Boris 的配置极为简洁：“Claude Code 开箱即用就很好用，所以我个人并没有太多自定义配置。”
这恰恰印证了核心理念：Claude Code 并无唯一“正确”用法。团队有意设计为高度灵活，每位成员的使用方式均不相同。
本文整理 Boris 在公开分享中提炼出的 13 个经实战验证的核心技巧，全部源自其构建 Claude Code 本身的过程，适用于新手入门与现有工作流优化。
1. 并行运行多个 Claude 会话
Boris 在终端中同时运行 5 个 Claude 实例，各标签页编号 1–5，便于任务追踪；并借助系统通知提醒待响应会话，避免遗漏。
为什么有效：并行处理显著提升吞吐量——一个重构代码、一个编写测试、一个调研 API，多线程协作替代串行等待。
2. 结合本地和网页会话
Boris 同时在终端与 claude.ai/code 上并行运行 5–10 个会话，并通过 & 命令移交本地会话至网页、--teleport 跨环境迁移、Chrome 手动启动及 iOS 应用随时接入，实现全场景覆盖。
为什么有效：复杂编码用终端、协同评审用网页、临时灵感用手机——不同任务匹配最适环境，大幅提升响应效率与协作便利性。
3. 全面使用 Opus 4.5 与扩展思考
Boris 统一选用启用扩展思考的 Opus 4.5 模型。“这是我用过的最好的编码模型”，因其推理更强、引导更少、工具调用更准，虽单次响应略慢，但整体返工更少、终局更快。
为什么有效：高阶模型一次生成正确率更高，减少反复调试，前期审慎思考带来长期时间节省。
4. 维护团队共享的 CLAUDE.md 文件
Claude Code 团队将经验沉淀为统一检入 Git 的 CLAUDE.md，形成动态知识库。规则明确：“每发现 Claude 做错某事，即刻添加至文件，确保下次规避。”
为什么有效：该文件是团队风格指南与 AI 协作故障库的融合体，新人可直接复用集体经验，知识复利效应持续放大。
5. 在代码审查中使用 @.claude 标签
代码审查时，Boris 常在拉取请求中标记 @.claude，建议将问题与改进同步提交至 CLAUDE.md；流程由 Claude Code GitHub Action（/install-github-action）自动化支撑。
为什么有效：将 AI 协作优化深度嵌入日常开发闭环，每个 PR 都成为能力积累节点，避免经验流失。
6. 在计划模式下开始会话
Boris 多数会话以计划模式（shift+tab ×2）启动，尤其在编写拉取请求前，先与 Claude 多轮讨论技术方案，确认计划合理后再切换至自动编辑模式执行。
为什么有效：计划阶段成本低、纠错易；优质方案奠定高效执行基础，大幅降低返工概率。
7. 为内循环工作流创建斜杠命令
高频重复任务（如测试、部署检查、格式化）被封装为斜杠命令，存于 .claude/commands/ 并检入 Git，实现个人提效与团队共享双重价值。
为什么有效：命令标准化提示词、保障执行一致性、支持 Claude 自主调用，形成长期自动化资产。
8. 定期利用子代理
Boris 日常使用多个子代理：如 code-simplifier 精简输出代码、verify-app 执行端到端验证等。子代理较斜杠命令更高级，具备决策能力与多工具协同处理复杂任务。
为什么有效：将领域专业知识固化为可复用组件，降低认知负荷，提升任务交付质量与确定性。
9. 使用 PostToolUse 钩子自动格式化
团队通过 PostToolUse 钩子自动完成代码最终格式化，弥补人工格式校验缺口，确保 100% 符合 CI 规范，消除因格式导致的 PR 反馈与构建失败。
为什么有效：前置拦截格式类问题，释放工程师精力聚焦核心逻辑审查与架构设计。
10. 预先允许命令而不是跳过权限
Boris 拒绝使用 --dangerously-skip-permissions，转而通过 /permissions 预先声明常用安全 Bash 命令，并将权限配置存于 .claude/settings.json 供团队共用，在安全性与操作效率间取得平衡。
为什么有效：既规避盲目授权风险，又避免频繁手动确认干扰，新成员可即刻复用成熟安全策略。
11. 通过 MCP 服务器使用所有工具
Boris 借助 MCP（Model Context Protocol）服务器集成 Slack、BigQuery、Sentry 等工具，使 Claude 可主动搜索消息、执行分析查询、获取错误日志，实现跨系统自动协同。
Slack 等 MCP 配置统一存于 .mcp.json 并共享，确保工具链能力对齐。
为什么有效：打破工具孤岛，Claude 成为统一调度中枢，真正实现无缝开发工作流。
12. 验证长时间运行的任务
针对长周期任务，Boris 采用三重验证机制：（a）提示 Claude 完成后自主验证；（b）使用 Stop 钩子触发自动校验；（c）集成 ralph-wiggum 插件实现持续迭代与自我修复。
为什么有效：内置质量守门机制，防止长会话偏离目标，保障数小时甚至数天运行仍保持结果可靠性。
13. 给 Claude 验证其工作的方法
Boris 强调：赋予 Claude 自验证能力是获得高质量输出的根本前提。前述 CLAUDE.md、测试命令、子代理、格式钩子等，本质均为提供反馈闭环——测试套件、linter、类型检查、预览环境、CI 管道均可成为其“校验器”。
为什么有效：验证机制让 Claude 从单向生成转向闭环问题解决，通过试错学习积累经验，推动 CLAUDE.md 和工作流持续进化，实现真正的知识复利。
核心资源
1. Claude Code 网页版
浏览器直接访问，零安装门槛，适合快速上手与跨设备协同；Boris 常并行启用 5–10 个网页会话配合终端使用。
2. CLAUDE.md 文档
官方提供的 CLAUDE.md 创建与维护指南，是构建团队共享知识库的标准模板与最佳实践参考。
3. GitHub Action 安装
通过 CLI 执行 /install-github-action 启用 @.claude 标签功能，支撑代码审查中知识沉淀自动化。
总结
Boris 工作流的本质是构建“可复利的 AI 协作体系”：CLAUDE.md 沉淀经验、斜杠命令固化流程、权限策略平衡安全、MCP 打通工具链、验证机制驱动进化。
Boris 配置的五大核心原则：
- 并行化工作——多会话并发，最大化吞吐量；
- 先计划后执行——以低代价方案推演换取高确定性交付；
- 捕获知识——将个体经验转化为团队资产；
- 自动化重复——用命令与子代理压缩高频操作成本；
- 平衡安全与速度——基于信任而非豁免的权限管理。
需强调的是：Claude Code 设计初衷即为高度个性化。团队每位成员用法各异，关键在于理解其底层原则，再结合自身工作节奏与技术栈灵活落地。建议从中选取 1–2 项高频痛点优先实践，逐步构建适配自身的高效 AI 编程工作流。