关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
作为每天消耗10亿token的一名coder，今天分享8个我自用的claude code使用技巧功能，让你的效率翻倍
1. CLAUDE.md — 给 AI 立规矩
这是整个项目的"宪法"
你在根目录放一个 CLAUDE.md，写上：项目用什么技术栈、代码风格要求、命名规则、什么能做什么不能做
Claude 每次启动都会先读这个文件，相当于把你的开发规范刻进它的 DNA
我的 CLAUDE.md 只有 3 段：项目目标、技术栈声明、不可妥协的验证要求
记住：只写会导致 Claude 犯错的规则，不要写废
2. Skills — 把重复的说一次就够了
你是不是每次都要跟 Claude 说"先写测试再写代码""改完代码记得跑 lint"
Skills 就是把这些可复用的工作流打包，Claude 会根据你的任务自动加载
比如我有个 /fix-bug skill：自动执行 "复现问 → 定位代码 → 修复 → 跑测试 → 提交" 全流程
社区有个神级 skill 叫 Superpowers，GitHub 上 4 万星，集成了 TDD、代码审查、重构等十几种最佳实践工作流
核心认知：Skills 跑在当前对里，成本低、响应快，是你第一个该用的扩展
3. Plan Mode — 别让 Claude 乱冲
Claude 最大的问是：你说"实现这个功能"，它就直接开干，结果方向跑偏
Plan Mode 的逻辑是：先规划，再执行
工作流变成：Research（调研）→ Plan（计划）→ Execute（实现）→ Review（审查）
我现在的习惯是：只要任务超过 30 分钟，先进 Plan Mode，让 Claude 把步骤列出来，我确认了再让它干
这个习惯让我的返工率直接降了 60%
4. Hooks — 给 AI 上保险
Skills 是"建议"，Hooks 是"强制执行"
Hooks 是 shell 脚本，在 Claude 调用工具前后自动触发
比如我设置了：
每次写代码前，自动检查分支是否正确
每次提交前，强制跑 ESLint + 单元测试
如果要执行危险命令（删除文件、修改配置），必须先问我
本质：Claude 可以商量绕过 CLAUDE.md 的规则，但 Hooks 是架构层面的拦截，绕不过去
5. Subagents — 让 AI 分身去干活
当你需要同时做多件事（比如一边写代码，一边做代码审查），就用 Subagents
Subagent 是独立的 AI 工作者，有自己的上下文、工具权限、记忆
我常用的场景：
主 Agent 写功能代码
Code-reviewer subagent 负责审查代码质量
Test-runner subagent 跑测试并报告结果
它们互不干扰，结果统一汇总给你
关键点：Subagents 适合需要并行工作或隔离上下文的场景，成本比 Skills 高，但隔离性更强
6. Plugins — 团队共享配置
当你的 Skills、Hooks、Subagents 调试好了，怎么让团队其他人也用上
Plugin 就是一键打包分发的机制
你把配置打包成 Plugin，团队成员安装后，所有人的 Claude Code 行为完全一致
这解决了"我这儿能跑，你那儿不行"的问
7. 并行 Worktree — 真正的效率倍增器
最被低估的技巧：用 Git Worktree 开 3-5 个 Claude 会并行工作
每个会独立分支、独立任务：
Session 1 写新功能
Session 2 修 bug
Session 3 写文档
它们同时跑，互不影响，最后分别提交 PR
我现在一天能并行推进 4 个功能模块，以前只能串行做
8. Chrome 扩展 — 让 Claude 看到浏览器
Claude Code 默认只能操作本地文件，但你的工作有一半在浏览器里（看文档、测试页面、查后台）
装上 Chrome 扩展后，Claude 可以：
直接看到浏览器渲染的页面
验证自己写的前端代码是否符合要求
自己发现问并修复
场景：让 Claude 写一个落地页，它写完后自动打开浏览器检查效果，发现标太小、颜色不对，自己改，改完再检查，直到符合要求
你只需要在最后验收，中间的调整循环它自己完成
@aigc1024
1. CLAUDE.md — 给 AI 立规矩
这是整个项目的"宪法"
你在根目录放一个 CLAUDE.md，写上：项目用什么技术栈、代码风格要求、命名规则、什么能做什么不能做
Claude 每次启动都会先读这个文件，相当于把你的开发规范刻进它的 DNA
我的 CLAUDE.md 只有 3 段：项目目标、技术栈声明、不可妥协的验证要求
记住：只写会导致 Claude 犯错的规则，不要写废
2. Skills — 把重复的说一次就够了
你是不是每次都要跟 Claude 说"先写测试再写代码""改完代码记得跑 lint"
Skills 就是把这些可复用的工作流打包，Claude 会根据你的任务自动加载
比如我有个 /fix-bug skill：自动执行 "复现问 → 定位代码 → 修复 → 跑测试 → 提交" 全流程
社区有个神级 skill 叫 Superpowers，GitHub 上 4 万星，集成了 TDD、代码审查、重构等十几种最佳实践工作流
核心认知：Skills 跑在当前对里，成本低、响应快，是你第一个该用的扩展
3. Plan Mode — 别让 Claude 乱冲
Claude 最大的问是：你说"实现这个功能"，它就直接开干，结果方向跑偏
Plan Mode 的逻辑是：先规划，再执行
工作流变成：Research（调研）→ Plan（计划）→ Execute（实现）→ Review（审查）
我现在的习惯是：只要任务超过 30 分钟，先进 Plan Mode，让 Claude 把步骤列出来，我确认了再让它干
这个习惯让我的返工率直接降了 60%
4. Hooks — 给 AI 上保险
Skills 是"建议"，Hooks 是"强制执行"
Hooks 是 shell 脚本，在 Claude 调用工具前后自动触发
比如我设置了：
每次写代码前，自动检查分支是否正确
每次提交前，强制跑 ESLint + 单元测试
如果要执行危险命令（删除文件、修改配置），必须先问我
本质：Claude 可以商量绕过 CLAUDE.md 的规则，但 Hooks 是架构层面的拦截，绕不过去
5. Subagents — 让 AI 分身去干活
当你需要同时做多件事（比如一边写代码，一边做代码审查），就用 Subagents
Subagent 是独立的 AI 工作者，有自己的上下文、工具权限、记忆
我常用的场景：
主 Agent 写功能代码
Code-reviewer subagent 负责审查代码质量
Test-runner subagent 跑测试并报告结果
它们互不干扰，结果统一汇总给你
关键点：Subagents 适合需要并行工作或隔离上下文的场景，成本比 Skills 高，但隔离性更强
6. Plugins — 团队共享配置
当你的 Skills、Hooks、Subagents 调试好了，怎么让团队其他人也用上
Plugin 就是一键打包分发的机制
你把配置打包成 Plugin，团队成员安装后，所有人的 Claude Code 行为完全一致
这解决了"我这儿能跑，你那儿不行"的问
7. 并行 Worktree — 真正的效率倍增器
最被低估的技巧：用 Git Worktree 开 3-5 个 Claude 会并行工作
每个会独立分支、独立任务：
Session 1 写新功能
Session 2 修 bug
Session 3 写文档
它们同时跑，互不影响，最后分别提交 PR
我现在一天能并行推进 4 个功能模块，以前只能串行做
8. Chrome 扩展 — 让 Claude 看到浏览器
Claude Code 默认只能操作本地文件，但你的工作有一半在浏览器里（看文档、测试页面、查后台）
装上 Chrome 扩展后，Claude 可以：
直接看到浏览器渲染的页面
验证自己写的前端代码是否符合要求
自己发现问并修复
场景：让 Claude 写一个落地页，它写完后自动打开浏览器检查效果，发现标太小、颜色不对，自己改，改完再检查，直到符合要求
你只需要在最后验收，中间的调整循环它自己完成
@aigc1024
Huxe准备关了，一款My daily产品，这类产品是不是都已经差不多了？OpenAI Pulse应该淡了吧？这个产品定义不合理。
@aigc1024
@aigc1024
昨天我看Hunter
发朋友圈说自己离开中国了。
我感到很奇怪，因为我记得他还有几场活动，好像在武汉还是那里？
现在咋突然走了？
结果刚才我看到朋友给我发的微信聊天截图👀
原来Hunter突然离开中国这事，没那么简单。
按照他本人在群里的说法，他好像被当成摇钱树了。
第一，有很多部署官方的微信群，叫DeepSeekTui，或者声称代表DeepSeekTui、代表他的群，都不是他本人确认的。
第二，他自己建的官方群就叫「whalebrothers」鲸鱼兄弟。
第三，他明确说自己「been taken advantage of」我被人利用了。
更重的是，后面有人安慰他，他直接回了一句：
「It’s really Mark Shan who’s the issue.」
这都是Mark Shan的问！
我不知道这里面到底发生了什么。
但一个第一次来中国、语言不通、行程被多人协调、活动被多方安排、群组和身份还被各种人拿去代表的外国嘉宾，最后突然决定离开，这里面显然不只是「个人情绪」四个字能解释。
现在最该解释的其实很简单：
谁在用Hunter的名义建群？
谁在说自己代表Hunter？
谁在用DeepSeekTui这个名字做背书？
谁把Hunter的中国行程从一个社区活动扩展成了多地巡回？
谁在中间对外收钱、拉赞助、拉资源？
Hunter本人到底知不知道这些安排？
他为什么会说自己被利用？
他又为什么会点名Mark Shan？
看起来他不是突然跑路。
他更像是发现自己被人当成了一张牌，终于意识到不对劲，然后直接离场。
他本人已经把说到这个程度了。
该出来解释的人，最好出来解释。
PS：知情人可以来补充一下哈。
@aigc1024
现在很多具身团队的路径其实已经很固定了——
大部分是硬件出身，先把自研硬件跑通；然后搭一套采集、训练、部署的管线；再拿开源模型去猛戳场景、戳数据、戳任务；做出一个能看的demo；再接一些简单的科研订单或演示性交付；最后把主线慢慢转向融资。
@aigc1024
具身智能从去年的只跳舞一场单机器人就能收六七千，到现在群控和编排功能都不是什么新鲜事，普通人对机器人表演的阈值被越来越拉高。除了会跳舞，还要能走上台走下台，相互之间走位，还要能有语音模型接入豆包和企业知识库和游客做交互，市场也在随着注意力变化对机器人厂商提出更高难度的需求。就像gpt3.5刚推出那会儿一样，模型强但又不足够强，所以催生出来很多专门做模型agent的公司并迅速的融到资，具身智能目前也处于这样的一个阶段：本体能力和大脑小脑能力已经处于相对完备的阶段，但是面向具体的场景，本体厂商、模型公司还缺少相对应的垂类数据和场景认识，所以会催生出大量的如同2223年agent公司的中间集成商公司。但在模型能力完善之后，这类公司也会迅速被替代。
某租赁平台的技术能力在业界一直是出了名的不太行，但是资本运作能力和渠道运营能力出奇的好。现在又是几亿元到手，就算技术能力不行这钱砸下去也能变行。但是具身智能又和llm大模型有区别：具身智能需要线下交付，llm可以完全依赖线上，所以有线下的因素加入之后，渠道运营能力会否成为这个租赁平台区别于韭菜agent公司的关键因素会是个很有意思的问。
@aigc1024
某租赁平台的技术能力在业界一直是出了名的不太行，但是资本运作能力和渠道运营能力出奇的好。现在又是几亿元到手，就算技术能力不行这钱砸下去也能变行。但是具身智能又和llm大模型有区别：具身智能需要线下交付，llm可以完全依赖线上，所以有线下的因素加入之后，渠道运营能力会否成为这个租赁平台区别于韭菜agent公司的关键因素会是个很有意思的问。
@aigc1024
酒店机器人和商业清洁机器人大部分公司都做了十几年了，才获得了比较好的商业化。（上市的也少）家用机器人是不是也得有做十几年的预期，才躬身入局呀。
@aigc1024
@aigc1024
Andrej Karpathy 最新的视频，我看了两三遍。比较认同的一个观点是：Vibe Coding 可以提升下限，而Agentic Engineering 可以提升上限。这两个概念都是他创建的，最近我的思考是有了AI Coding 实现一些初级的软件更容易了，但是要实现高质量的软件产品，依旧需要卓越的设计和工程能力，这是工程师们的晋级方向。
比较受启发的一个观点是：他引用了别人的一句（看第一遍时以为是他说的，心想这人怎么这么擅长创造金句），你可以外包你的思考（Thinking），但无法外包你的理解（Understanding）。他这里所说的思考是指一些信息收集、信息处理的工作。但真正做些一些事情，是需要很深的理解这到底是什么，为什么会这样，在这个基础上，才能做出好的设计。
原始视频：https://youtu.be/96jN2OCOfLs?si=ULShNSmSTeZatiIF
@aigc1024
比较受启发的一个观点是：他引用了别人的一句（看第一遍时以为是他说的，心想这人怎么这么擅长创造金句），你可以外包你的思考（Thinking），但无法外包你的理解（Understanding）。他这里所说的思考是指一些信息收集、信息处理的工作。但真正做些一些事情，是需要很深的理解这到底是什么，为什么会这样，在这个基础上，才能做出好的设计。
原始视频：https://youtu.be/96jN2OCOfLs?si=ULShNSmSTeZatiIF
@aigc1024
