大多数人用 Claude Code 的方式是错的。
打开终端，输入 "build this"、"fix this"、"refactor this"——这和用 ChatGPT 没有本质区别。Nainsi Dwivedi 认为，Claude Code 的真正威力不在更好的 Prompt，而在围绕模型构建正确的系统。一旦环境搭好，输出质量、上下文清晰度、执行速度都会复利增长。
以下是 12 个改变游戏规则的设置实践：
1. 用 CLAUDE.md 构建真正的记忆系统
别依赖聊天历史——它不可靠。把架构决策、编码规范、调试笔记、边界情况、产品上下文写成持久化的项目记忆。Claude 记住项目实际运作方式后，你再也不用每次会话重复解释同样的事情。
2. 新代码库先用 /init
这是最被低估的习惯。没有初始化，Claude 对项目几乎零了解；用了 /init 后，它会自动映射目录结构、依赖关系、约定俗成、工作流和项目模式。输出质量的提升立竿见影。
3. Git worktree 实现并行 AI 执行
与其一次只跑一个 AI 会话，不如用 Git worktree 隔离多个功能分支：认证优化、UI 重设计、Bug 修复、实验——全部独立进行，互不干扰。体验过并行 AI 工作流后，传统开发方式会显得太慢。
4. 安装合适的 CLI 工具
ripgrep、fd、jq 这类工具能极大提升文件发现、搜索速度、解析和调试效率。给模型更好的基础设施，它就能发挥更大作用。
5. 策略性使用 MCP 服务器
MCP 是 Claude 从"助手"变成"工程系统"的分水岭。通过 MCP，Claude 可以访问实时文档、浏览器工具、数据库、Notion、API、设计系统——它不再靠猜测，而是在真实的外部上下文中操作。
6. 别局限于纯终端工作流
很多人迷恋纯终端的浪漫，但 Claude Code + VS Code 的组合执行更顺畅：内联编辑、更好的可见性、更快的导航、更干净的迭代。好工具消除摩擦，这比审美偏好重要得多。
7. 把插件当作专业 AI 员工
插件能创建聚焦的工作流：前端系统、结构化功能开发、清理重构、架构审查、文档生成。你不再只有一个通用助手，而是拥有多个专业操作员。
8. 创建可复用的 slash 命令
这是杠杆最高的改进之一。把常用工作流固化成命令：/security-audit、/optimize-query、/generate-tests、/review-architecture。停止手动写 Prompt，让工作流可操作化。
9. 用 subagent 保护上下文质量
AI 输出质量崩溃最常见的原因是上下文被污染。Subagent 能完美解决这个问题：为代码库研究、调试、UX 分析、文档、依赖追踪创建隔离的代理，只把有用的结果带回主会话。
10. 认真追踪 Token 用量
大多数开发者直到成本爆炸才开始关注。专业工作流会监控：Token 使用量、上下文增长、昂贵会话、不必要的工具调用。好的 AI 工程不仅是智能问题，也是资源管理问题。
11. 高 Token 配额模型用于重型工作流
大规模 AI 编码在上下文限制消失后完全不同。大配额模型解锁：大规模重构、巨型仓库、多文件推理、架构级规划。AI 编码从此从"实验性"变成"工业化"。
12. 把 Claude 集成进 CI/CD
这是真正强大的地方。想象 PR 工作流中 Claude 自动：审查代码、建议修复、强制执行标准、遵循架构规则、在合并前捕获问题。AI 不再是辅助开发，而是嵌入开发生命周期本身。
大多数人以为 AI 编码是"写代码更快"，这是表面思考。真正的转变是学习如何构建让 AI 有效运作的系统。"偶尔用 AI"和"构建真正的 AI-native 工程工作流"之间的差距，大多数开发者还没意识到它正在变得多大。