我每天都在用的 5 个 Claude Code 技巧

Claude Code 上手容易，但大多数人只用到了 10% 的能力——在终端里问几个问题，改几行代码，仅此而已。真正的效率差距，在于你有没有把它当成一个可编程的执行引擎来用。

以下是我每天都在用的 5 个技巧，不是理论，是实际工作流。

1. SKILL.md：给 AI 写标准作业流程

这是影响最大的一个改变。与其每次用 Claude Code 都重复说明「我们项目用 TypeScript，测试用 Vitest，commit message 要用这个格式……」，不如把这些写成 SKILL.md 文件放在 skills/ 目录里。

skills/
  write-tests/SKILL.md
  code-review/SKILL.md
  write-newsletter/SKILL.md

每个 SKILL.md 定义一个具体任务的完整 SOP：输入是什么、输出格式、质量检查项、常见陷阱。Claude Code 在执行对应任务时自动加载这个上下文。

效果是：你不再是在「提示」AI，而是在给它一份有据可查的操作手册。一致性大幅提升，你也不用反复纠正同样的错误。

关于 agentic coding 的核心价值，就体现在这里——不是单次对话，而是可复用的执行流。

2. CLAUDE.md：项目级别的长期记忆

CLAUDE.md 放在项目根目录，是 Claude Code 每次启动都会读的文件。把以下内容放进去：

• 技术栈和版本约束
• 架构决策和它背后的原因
• 哪些文件不能动、哪些模块有已知问题
• commit 规范、分支策略

这解决了一个真实痛点：你不用每次开新会话都重新解释项目背景。特别是多人协作时，CLAUDE.md 让团队里所有人的 AI 行为保持一致。

3. Hooks：在 AI 行动前后插入验证逻辑

Hooks 是 Claude Code 最被低估的功能之一。你可以在特定事件（比如文件保存、命令执行前后）触发自定义脚本。

实际用法举例：

• Pre-commit hook：Claude Code 要提交代码前，自动跑 npm test，测试不过就拦截
• Post-edit hook：每次修改 .ts 文件后，自动跑 lint 检查
• Tool-use hook：记录 Claude Code 执行的每条 shell 命令，方便审计

详细实现方式可以看这篇：Claude Code Hooks 工作原理。

核心思路是：不要完全信任 AI 的自我审查，用代码来验证。这让「自主执行」和「人工监督」之间的平衡变得可控。

4. 任务分解后再下指令

「帮我重构整个认证模块」这种指令成功率很低。Claude Code 是强大的执行器，但它的规划能力需要你配合。

更好的做法：

1. 先让 Claude Code 只做分析，输出一份改动计划
2. 你检查、修改、批准这份计划
3. 再让它按计划逐步执行，每步验证

这不是在削减 AI 的能力，而是把人的判断力用在正确的地方——规划层，而不是执行层。大型任务这样做成功率能从 40% 提到 90%。

5. 用 --dangerously-skip-permissions 配合沙箱环境

这个技巧有点反直觉：在受控的沙箱环境里，关掉每次操作的权限确认提示，让 Claude Code 全自动跑完一个任务。

适用场景：CI/CD 流水线、本地 Docker 容器、测试环境的批量操作。

关键前提是「受控环境」——不是在生产服务器上乱用。配合 Hooks 里的审计日志，你既获得了全自动执行的效率，又保留了事后可查的记录。

真正的效率差距在哪里

用了这 5 个技巧之后，Claude Code 从「一个智能的命令行工具」变成了「一个理解我项目上下文、遵守我团队规范、执行前自动验证的工程伙伴」。

区别不在于模型能力，在于你有没有给它足够的结构化上下文，以及有没有在执行链路里加入足够的验证节点。

从 SKILL.md 开始，这是投入产出比最高的一步。

---

觉得有用？订阅 LoreAI，每天 5 分钟掌握 AI 动态。