Claude Code、Gemini、Cursor 和 Codex 在 CLI 领域打得越来越凶，从 kalshi 看，真正的牌桌还是 Anthropic 和 OpenAI。很多开发者在论坛里聊选择，理由往往很浅：某个小众功能做得顺手，或者单纯更喜欢某个系统提示词的 vibe。我觉得“你是绝对正确的！你太棒了”这种输出风格不是大问题。我的方法是把任务交给 Agent 之后就别盯着：委派任务、设定上下文，然后让它去干活。最后看 PR，而不是看它中间怎么写，因为过程里掺了太多对齐人类偏好的表演，不等于纯粹的问题解决能力。如果你还在根据“感觉好不好用”“说话顺不顺”“UI 喜不喜欢”选 CLI Agent，说明你根本没用到它们最重要的能力。
Claude Code 并没有标准答案
Claude Code 开发之父 Boris: My setup might be surprisingly vanilla! Claude Code works great out of the box, so I personally don’t customize it much.
通用能力早就内置好了，使用 Claude Code 没有唯一正确姿势。团队故意把它设计成可以随便折腾的样子，你想怎么魔改都行。
同时开启多个 Claude Code
Boris 在他的终端里开 5 个 Claude Code 实例，标签页编号 1 到 5，开着系统通知，哪个需要输入就跳过去处理。还在 claude.ai/code 网页版上跑 5 到 10 个任务。终端和网页可以互相“交接”：用 & 符号把本地会话转到网页，或者用 –teleport 在两边来回切换。每天早上和白天会从手机 Claude 应用上启动几个任务，晚点再回来看结果。
这种“多线程”工作方式的核心逻辑是：Claude Code 擅长自主执行，很多任务不需要你盯着。你启动任务、给个方向，让它跑着，自己去忙别的。等它需要你确认的时候再切回来。
工作方式已经转成 AI 生成代码、人类审核结果，而不是人继续手搓每一行代码。
CLAUDE.md
Boris : CLAUDE.md 是团队共享的“项目记忆”。
为了有效地使用 Claude Code，最重要的单一文件就是根目录下的 CLAUDE.md。这个文件是代理的“宪法”，是它了解你特定代码库如何工作的首要来源。
在我的项目中，CLAUDE.md 只记录使用的工具和 API。
如果你不能简洁地解释你的工具，那么它就不应该进入 CLAUDE.md。
添加原则
是一本“错题集”，而不是一本“教科书”。 你的
CLAUDE.md应该从小处着手，根据 Claude 做错的地方来记录。不要 @引用文件文档。 如果你有大量外部文档，在
CLAUDE.md中直接 @引用会让上下文窗口迅速膨胀。你必须向 Agent 明确说明什么时候以及为什么要读取该文件。不要说“不许动”，说“此路不通，请绕行右侧”。 不要只写负面约束。当代理认为它必须使用某个标志时，它会卡住。始终给一个替代方案。
**将
CLAUDE.md作为一种倒逼机制。**这是最反直觉、也最有价值的一点。如果你的 CLI 命令既复杂又啰嗦，不要试图写长篇 Prompt 教 AI 使用它。那是在用文档掩盖糟糕的工程设计。正确做法是： 写一个简单的脚本封装复杂逻辑，提供清晰的接口，然后在 CLAUDE.md 里只记录这个新命令。强迫自己把文档写短，实际上是在倒逼你简化代码库和工具链。
紧凑、上下文与清理
不时运行 /context，看清项目的上下文窗口分配，提前规划。即使你有 1M 上下文，窗口涨到一定长度后，性能也会明显下降。
/compact：自动压缩是不透明的、容易出错的，而且优化得不好。/clear+/catchup(简单重启)：默认重启方式。/clear状态，然后运行一个自定义的/catchup命令，让 Claude 读取当前 git 分支中的所有更改。- “记录并清理” (复杂重启)：对于大型任务。让 Claude 将其计划和进度转储到一个
.md文件中，/clear状态，然后通过告诉它读取该.md文件并继续来开始一个新的会话。
不知道怎么问 AI 时，就问 AI“我该怎么问”。用 Claude 也是一样：不知道如何记录、清理上下文时，直接让 Claude 给建议，甚至让它动手整理。
自定义斜杠命令 (Custom Slash Commands)
斜杠命令只是常用提示词的简单快捷方式。
/catchup：提示 Claude 读取我当前 git 分支中所有更改的文件。/pr：一个简单的助手，用于清理我的代码，暂存它，并准备一个 Pull Request。
不要强迫自己记住各种花里胡哨的命令。Claude Code 能理解你给它的任何命令，前提是命令本身清楚、高效。
自定义子代理 (Custom Subagents)
┌────────────────────────┐ │ Subagent │ ← 思考 / 决策 ├────────────────────────┤ │ Skills / CLIs │ ← 行为能力 ├────────────────────────┤ │ MCP │ ← 安全 / 状态 / 环境 ├────────────────────────┤ │ OS / Network / DB │ └────────────────────────┘ Subagent 决定“想什么”；Skill / CLI 决定“怎么做”；MCP 决定“在哪里、在什么边界内做”。
Boris 有子 Agent（https://code.claude.com/docs/en/sub-agents ）。子 Agent 是独立的 Claude 实例，专门干某类活。他有个 code-simplifier 子 Agent，在主 Claude 完成工作后自动简化代码；还有个 verify-app 子 Agent，专门负责端到端测试。
恢复、继续与历史
使用 claude --resume 和 claude --continue 来重启会话，适合处理出 Bug 的终端，或者快速接上旧会话。
Claude Code 将所有会话历史记录存储在 ~/.claude/projects/ 中。如果需要，直接运行 Claude，让它自己分析并改进。
Hooks
对于跑很久的任务，Boris 有几个策略：
一是让 Claude 完成后自动用后台 Agent 验证结果。你可以在提示词里要求，也可以用 Stop Hook 更确定性地触发。
注：Hooks 是 Claude Code 的"钩子"机制，让你在 Claude 执行操作的特定时刻插入自定义逻辑。你可以把它理解为"触发器"：当某个事件发生时，自动执行你预设的命令或脚本。 Stop Hook 就是在 Claude 完成响应、准备交还控制权时。 相关文档：https://code.claude.com/docs/en/hooks
二是用 ralph-wiggum 插件 https://github.com/anthropics/claude-plugins-official/tree/main/plugins/ralph-wiggum 。这是一个有趣的设计：“Ralph 本质上就是一个 Bash 循环”：想象一个简单的死循环（while true），它不停地把同一个任务说明书（提示词文件）喂给 AI 智能体，让它一遍又一遍地改进工作，直到彻底完成。
三是在沙箱环境里用 –permission-mode=dontAsk 或 –dangerously-skip-permissions，让 Claude 不被权限确认打断，自己跑到底。
把 Claude 当成一个会犯错、但愿意修的 junior engineer。别在它写代码时盯着手，在它交作业时查作业。
规划模式 (Planning Mode)
使用内置的规划模式。开始之前先和 Claude 对齐，既定义如何构建，也定义它需要停下来展示工作的“检查点”。新增的 human in loop 也更适合反复改计划、深挖问题。我经常用它来打磨任务开场，让给 Claude 的提示词更准。
Skills
代理自主性的三个阶段：
- 单一提示 (Single Prompt)： 在一个巨大的提示中给代理所有上下文。（这无法扩展）。
- 工具调用 (Tool Calling)： “经典”代理模型。我们手工制作工具并为代理抽象现实。（更好，但创造了新的抽象和上下文瓶颈）。
- 脚本化 (Scripting)： 我们给代理访问原始环境的权限——二进制文件、脚本和文档——它即时编写代码与它们交互。
Skill 是人类喂给 Agent 的特定能力（Hardcoded）。Scripting 是 Agent 利用底层环境自创的能力（Generated on-the-fly）。
Skill 依然保留了 Scripting 的本质（调用底层 CLI/脚本）。但它给这些脚本加了说明书和目录。Claude Code 既能看菜单（Skills/CLAUDE.md），也能自己进厨房找调料（Scripting/直接运行 shell）。
MCP
Skill 并不意味着 MCP 就该立刻消失。MCP 的工作不是为代理抽象现实，而是管理认证、网络和安全边界。它为代理提供入口点。Playwright 适合 MCP，正是因为它的核心价值在于“长期、有副作用、不可重放的状态”，而 MCP 正好是为“安全地托管状态”而存在的。
为什么 Playwright 适合做成 MCP？因为浏览器状态（Cookie、DOM、登录态）是无法被 Prompt 记忆，也无法通过简单的 CLI 重放的。这些“长期存活且有副作用”的状态，必须由 MCP 服务器这样一个宿主进程来持有，而 AI 只需要通过 MCP 接口去操作它。
Claude Code GitHub Action
在 GitHub Action 中运行 Claude Code。它类似于 Cursor 的后台代理或 Codex 托管的 Web UI，但可定制性要强得多。你控制整个容器和环境，给你更多的数据访问权限，而且比起其他任何产品，它提供了更强的沙盒化和审计控制。而且它支持 Hooks 和 MCP 等所有高级功能。
用它构建自定义的“PR-from-anywhere”工具。用户可以从 Slack、Jira 触发 PR，GHA 会修复 Bug、添加功能，并返回一个经过全面测试的 PR。GHA 日志就是完整的代理日志，定期审查这些日志，找出常见错误、bash 错误或不符合团队习惯的工程实践。这个飞轮很直接：Bug -> 改进的 CLAUDE.md / CLI -> 更好的 Agent。
settings.json
HTTPS_PROXY/HTTP_PROXY：这对于调试非常好。用它来检查原始流量，看 Claude 发送了什么提示。"permissions"：允许 Claude 自动运行的命令列表。