Claude Code的开发者负责人Boris Cherny近日通过线上演示，向公众展示了其使用这款AI编程工具的高效工作方式。他特别强调，该工具开箱即用的性能已经十分出色，因此个人并未进行过多自定义设置，而是更倾向于利用其灵活的可定制特性。
在演示过程中，Boris展示了多任务并行处理的工作模式。他在终端中同时开启五个Claude会话窗口，并为每个窗口分配独立编号，通过系统通知实时掌握任务进展。这种设置使他能够快速响应不同任务的交互需求，显著提升工作效率。
跨平台协作是其工作流的核心特点之一。除了本地终端，他还会在网页端同时运行5至10个Claude任务，通过特定命令实现本地与云端会话的无缝切换。这种多端协同模式甚至延伸至移动设备，他常利用iOS客户端启动任务，随后在电脑端继续跟进，形成完整的跨设备工作闭环。
在模型选择方面，Boris始终启用Opus 4.5版本并开启Thinking模式。尽管该模型运算量较大，但其强大的工具调用能力和智能推理机制，使得任务完成效率反而优于更轻量的模型。这种选择体现了对模型实际效能的深度理解，而非单纯追求运算速度。
团队知识管理方面，他们建立了共享的CLAUDE.md文档库。这个存放在Git仓库中的文件实时更新，记录所有与AI交互的规范准则。每当发现Claude出现偏差时，团队会立即将修正方案写入文档，形成持续优化的知识沉淀机制。
代码评审环节展现了独特的"复利工程"理念。通过安装GitHub Action插件，团队实现了评审规范的自动化积累。当发现同事提交的代码规范问题时，他们会直接调用@.claude将修正建议同步至CLAUDE.md，使知识库随项目进展自然扩张。
任务规划阶段采用双阶段工作法。初始阶段使用Plan模式与AI进行深度方案讨论，通过反复交互确定最优路径。确认方案后切换至自动接受修改模式，让Claude直接生成完整代码。这种"谋定而后动"的策略确保了开发过程的高效与精准。
为减少重复操作，Boris开发了系列斜杠命令。这些存储在特定目录的自定义指令，将日常高频操作封装为快捷命令。例如/commit-push-pr命令可自动获取Git状态并执行提交操作，将原本需要多轮交互的任务压缩为单次指令执行。
子智能体系统进一步提升了自动化水平。针对特定场景开发的code-simplifier和verify-app等智能体，分别负责代码优化和端到端测试。这些专用工具将复杂流程拆解为可复用的模块，显著降低了人工干预需求。
代码格式控制采用双保险机制。虽然Claude生成的代码已具备良好结构，但团队仍配置PostToolUse钩子进行最终格式校验。这个额外检查环节有效避免了持续集成阶段的格式错误，确保代码质量符合标准。
权限管理遵循最小授权原则。通过/permissions命令预先配置安全命令白名单，相关设置保存在团队共享的配置文件中。这种做法既保证了操作安全性，又避免了频繁的权限确认提示，使开发流程更加流畅。
工具集成方面，Claude Code展现出强大的生态连接能力。它可以操作Slack发送消息、执行BigQuery查询、抓取Sentry日志，并通过MCP服务器实现跨平台数据交互。所有工具配置均采用标准化格式存储，便于团队统一管理。
针对长时间运行任务，Boris设计了多重保障机制。任务完成后自动启动验证智能体，配合Stop钩子进行状态检查，并使用专用插件确保持续运行稳定性。在沙盒环境中启用简化权限模式，避免弹出窗口干扰任务执行。
质量保障体系的核心是闭环验证机制。Claude在更新网页代码时，会通过浏览器插件实时测试每个修改。这种自动化的UI测试流程持续迭代代码，直到实现功能完整且交互流畅的最终版本。不同领域可根据特性定制验证方案，如运行测试套件或在模拟器中执行应用。
