應該被結構化地記錄下來。

第三，反饋循環是品質的保證。無論工具多麼強大，沒有驗證機制就無法確保輸出正確。這也是為什麼 Boris 將這一條列為最重要的原因。

這些技巧沒有所謂的「黑魔法」，本質上都是將基礎功能發揮到極致。對於想要提升 AI 輔助開發效率的團隊而言，Boris 的實戰經驗提供了具體可執行的參考框架。

引用來源

關於作者

本文由 Tenten Tech Lead - Ewan Mak 撰寫。Tenten 專注於 AI 工具導入與數位轉型策略，協助企業在新技術浪潮中建立競爭優勢。

從 Boris Cherny 的經驗中可以看出，AI 編碼工具的真正價值不在於取代人類開發者，而在於重新定義人機協作的方式。當開發者願意投入時間建立正確的工作流程——包括並行處理、知識累積、反饋驗證——AI 工具就能真正成為生產力的倍增器。

若您希望進一步了解如何將 Claude Code 導入團隊開發流程，或評估 AI 工具對企業營運效率的提升潛力，歡迎與 Tenten 團隊預約諮詢，探討最適合您企業的解決方案。

Ewan Mak

I’m a Full Stack Developer with expertise in building modern web applications that fast, secure, and scalable. Crafting seamless user experiences with a passion for headless CMS, Vercel and Cloudflare

Source: https://tenten.co/learning/claude-code-13-tips-by-boris-cherny/

Vincent5588 Wiki

探索

20260426_Claude Code 之父 Boris Cherny 親授！13 條 AI 開發心法，效率翻 10 倍