工作流编排：让 AI 学会"先想后做"

规划节点默认开启。 对于任何非平凡任务（超过 3 步或涉及架构决策），让 Claude Code 自动进入规划模式。如果执行过程中偏离了方向，立刻停下来重新规划，而不是硬着头皮往前推。规划模式不只用在构建阶段，验证阶段同样需要。提前写好详细的规格说明，能大幅减少来回沟通的成本。

这个设计很实用——大部分人用 AI 编程踩的坑，都不是 AI 写不出代码，而是它一头扎进去写了一堆方向错误的代码。

子代理策略：用"分身"保持主线清晰

自由使用子代理（Sub-agent）来保持主上下文窗口的整洁。把研究、探索和并行分析任务卸载给子代理处理，遇到复杂问题时通过子代理投入更多计算资源。关键原则是：每个子代理只专注一件事。

这其实是对 Claude Code 上下文窗口有限这一现实的务实应对。主窗口留给核心逻辑，脏活累活交给子代理，整体效率会高很多。

自我改进循环：让 AI 不犯同样的错

每次用户纠正 AI 的行为后，把这个教训更新到 tasks/lessons.md 文件中。让 AI 为自己编写规则，防止重复犯同样的错误，并且无情地迭代这些教训，直到错误率明显下降。每次新会话开始时，先回顾与当前项目相关的历史教训。

这是整套方案中最有长期价值的部分。大多数人用 AI 的方式是"一次性的"——每次对话都从零开始。而这个机制让 AI 有了跨会话的记忆和成长能力。

完成前验证：没证明有效，就不算完成

  • 未经验证绝不标记任务为完成状态
  • 在相关场景下，对比主版本与修改后的行为差异
  • 问自己："资深工程师会认可这个吗？"
  • 运行测试、检查日志、用事实证明正确性

追求优雅，但不过度设计

对于非平凡的修改，停下来问一句"有没有更优雅的方式？"。如果一个修复看起来像临时补丁，就基于当前掌握的所有信息，重新实现一个优雅的方案。但对于简单、明显的修复，跳过这一步——不要过度设计。在提交前，始终挑战自己的产出。

这条规则的平衡感拿捏得很好。很多配置要么让 AI 太激进地重构，要么太保守地打补丁，这里给出了清晰的判断标准。

自主修复缺陷：别等人喂答案

收到缺陷报告时，直接修复，不要寻求手把手指导。主动查看日志、错误信息、失败的测试，然后解决它们。用户不需要进行任何上下文切换，AI 也不需要被告知具体方法——看到 CI 测试失败了，直接去修。

任务管理流程

  1. 先规划：将计划写入 tasks/todo.md，包含可勾选的待办项
  2. 验证计划：开始实施前先确认方向
  3. 跟踪进度：完成一项勾选一项
  4. 解释变更：每一步提供高层摘要
  5. 记录结果：在 tasks/todo.md 中添加回顾部分
  6. 捕获教训：纠正发生后更新 tasks/lessons.md

三条核心原则

  • 简洁优先：每次修改尽可能简单，影响最少的代码
  • 拒绝偷懒：找到根本原因，不做临时修复，保持资深开发者的标准
  • 最小影响：修改只触及必要部分，避免引入新的缺陷

把这份配置复制到你项目根目录的 CLAUDE.md 中，就是一个不错的起点。但真正的价值在于后续的迭代——根据你自己的项目特点、踩过的坑、偏好的工作方式，不断调整和补充。一份好的 CLAUDE.md 不是写出来的，是养出来的。