# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
2026 新年第三天，Claude Code 创建者、负责人 Boris Cherny 开展「线上教学」，亲自示范他自己使用这个 AI 编程工具的工作流。
他表示，自己的配置可能出乎意料地「素」（即简单）！Claude Code 开箱即用非常出色，所以他个人并没有做太多自定义。
使用 Claude Code 没有所谓的「标准答案：在设计时就希望它是可定制、可 Hack 的。用户完全可以按自己的喜好来使用。事实上，Boris 团队里的每个人用它的方式都大不相同。
在终端里同时运行 5 个 Claude 窗口，给这些标签页排上 1 到 5 号，并开启系统通知，这样当某个 Claude 需要他输入指令时，便会立刻收到提醒。
除了本地终端，他还会同时在网页端（http://claude.ai/code）运行 5 到 10 个 Claude 任务。
在终端写代码时，他经常用 & 把本地会话交给后台，或者直接在 Chrome 里启动新会话。有时还会使用 --teleport 命令在两者之间「传送」进度。
每天早上甚至会用手机（iOS 版 Claude App）启动几个会话，之后再回电脑上查看进度。
他会给所有任务开启 Opus 4.5 (带 Thinking 模式)，这是他用过的最强编程模型。
虽然它比 Sonnet 更大、更慢，但同时它更聪明、更擅长调用工具，不需要费心去引导它，所以从结果来看，它通常反而比小模型更快完成任务。
团队共用一个 CLAUDE.md 文件。他们把它存放在 Git 仓库里，团队成员每周都会多次更新。只要发现 Claude 哪里做错了，他们就把规矩写进 CLAUDE.md，确保它下次不再犯同样的错误。
在代码评审（PR）时，他经常会 @.claude，让它把同事 PR 中的一些规范沉淀到 CLAUDE.md 中。他们通过 /install-github-action 安装了 Claude Code 的 GitHub Action。这就是他们版本的「复利工程」（Compounding Engineering）。
大多数任务都从 Plan 模式开始（连按两次 Shift+Tab）。如果目标是写一个 PR，他会先在 Plan 模式下反复和 Claude 沟通，直到认可它的方案。
之后，他会切换到自动接受修改模式（auto-accept edits），Claude 通常能直接「一波带走」。一个好的方案至关重要！
他会把每天重复多次的 “内环” 工作流都封装成斜杠命令。这让他免于重复输入提示词，也让 Claude 能直接调用这些流程。这些命令存放在 .claude/commands/ 下并提交到 Git。
比如，他和 Claude 每天会用几十次 /commit-push-pr。这个命令利用内联 Bash 预先计算 Git 状态等信息，运行极快，避免了反复对话。
他经常使用特定的子智能体：比如 code-simplifier 用来在完成后简化代码，verify-app 用来端到端测试。和斜杠命令一样，子智能体本质上是把 PR 中最常见的流程自动化。
他们使用了 PostToolUse 钩子来格式化代码。虽然 Claude 写的代码格式已经很好了，但这个钩子能搞定最后 10% 的细节，避免在 CI（持续集成）阶段报错。
他不用 --dangerously-skip-permissions（危险跳过权限提示）。相反会用 /permissions 预先授权一些在当前环境下安全的常用 Bash 命令。这些配置保存在 .claude/settings.json 中，团队共享。
Claude Code 会帮他操作所有工具，经常通过 MCP 服务器搜索并发送 Slack 消息，运行 bq 命令行执行 BigQuery 查询，或者从 Sentry 抓取报错日志。Slack 的 MCP 配置保存在 .mcp.json 中供团队使用。
对于耗时较长的任务，他会：
最后一点，也是拿到高质量结果的关键：给 Claude 一个验证自己工作的途径。如果有反馈闭环，结果的质量能提升 2 到 3 倍。 Claude 在更新网页版代码时，会通过 Chrome 插件测试每一个改动：它会自动打开浏览器，测试 UI，不断迭代，直到代码跑通且交互体验丝滑。
验证方式因领域而不同：可能是运行一段 Bash 脚本、跑测试套件，或者在模拟器里运行 App。请务必花精力把「验证流程」做得坚如磐石。
感兴趣的开发者，可以在日常使用 Claude Code 时，以 Boris Cherny 的做法作为一个参考。
原推链接：https://x.com/bcherny/status/2007179832300581177
文章来自于“机器之心”，作者 “机器之心”。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址：https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file
本地安装：https://www.deepbi.com/
【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体，能够理解数据开发和数据分析需求、根据用户需要让数据可视化。
项目地址：https://github.com/hitsz-ids/airda
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目，提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信，飞书的AI项目都基于该项目二次开发。
项目地址：https://github.com/labring/FastGPT
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0
