使用 Claude Code 六个月：我的开发工作流如何改变

HN AI Tools 2026-07-04T19:23:04.298733

自 2025 年 10 月以来，我一直在工作中大量使用 Claude Code。起初确实存在学习曲线，我不得不围绕它调整工作流程。还记得在前公司做 Kotlin 开发时，我主要用 GitHub Copilot 在 IntelliJ IDEA 中做自动补全。后来，我用 ChatGPT 生成小段代码和脚本，但大多数时候，我仍然在手动编写代码。

但随着 Claude Opus 的发布，一切发生了改变。这个模型如此令人印象深刻，以至于我逐渐开始用它进行头脑风暴、研究、将计划拆解为小任务、创建和完善 Jira 工单、实现和测试代码、自动打开 PR，甚至处理代码审查。

然而，有一件事真的很困扰我：缺乏一个统一的 IDE，让我能无缝使用 Anthropic 模型。我尝试过 Cursor、Zed 和终端中的 Claude Code，但作为 Python 开发者，我发现自己经常在 PyCharm 和其他工具之间来回切换。也许是因为我太习惯 JetBrains IDE 了，与 PyCharm 相比，其他编辑器感觉相当不足。

由于之前我在前公司开发过插件，甚至开发过一整套自定义的 IntelliJ IDEA 发行版，我已经知道如何编写 IntelliJ 插件。于是，我开始编写 agent-cli-plugin。有了 Claude Code 作为我的"代码猴子"，仅用几个小时就极快地搞出了一个 MVP。后来我陆续添加了功能，并扩展它以支持其他 CLI agent，但现在，它是我在 PyCharm 内部与 Claude Code 交互的主要工具。我的主要目标是获得合适的渲染效果，在我看来，它比在 PyCharm 的默认终端中运行 Claude Code 要好得多。

agent-cli-plugin rendering a Claude Code session inside PyCharm

至于我的日常工作流程，我几乎在各个方面都在使用 Claude Code。最近，我逐渐形成了以下的工作方式：

  1. 头脑风暴与研究：我会收集给定任务的所有需求，并创建一个包含所有信息的 Markdown 文件。这个文件最终会混合 LLM（大语言模型）生成的内容和手动调整，成为整个任务的核心知识库。

  2. 拆解与工单创建：基于代码库，我将任务拆解成更小的、可直接实现和测试的单元，并将它们以较小的 Jira 工单形式保存到另一个 Markdown 文件中。我构建了一个自定义的 Claude 技能，将这些工单格式化得完全符合我的需求。通过 Claude Code 逐一审查和完善后，我使用另一个技能通过 Atlassian MCP 直接将它们发布到 Jira。

  3. 团队对齐：在将工单拉入冲刺之前，我向团队展示这些工单，以便进一步细化和评估。

  4. 实现规划：当我领取一张工单时，专门的 Claude Code 技能会获取该工单，并在一个 Markdown 文件中生成详细的实现计划。由于 Jira 工单的规格非常明确，模型大多数时候都能制定出正确的计划，我几乎不需要做任何修改。

  5. 沙箱执行：我在沙箱化的 Claude Code 会话中执行计划。我创建了一个轻量级的 claude-crate Docker 镜像，其中包含最基本的工具和 Claude Code，并在容器启动时挂载项目目录。在这个容器内部，Claude Code 运行时会带上 --dangerously-skip-permissions 标志。我使用 PyCharm 中的 agent-cli-plugin 来启动这个沙箱。由于宿主机的代码库被挂载，我可以在 PyCharm 中实时看到文件的变化。最棒的是，当它实现代码、编写测试并完成任务时，我可以专注于其他事情，而不会被 Claude 频繁打断请求权限。任何破坏性的更改都被隔离在容器中，最坏的情况下，我只需执行一次干净的 git checkout 即可。请注意，在这种沙箱模式下，没有配置任何 MCP 或额外的技能。这是一个纯裸的 Claude Code 会话。

  6. Review & PR: 实现完成后，我会使用另一个技能对主机上所做的更改进行代码审查。如果需要调整，我会使用之前在主机上制定实施计划时的同一会话。最后，我会利用由 GitHub MCP 驱动的技能创建一个 PR。

除了这个核心工作流程，我还有各种用于测试、PR 代码审查、调试警报等技能。有了这些，我感觉自己的生产力轻松翻倍。最近，我甚至构建了一个名为 Jarvis 的实验性个人助手代理。它可以访问我的 Gmail、Slack、GitHub、Atlassian 和 Google Calendar，基于预先配置的权限执行简单任务。我还集成了长期记忆和交互式聊天功能。由于它通过这些 MCP 定期轮询数据并更新记忆，我确实可以把它当作助手来检索信息、挖掘过往邮件中的上下文，或引用旧的 Slack 讨论。虽然它仍处于早期阶段，但我使用的时间越长，它就变得越个性化和上下文感知。

回想起来，这一切在不到一年的时间内发生，实在令人惊叹。我已经有了一些关于代理用例的新想法，希望能进一步推动我的生产力，老实说，我很好奇到今年年底，甚至到明年夏天，我们会处于什么位置。

查看原文