Claude Code在大代码库中应用时常见7个问题及官方解法。重点在于harness外围基建的搭建包括CLAUDE.md编写、子目录启动、LSP安装等。此外文章还介绍了跨文件改动、团队推广、CLAUDE.md维护等方案帮助小白程序员轻松驾驭大模型。在个人小项目上用 Claude Code体验丝滑。但一旦切换到公司百万行级别的大代码库各种问题接踵而至。这些问题恰恰是 Anthropic 团队自己每天都在面对和解决的。本文基于 Anthropic 上周发布的大代码库实践博客以及 Claude Code 创始人 Boris Cherny 公开分享的经验梳理出大代码库场景下最常见的 7 个问题及其官方解法。Q1Context 频繁溢出是模型容量不够吗结论不是模型问题是代码检索策略的问题。Opus 4.7 已支持 1M token约两百多万字但一个成规模的项目动辄几百万行代码加上依赖库再大的窗口也装不下整个代码库。这是物理限制。那 Claude Code 是怎么在大代码库中精准定位需要修改的代码的业界主流方案是 RAG代码切片 → embedding → 向量数据库 → 相似度召回。Cursor、Copilot、Windsurf 走的都是这条路。但 Claude Code 完全不走这条路。没有 embedding没有向量数据库就靠 grep、读文件、看目录这些最基础的操作。Anthropic 把这套方法称为 agentic search——让 Claude 像真人工程师一样工作先ls看根目录再进auth/看内部结构grep搜索关键函数再读具体文件读一个文件决定下一步读什么循环往复。为什么选择这条反主流路线官方给出三个理由索引会过期。 千人团队每天提交几百个 commitembedding pipeline 跟不上节奏。查询时返回的可能是两周前已被重命名的函数Claude 拿着过期信息推理代码必然出错。agentic search 每次都基于当前代码状态没有这个问题。冷启动为零。 RAG 在百万行代码库上建索引要十几分钟Claude Code 打开就能用。精确匹配是向量的盲区。 查getUserById时向量召回会返回getUserByName、getUserByEmail、fetchUserInfo一堆语义相关的函数。代码场景很多时候要的是精确不是相似。Agentic search 的代价是什么Anthropic 博客原话它严重依赖一个好的起点 context。如果不给它清晰的起点它会盲目遍历等摸清结构时 context 已经被消耗大半。所以 context 溢出不是模型小是没有给 Claude 一个好的起点。后面 6 个问题都在解决这件事。核心概念Harness在展开后续问题之前需要先建立一个贯穿全文的核心概念。很多人评估 Claude Code 时第一反应是看模型“用 Sonnet 4.6 还是 Opus 4.7” “benchmark 谁分高”但 Anthropic 博客抛出一个反直觉的论点原话是 The harness matters as much as the model——harness 跟模型一样重要。什么是 harness打个比方请了米其林三星大厨到家做饭他的厨艺是模型能力但家里有没有趁手的灶台、菜刀、调料架、抽油烟机这才是 harness。灶台不行再厉害的厨师也炒不出锅气。Anthropic 的 harness 共七层层层递进CLAUDE.md → Hooks → Skills → Plugins → MCP再加 LSP 和子 agent。后面的 Q2-Q6 就是按官方顺序逐层拆解Q2CLAUDE.md 怎么写含 HooksQ3LSP 和子目录启动Q4子 agent 协作Q5Skill、Plugin、MCP 的打包分发Q6创始人 Boris 如何将七层组合使用Context 溢出不是模型的问题是 harness 没搭好。Q2CLAUDE.md 写多长合适写了 1000 行反而变笨从 harness 第一层开始拆。这也是大代码库下踩坑最多的一层。Anthropic 官方答案单文件控制在 200 行以内。CLAUDE.md 每次启动会被整体塞进 context写太长等于跟自己抢空间。超过 200 行后Claude 忽略指令的概率明显上升。大代码库规则确实多怎么办关键词分层。Anthropic 博客原话“根目录的 CLAUDE.md 应该只放指针和关键的坑其他细节都会变成噪音。”正确做法root 文件只放跨包通用约定如生产数据库不能动“PR 前跑 lint”每个子目录放自己的 CLAUDE.md 写模块细节。Claude 会自动从当前目录往上走树加载沿途每个 CLAUDE.md。Boris 的维护口号“Ruthlessly edit your CLAUDE.md over time”——对它下狠手毫不留情地删。判断标准对每一行问自己删掉这行Claude 还会按规则做事吗“如果答案是会”常识或代码已经体现就该删不会才值得留。发现 Claude 反复犯错时先别急着加规则先检查 CLAUDE.md 是不是太长把规则淹没了。另一条容易被忽略的建议每 3-6 个月对 CLAUDE.md 做一次完整审查。原因模型在进化。三个月前为约束 Claude 写的每次重构只改一个文件在新模型上可能变成枷锁——新模型已能做跨文件协调编辑旧规则反而限制了它。为弥补旧模型弱点写的 Hook、Skill模型升级后可能成为多余负担。Hooks让 CLAUDE.md 自我进化Hooks 是 Claude Code 的事件钩子机制可在编辑完文件后“会话开始前”工具调用前等时间点挂脚本。大多数人对 hook 的认知是防止 Claude 做错事自动跑 lint、format。但官方指出一个反直觉的洞察hook 真正的价值是让整套设置自我进化。示例挂 Stop hook会话结束时让 Claude 反思这次有什么常犯错误要不要写进 CLAUDE.md然后 hook 自己更新文件。挂 Start hook根据当前子目录动态加载模块特有的 context。Boris 自己挂了一个 PostToolUse hook给 Claude 写完的代码自动跑格式化把偶尔遗漏的 10% 格式问题直接抹平。CLAUDE.md 不是写一次的文档是一份持续打磨的活文件。Q3让 Claude 找函数总找错文件CLAUDE.md 解决了Claude 知道项目长什么样的问题。接下来是更细节的问题找具体函数时老找错文件。这在多语言大代码库C/C/Java/PHP 等符号歧义高的语言中尤其突出。官方答案装 LSP 在子目录启动 Claude。LSPLSPLanguage Server Protocol就是 VS Code 里go to definitionfind references背后的东西。接上 LSP 后搜索从字符串 grep 变为按符号搜索。对比grepgetUser可能返回 3000 个匹配前端、后端、测试都有Claude 需要逐个读文件判断context 就这样被烧光。有 LSP 后Claude 直接问 LSP“找跟auth/login.ts那个getUser同源的所有引用”LSP 返回精确的 3 个结果过滤在读文件之前完成。Anthropic 博客直接称 LSP 为多语言大代码库下 one of the highest-value investments。操作方式在/plugin里搜lsp装对应语言的 code intelligence plugin 语言服务器二进制不超过两分钟。子目录启动大多数人习惯 cd 到项目根目录然后claude。小项目没问题但大代码库里这让 Claude 一上来就加载超大的根目录 CLAUDE.md所有微服务规则全来一遍。官方博客反复强调“Initializing in subdirectories, not at the repo root”。正确做法在要改的子目录启动。比如改支付服务就cd services/payments claude。Claude 会自动往上走树加载根目录通用规则但优先加载payments/子目录的 CLAUDE.mdcontext 立刻聚焦。三个配合细节测试和 lint 命令按子目录写。 避免 Claude 改了一个文件却跑整个项目的测试套件。用 .ignore 排除构建产物。 把permissions.deny规则提交到.claude/settings.json全团队自动共享排除规则。目录结构不直观时放一张代码库地图。 简单的 markdown 文件列出每个顶层文件夹的一句话说明。Claude 动手前先扫一眼比盲目翻找快得多。按符号搜代码、按子目录工作准确率翻倍。Q4跨几十个文件的改动改一半就崩Claude 知道结构、也能精准定位代码了。但在重构、迁移、跨服务联动等大动作上经常前半段在状态后半段开始遗忘、漏改、改错。官方答案把任务拆成多个会话 用 subagent而不是写更长的 prompt。Boris 的表述更直白Pour your effort into the plan so Claude can one-shot the implementation——与其用超长 prompt 让 Claude 一次搞定不如先花一轮把方案敲定再分多个会话实现。具体做法第一步派 subagent 探索主 agent 保持干净 context。读懂系统如何工作本身就要烧掉好几万 token。让 Claude 一边读代码一边改代码相当于一边查资料一边写论文。Subagent 的思路派一个独立 agent 去探索写一份 findings 报告回来主 agent 看完报告再动手。小弟在独立 context 窗口里跑读几十个文件烧的是自己的 context跟主 agent 无关。最后只回传几百字摘要。第二步会话拆分。会话 1只做探索写 plan不动代码会话 2加载 plan实现一个模块跑通测试会话 3实现下一个模块每个会话从干净 context 开始plan 文件做桥梁串联。第三步大型迁移用 /batch。如果改动是整个项目换框架或几十个文件全部替换某种调用Claude Code 内置了/batch工具敲定迁移方案后一次性派出几十个并行 subagent每个在独立 git worktree 里跑、自测、开 PR。不用守屏幕跑完直接给你一堆 PR 等 review。这正是 Boris 本人在用的工作流。跨大文件改动救不回来的不是 prompt是会话边界。Q5团队里只有我一个人会用怎么推广前面解决的是个人怎么用顺的问题这里升级到组织层面。官方答案好实践做成 skill → plugin 打包分发 → MCP 接内部系统 → 有人维护。第一步高频操作做成 SkillSkill 可以理解为针对某个具体任务的 SOP。比如数据库迁移怎么做“微服务上线标准流程”。Skill 跟 CLAUDE.md 最大的区别按需加载。 CLAUDE.md 每次全文加载skill 只在 Claude 判断当前任务需要时才加载平时不占 context。官方称之为 progressive disclosure渐进式披露。Boris 的话如果一件事你一天做超过一次就把它做成 skill。Skill 还可以绑定到特定路径只有在对应目录下工作时才加载避免 context 污染。第二步用 Plugin 打包分发大公司经典问题好的工具配置永远只在小圈子里流传。高级工程师本机配了几十个 skill、十几个 hook、五个 MCP server旁边实习生什么都没配体验像用 demo 版。Plugin 本质是安装包把 skill、hook、MCP、LSP 配置打在一起。新人入职第一天 install立刻和团队所有人同等能力。公司还可以建内部 plugin marketplace谁有更好的实践就更新进去全公司受益。第三步用 MCP 接内部系统大代码库工作往往需要联动 Slack、Jira、内部 wiki、数据库、监控系统。MCP serverModel Context Protocol就是连接桥梁。但官方特别提醒别太早上 MCP。 很多团队 CLAUDE.md 都没写好就急着接各种 MCP结果反而把 context 搞乱。正确顺序CLAUDE.md 和 skill 打磨好 → plugin 打包分发 → 最后上 MCP。第四步有人负责维护Anthropic 观察到推广最顺的组织有个共同点大面积铺开之前先安排一小队人把基础设施搭好再放开访问。开发者第一次用 Claude Code 就能跑通很关键。第一印象如果是不好使后面翻盘太难。博客点出一个正在浮现的新角色Agent Manager——半 PM 半工程师负责 plugin 分发、CLAUDE.md 规范、skill 审批。规模小的团队至少要有一个 DRI直接责任人维护这套配置。好实践不再是个人玩具而是组织资产。Q6Claude Code 创始人自己怎么用Boris Cherny 分享过一段让人印象深刻的话“我同时在终端里跑 5 个 Claude再加 5 到 10 个跑在 claude.ai/code 上并行处理不同任务。”他的完整 setup不用--dangerously-skip-permissions。 用/permissions把常用安全命令预先加白名单避免反复确认但不放弃权限审计。复杂任务都从 Plan Mode 开始。 先把方案敲定再切 auto-accept 模式让 Claude 一发命中。PostToolUse hook 自动格式化。 把 Claude 偶尔遗漏的 10% 格式问题直接抹平避免 CI 挂掉。做超过一次的事都做成 slash command 或 skill。 他有个/commit-push-pr命令一天用几十次。团队共享一份 CLAUDE.md 提交到 git。 发现 Claude 做错什么就立刻加进去是持续打磨的活文件。串起来看创始人对 Claude Code 的态度不是装上就用而是把它当成会进化的工作伙伴每天都在喂新规则、新工具、新工作流。这才是大代码库下用好 Claude Code 的底层心态。Q7什么项目不适合用 Claude Code最后泼一盆冷水。Anthropic 官方原话“Claude Code 是围绕传统软件工程环境设计的假设工程师是代码库的主要贡献者仓库用 Git代码遵循标准目录结构。”以下场景 Claude Code 会比较吃力游戏引擎类项目 大量二进制资源3D 模型、贴图、音频Claude 无法读取非常规版本控制 Perforce / Subversion / 自研 VCS需要额外配置非工程师为主的代码库 产品经理改文档、设计师改配置文件等harness 对不上Claude Code 最擅长的是Git 工程师 标准目录这个最大公约数。如果项目踩在非常规场景上找官方支持渠道是正解。总结三句话浓缩全文Claude Code 在大代码库不是装上就能用需要在 harness外围基建上投入一次性功夫。最高 ROI 的三个动作CLAUDE.md 砍到 200 行以内 在子目录启动 装 LSP。做完这三件事体验立竿见影。跨大文件改动、团队推广、CLAUDE.md 维护这些硬骨头官方都给了具体方案Boris 自己也在用照做就行。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
7个官方解法：小白程序员也能轻松驾驭大模型Claude Code，收藏必备！
Claude Code在大代码库中应用时常见7个问题及官方解法。重点在于harness外围基建的搭建包括CLAUDE.md编写、子目录启动、LSP安装等。此外文章还介绍了跨文件改动、团队推广、CLAUDE.md维护等方案帮助小白程序员轻松驾驭大模型。在个人小项目上用 Claude Code体验丝滑。但一旦切换到公司百万行级别的大代码库各种问题接踵而至。这些问题恰恰是 Anthropic 团队自己每天都在面对和解决的。本文基于 Anthropic 上周发布的大代码库实践博客以及 Claude Code 创始人 Boris Cherny 公开分享的经验梳理出大代码库场景下最常见的 7 个问题及其官方解法。Q1Context 频繁溢出是模型容量不够吗结论不是模型问题是代码检索策略的问题。Opus 4.7 已支持 1M token约两百多万字但一个成规模的项目动辄几百万行代码加上依赖库再大的窗口也装不下整个代码库。这是物理限制。那 Claude Code 是怎么在大代码库中精准定位需要修改的代码的业界主流方案是 RAG代码切片 → embedding → 向量数据库 → 相似度召回。Cursor、Copilot、Windsurf 走的都是这条路。但 Claude Code 完全不走这条路。没有 embedding没有向量数据库就靠 grep、读文件、看目录这些最基础的操作。Anthropic 把这套方法称为 agentic search——让 Claude 像真人工程师一样工作先ls看根目录再进auth/看内部结构grep搜索关键函数再读具体文件读一个文件决定下一步读什么循环往复。为什么选择这条反主流路线官方给出三个理由索引会过期。 千人团队每天提交几百个 commitembedding pipeline 跟不上节奏。查询时返回的可能是两周前已被重命名的函数Claude 拿着过期信息推理代码必然出错。agentic search 每次都基于当前代码状态没有这个问题。冷启动为零。 RAG 在百万行代码库上建索引要十几分钟Claude Code 打开就能用。精确匹配是向量的盲区。 查getUserById时向量召回会返回getUserByName、getUserByEmail、fetchUserInfo一堆语义相关的函数。代码场景很多时候要的是精确不是相似。Agentic search 的代价是什么Anthropic 博客原话它严重依赖一个好的起点 context。如果不给它清晰的起点它会盲目遍历等摸清结构时 context 已经被消耗大半。所以 context 溢出不是模型小是没有给 Claude 一个好的起点。后面 6 个问题都在解决这件事。核心概念Harness在展开后续问题之前需要先建立一个贯穿全文的核心概念。很多人评估 Claude Code 时第一反应是看模型“用 Sonnet 4.6 还是 Opus 4.7” “benchmark 谁分高”但 Anthropic 博客抛出一个反直觉的论点原话是 The harness matters as much as the model——harness 跟模型一样重要。什么是 harness打个比方请了米其林三星大厨到家做饭他的厨艺是模型能力但家里有没有趁手的灶台、菜刀、调料架、抽油烟机这才是 harness。灶台不行再厉害的厨师也炒不出锅气。Anthropic 的 harness 共七层层层递进CLAUDE.md → Hooks → Skills → Plugins → MCP再加 LSP 和子 agent。后面的 Q2-Q6 就是按官方顺序逐层拆解Q2CLAUDE.md 怎么写含 HooksQ3LSP 和子目录启动Q4子 agent 协作Q5Skill、Plugin、MCP 的打包分发Q6创始人 Boris 如何将七层组合使用Context 溢出不是模型的问题是 harness 没搭好。Q2CLAUDE.md 写多长合适写了 1000 行反而变笨从 harness 第一层开始拆。这也是大代码库下踩坑最多的一层。Anthropic 官方答案单文件控制在 200 行以内。CLAUDE.md 每次启动会被整体塞进 context写太长等于跟自己抢空间。超过 200 行后Claude 忽略指令的概率明显上升。大代码库规则确实多怎么办关键词分层。Anthropic 博客原话“根目录的 CLAUDE.md 应该只放指针和关键的坑其他细节都会变成噪音。”正确做法root 文件只放跨包通用约定如生产数据库不能动“PR 前跑 lint”每个子目录放自己的 CLAUDE.md 写模块细节。Claude 会自动从当前目录往上走树加载沿途每个 CLAUDE.md。Boris 的维护口号“Ruthlessly edit your CLAUDE.md over time”——对它下狠手毫不留情地删。判断标准对每一行问自己删掉这行Claude 还会按规则做事吗“如果答案是会”常识或代码已经体现就该删不会才值得留。发现 Claude 反复犯错时先别急着加规则先检查 CLAUDE.md 是不是太长把规则淹没了。另一条容易被忽略的建议每 3-6 个月对 CLAUDE.md 做一次完整审查。原因模型在进化。三个月前为约束 Claude 写的每次重构只改一个文件在新模型上可能变成枷锁——新模型已能做跨文件协调编辑旧规则反而限制了它。为弥补旧模型弱点写的 Hook、Skill模型升级后可能成为多余负担。Hooks让 CLAUDE.md 自我进化Hooks 是 Claude Code 的事件钩子机制可在编辑完文件后“会话开始前”工具调用前等时间点挂脚本。大多数人对 hook 的认知是防止 Claude 做错事自动跑 lint、format。但官方指出一个反直觉的洞察hook 真正的价值是让整套设置自我进化。示例挂 Stop hook会话结束时让 Claude 反思这次有什么常犯错误要不要写进 CLAUDE.md然后 hook 自己更新文件。挂 Start hook根据当前子目录动态加载模块特有的 context。Boris 自己挂了一个 PostToolUse hook给 Claude 写完的代码自动跑格式化把偶尔遗漏的 10% 格式问题直接抹平。CLAUDE.md 不是写一次的文档是一份持续打磨的活文件。Q3让 Claude 找函数总找错文件CLAUDE.md 解决了Claude 知道项目长什么样的问题。接下来是更细节的问题找具体函数时老找错文件。这在多语言大代码库C/C/Java/PHP 等符号歧义高的语言中尤其突出。官方答案装 LSP 在子目录启动 Claude。LSPLSPLanguage Server Protocol就是 VS Code 里go to definitionfind references背后的东西。接上 LSP 后搜索从字符串 grep 变为按符号搜索。对比grepgetUser可能返回 3000 个匹配前端、后端、测试都有Claude 需要逐个读文件判断context 就这样被烧光。有 LSP 后Claude 直接问 LSP“找跟auth/login.ts那个getUser同源的所有引用”LSP 返回精确的 3 个结果过滤在读文件之前完成。Anthropic 博客直接称 LSP 为多语言大代码库下 one of the highest-value investments。操作方式在/plugin里搜lsp装对应语言的 code intelligence plugin 语言服务器二进制不超过两分钟。子目录启动大多数人习惯 cd 到项目根目录然后claude。小项目没问题但大代码库里这让 Claude 一上来就加载超大的根目录 CLAUDE.md所有微服务规则全来一遍。官方博客反复强调“Initializing in subdirectories, not at the repo root”。正确做法在要改的子目录启动。比如改支付服务就cd services/payments claude。Claude 会自动往上走树加载根目录通用规则但优先加载payments/子目录的 CLAUDE.mdcontext 立刻聚焦。三个配合细节测试和 lint 命令按子目录写。 避免 Claude 改了一个文件却跑整个项目的测试套件。用 .ignore 排除构建产物。 把permissions.deny规则提交到.claude/settings.json全团队自动共享排除规则。目录结构不直观时放一张代码库地图。 简单的 markdown 文件列出每个顶层文件夹的一句话说明。Claude 动手前先扫一眼比盲目翻找快得多。按符号搜代码、按子目录工作准确率翻倍。Q4跨几十个文件的改动改一半就崩Claude 知道结构、也能精准定位代码了。但在重构、迁移、跨服务联动等大动作上经常前半段在状态后半段开始遗忘、漏改、改错。官方答案把任务拆成多个会话 用 subagent而不是写更长的 prompt。Boris 的表述更直白Pour your effort into the plan so Claude can one-shot the implementation——与其用超长 prompt 让 Claude 一次搞定不如先花一轮把方案敲定再分多个会话实现。具体做法第一步派 subagent 探索主 agent 保持干净 context。读懂系统如何工作本身就要烧掉好几万 token。让 Claude 一边读代码一边改代码相当于一边查资料一边写论文。Subagent 的思路派一个独立 agent 去探索写一份 findings 报告回来主 agent 看完报告再动手。小弟在独立 context 窗口里跑读几十个文件烧的是自己的 context跟主 agent 无关。最后只回传几百字摘要。第二步会话拆分。会话 1只做探索写 plan不动代码会话 2加载 plan实现一个模块跑通测试会话 3实现下一个模块每个会话从干净 context 开始plan 文件做桥梁串联。第三步大型迁移用 /batch。如果改动是整个项目换框架或几十个文件全部替换某种调用Claude Code 内置了/batch工具敲定迁移方案后一次性派出几十个并行 subagent每个在独立 git worktree 里跑、自测、开 PR。不用守屏幕跑完直接给你一堆 PR 等 review。这正是 Boris 本人在用的工作流。跨大文件改动救不回来的不是 prompt是会话边界。Q5团队里只有我一个人会用怎么推广前面解决的是个人怎么用顺的问题这里升级到组织层面。官方答案好实践做成 skill → plugin 打包分发 → MCP 接内部系统 → 有人维护。第一步高频操作做成 SkillSkill 可以理解为针对某个具体任务的 SOP。比如数据库迁移怎么做“微服务上线标准流程”。Skill 跟 CLAUDE.md 最大的区别按需加载。 CLAUDE.md 每次全文加载skill 只在 Claude 判断当前任务需要时才加载平时不占 context。官方称之为 progressive disclosure渐进式披露。Boris 的话如果一件事你一天做超过一次就把它做成 skill。Skill 还可以绑定到特定路径只有在对应目录下工作时才加载避免 context 污染。第二步用 Plugin 打包分发大公司经典问题好的工具配置永远只在小圈子里流传。高级工程师本机配了几十个 skill、十几个 hook、五个 MCP server旁边实习生什么都没配体验像用 demo 版。Plugin 本质是安装包把 skill、hook、MCP、LSP 配置打在一起。新人入职第一天 install立刻和团队所有人同等能力。公司还可以建内部 plugin marketplace谁有更好的实践就更新进去全公司受益。第三步用 MCP 接内部系统大代码库工作往往需要联动 Slack、Jira、内部 wiki、数据库、监控系统。MCP serverModel Context Protocol就是连接桥梁。但官方特别提醒别太早上 MCP。 很多团队 CLAUDE.md 都没写好就急着接各种 MCP结果反而把 context 搞乱。正确顺序CLAUDE.md 和 skill 打磨好 → plugin 打包分发 → 最后上 MCP。第四步有人负责维护Anthropic 观察到推广最顺的组织有个共同点大面积铺开之前先安排一小队人把基础设施搭好再放开访问。开发者第一次用 Claude Code 就能跑通很关键。第一印象如果是不好使后面翻盘太难。博客点出一个正在浮现的新角色Agent Manager——半 PM 半工程师负责 plugin 分发、CLAUDE.md 规范、skill 审批。规模小的团队至少要有一个 DRI直接责任人维护这套配置。好实践不再是个人玩具而是组织资产。Q6Claude Code 创始人自己怎么用Boris Cherny 分享过一段让人印象深刻的话“我同时在终端里跑 5 个 Claude再加 5 到 10 个跑在 claude.ai/code 上并行处理不同任务。”他的完整 setup不用--dangerously-skip-permissions。 用/permissions把常用安全命令预先加白名单避免反复确认但不放弃权限审计。复杂任务都从 Plan Mode 开始。 先把方案敲定再切 auto-accept 模式让 Claude 一发命中。PostToolUse hook 自动格式化。 把 Claude 偶尔遗漏的 10% 格式问题直接抹平避免 CI 挂掉。做超过一次的事都做成 slash command 或 skill。 他有个/commit-push-pr命令一天用几十次。团队共享一份 CLAUDE.md 提交到 git。 发现 Claude 做错什么就立刻加进去是持续打磨的活文件。串起来看创始人对 Claude Code 的态度不是装上就用而是把它当成会进化的工作伙伴每天都在喂新规则、新工具、新工作流。这才是大代码库下用好 Claude Code 的底层心态。Q7什么项目不适合用 Claude Code最后泼一盆冷水。Anthropic 官方原话“Claude Code 是围绕传统软件工程环境设计的假设工程师是代码库的主要贡献者仓库用 Git代码遵循标准目录结构。”以下场景 Claude Code 会比较吃力游戏引擎类项目 大量二进制资源3D 模型、贴图、音频Claude 无法读取非常规版本控制 Perforce / Subversion / 自研 VCS需要额外配置非工程师为主的代码库 产品经理改文档、设计师改配置文件等harness 对不上Claude Code 最擅长的是Git 工程师 标准目录这个最大公约数。如果项目踩在非常规场景上找官方支持渠道是正解。总结三句话浓缩全文Claude Code 在大代码库不是装上就能用需要在 harness外围基建上投入一次性功夫。最高 ROI 的三个动作CLAUDE.md 砍到 200 行以内 在子目录启动 装 LSP。做完这三件事体验立竿见影。跨大文件改动、团队推广、CLAUDE.md 维护这些硬骨头官方都给了具体方案Boris 自己也在用照做就行。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
