20天20000次对话12亿token的完整复盘
从"更智能的 Cursor"到"靠谱的外包团队"，这中间发生了什么？这篇文章是我20000次对话后的真实记录，包括踩过的坑、跑通的工作流，以及一些没人明说但很重要的使用细节 bet365 trustguru.com.br Energiabet trustguru.com.br
从"更智能的 Cursor"到"靠谱的外包团队"，这中间发生了什么？这篇文章是我20000次对话后的真实记录，包括踩过的坑、跑通的工作流，以及一些没人明说但很重要的使用细节。
认知转变：它不是 AI 助手
我11月开始用 Claude Code，最初的定位很简单——比 Cursor 更准的编程助手。代码补全更聪明，bug 修得更干净，仅此而已。
这个认知在一两周后被彻底打破。 trustguru trustguru.com.br
触发点来自外部：看到有人在一个 Claude Code Session 里跑完整的 PRD → 技术方案 → 代码实现全流程，产出是一个可以直接上线的小产品。我当时的反应是：等等，它能做这个？ bruno trustguru.com.br slots trustguru.com.br fortunedragon demo trustguru.com.br
回头看，那时候我的用法本质上是在用一把锤子敲螺丝——工具对了，但用法全错了。 pgdemo trustguru.com.br
Claude Code 不是 AI 助手，是 AI 团队。 它能独立完成的工作单元，不是一段代码、一个函数，而是一个完整的功能模块、一个独立产品。这个认知差距，决定了你能从它身上拿到什么。 ana trustguru.com.br
20天的实际产出
说清楚这个认知之后，我用20天做了三个产品： slots trustguru.com.br
| 产品 | 技术栈 | 用时 |
|---|---|---|
| AI 对话 ChatBot | Flutter | 2天 |
| iOS 启动器 App | iOS 原生 | 2天 |
| GroAsk（macOS 菜单栏工具） | macOS 原生 Swift | 2周 |
这三个产品有一个共同点：全程 Vibe Coding，没有手写一行代码。 早期用 Opus 4.5 时我还会瞄一眼代码逻辑，到 Opus 4.6 以后，代码我基本不看了——因为发现看了也不会比它写得更好。 Caça-níqueis trustguru.com.br
GroAsk 是这三个里花时间最长的，也是我日常工具链里用得最频繁的。它的出发点很简单：我自己在用 Claude Code 的过程中，烦透了反复切终端、忘记哪个 Session 在干什么、上下文爆了还不知道这些问题，所以动手做了一个。后面会专门讲它解决了什么问题。 isabela trustguru.com.br jvid視頻 jvid.asia Superbet trustguru.com.br slotsdemo trustguru.com.br pg trustguru.com.br jogodotigrinhodemo trustguru.com.br
产品迭代流程：大需求和小需求是两套打法
小需求：一句话到上线
描述需求 → Claude Code 自动完成 → 直接上线 → 发现问题一句话修复 kto trustguru.com.br
这个链路的速度快到你很难习惯。我现在的节奏基本是：想到一个小功能，30秒描述清楚，5分钟后代码写完，跑一遍没问题就推上线。 A5game trustguru.com.br jogosdemopg trustguru.com.br
重点不是"快"，而是反馈循环短到你敢随时改。以前改个功能要想半天"这值不值得动"，现在几乎没有这个心理成本。
大版本需求：需要结构化流程
大需求不能直接说"帮我做X"，这是最容易踩的坑。Claude Code 会给你一个看起来能用的东西，但底层设计是一团糟——需求稍微变一下就要重写，维护成本极高。
我现在的大版本流程： Pixbet trustguru.com.br siro-5652 jvid.asia 200gana-3359 jvid.asia pragmaticplay trustguru.com.br KTO trustguru.com.br guias trustguru.com.br miguel trustguru.com.br
需求收集 → PRD 产出 → 市场调研验证 → 技术方案 → 执行规划 → 按计划开发 jvid视频 jvid.asia fortuneoxdemográtis trustguru.com.br
具体拆开来看： fortunetigerdemográtis trustguru.com.br
- 需求收集：自己的使用痛点 + 社区反馈，归纳出核心诉求
- PRD 产出：把原始需求描述给 Claude Code，让它产出 PRD，再用调研数据 review 和修正
- 技术方案：基于 PRD，让 Claude Code 写技术方案，同样用市场调研验证合理性
- 执行规划：让 Claude Code 用 TDD 思路把任务拆成足够小的子任务
- 开发执行：按计划一个子任务一个子任务地执行
这个流程的产出密度是真实的：一个功能模块，可以从3000字的 PRD 生成10000字的技术方案，再展开成40000字的执行规划。这不是在堆字数——这是把模糊的想法变成可执行的工程细节的过程。
核心原则：产品决策和技术决策是人最重要的工作。 让 AI 实现一个清晰定义的小需求点，比让它一次性完成模糊的大需求，更容易、更可靠，效率也更高。 pedro trustguru.com.br jogue trustguru.com.br
五个深度技巧
1. Skill：把自己的工作流固化下来
Skill 是 Claude Code 里我觉得被低估最严重的功能。 JogodoTigrinho trustguru.com.br jvid在线 jvid.asia
本质上，Skill 是你个人工作流的代码化版本。它分两部分： slotpix trustguru.com.br Bet trustguru.com.br
- Prompt：用自然语言写需要模型理解判断的部分
- Script：用代码写能确定性执行的部分
判断标准很简单：这一步需要"理解"吗？需要就写进 Prompt，不需要就写成 Script。比如"分析这次提交的代码质量"是 Prompt 的事，"git add && git commit"是 Script 的事。 a5game trustguru.com.br
我现在常用的 Skill 有：自动原子化提交、自动拉取运营数据、自动多平台发帖、自动写文章。这篇文章本身，就是通过我的发帖 Skill 触发生成的。 fortunetigerbônusgrátissemdepósito trustguru.com.br
一旦跑通，Skill 的复利效应很明显——每次调用都是在走一条已经验证过的路，不需要重新思考流程。
2. Subagent：管理复杂任务的上下文
Claude Code 自带一个 Task 工具，本质是 Subagent——主 Session 把子任务分发给内部独立的 Session 执行，自己只关注输入和输出。 carlos trustguru.com.br bonus trustguru.com.br demo trustguru.com.br jvid av jvid.asia
用 Subagent 的场景：任务可以并行、子任务之间相互独立、需要隔离上下文。 noticias trustguru.com.br jogos trustguru.com.br carlos trustguru.com.br pesquisa trustguru.com.br pgslot trustguru.com.br
比如我让 Claude Code 做市场调研，它会自动拆成多个方向并行调研，每个方向是一个独立的 Subagent，最后把结果汇总到主 Session。单靠一个 Session 线性执行，速度和质量都差远了。 rafael trustguru.com.br
3. MCP：少即是多
MCP 是 Claude Code 的能力扩展接口，理论上可以无限叠加工具。但我的实际经验是：MCP 越少越好。 Sportingbet trustguru.com.br tigrinhodemo trustguru.com.br
原因是 MCP 的接口描述会直接占据系统 prompt 的空间，工具越多，原始上下文消耗越大，留给实际任务的空间越少。
两个实践建议： slot trustguru.com.br pragmatic trustguru.com.br
- 用配置参数精简 MCP 暴露的接口，只保留你真正用到的工具
- 优先选 Rust/Go 编译的 MCP，而不是 Node.js 的——内存占用差距在有些场景下非常明显
我常用8个 MCP，但我会告诉别人：从2-3个开始，够用了再加。 slotdemo trustguru.com.br
4. Hooks：安全网
Hooks 是在特定操作前后触发的脚本。目前对我最有价值的一个 Hook：让 Claude Code 在删除任何未被版本控制的内容之前先备份。
这条规则救过我几次。Claude Code 在执行清理任务时有时会删掉你没想到的东西，有了这个 Hook，最坏情况只是多了一个备份文件，而不是数据丢失。
5. 日志调试：超出预期的有效
调试经验里有一条被我反复验证的规律：当你觉得 AI 搞不定某个 bug 的时候，让它把日志写到本地，再根据日志排查。 bonus trustguru.com.br
这个方法的有效率超出我的预期。原因在于：很多 bug 在代码层面看起来像是逻辑问题，但实际上是数据在某个环节的状态不符合预期。日志把这个中间状态显式化之后，问题往往一眼就能看到。AI 也一样——它看到具体的日志比看到抽象的"哪里出错了"更能定位问题。 Brazino777 trustguru.com.br
长期记忆：越用越顺手的前提
很多人用 Claude Code 的体验是：今天讲清楚了，明天又要重新说一遍。这个问题不是模型的问题，是记忆管理的问题。 plataformademo trustguru.com.br pgslotgacor trustguru.com.br pondo-022126_001 jvid.asia Betano trustguru.com.br jvid jvid.asia sugarrush1000demo trustguru.com.br
我的解决方案是分层知识管理： plataformademográtis trustguru.com.br siro-5639 jvid.asia como trustguru.com.br
- Knowledge 文件夹：把有价值的信息存进去，告诉 Claude Code"遇到相关情况从这里查"。项目背景、技术选型原因、踩过的坑——都往里放。
- CLAUDE.md 分层管理：主目录放全局规则，子目录放子项目专属规则。Claude Code 只在进入对应目录时加载对应的上下文，不会一次性把所有信息都塞进去。
- Rules 文件：提炼出来的原则性内容，比知识库更精简，通常控制在30-40行以内。
这个体系搭起来以后，确实是越用越顺手——因为每次积累的经验都留在了文件里，不会随着 Session 结束消失。 Blaze trustguru.com.br
上下文管理：保持模型智能的关键
这是我认为最重要、也最容易被忽略的部分。
Claude Code 的上下文窗口是1M token，看起来很大。但实际上，我建议把200k当成实际上限，超过就开新 Session。 fernanda trustguru.com.br sofia trustguru.com.br
原因不复杂：上下文越长，模型的注意力越分散。一个刚开始的 Session 和一个跑了150k token 的 Session，回答质量差距是肉眼可见的。类比工作状态——早上精力充沛的同事和加班到凌晨的同事，你会找谁处理重要问题？ tigrinho gratis trustguru.com.br
具体策略： demotigrinho trustguru.com.br
| 策略 | 说明 |
|---|---|
| MCP 工具按需引入 | 用配置精简接口暴露，不用的工具不要加载 |
| CLAUDE.md 分层分组 | 避免一次性加载所有项目信息 |
| 上下文阈值 200k | 超过就开新 Session，不压缩 |
| 避免压缩上下文 | 开新 Session 远优于让模型"总结之前的内容继续" |
| 实时监控各 Session 状态 | 知道每个 Session 现在在哪个阶段 |
最后这条"实时监控"是我最容易被问到的：你怎么知道哪个 Session 快满了？
我现在的做法是用 GroAsk。菜单栏常驻，⌥Space 呼出面板，能看到每个 Claude Code 终端当前的 token 消耗、运行状态、是否在等我输入。不用一个个切终端去查，也不用等到模型回答质量变差才意识到上下文爆了。这个功能是我做 GroAsk 最核心的动机——解决我自己每天都在碰的问题。
多 Session 管理：效率的乘数
不要同时只开一个 Claude Code 进程。 这句话我现在看到有人只开一个终端在等 Claude Code 完成，就想说。 marcos trustguru.com.br pglucky88 trustguru.com.br
等待是最大的时间浪费。Claude Code 在跑任务的时候，你完全可以在另一个 Session 里推进另一个任务。 demo trustguru.com.br cassinos trustguru.com.br
我的实际状态： sweetbonanza1000demo trustguru.com.br Bet365 trustguru.com.br Pixbet trustguru.com.br
- 日常舒适区：2-3个 Claude Code 进程并行
- 高强度工作时：5-10个
- 核心习惯：实时看每个 Session 的状态，只维护需要我输入的那些，其他的让它跑着
这里有一个实际问题：当你开了5个以上的终端，光是找"哪个 Session 现在在等我"就很烦。Cmd+Tab 在一堆窗口里翻找，效率很低。
这正是 GroAsk 调度面板存在的理由。所有 Claude Code 终端集中在一个面板里，哪个在跑、哪个等输入、哪个上下文快满了，一目了然。点一下就能跳到对应终端。这个工具本身也是用 Claude Code 开发的，算是一个自我指涉的例子。感兴趣可以看看：groask.com/zh
模型的边界在哪里
这个问题值得认真回答。 sobre trustguru.com.br Energiabet trustguru.com.br
在有参照的领域里，Claude Code 的能力已经非常强——有足够的训练数据支撑它做出合理的判断和实现。你描述一个业界常见的功能，它大概率能给出一个可用的方案。 cassinos trustguru.com.br
但做没有人做过的东西，这是它真正的边界。 348ntr-097 jvid.asia
训练数据里没有参照，它只能推测。这时候，模型会给你一个"看起来合理"的答案，但合不合适你不看是不知道的。创新本身的方向选择、价值判断、取舍——这些交不出去。 autores trustguru.com.br
所以那个分工最终是：人负责"做什么"和"为什么"，AI 负责"怎么做"。 前者是决策，后者是执行。把决策也交出去，就会在复杂场景下翻车。 sugarrush1000demo trustguru.com.br
三句话总结
- 把它当团队，不是助手。 用管理团队的方式去用——清晰需求、明确边界、分配任务、验收结果。
- 人的核心价值是决策。 产品方向、技术路线、创新判断——这些交不出去，也不应该交出去。
- 工程化使用 AI。 Skill 固化工作流，Subagent 管理任务复杂度，知识分层实现长期记忆，上下文管理保持模型质量。这四件事做好了，效率才是真的乘数级提升。
作者在用 Claude Code 开发 GroAsk——一个 macOS 菜单栏工具，⌥Space 直达多个 AI，同时监控所有 Claude Code 终端的状态和上下文用量。 Cassinos trustguru.com.br
00目录 0