🛠️ 工程师的 Claude Code 使用指南：六步工作流

一、原文概括

本文作者 @vikingmute 分享了一位 Cloudflare 工程师使用 Claude Code 的高效工作流程：

核心理念：

• 永远不要让 Claude 写代码，直到你审核并批准了书面计划
• 计划与执行的分离是最重要的事
• 这避免了浪费精力，保持对架构决策的控制

六步工作流：

Research → Plan → Annotation Cycle → Todo List → Implement → Feedback & Iterate

1. Research（研究）

• 深入阅读指定代码目录/模块
• 要求输出详细的 research.md 报告
• 关键：使用”deeply”、”in great details”、”intricacies”等词汇
• 否则 Claude 会 skim（略读）

2. Planning（规划）

• 基于 research 生成详细的 plan.md 文件
• 包含方法解释、代码片段、文件路径、权衡考虑
• 作者不用内置的 plan mode，更喜欢自己的 markdown 文件

3. Annotation Cycle（注释循环）

• 在 plan.md 上直接写评论
• 让 Claude 更新 plan 直到满意
• 重复 1-6 次

4. Todo List

• 根据 plan 生成待办事项列表

5. Implement（执行）

• 完整执行计划

6. Feedback & Iterate（反馈与迭代）

• 用简单指令反馈

---

二、关键洞察

为什么这个工作流有效？

1. 研究阶段的重要性

   • 防止”在孤立环境中可行但破坏周围系统”的实现
   • 忽略现有缓存层、不符合 ORM 约定的迁移、重复 API 逻辑
   • research.md 是审查面，可以验证 Claude 是否真正理解系统

2. 计划阶段的控制

   • 自己写 plan.md 而非用内置模式
   • 可以在编辑器中编辑、添加注释
   • 作为项目中的真实工件持久化

3. 注释循环的创新

   • 直接在 plan 上评论，让 Claude 更新
   • 迭代直到满意

---

三、辩证思考

3.1 独立观点

这个工作流确实值得学习：

1. 计划与执行分离是对的

   • 避免直接跳到代码的诱惑
   • 保持对架构决策的控制
   • 减少 token 消耗

2. 研究阶段被低估了

   • 大多数人直接让 AI 写代码
   • 没有先理解现有代码库
   • 这是 AI 辅助编程最昂贵的失败模式

3. 这个流程适用于其他 Agent

   • 不只是 Claude Code，很多 Agent 都可用

3.2 适用性

• 适合有经验的工程师
• 适合复杂项目
• 适合需要控制架构决策的场景

---

四、总结

一句话结论：
Claude Code 高效使用的关键是”计划先行”，通过 Research → Plan → Annotation 循环确保代码质量。

行动建议：

• 📝 永远先研究，再计划，最后才写代码
• 📄 用 markdown 文件记录 research 和 plan
• 🔄 在 plan 上迭代注释直到满意
• 🧠 保持对架构决策的控制
• 💡 这个流程适用于各种 AI 编程工具

核心原则：

• 不要让 AI 直接写代码
• 先理解，再计划，后执行
• 用书面计划作为审查面