文章核心观点 - Claude Code的创建者Boris Cherny展示了其个人高效使用该AI编程工具的工作流，其配置简单，开箱即用性能出色，但工具本身高度可定制，团队内使用方式各异[1][2] 工作流核心策略 - 五线并行：在终端同时运行5个Claude窗口并编号，开启系统通知以便及时响应[3] - 多端无缝衔接：在网页端同时运行5到10个Claude任务，并利用&命令将本地会话转至后台或使用--teleport命令在终端与网页端间传送进度，甚至通过iOS版App启动会话后在电脑端继续[5][6][7] 模型与知识管理 - 全力投入Opus 4.5：为所有任务启用带Thinking模式的Opus 4.5模型，该模型虽更大更慢，但更聪明且更擅长调用工具，无需过多引导，从结果看通常比小模型更快完成任务[9] - 共享知识库：团队在Git仓库中共用一个CLAUDE.md文件，每周多次更新，用于记录Claude的错误并制定规则，确保其不再犯同样错误[10] - 持续复利：在代码评审时通过@.claude将同事PR中的规范沉淀到CLAUDE.md中，并通过安装GitHub Action实现“复利工程”[12] 任务执行与自动化 - 谋定而后动：多数任务从Plan模式开始，通过反复沟通确认方案后，切换到自动接受修改模式让Claude直接完成[13] - 打造斜杠命令：将每日重复的“内环”工作流封装成斜杠命令，避免重复输入提示词，命令存放在.claude/commands/下并提交至Git，例如每天使用几十次的/commit-push-pr命令[13][14] - 善用子智能体：使用特定子智能体自动化常见流程，如code-simplifier用于简化代码，verify-app用于端到端测试[16] - 自动代码美化：使用PostToolUse钩子格式化代码，处理最后10%的细节以避免CI阶段报错[18] 权限、工具与长任务管理 - 权限管理：不使用危险跳过权限提示，而是通过/permissions预先授权当前环境下安全的常用Bash命令，配置保存在.claude/settings.json中供团队共享[20] - 工具全家桶：Claude Code通过MCP服务器操作所有工具，如搜索并发送Slack消息、运行BigQuery查询或抓取Sentry日志，Slack的MCP配置保存在.mcp.json中[22] - 长时间任务处理：对于耗时任务，采取三种策略：让Claude完成后启动后台智能体验证；使用Stop钩子进行确定性检查；使用ralph-wiggum插件，并结合--permission-mode=dontAsk或沙盒环境中的跳过权限模式，使Claude不被权限弹窗干扰[22] 质量保证关键 - 构建反馈闭环：为Claude提供验证自身工作的途径是获得高质量结果的关键，可将结果质量提升2到3倍，例如通过Chrome插件测试网页代码的每一个改动，自动打开浏览器测试UI并迭代直至体验丝滑，验证方式因领域而异，如运行Bash脚本、测试套件或在模拟器中运行App[24][25]