TL;DR:18 条 Anthropic 官方推荐 Cheatsheet
底层架构
- Claude Code 是一个 pure agent——工具 + 模型 + 一个简单循环,没有 RAG / 索引 / embedding。
- 靠 agentic search 理解代码——
glob/grep/find,像新员工探索项目。 - 多云部署:Anthropic API、AWS Bedrock、Google Cloud Vertex AI 三条通路。
Environment Setup
- 写
CLAUDE.md:放运行命令、style guide、关键上下文。 - Permission management:信任的命令加白名单,少弹窗。
- Integration setup:装
ghCLI 让 Claude 自己搞 PR。 - Context management:
/clear重置 或/compact总结后续传。
Effective Workflows
- 先让 Claude 搜索 + 制定 plan,你 review 后再放它实现。
- 盯 Claude 的 TODO 列表——发现歪路就按 ESC 改方向。
- Smart vibe coding:用 TDD + 小步 commit 做护栏。
- 截图当 context:paste mock.png 让 Claude "实现成这个样子"。
Advanced Techniques
- Multi-Claude:Tmux / 多 tab 同时跑 2-4 个实例。
ESC一次停,ESC两次跳回历史——隐藏键位。- Claude Code 既是 MCP client 也是 server。
- Headless mode (
-p):进 GitHub Actions 跑自动化。
Claude 4 + Multi-Agent
think hard触发工具调用之间思考——Claude 4 关键改进。/model或/config切换默认模型。- 多 Agent 临时方案:共享
ticket.md,A 写 spec → B 读 spec 实现。
一、Cal 是谁:一个周末用到登上 Anthropic 内部排行榜的人
Cal 一年半前加入 Anthropic,联合发起了 Applied AI 团队。去年年底某个周五,他在 Slack 看到同事在玩一个叫 Claude Code 的新工具——下载后丢去做一个笔记应用——「整个周末完全改写了我写代码、思考软件工程的方式」。
他不知道的是,Claude Code 团队内部装了一个使用量排行榜——那个周末他直接冲到了第 1。通过这次"被发现",他认识了 Boris、Kat 等早期团队成员,就这样成了团队的核心贡献者——负责 prompt、system prompt、tool descriptions 和评测体系。
他既是重度用户也是核心实现者——这直接定义了他在台上讲的所有内容的可信度。
二、心智模型:「那个所有事都在终端里搞定的同事」
"Claude Code is like that coworker that does everything on the terminal."
Cal 给的类比是他做 junior 时的那位导师 Tony:
「我以前是个 junior engineer,遇到 bug 就跑去 Tony 桌前。他会甩到他的终端,一通 bash 怪招 + Vim 折腾,问题就没了。我每次走开都想:天,我也得学这套。结果我从来没学。但有了 Claude Code,等于 Tony 一直在你电脑里。」
三、底层架构:一个 Pure Agent,"Simple Thing That Works"
「在 Anthropic 我们尽量做 simple thing that works。在 Claude Code 上的含义就是它是一个非常 pure agent——一些指令、几个有力的工具,让模型在一个循环里跑直到它觉得做完。」
| 模块 | 定义 |
|---|---|
| Powerful actions & integrations | 编辑/创建文件,使用 CLI 和 MCP 工具,做提交。窄任务到大规模重构都覆盖。 |
| Codebase awareness | 持续感知项目结构。不需要手动把文件塞进 context——Claude 按需自己搜。 |
| Transparency | 展示正在做什么,分级权限系统平衡能力和控制。 |
| Security | 请求直连模型 API,没有中间服务器;支持 Anthropic / Bedrock / Vertex。 |
「如果一年前你要做 coding agent,你肯定会想——好我得把整个代码库索引起来、embed 起来、搞个 fancy 的 RAG 检索。Claude Code 不是这么做的。我们完全不做 indexing。Claude 像一个新人进新代码库一样去探索:用 glob、grep、find——做几次搜索,看看结果,发现还得再多查几件事,然后再搜。这就是 agentic search。」
这个选择的意义:
- 没有索引意味着没有索引漂移——代码改了 Claude 永远看到最新的
- 没有 embedding 意味着不需要预处理——
cd进去就能跑 - Agentic 搜索天然 transparent——你能看到它跑了哪些 grep,比 RAG 黑盒易于审计
四、用例全景:一张表盖住整个软件生命周期
| 阶段 | 用例 |
|---|---|
| Discover | Explore codebase and history · Search documentation · Onboard & learn |
| Design | Plan project · Develop tech specs · Define architecture |
| Build | Implement code · Write and execute tests · Create commits and PRs |
| Deploy | Automate CI/CD · Configure environments · Manage deployments |
| Support & Scale | Debug errors · Large-scale refactor · Monitor usage & performance |
Cal 反复点名几个被低估的用例:
- Discovery 阶段做"思想伙伴":开新仓库时,先说"这个 feature 我想加,请你 search 一圈,回来给我 2-3 个实现方案,不要动文件"
- Build 阶段写测试——Claude Code 自己的代码库单元测试覆盖率"反常地高",因为加测试变得无脑容易
- Deploy 阶段用 SDK 做 headless——把 coding agent 撒进 CI/CD
- 大规模迁移——旧 Java → 新 Java、PHP → React/Angular,有 Claude Code 后变得可消化
五、Best Practices Part 1:Environment Setup & Configuration
1. CLAUDE.md——agent 的"项目记忆体"
「Claude Code 是 agent,它没有记忆。所以我们跨会话、跨团队成员共享状态的主要手段就是这个
CLAUDE.md文件。启动 Claude 时如果 cwd 有这个文件,它会直接被塞进 prompt。」
放置位置:项目 cwd(check 进 git,团队共享)、~/CLAUDE.md(个人偏好,跨所有项目)、通过 @path/to/another/CLAUDE.md 引用其他位置。
值得写的内容:怎么跑 unit test、项目布局、style guide、内部工具说明。
2. Permission Management——少弹窗,多 flow
- Read 操作直接放行;Write / Bash 操作弹出确认
Shift+Tab进 auto-accept 模式——「你按下后 Claude 就只管跑」/settings里给特定命令开自动白名单
3. Integration Setup——装 gh CLI 解锁版本控制
「装上
ghCLI,Claude 就能无缝跑 GitHub 工作流——开 PR、查 issue、跑 action、留 comment。Claude 本来就擅长终端,给它工具就是给它放大器。」
4. Context Management——/clear vs /compact
/clear:清空一切(除了CLAUDE.md),完全重启/compact:让模型总结当前 session,总结作为新 session 的种子继续
「我们在
/compact上投入了相当多 prompt 调优——设计目标是:你打满 context、跑 compact、然后能无缝继续。」
六、Best Practices Part 2:Effective Workflows
1. Planning and TODOs——别直接动手,先看 plan
「先让 Claude 搜一圈,告诉我它怎么 fix——别动文件。我看 plan 没问题,再让它 implement。这能省一大堆来回。」
Claude Code 大任务时会自动建一个 TODO 列表——盯着 TODO,发现哪条歪了立刻按 ESC 调方向。
2. Smart Vibe Coding——加点护栏
Cal 给出的护栏组合:
- TDD:让 Claude 先写测试再写实现
- 小步迭代:每改一小点跑一遍测试,确保过才继续
- 跑 type check 和 linting:让 Claude 自己解决类型和样式错误
- 频繁 commit:走偏了可以 reset 到上一个 good state
3. Use Screenshots to Guide & Debug
「直接 paste 一张 mock.png,说"帮我把网站建成这样"——它能看;或者截图 vs 设计稿对比,让它根据视觉差异 debug。」
七、Best Practices Part 3:Advanced Techniques
1. Multi-Claude & Parallelization
「我自己只能同时操作 2 个 Claude,但 Anthropic 里有人同时跑 4 个——Tmux、多 tab、各种姿势。用不同实例承担不同角色——一个写代码、一个做 review、一个跑测试。」
2. Use Escape——一次停,两次跳回历史
ESC一次:停下当前工具调用,让你 interjectESC两次:跳回对话历史——隐藏功能,「让你能从某个旧节点重新分支」
3. Tool Expansion & MCP
关键信息:"Claude Code is both an MCP client & server!"——可以把 Claude Code 自己当成 MCP server 暴露给别的 agent 用。
「如果你纠结某个工具是装本地 CLI 还是装 MCP server——选 CLI。CLI 通常文档好、Claude 用得更顺。MCP 留给 CLI 真的搞不定的能力。」
4. Headless Automation——用 -p 进 CI
claude -p "..." # programmatic / headless 模式
把 Claude Code 撒进 GitHub Actions、大规模批量改动——Anthropic 自己最兴奋也还在摸索的方向。
八、Claude 4 新特性:think hard 在 tool calls 之间思考
「过去的模型只在 tool call 之前 thinking——但 thinking 在 tool call 之间才最有用。从 Claude 4 开始,我们的模型在 tool call 之间也会 think。」
触发方法:prompt 里加 "think hard"(也支持 think harder / ultrathink)。Cal 强调:做任务、debug 时随手扔个 "think hard",效果差距很大。
九、Q&A 三连
Q1. 多个 CLAUDE.md 怎么处理?
- 同一目录只能有一个
- 子目录里的 CLAUDE.md 默认不被读(Anthropic 自己是 monorepo,全部读会炸 context)
- Agent 在 agentic search 中发现相关子目录的 CLAUDE.md 会按需读取
- 确定要某些子 CLAUDE.md 总是被读——在主文件里用
@subdir/CLAUDE.md显式引用
Q2. CLAUDE.md 写了 Claude 还是不听话?
「这其实是模型问题,不是 prompt 问题。我们在 3.7 的 prompts 里写了一大堆 'don't leave comments',模型就是爱留。」
「Claude 4 大幅改善了这个——instruction following 强了很多。升级后是重新看
CLAUDE.md的好时机——可能有些条目可以删掉,也可能要补几条。」
启示:Prompt 工程的天花板是模型本身,老模型上死磕 prompt 不如等下一代。
Q3. 多 Agent 之间能不能共享 context?
「我们暂时还是在做 simple thing that works——一个超强 coding agent 干所有事。如果你现在就要多 agent 通信,让所有 agent 都读写一个 shared markdown file 是最实用的招。」
「我自己常做:让 Claude A 把开发说明写到
ticket.md,然后我开一个新 Claude 说'hey 同事留了一个 ticket,你来做'——agent B 就从ticket.md接上。」
它把"agent 间通信"从工程难题降级成"文件 I/O + agentic 阅读理解"。
写在最后
Claude Code 在 Anthropic 内部的设计哲学非常一致——simple thing that works:
- 不做 RAG、不做 indexing、不做 fancy retrieval
- 不做原生 multi-agent,先把单 agent 做到顶
- 不做 GUI flow,all-in 终端
- 不做封闭 backend,多云 / MCP 都开放
CLAUDE.md是核心 affordance,但它就是一个 plain markdown
模型能力快速进步的时候,最好的产品形态是给模型最少的脚手架,让它自己长出能力。Cal 的整集分享,本质就是这个判断的 25 分钟使用手册。
附录:本文是怎么自动做出来的?
本文 12 张配图、~8000 字正文,全部基于 25 分钟原始视频自动产出:
A. 视频处理(8 张 slide 原图)——豆包 Doubao-Seed 多模态 + ffmpeg:ASR 转录 → 关键帧提取 → 手挑高密度 slide → ffmpeg 截图。
B. 中文化技术示意图(4 张)——gpt-image-gen skill + gpt-image-2-vip 模型。
总成本约 30 万 token + 4 张 1024×1024 出图,全过程从视频 URL 到博客成稿不到 15 分钟。
原视频(X 转载):eng_khairallah1/status/2059725747930239264
本文英文原话尽量贴近转录,意译和延伸部分由作者承担。