八个和 Claude Code 编码时的小技巧
原文链接: https://www.ccgxk.com/codeother/717.html
作者: 独元殇
抓取时间: 2026-05-05
来源: 串串狗小刊
语言: 中文
八个和 Claude Code 编码时的小技巧 - 串串狗小刊
原文链接: https://www.ccgxk.com/codeother/717.html
«
八个和 Claude Code 编码时的小技巧
时间：2026-4-17 00:19 作者：独元殇 分类： AI 与出海
- * *
!欢迎关注我的公众号，名叫「串串狗小刊」
今天介绍一些在 使用 claude code 编码时候，很多我使用的、同事使用的、大佬介绍的几个下意识、但很实用的小技巧吧？！
虽然现在不提倡 提示词工程，但是提示词工程，确实还是能提高上限的。全靠 agent 的上下文工程还是不够用的。
都是很简单很简单，但是又非常关键的技巧：
先让 AI 问问题
当然，这个是用于一些略复杂的事情。
简单的事儿就不用了。略复杂的，最好先让 AI 给你几个问题。很多程序员，中文的表达能力很不好，而且 claude 本身套餐额度就很吃紧，避免返工，所以要先让 AI 问自己一些问题，这样就保险一点。
比如我昨天还在用的一个真实 提示词：
undefined | copy1 2 我需要做一个 xxx 路径这个文件里，角色坐标的数据清洗与导出工具。 在正式编写代码之前，请先向我提出 6 个核心问题，等我补充完整需求后，你再开始实现。
不仅让问题不再模糊，而且能帮你发现自己没想清楚的地方。
小步拆分步骤
其实就是东西一点实现。这个道理大家都懂，但是往往掌握不好度，一口气让 AI 都给你写了，然后给你一个不合意的东西。
给一个提示词例子吧：
markdown | copy1 2 3 4 5 6 7 8 我要做一个完整的数据处理后台，不要一次性写完所有代码。 请按下面步骤分轮实现，每一步我确认后再继续： 1. 先输出整体架构与模块划分 2. 再设计数据结构与接口定义 3. 实现核心业务逻辑 4. 补充异常处理与边界判断 5. 编写单元测试 6. 最后整体审查并优化
大概是这样样子。这样 AI 给你的结果质量更高。
模块组合成复杂系统
我们过去呀，古法编程速度慢，因此常常对模块化不屑。因为会徒增麻烦。
现在，AI 写的快了，所以我们要多使用 模块 ，因为你不可能知道所有的代码细节。你只能当成一个个黑箱昂，这样好维护。
markdown | copy1 2 3 4 5 6 7 8 我需要开发一个任务管理后台系统，包含这些核心模块： 1. 用户登录与权限管理 2. 任务增删改查接口 3. 数据定时同步 4. 系统日志与异常监控 现在只实现第 1 个模块：用户登录与权限管理。 设计时要预留接口，方便后续模块无缝对接。
就这样，把功能拆成模块，一个一个来。好多了！
给 AI 一个角色
这个大家肯定多个地方都听说过，就是 AI 本质上是一个人类思维模拟器。
它能模拟程序员、律师、马斯克、比尔盖茨乔布斯....
因此，在一个对话开始之前，我们如果给它设定一个资深程序员的身份，它的输出质量，会好很多。当然，你当它是玄学也可以。反正我习惯这样。就像这样：
undefined | copy1 2 你是一位 8 年前端开发工程师，专注 Vue3 与性能优化。 请解析 xxx 文件代码的执行逻辑，并指出可优化点与潜在风险。
善用 XML 格式
这个，一般我们都用在自研 agent 上，毕竟你不知道客户给你投的料，是什么料。
我们因此不喜欢使用 markdown 格式，而 JSON 格式缩进又太难看，我们一般是使用更为清晰严谨的 xml 格式，在 agent 工作流里来给 AI 投递数据。
当然，使用 claude code 也可以在一些容易歧义、符号混淆的场景用一下。
xml | copy1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 把下方提供的函数改写成异步执行版本，对外接口保持完全一致 1. 必须使用 asyncio 库 2. 兼容 Python 3.10 及以上版本 3. 不允许修改函数名称、参数和返回值结构 def fetch_user_data(user_id: int) -> dict: response = requests.get(f"/api/users/{user_id}") return response.json()
这样，AI 一目了然，知道什么是目标、代码、注意事项了。
使用 codex
近日 claude 又添加了扫脸认证，这下国人更难用上 claude 套餐了。claude code 如果无法用 opus 的话，建议大家去对华人友好的 chatgpt 那边的 codex 。因为 claude code + 国产模型，还是无法达到 codex 的作业质量，反正也不差几十块钱。
附带测试
在 AI 时代，我们对代码的审查，会困难很多。
我们公司有时候一天，能产出 10mb 的代码，如果是逐行审查，那.... 所以，除了使用很严格的编译器或者语言，比如 typescript 代替 js ，并装很多代码测试库，我们现在更是拾起了沉睡十多年的古老的 TDD 开发法，就是靠测试用例驱动。只要我们把测试例子能跑通了，就默认代码合格。
因此在 claude code 里，我们也要使用这个思路，拿 Python 举例：
markdown | copy1 2 3 4 5 6 7 写一个 Python 函数， 把 IP 段字符串（例如 10.0.0.1-10.0.0.10）解析成完整的 IP 地址列表。 要求： 1. 函数要能处理标准 IPv4 地址段 2. 同时生成配套的 pytest 测试用例（重要） 3. 必须覆盖：正常格式、边界地址、非法格式、空输入、不连续网段这几种场景
同时生成配套的 pytest 测试用例，这样我们可以不去看代码了，就看能不能跑通。跑通就别管细节了。时间就是效率，时间就是生命！
关键决策
一些比较有一定潜在影响力的决策，比如数据库方面、并发方面，一般在写好代码后，需要先盘问一下，然后再让 AI 自我 review 一下：
比如：
markdown | copy1 2 3 4 在刚才实现的功能代码中，你采用的并发处理方案是什么？ 1. 为什么选择这个方案？ 2. 和其他常见方案相比，优势和劣势分别是什么？
以及：
markdown | copy1 2 3 4 5 6 请你以挑剔、严谨的高级工程师身份，严格审查刚才编写的代码。 注意： 1. 潜在 bug 2. 性能隐患 3. 安全漏洞 4. 可维护性缺陷
之后，你自己心里有个数，差不多，再提交会好很多......
标签: 原创 AI
取消回复