Claude Code 终端里的高频快捷键

Shift + Tab：切换三档模式（最重要）

连按 Shift + Tab 在三种模式间循环：

  • Normal（默认）：每次改文件前问你一下。
  • Accept edits（自动接受）：改文件不再问你。
  • Plan mode（只规划不动手）：只讨论方案，不执行任何修改。

Esc：打断当前动作

Claude 一开始跑偏，或者你想换方向时，随时按 Esc 停掉当前动作，然后直接接着说你的修正意见。

@：引用文件

输入 @ 会弹出文件补全，比如 @README.md 或 @src/auth.ts。这比复制粘贴整段文字效率高得多，也省 context。

奉天：2 个 Max 套餐 + 一套工作流 = 10 倍生产力

副标：日常是怎么用 AI 写代码的——工具、环境与工作流分享

引言：实践是检验真理的唯一标准

平时面试会聊 AI-Coding 工具使用情况。大家不能自己创造 Agent 工具，这很正常；但能把别人造好的工具用好，这就是"低垂的果实"。不过大部分人的反馈是"能用，但只能简单提效"，理由往往是：AI 有幻觉、不了解业务、错误率高等等。

你问他怎么试的？之前用 XX 工具试过，散乱地聊几句，最多把一个 PRD 或功能文档直接丢给 AI，然后就草率得出结论：今天的 LLM 还不行，还不成熟，最终还是要靠人。

其实 AI 工具真不是没用，是你会的太少、都不知道怎么用。

一、工具的选择：决定提效的下限

1. 为什么用了一年 Cursor 和 Trae 之后，全面切到了 Claude Code (CC)

  • 模型能力：Claude 自家模型在自家产品里没有第三方渠道的功能限制，在编码上的统治力依然在。
  • Dangerously 模式契合 AFK 执行理念：之前搞 ralph-loop 就是在追求"给 AI 一个任务，让它自己跑完"。Cursor 做不到这个——每步都要你盯着 diff 点 accept。而 CC 的 dangerously 模式跳过了所有权限确认，让 Agent 真正自主执行，配合 Git 之后风险可控。
  • 终端原生工作流的一致性：整个工具链（Ghostty、Yazi、各种 CLI 工具）都是 terminal-native 的，CC 天然融入这个生态，切换到 IDE 反而是一种切换成本。
  • 社区和生态高玩更多：很多高手分享经验，你很容易站在"巨人的肩膀上"。

一句话总结：Cursor/Trae 适合"AI 辅助我写代码"的场景，CC 适合"AI 替我执行任务"的场景，后者感觉更省力，我只做判断就行。

2. 模型选型：别贪便宜，"效果优先"才是最高 ROI

越便宜、效果越差的模型，看似单 Token 成本低，实则整体 ROI 极低。为了拿到满意结果，你要花更多时间调试 Prompt、补上下文、纠正错误。对开发者来说，时间成本最贵。

目前主要用 2 个 Max 套餐：Claude-Code 以及 GLM，没有 Token 焦虑。

3. 终端选择了 Ghostty

切到 CC 之后发现终端还是方便的，尤其是多个项目并行，一般 3-4 个项目同时开发，只要 cmd+1、2、3 切换就行。配合好音乐，沉浸感和效率基本拉满。Ghostty 基本不用复杂配置，只装了 2 个插件：yazi（看目录结构）和 lazygit（看 git 状态）。

二、环境的准备：打造"动口不动手"的心流环境

1. 找到你的"语音输入最优解"

AI 编程的核心是思考，而不是敲键盘。专门配了桌面定向收音麦克风。试过各种工具，最终找到性价比最高的方案：自定义 ASR API + 闪电说配置 + 全局快捷键。

现在一天工作 6-7 小时，几乎不用敲键盘，想到什么直接说，AI 精准接收，大幅降低了输入门槛和疲劳感。为了解决语音输入到 CC 折叠的问题，还专门搞了一个 Mac 应用，在文本粘贴时进行拦截，逐个输入到 CC。语音输入对 Vibe Coding 的体验提升是 10 倍的。

2. CC 的各种配置不要急

CC 社区很好，类似 everything-claude-code 的项目非常多，很多人上来就着急做各种复杂配置，完全没必要。配置复杂了反而对使用要求变高，增加上手难度。

最重要的是 claude.md。网上一大堆"万字雄文"，结果任务还没开始，上下文就占了一大块。慢慢加，不要急，从少到多，太多了之后就用渐进式——里面讲清楚文件位置，CC 会自己去找，相当于按需加载。

三、常用的指令和技巧

1. Claude Code 非常有用的 6 个命令

  • insights：自动分析会话记录生成报告（项目领域、交互模式、摩擦点）。1-2 周看一次，基于此优化 CC 配置。
  • context：查看当前会话上下文占用情况。如果启动时被过多占用，据此调整加载策略（如关闭不用的 MCP 或精简 memory.md）。
  • loop：循环执行某个指令。常用来做测试，比如补全用例或先生成用例，然后用 loop 循环执行检查是否符合预期。
  • new：虽然 CC 支持 1M 上下文并自动压缩，但如果觉得一个问题解决得差不多了，且接下来的任务和之前关联不大，会用 new 清空上下文开启新会话。
  • simplify：并行启动三个专门的 review agent，分别从代码复用、质量问题、效率优化三个角度审查你的 diff。
  • claude-md-improver：审计、评估和改进仓库里的 CLAUDE.md 文件。

2. 打通能力边界的 2 个高频 MCP 工具

  • Context7：帮 AI 精准查找官方文档、API 文档，从根源上避免 AI "瞎编乱造"。
  • Playwright：让 AI 直接操作浏览器，页面测试、数据抓取、重复人工操作流程都能交给 AI 自动化。

3. 全流程提效神器：Superpowers Skill

这是每天必用的技能。几乎所有需求都会用它走完完整流程：需求脑暴、技术方案选型、任务拆解、开发计划制定。全链路都靠它提效，把模糊的想法快速落地成可执行步骤。

4. 复杂任务杀器：Agent Team 模式

处理复杂项目时，必须要区分清楚两个概念：

  • Sub Agent（总分模式）：主 Agent 把任务拆给子 Agent，子 Agent 执行完返回结果，单线程执行，无协同。
  • Agent Team（团队协同模式）：每个子 Agent 有独立上下文和调用 Skill 的能力，子 Agent 之间可以互相通讯、同步信息、协同完成任务。

标准玩法：把 Agent Team 和 Superpowers 结合起来用。专门定制了一个 Skill，给 Superpowers 的 explain 技能增加 Agent Team 候选项，遇到复杂需求直接拆分成多角色 Agent 协同完成。

四、使用的 SOP 或思路

1. 标准项目 SOP

一般做一个项目，会从 Superpowers 的脑暴启动；然后进行多轮问答，确定方案和执行计划；接着交给 Sub Agent 或 Agent Team 去执行；最后通过建立多链路的测试（单测、集成测试、E2E）来验证。有时候还会用 loop 循环调用 Playwright 做测试（包含截图）。

2. 业务项目用不起来怎么办？

很多人觉得业务项目用不起来，原因很多：怕 AI 生成代码有 BUG 要背锅、业务背景复杂自己描述不清楚、依赖太多。如果心理压力大，不如先从"个人项目"开始练手。兴趣是最好的老师，原本那些小众、低 ROI、没法定制化的需求，现在因为 AI-Coding 而变得可行。

3. 形成属于自己的"无限游戏"

通过个人项目去熟悉 LLM 的特性、熟悉工具的特性，最终目的是形成一套符合自己习惯的循环。重点不仅仅是完成项目，还要关注完成的过程。在 CC 里，我经常会中止它的执行，然后转向问它："你刚才为什么会这么思考这个问题？"、"为什么遇到这样的情况你没有考虑 XX？" 通过类似对话，打磨链路、优化 claude.md 和 memory.md，以及定制自己的 Skills。

4. 随便 YY 一下

自己搞了很多 for myself 的系统，比如草缸养鱼记录并分析水质的、理财的、就医记录的。另外就是兴趣项目——买基金之前挺晕菜，后来基于 CC 单独做了一个助手，配置了 MCP 和自定义 Skills，把有知有行的内容整理成向量知识库到本地，经常可以帮做一些市场分析、持仓建议。

示例指令："创建一个 Agent Team，帮我完善 xxx.md 的方案并执行，Team 中包含 1 个产品、1 个架构师、1 个后端、1 个前端、1 个测试。"

5. 总之，就是要不断 recheck 生产的过程，把"过程优化"当做一个独立的水平项目来做。

五、真正用起来的一些建议：心法与避坑

1. 没有万能模板，找到自己的节奏

不要迷信固定的 prompt 模板或万能配置文件。核心就是"坚持用，多实操"。用多了自然会有手感：什么时候该精简上下文、什么时候补全模糊指令、什么时候 AI 钻牛角尖要拉回方向。

2. 干中学

官网、Github、社区都是好资源。个人比较喜欢看 Github 上的项目，clone 下来跑跑看，然后通过 AI 不断帮你解构项目的设计与实现。听 AI 讲项目的实现细节，你会发现很多有趣的地方。

3. 自我评估

核心是把循环跑起来，重点在评估和引导 AI，而不是生产代码。具体效果提升有 2 个最明显的衡量标准：

  1. 原本一个人不可能完成的任务，被你相对容易地完成了；
  2. 原本可能要 2-3 周的事情，被你在 1-2 天搞定了。如果习惯多任务并行，同时开 4-5 个项目一起跑，差不多能无缝衔接，基本上 2-3 个小时脑子就开始转不动、身体上开始跟不上 AI。

4. 给想往 Agent 方向转型朋友的建议

先把手里的 AI 编程工具用好。这些我们每天在用的工具，就是目前市场上落地最好、成熟度最高的 Agent 应用。把它们的设计逻辑、能力边界、协同玩法研究透，你会发现 Agent 的核心原理并不复杂，很多能力其实已经在日常工作中用到了。