Claude Code真实项目实战体验

前言

最近接连多个紧急项目集中推进，团队人手实在捉襟见肘。为了缓解开发压力，索性自己动手写代码——当然，如今写代码全靠Claude Code代劳，谁还手动敲键盘呢。

敢于全权交给AI来生成代码，是因为这些项目虽然紧急，但属于后台系统，与线上核心业务有一定隔离。这样的项目正是实践AI编程的最佳场景——需求清晰、环境真实、影响范围可控。本文将分享全程使用AI编程的体验与心得。

环境准备

工欲善其事，必先利其器。AI编程工具首选Claude Code，同时配合IDE快速浏览文件、启动访问等日常操作。

模型选用的是智谱GLM-5.1，效果相当出色。得益于并发能力的提升，整个过程中没有因模型请求或token耗尽而中断终端。

Skills方面采用Superpowers插件，关于其安装与使用，可参考《Claude Code的Skills实践及利器推荐：工欲善其事，必先利其器》一文。

编程语言选择Go，底层框架使用go-zero。环境准备大致就是这些内容。

编码的成果

让AI编写的程序主要包含以下几个功能模块：

• 在已有项目基础上，让Claude Code生成CLAUDE.md文件，用于指导后续开发；
• 集成Milvus向量数据库的SDK；
• 设计一张向量数据的业务表结构；
• 实现该表的新增、查询、删除等业务逻辑及对应的API文档；
• 集成embedding模型，在Milvus存储时使用该模型进行向量化处理。

完成上述全部功能，用时大约三到四小时，消耗的token数在200k至300k之间。按智谱模型的标价折算，每百万token约10元，总成本仅2至3元。

粗略浏览输出结果，质量不错。不过在运行过程中，仍需要自己具备编程框架和类库的知识，才能判断AI的实现方式是否更优。但从最终输出来看，AI编程的效果和效率基本可以媲美中高级开发者，甚至更高，而token成本仅需几块钱——当然，指挥AI工作的人力成本另算。

下面聊聊使用过程中的几点体感与经验。

AI还是有些慢

先不论执行效果，整体开发过程中最大的感受就是“慢”——一直在等待AI执行，然后不断做选择和确认。

这种慢主要源于两个方面。

第一，可能是Superpowers的Skills插件所致。该插件每次执行任务都按标准化流程推进：头脑风暴（苏格拉底式提问）、生成执行计划、按计划执行、编写单元测试、测试验证……也就是说，编程的Workflow让每一次执行都极为严谨且串行。一旦发现错误或疏漏，它还会继续添加改进计划并继续执行。整个过程显得拖沓且漫长。

第二，每次执行都需要人工确认。头脑风暴环节的提问情有可原，但在执行过程中，稍微有风险的操作（如执行脚本、拉取代码等）都需要确认。当然，也有可能模型本身执行速度较慢。

针对模型慢的问题，本次实践尝试了几种解决方案。

解决方案的尝试

关于Superpowers Skills标准化流程导致的慢，暂时认为无需过度解决——质量有保障，无需频繁返工，这本身就是快。关键要看清本质：慢就是快，没有问题。

任务并行

那么如何提升效率？一个有效的尝试是利用Claude Code对Git worktree的支持，同时打开多个窗口并行执行。例如，一个窗口执行SDK集成，一个窗口沟通表结构设计，另一个窗口执行embedding集成。这样将串行任务转化为并行，效率明显提升。这也是日常开发中必备的技能：拆解任务。关于这一点，在《6条Claude Code实践中的经验与思考》一文中也有专门分享。

减少与Claude Code的确认

另一个影响效率、也消耗精力的因素是每执行一段时间就需要人工确认操作，这些基本都涉及访问权限或安全问题。

那么如何减少确认？Claude Code提供了几种模式：

• default：仅读取；
• acceptEdits：读取、文件编辑和常见文件系统命令（mkdir、touch、mv、cp等）；
• plan：仅读取；
• auto：所有操作，带后台安全检查；
• dontAsk：仅预先批准的工具；
• bypassPermissions：所有操作，带后台安全检查。

在会话期间，按Shift+Tab可以循环切换default→acceptEdits→plan。当前模式会显示在状态栏中。编程过程中，习惯默认采用acceptEdits模式。

最理想的模式其实是auto，但有一定限制——需要Claude Code v2.1.83或更高版本，并开通Max、Team或Enterprise账号服务。目前暂时无法使用。另一个可选的是bypassPermissions模式，但权限过大，不清楚模型会执行什么操作，不太敢尝试。即便在acceptEdits模式下，AI有时也会莫名请求访问本机相册和通讯录，存在一定风险。因此这块需要谨慎处理。

小结

简单总结一下。本次项目中实践的AI Coding效果非常出色，能够大幅压缩开发时间。在整个开发过程中，“指挥者”需要具备一定的技术经验和判断力，但无需深入了解过多细节。

在结果的正确性与效率之间，首先要确保正确性——此时慢就是快。其他方面，可以通过拆分任务、设置自动模式等方式提升效率。更多的使用技巧和经验仍在探索中，与君共勉。