心得总结 20 天，20000 次对话，12 亿 token——一个独立开发者的 Claude Code 重度使用复盘
从把 Claude Code 当"更聪明的 Cursor"，到现在把它当一个靠谱的外包团队在管——这篇是 20000 次对话后的真实复盘。token 消耗量排在全球前 1%。
认知转变：从 AI 助手到 AI 团队
刚开始用 Claude Code 的时候，觉得它就是编程准确度更高的 Cursor，没什么特别的。
后来才慢慢想明白：它不是 AI 助手，是一个经验丰富、成本极低的 AI 团队。
这一句话换掉之后，用法完全不一样了。
20 天做了 3 个产品，全程没手写一行代码
这 20 天我用 Claude Code 独立做了三个产品：
- AI 对话 ChatBot（Flutter，2 天）：支持语音文字、简历上传、AI 面试官
- iOS 启动器 App（iOS 原生，2 天）
- GroAsk（macOS 原生，2 周）：Claude Code 调度面板，也是后面讲到的多 Session 工作流的基础设施
三个产品全部 Vibe Coding，没有手写过一行代码。Opus 4.5 时代还会看一眼代码，到了 Opus 4.6，代码我都不看了。
GroAsk 是我自己用 Claude Code 开发过程中，实在受不了反复切终端、不知道哪个 Session 在干嘛、上下文爆了还不知道，才自己动手做的。一个人的 AI 团队，也需要自己的调度系统。
编程以外，Claude Code 还能干什么
- 自动发推特（浏览器 MCP + Skill）
- 自动写文章、多平台分发（自定义 Skill）
- 产品数据分析（分析真实运营数据）
- 深度市场调研（收集需求、分析竞品）
这些不是演示，是我日常在用的流程。
我的产品迭代节奏
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
大版本：结构化流程
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
具体来说：先把原始需求描述给 Claude Code，让它产出 PRD，再调研验证；然后让它写技术方案，再用市场调研 review；最后用 TDD + Subagent 拆任务，按计划执行。
一个 3000 字的需求描述 → 10000 字的技术方案 → 40000 字的执行规划。
核心原则：
产品决策和技术决策是人最重要的工作。完全交给 AI 决策，面对复杂任务时仍然不可靠——看似实现了需求，维护起来是地狱级难度。
让 AI 实现一个小的需求点，远比让 AI 一次性完成大而全的需求，更容易、更可靠、效率也更高。
深度使用技巧
Skill：把工作流固化下来
Skill 是我觉得最强大的能力，核心就是把个人工作流程固化。
两个关键部分：
- Prompt：用自然语言描述（需要模型理解判断的部分）
- Scripts：用代码描述（代码能搞定的就别用 Prompt）
我常用的 Skill：自动提交代码、自动运行工程、拉取运营数据、自动发帖、自动写文章……
这些流程固化下来之后，每次只需要触发一个命令，AI 帮你把整个链路跑完。
Subagent：一个会话里管多个 Agent
Subagent 让你在一个会话内使用多个 Agent 分担工作。Claude 自带的 Task 工具就是这个——主 Session 把部分任务拆出去，自己只关注输入和输出。
复杂任务就这么拆，上下文也好控制。
MCP：按需引入，越少越好
我个人用了 8 个 MCP，但强烈建议用更少的。MCP 占用大量原始上下文。优先选 Rust/Go 编译的 MCP，内存占用比 Node 的小很多。
Hooks：给自己留安全网
目前最值得配的 Hook：让 Claude Code 在删除任何未备份的东西之前先备份。
调试技巧
让 AI 把日志写到本地，再根据日志排查。这是最有效的 bug 解决方式，没有之一。觉得 AI 搞不定了，就让它先加日志，结果往往超出你的预期。
长期记忆：解决"今天说明天忘"
长期记忆是很多人的痛点。我的做法：
- 维护一个分层的知识文件夹，告诉 Claude Code"有价值的信息存进去"
- CLAUDE.md 按子工程分组管理，加上 Rules 分层
- 越用越顺手，本地记忆越来越完整
上下文管理：保持模型智能的关键
| 策略 | 说明 |
|---|---|
| MCP 工具按需引入 | 精简接口暴露 |
| CLAUDE.md 分层分组 | 避免信息过载 |
| 上下文阈值 200k | 超过就换 Session |
| 避免压缩上下文 | 开新 Session 远优于压缩 |
| 实时监控 | 了解每个 Session 的上下文消耗 |
上下文不推荐超过 200k（1M 窗口的 20%）。区别就像工作日上午 vs 加班到深夜的同事——到了晚上，脑子已经乱了。永远用最智能的状态。
最后一条"实时监控"最容易被忽略。很多人用着用着上下文爆了还不知道，等到回答质量断崖下降才发现。这也是我做 GroAsk 的核心动机——菜单栏一眼看到每个 Claude Code 终端的上下文用量、当前状态、排队情况，不用一个个切终端去查。
多 Session 管理：别只盯着一个窗口
不要同时只开一个 Claude Code 进程，盯着它干活太低效了。
- 舒适区：2-3 个并行
- 高强度：5-10 个
- 只维护需要用户输入的 Session，其他的让它跑
但实际问题是：开了 5 个以上终端，光是找"哪个 Session 在等我"就够烦的了。
我现在用 GroAsk 的调度面板集中管理——哪个在跑、哪个等输入、哪个上下文快满了，一目了然。⌥Space 呼出面板，点一下跳到对应终端。作为独立开发者，一个人管一支 AI 团队，调度面板是刚需。
模型的边界在哪里
模型的边界在于完全创新的能力。
做没有人做过的东西——训练数据里没有，只能推测。这时候，需要发挥的是人的创造力和判断力。AI 团队再强，方向还是得人来定。
三句话总结
- Claude Code 不是 AI 助手，是 AI 团队。 用管理团队的方式去用它。
- 人的核心价值是决策。 产品决策、技术决策、创新——这些交不出去。
- 工程化使用 AI。 Skill 固化流程、Subagent 管理复杂度、知识分组实现记忆、上下文管理保持智能。
我平时用 Claude Code 开发 GroAsk——macOS 菜单栏 AI 启动器，⌥Space 直达所有 AI，同时监控多个 Claude Code 终端状态。如果你也在多 Session 跑 Claude Code，欢迎试试。