参考的是b站博主：码士集团-马小雪，博主写这个就是为了方便查找。

1. 应对 AI 幻觉：果断重启

当发现 Claude Code 无论怎么修改都无法解决问题时，很可能是出现了 “幻觉”。AI 可能陷入了错误的解决思路，继续尝试只会浪费时间。

识别幻觉的信号：

• 反复修改同一段代码但问题依旧
• 给出的解决方案越来越复杂
• 开始建议一些明显不合理的修改

正确的处理方法：

• 立即停止当前对话（使用 /clear 命令）
• 回滚到上一个稳定版本（git reset --hard）
• 总结已尝试的错误方案，形成 “负面清单”
• 重新开始，明确告知 AI 避免这些错误方向

示例：

"还是不行，再试试其他方法"

/clear
"之前尝试修改webpack配置没有解决问题。
请用其他思路解决构建速度慢的问题，
不要修改webpack配置。"

2. 版本控制是生命线

养成良好的版本管理习惯，这是使用 AI 编程工具的基础保障。

最佳实践：

• 原子化提交：每完成一个小功能就提交
• 有意义的提交信息：描述清楚做了什么改动
• 分支策略：为每个新功能创建独立分支
• 标签管理：为重要版本打标签

---

推荐的 Git 工作流：

git checkout -b feature/user-auth

git add .
git commit -m "feat: 添加用户登录接口"

git tag -a v1.0.0 -m "完成用户认证功能"

git reset --hard HEAD~1

版本控制的好处：

• 随时可以回到稳定状态
• 清晰的开发历史记录
• 方便代码审查和问题定位
• 避免因 AI 修改导致的不可逆错误

---

3. 善用 Plan Mode 规划先行

Claude Code 的 Plan Mode（按 Alt+m 进入）是提高成功率的利器。它让 AI 先思考再行动，避免盲目修改。

Plan Mode 的优势：

• 生成详细的实施计划
• 列出可能的风险点
• 提供多种解决方案
• 预估所需时间

---

使用示例：

# 进入Plan Mode
[Alt+m]

# 输入需求
"重构用户管理模块，提升查询性能"

# AI会输出类似的计划：
1. 分析现有代码结构和性能瓶颈
2. 设计新的数据库索引策略
3. 实现查询优化
4. 添加缓存层
5. 编写性能测试
6. 逐步迁移旧代码

关键点：

• 仔细审查计划，确保方向正确
• 可以要求 AI 调整或细化某些步骤
• 确认后再让 AI 执行
• 执行过程中可以随时调整

4. 需求文档决定成功率

在开始编码前，先让 AI 编写详细的 Product Specs（产品规格说明书）。好的文档是成功的一半。

Product Specs 应包含：

功能规格：

• 详细的功能描述
• 用户故事和使用场景
• 输入输出定义
• 边界条件处理

技术规格：

• 技术架构设计
• 数据模型定义
• API 接口规范
• 性能指标要求

实施细节：

• 开发步骤分解
• 测试策略
• 部署方案
• 回滚计划

建议：

• 创建专门的 docs 目录管理这些文档
• 使用版本控制追踪文档变更
• 定期更新文档与代码保持同步

---

5. 建立项目规则记忆

充分利用 Claude Code 的本地配置文件 .claude/CLAUDE.md，让 AI 越用越懂你的需求。

配置文件示例：

# 项目开发规范

## 代码规范
- 使用ESLint + Prettier
- 函数采用小驼峰命名
- 组件采用大驼峰命名
- 常量使用全大写下划线分隔

## Git规范
- 使用conventional commits
- feat: 新功能
- fix: 修复bug
- docs: 文档更新
- refactor: 代码重构

## 开发原则
- 单一职责原则
- 每个PR只解决一个问题
- 代码必须有单元测试
- 注释用中文，代码用英文

## 个人偏好
- 优先使用函数式组件
- 状态管理使用Zustand
- 样式使用CSS Modules
- 避免使用any类型

---

6. 全程使用中文交流和文档

虽然 Claude Code 支持多语言，但统一使用中文可以提高沟通效率。

设置方法：

1. 修改全局配置：编辑 .claude/CLAUDE.md 文件：

   ## 语言规范
   - 所有对话和文档都使用中文
   - 注释使用中文
   - 错误提示使用中文
   - 文档使用中文Markdown格式
   

好处：

• 降低理解成本
• 避免语言切换的认知负担
• 更准确地表达需求
• 方便团队协作

7. 免授权模式：提升工作流畅度

当你的代码仓库已经由 Git 管理，且没有敏感内容时，可以使用 Bypass 模式大幅提升效率。

启动命令：

claude --dangerously-skip-permissions

Bypass 模式的特点：

• 无需反复确认授权
• 异步任务执行
• 更流畅的工作体验
• 接近完全自动化

风险提示：

• Claude 可能会修改你未预期的文件
• 可能会执行一些系统命令
• 建议只在个人项目中使用
• 重要项目请做好备份

使用建议：

• 确保有完善的 Git 备份
• 定期检查 Claude 的操作日志
• 发现异常立即中止

---

8. 多用 /clear 即时清理上下文

保持上下文窗口的清洁是提高效率的关键。

清理时机：

• 完成一个独立任务后
• 切换到不相关的新任务
• 发现 AI 开始混淆概念

清理策略：

（结合之前示例，使用 /clear 命令重置上下文）

好处：

• 提高 AI 的响应速度
• 减少无关信息干扰
• 避免上下文溢出
• 保持对话的专注性

---

9. 智能的审查工作流

建立高效的 AI 辅助代码审查流程，确保代码质量。

三层审查模型：

• 第一层：功能验证（30% 时间）
  • 运行代码，测试功能是否正常
  • 检查是否满足需求
  • 验证边界条件
• 第二层：AI 自审（20% 时间）
  • AI 通常能发现：性能优化机会、代码重复、潜在的 bug、不符合规范的地方
• 第三层：人工详审（50% 时间）
  • 重点关注：业务逻辑正确性、安全性问题、代码可维护性、架构合理性

审查检查清单：

• 功能是否完整实现
• 是否有明显的性能问题
• 错误处理是否完善
• 是否有安全漏洞
• 代码是否易于理解
• 是否符合项目规范

---

10. 合理设定 AI 参与度

不要期望 AI 生成 100% 完美的代码，合理的期望值能带来更好的体验。

AI 擅长的领域（90%）：

• 样板代码生成
• CRUD 操作实现
• 常见设计模式应用
• 测试用例编写
• 文档生成
• 代码重构

需要人工介入的领域（10%）：

• 复杂的业务逻辑决策
• UI 细节的像素级调整
• 特定的性能优化
• 架构级别的设计决策
• 与外部系统的特殊集成

最佳协作模式：

plaintext

# 让AI完成基础框架
"实现用户管理的CRUD接口"

# 人工调整业务逻辑

# AI完成测试
"为刚才修改的代码添加单元测试"

效率最大化原则：

• 及时止损，不在细节上死磕
• 发挥各自优势
• 保持灵活的协作方式

11. 良好架构和命名的重要性

清晰的代码结构和命名规范能显著提高 AI 的理解能力和代码生成质量。

命名规范的重要性：

在一个实际项目中，我发现前端部分仅用 10 分钟就完成了全部功能，而后端却耗费了 2 小时。深入分析发现，后端某些地方概念模糊，不同功能使用了相同的命名，导致 AI 产生理解偏差。

---

安全风险

大型软件项目通常包含一些敏感代码，不宜提交给 AI 进行分析，例如：

• 许可证验证逻辑
• 防破解机制
• 核心算法实现
• 商业机密代码

为保护这些关键代码，可通过配置忽略文件来限制 AI 的访问权限。配置后，AI 将无法读取指定的文件或目录，从而有效保护代码安全。

---

代码审查的新挑战

当 AI 在几小时内产出 800 行代码变更时，审查工作变得更加重要但也更具挑战性。

挑战：

• 代码量大，容易遗漏问题
• AI 生成的代码风格可能不一致
• 难以追踪修改的原因

解决方案：

只能做到 逐行 审查，确保每一行代码都能理解

记住：AI 生成的代码等同于你编写的代码，你需要为其负责。

---

对开发者的影响

角色转变：

• 从编码者到架构师
• 从实现者到审查者
• 从执行者到决策者

核心竞争力：

• 业务理解能力
• 架构设计能力
• 问题分析能力
• 创新思维能力

职业建议：

• 拥抱 AI 工具，提升效率
• 专注于 AI 无法替代的能力
• 持续学习，保持技术敏感度
• 培养「人机协作」的工作模式

---

总结

Claude Code 不仅是一个工具，更是开发模式的一次革新。它让我们能够专注于真正重要的事情：架构设计、业务理解和创新思考，而将重复性的编码工作交给 AI。

在使用 Claude Code 的过程中，我深刻体会到：

• 效率的飞跃：原本需要数天的工作可以在数小时内完成
• 创造力的解放：不再被繁琐的实现细节所困扰
• 学习的加速：通过 AI 的代码和解释快速掌握新技术
• 可能性的扩展：一个人可以完成原本需要团队的项目

在这个 AI 重构开发流程的时代，拥抱变化、善用工具，将是每个开发者保持竞争力的关键。希望本文的分享能够帮助更多开发者开启高效的 AI 辅助编程之旅。

最后的建议：

• 保持开放的心态，勇于尝试新工具
• 建立自己的最佳实践，不断优化工作流程
• 分享经验，与社区共同成长
• 记住：AI 是工具，创造力依然属于人类