Claude Code 工程师 Addy Osmani 近期分享了关于优化 AI 编程工作流的深度见解。他指出，随着底层模型能力（如 Opus 5.5）的显著跃升，开发者普遍存在的“过度提示”（Over-prompting）习惯已成为效率瓶颈。通过精简提示词、优化智能体编排以及充分利用自动化功能，开发者可以大幅降低延迟与成本，同时提升代码产出质量。
提示词与交互模式的“瘦身”
新一代模型具备更强的自主规划与执行能力，传统的“手把手”提示方式已不再适用：
- 目标导向与自动验证：对于明确的任务，只需提供一个核心提示，清晰说明“目标”与“验证标准”（如通过/失败的测试用例），然后让模型自主执行。建议从
/effort medium开始，根据需要微调。 - 需求澄清与规格分离：当需求模糊时，不要急于让模型写代码。先让 Claude 以“采访”的形式引导你梳理需求，生成一份完整的规格说明（Spec）。随后，开启一个全新的会话，仅基于该 Spec 进行工程构建，以保持上下文的纯净。
- 清理历史系统提示词：官方数据显示，针对 Opus 5 和 Fable 5 等模型，Claude Code 移除了超过 80% 的旧版系统提示词，且编码评估性能未见衰退。开发者可使用
/doctor prompt-audit命令，定期审查并剔除为旧模型编写的冗余指令。
智能体编排与任务管理优化
在复杂工程中，合理调度计算资源与任务流是控制成本的关键：
- 克制使用子智能体（Sub-agents）：Claude 具备自动委派子智能体的能力，开发者极少需要手动干预。手动拆分仅适用于实质性、高度独立的长周期任务（如大规模代码审计或架构迁移）。对于琐碎任务，强行使用子智能体会成倍增加 Token 成本与延迟。实践证明，一个配备了 Skills（技能）的单一智能体，往往比复杂的子智能体架构表现更好且更经济。
- 善用云会话（Cloud Sessions）与 Projects：当需要离开电脑时，可通过
claude --cloud启动云会话，在独立的 VM 中继续运行任务。对于多线并行的需求，利用 Projects 功能（Pro/Max 公测版）可以自动为每个粘贴的问题或作业创建独立线程，提供全局进度概览，免去人工管理多个会话的烦恼。 - 自动化代码审查：代码审查依然不可或缺，但可交由 AI 代劳。使用
/code-review命令，系统会唤起一个未参与当前对话的“干净”子智能体来审查 Diff，从而提供更客观的代码质量反馈。
自主性与安全边界的平衡
- 自动模式（Auto Mode）：Claude Code 现已将自动模式作为交互式终端的默认起点。系统通过分类器分析操作风险，而非频繁弹出权限确认框。为保障安全，建议在任务汇报时，要求 Claude 展示具体的执行命令、输出日志或终端截图。
- 后台任务的闭环控制：对于长时间运行的后台任务，可使用
/goal命令设定明确的退出条件，并让独立的评估模型在每轮迭代后进行校验，实现真正的“无人值守”开发。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
