最近这段时间,模型能力进步非常快。我现在日常主力用的是 Claude Opus 5.5,前几天我们还刚发布了 Claude 5.2 Fable。这两款模型都很擅长理解整个代码库、处理一跑好几个小时的复杂任务,其中 Fable 在「自己检查运行结果」上表现尤其好。
随着模型变强,我们用 Claude Code 的方式也跟着变了。
回想今年年初,大家用 Claude Code 时还是另一套习惯。当时用的是 Opus 4.5 这类模型——在那个阶段它已经很好用了,我自己也很喜欢,但跟今天比,它往往跑不了太久就会停下来,单次连续执行的时间短得多。
用的时候需要一直在旁边纠正它、提醒它别漏步骤,还得往项目的 CLAUDE.md 里写满带感叹号的 IMPORTANT!、NEVER!。当时也没有 Auto Mode(自动权限模式),要么逐条手动点确认,要么冒险开 --dangerously-skip-permissions 跳过所有权限检查。那时候,几乎每一步都离不开人工介入。
现在模型能接手规模大得多的任务,至少在 Anthropic 内部,我们的日常用法已经变成了这样:同时开几十个会话,每个会话连续跑上好几个小时、中途自己检查结果,甚至直接用一个主会话去调度其他会话。 以前每一步都要人盯着、一次最多顾得上一两个窗口;现在我们的角色更像是在管理几十个并发会话,能推进的事情也比以前多得多。
我们 10 月发过一篇工程博客,提到从今年 5 月到 9 月,Anthropic 代码仓库每天合入的改动从大约 2,500 次涨到了 30,000 多次。这也意味着,我们得重新想想自己的精力该花在哪里。
今年年初大家总结的“最佳实践”,主要集中在这五件事上:
- 启动会话(Starting)
- 中途引导与纠偏(Steering)
- 逐条批准命令(Approving)
- 限制高危操作与权限边界(Restricting)
- 检查输出结果(Checking)
现在,只要某个环节不再靠人工把关,就得有别的机制接手——要么交给模型本身(Model),要么交给模型外层的运行框架(Harness,即权限规则、Hooks 脚本与 CI 校验),要么交给代码所在的运行环境(Environment,即本地沙箱或独立云端机器)。
如果不逐条审批命令,又同时开着这么多连续跑几小时的会话,怎么保证写出来的代码质量过关?更重要的是,没有人守在旁边时,怎么保证会话跑得安全? 下面我们就从年初那种旧用法出发,一步步看今天该怎么调整。
1. 换上新默认配置,给 CLAUDE.md 做减法
第一步很简单,不需要多费脑筋:直接用现在的默认配置启动会话——把模型从 Opus 4.5 升级到 Opus 5.5,把手动审批改成 Auto Mode(今年 8 月起,Auto Mode 就已经是默认权限模式了)。
Opus 5.5 对开发意图和代码库结构的理解能力强了很多,中途基本不用再频繁插手纠正;开启 Auto Mode 后,常规命令也不用再逐条点确认。
模型理解力变强之后,项目里的指令配置也得跟着调整。
如果年初按当时的“最佳实践”配置过项目,CLAUDE.md 里多半还留着不少全大写的 IMPORTANT!、NEVER do this! 和写得很死的步骤要求。换成现在的新模型后,这些内容已经没必要留着了——留着不仅多余,有时还会干扰模型判断,触发更多无谓的工具调用,让最终结果变差。
现在的 CLAUDE.md 只需要保留「光看代码看不出来的背景信息」。比如某个服务背后还在依赖一个旧数据源,代码里又没有直接体现,这类说明就值得留着。至于项目用了什么技术栈、目录怎么分、去哪个文件夹找代码,模型读一遍仓库自己就能搞清楚,都可以删掉。
Claude Code 里直接内置了一条诊断命令:
/doctor prompt-audit切到 Opus 5.5 后运行 /doctor prompt-audit,它会自动检查项目里的 CLAUDE.md 和自定义 Skills,标出新模型已经不需要额外交代的内容,方便直接清理。
再看 Auto Mode 的工作方式。除了读写当前项目里的文件,其他操作在执行前都会先经过一个独立的分类器(Classifier):跑测试、装依赖这类明确安全的操作直接放行;拿不准是否安全的操作则会拦下来请求确认。
默认规则在大多数场景下都够用,但遇到跨仓库操作时还是会停下来。比如让 Claude 把改动部署到预发环境(Staging),人在旁边时弹个框点一下确认也就推过去了;但 Auto Mode 默认只信任当前目录和当前代码仓库,想让它在后台自动跑时,一碰到往外部部署仓库推送还是会被拦下来等确认。
如果开了 Auto Mode 还是经常需要手动点确认,可以先去改项目的 settings.json——直接在里面用自然语言写清楚信任范围就行。这段说明会发给分类器,告诉它哪些代码仓库、存储桶(Buckets)和外部域名是可信的,哪些操作可以直接放行,哪些操作一律拒绝。
换上新模型、配好 Auto Mode 之后,年初大部分需要人工介入的步骤就已经省掉了:模型自己把控方向,Auto Mode 处理日常审批。放手让它自己跑很容易,真正难的是下一步:人不在旁边盯着的时候,怎么保证它不出问题? 这主要看两件事:安全边界和结果验证。
2. 安全边界:从权限规则、本地沙箱到云端会话
先看安全。前面说的升级模型和开启 Auto Mode,本质上都是在靠模型做判断——大多数时候它都能判断对,但靠模型判断终究不是硬限制,没法兜底。
今年 8 月我们公布过一组实测数据,对比人工逐条审批和 Auto Mode 自动分类器对危险命令的拦截效果。两组数据差距很大:面对明显有风险的终端命令,人工审批只拦下了约 14%,而 Auto Mode 拦下了 89%。
自动分类器确实比人工点确认稳得多,但算下来仍有约十分之一(11%)的危险命令没被拦住。如果某些操作一次都不能出错,就不能只指望模型判断,而要在 Harness(客户端规则与钩子) 和运行环境里做硬限制。
第一层:用 Deny 规则守住不可逆红线
年初的做法里有一条现在依然很关键,就是权限拒绝规则(Deny Rules)。
在项目配置里给某类工具调用加上 deny 规则后,Claude Code 会在请求进入 Auto Mode 分类器之前先做匹配——只要命中 deny 规则,调用就会直接被拦下,根本不会走到分类器那一步。要禁止 Claude 做某件事,deny 规则依然是最稳妥的手段。
那哪些事该写进规则,哪些事可以交给模型自己处理?判断标准很简单:「如果 Claude 做错一次,还能不能撤回?」
- 能撤回的交给模型:比如代码改错了,随时能用
git revert退回来,这类操作直接交给模型就行; - 撤不回来的写进规则:比如清掉了还没提交的本地改动,或者读取了包含真实密钥的文件——密钥一旦读进会话,就会留在对话记录(Transcript)里,事后没法撤回。
以项目里的 .env 环境变量文件为例:Auto Mode 默认允许读取项目目录内的文件,不会主动拦它。如果不希望 Claude 读到 .env,就单独加一条 deny 规则,这样无论是内置读文件工具,还是 cat .env 这类终端命令,都会被直接拦住。
第二层:用操作系统沙箱限制脚本越界行为
光有权限规则还不够,因为很多看似正常的命令,跑起来之后可能会在背后做超出预期的事(Side Effects)。
比如 Claude 运行 npm test——这是一条再普通不过的测试命令,Auto Mode 会放行;就算换成人工审批,看到 npm test 通常也会直接点确认。但 npm test 启动后,实际执行的是第三方依赖包里的代码,或者是 Claude 为排查问题刚写的临时脚本。一旦某个依赖包被投毒,或者脚本行为越界,就可能直接读取 .env 文件,甚至读取本机的 ~/.ssh 私钥,悄悄发往不明外部服务器。
这就是权限规则管不到的地方:权限规则只决定「让不让这条命令启动」,命令一旦跑起来,里面的程序再去读什么文件、连什么网络,权限规则就管不着了。
但我们又不能直接禁掉 npm test,因为跑测试本来就是 Claude 自己验证结果的主要手段。真正要限制的不是命令本身,而是命令运行时的环境权限。
在本地运行 Claude Code 时,可以开启 Sandbox(本地沙箱),由操作系统直接限制这条命令(包括它启动的所有子进程,即 Child Processes)能读取哪些文件、写入哪些目录、连接哪些外部域名。
不开沙箱时,Claude Code 在执行前只看得到 npm test 这条命令本身,看不到脚本跑起来之后去读了什么文件;开启沙箱后,禁止读取 .env 的规则会同步交给操作系统执行——一旦某个测试依赖试图打开 .env,系统底层就会直接拒绝。另外,沙箱开启后默认会拦截未加入白名单的外部网络请求;不过它默认仍允许读取本机大部分目录,如果要保护本机密钥和登录凭证,记得把 ~/.ssh 私钥目录也加进禁止读取规则。
第三层:独立隔离的云端会话(Cloud Sessions)
本地沙箱只管得住 Claude 执行的终端命令和子进程;Claude Code 自身、接入的 MCP 服务以及所有 Hooks 脚本,依然直接跑在本机上。
如果要跑连续数小时的长任务,更稳妥的做法是:把整个会话放到一台不存任何个人敏感文件的干净机器上运行——也就是 Cloud Session(云端会话)。
在云端会话中,每次任务都会分配一台独立的云端虚拟机,拉取一份干净的代码仓库副本。就算直接合上笔记本电脑,任务也会在云端继续运行:
- 不接触本机敏感文件:
.env不会提交进 Git,本机的 SSH 私钥和 GitHub Token 也不在这台云端机器上,从源头上避开了本机文件泄露的问题; - 密钥不经过模型(Network Secret):如果运行过程中确实需要某个第三方 API Key,可以把它配成 Network Secret(网络层密钥)——Claude 发现缺少密钥时会提示配置;配好后,请求发出时由网络代理层代为注入,密钥明文全程不会暴露给模型;
- 默认限制外网访问:云端会话默认只开放包管理器源(如 npm、PyPI)和 GitHub,访问其他外部域名都需要先在环境配置里加入白名单。
有一点需要留意:云端虚拟机本身用完就能销毁,但它对外部系统做的操作都会真实生效——比如推送到远端仓库的 Commit、强制推送(git push --force)、误写进提交记录的密钥,或者通过 Slack、GitHub 等外部集成发出去的消息。因此,最好把 Auto Mode 配置和 deny 规则直接提交进代码仓库,让云端会话拉取代码后同样受这些规则约束,拦住强推分支或带密钥提交等高危操作。
3. 结果验证:用中间检查点与 Hooks 自动把关
管住安全边界之后,下一个问题是结果验证(Verification):人不在旁边看着,Claude 在后台自己跑几个小时,怎么确认它做出来的东西确实符合要求?
以前逐条手动审批时,每一处改动我们都亲眼看过,自然心里有数;现在 Claude 在后台一次跑几小时,结束后我们也不可能把所有改动文件从头到尾读一遍。
举个例子:让 Claude 「把登录鉴权(OAuth)迁移到新 API」。现在的模型能准确理解这个目标,但实现过程中还是有很多细节要由它自己做决定。同样一段提示词跑三次,可能得到三种表面看起来都合理的实现:
- 第一次:新 API 接好了,但旧 API 的代码还留在仓库里没清理;
- 第二次:迁移完成了,但只对新登录生效,已有的登录态没做兼容;
- 第三次:新旧逻辑都切过去了,但导致所有已登录用户的登录态全部失效。
要避免这类偏差,比较省力的做法是在任务中途设置明确的验证检查点(Verification Points),让 Claude 边改边自检。只要能给出明确对错判断的手段都能当检查点——跑单元测试、编译构建,或者截张页面运行图核对界面都可以。对人来说,核对几个关键检查点的结果,远比最后通读整批代码改动省事;一旦某种改法导致已登录用户掉线,检查点就会报错拦住,让 Claude 停下来换一种改法。
配置验证检查点主要有两种方式:
- 写在提示词里(轻量,但不强制):写清楚什么标准才算完成,让它把大任务拆成带独立测试的子任务,并要求它贴出命令的实际运行输出,方便事后核对。
- 写进 Hooks 生命周期脚本(确定性触发):只靠提示词交代,模型不一定每次都会按要求跑检查。凡是不能跳过的检查,建议用 Hooks——也就是让 Claude Code 在指定节点自动执行的脚本,触发时机、执行命令和通过标准都由脚本决定:
- 每次修改文件后:自动运行 Linter 检查代码规范;
- 每次准备把子任务标为完成时:自动运行对应模块的测试(例如改了鉴权代码,就必须跑通鉴权相关测试);
- 准备结束整个会话前:自动跑一遍完整测试套件;只要有测试没过,Claude 看到报错就会回头继续修,直到全部通过。
这里有一个很关键的细节:大多数测试工具失败时默认返回的退出码是 1(exit 1);但在 Claude Code 的 Hook 机制里,返回 1 不会阻止当前任务被标为「已完成」。Hook 检查脚本必须在失败时返回退出码 2(exit 2)——只有 exit 2 才会阻止任务标为完成,把报错信息交回给 Claude 继续修复。
4. 规模化并行:CI 自动修复、分级审查与主从编排
把单个会话的安全边界和自动验证配好之后,只要跑通了一个让人放心的后台云端会话,下一步就可以横向扩展:同时开多个会话,各自处理不同任务。
每个云端会话都有各自独立的机器,不会在同一个本地目录里互相冲突,也省去了在本地多开时手动维护 Git Worktree(多工作树目录)的麻烦。
在这个阶段,每个会话依然由人手动发起、最后由人做代码审查——这套节奏其实已经很顺手,什么任务该启动、什么时候算做完都在掌控之中。此时整个流程里最关键的一环就是 CI(持续集成流水线)。
无论前面并行跑的会话各自怎么配置、Claude 在实现中途做了什么取舍,所有改动最终都会提成 PR(合并请求),由 CI 按同一套标准检查每个 PR。
如果再开启 Claude Code 的 CI Autofix(可通过 /autofix-pr 或 GitHub 集成开启),当 PR 上的 CI 检查报错时,Claude 会自动读取报错并提交修复代码,不用在人工 Review 时再花精力挑这些机器能测出来的问题。对于风险较低的改动,还可以打开 GitHub 的 Merge when ready,等 CI 检查全绿后自动合并。
当然,不能把自动合并设成默认做法,人工介入到什么程度取决于改动的风险大小。以我们 Claude Code 团队目前的流程为例(详见《Claude Code 团队是如何做代码审查的》):
- 首轮独立 AI 审查:每个 PR 提交后先由 Claude 审一遍——不用写代码时的原会话,而是另起一个上下文干净的独立会话来审,再配一组 Agent 专门核实挑出来的疑似 Bug 是真是假;
- 按风险高低分配人工审查:改文档、改文案这类低风险改动,自动化检查全绿后不需要人工介入;常规功能改动由 1 位工程师审查;涉及核心逻辑的高风险改动,则由 2 位工程师共同把关。
再往下走一步——这也是 Anthropic 内部正在普及的做法:哪怕同时跑七八个会话,也不用自己挨个去启动和跟进了。
我自己在好几件事之间来回切换时很容易乱,同时盯着八个会话推进其实挺累的。更省心的办法是只留一个主会话充当「协调者(Orchestrator)」——目前处于 Beta 阶段的 Claude Code Projects(入口在 claude.ai/code 和桌面端 Code 面板)用的就是这套模式:
- 只跟一个主会话沟通:把整体目标交代给主会话,由它拆分任务、为每个子任务启动独立的工作线程(Threads,也就是独立的子会话),并跟踪和验收各个子会话返回的结果,不用再在八个窗口之间来回切换。
- 主从会话分别指定模型:主会话自己不写代码,主要负责拆解任务和判断子会话的产出是否达标——如果某个子任务没达到要求,主会话会打回去让对应的子会话继续改,直到检查全部通过。因此主会话适合配擅长规划与验收判断的
Claude 5.2 Fable,实际负责写代码的子会话则适合配编码执行力强的Claude Opus 5.5,两者可以在设置里分开指定。 - 自动管理上下文:在 Claude Code Projects 里,主从会话之间的上下文隔离和传递都由系统自动处理,不需要再手动盘算什么时候运行
/compact压缩对话、什么时候运行/clear清空重来(如果在其他本地工具里自建类似的跨模型主从分工,可参考站内的《怎样用好子 Agent》)。
总结:旧的最佳实践没有消失,只是换了位置
回头看今年年初那五条“最佳实践”,它们一条都没少,只是换了负责的地方:
- 中途引导与纠偏 → 交给了理解力更强的模型本身(配合精简后的
CLAUDE.md); - 日常命令审批 → 交给了 Auto Mode 自动分类器;
- 高危操作限制 → 交给了 Deny 规则与沙箱 / 云端隔离环境;
- 过程与结果验证 → 交给了测试套件、Hooks(
exit 2)与 CI 流水线; - 拆分任务与管理会话 → 逐步交给 Orchestrator 主协调会话。
以前几乎步步都要人盯着的事,现在分别由模型、Harness 和运行环境接手了;我们的精力只需要放在一头一尾:开头把目标定清楚,结尾验收最终成果。
如果打算在自己的项目里试一试这套工作流,可以从这三步开始:
- 挑一个工作量明显比平时大一截的任务;
- 确认项目的 CI 流水线真能测出核心业务逻辑问题;
- 配好云端环境(网络白名单、Network Secret 和预装依赖的初始化脚本),直接在云端启动会话——重点观察它会在哪一步卡住、哪里还需要人工介入。卡住的地方,往往就是下一步最值得交给 Claude 或自动化环境接手的环节。


