之前有朋友问我,用 Claude Code 能不能提效 10倍+,说是他接到的任务要求是这样。我给的回答的是:因人而异。厉害的工具,在不同的人手中,发挥出的威力会有巨大差异;越是厉害的工具,在厉害的人手中,发挥出的威力会更大。

我把 Claude Code 比作是一款像"核武器"一样的工具,这样强大的工具,要发挥好它的威力,对使用它的人要求也不低。我之前也问过身边一些人,也有人觉得 Claude Code 还不太能在实际开发中解决复杂问题,原因无非是业务逻辑复杂之类。但我自己实践下来的体感,完全不是这样的,Claude Code 已经完全可以用来做日常的开发了,只不过用好它,需要花些精力去摸索。

我在之前陆续写过不少关于 Claude Code 的文章，这些文章也是我在探索如何用好 Claude Code 过程中的一些阶段性经验的总结，之前的文章在这里，感兴趣的朋友可以看看：
（1）《聊聊 Claude Code》
（2）《如何玩转 Claude Code》
（3）《如何用好 Claude Code》
（4）《一份 Claude Code 最佳实践指南》
（5）《Claude Code 如何避免被封号》

今天这篇，我想就最近这段时间使用过程中的一些体会，介绍如何使用 Claude Code 解决一些比较复杂的问题。

全栈需求

全栈需求，同时涉及到客户端 + 服务端，相对来说是比较复杂的一类需求。我目前实践下来形成了一个比较确定性的开发模式：

（1）先开发服务端逻辑，把相关的服务端功能实现好；

（2）再开发客户端的 UI，先不实现功能，把 UI 实现到设计稿所要求的；

（3）再开发客户端的功能，这时候可以第一步中实现的服务端 API 相关代码做为上下文喂给 Claude Code；

（4）进行客户端 + 服务端的联调，一个个修复过程中发现的问题，直至最终达到要求。

这样做背后的几个思考是:

（1）首先,要把每个任务拆得尽量小一些,这样尽量保证单个任务在单次的上下文窗口(目前是 200K)中能够解决。上下文长有两个问题,一是消耗 Token 会比较快,二是AI 在长上下文下会"降智"。

（2）其次，一个任务只有明确的目标，这样 AI 在解决问题的过程中不容易跑偏。这个点，其实跟我们人类解决问题也比较像，如果我们同时解决多个问题，就容易迷失；但如果每次只解决一个问题，相对来说效果就会好一些。

（3）然后,把前面步骤的阶段性成果,作为上下文传给后面的任务,比一次性让 AI 做到完美更容易收敛出想要的结果。就比如,在客户端开发中,先把 UI 开发好,再在此基础上开发功能,整体就容易达到想要的结果。但如果 UI 和功能一起开发,很容易就在调各种细节的过程中迷失。

（4）最后，先完成再完善，这是一个我们人类做事很好的心法，同样对 AI 也适用。先做出一个基本可用的版本，然后再一个问题一个问题去解决、一个细节一个细节去完善，很快就能收敛到理想的结果。

公开资料比较少的需求

最近在开发一个用微信委托扣款实现连续包月的功能，这个首先是一个全栈需求，其次它是一个逻辑上也比较复杂的需求。更为不幸的是，微信的委托扣款是一个相对比较小众的用法，互联网上相关的资料很少，几乎只有微信的官方文档。而且官方文档还是动态的网页，通过命令行工具爬到的页面中，是没有文档内容的。在这样一个大背景下，用 Cluade Code 开发的时候，发现就有点力不从心了。

我刚开始没太在意，上来就直接按上述步骤，直接先开发了服务端，然后再开发了客户端，最后再一起联调。联调的时候，才发现问题很多，完全不能用。

回过头来解决问题,刚开始发现 Claude Code 把微信委托扣款相关的一些基础都搞错了,我就把微信支付官方文档的链接喂给它,发现还是不太行。后来我自己在命令行把文档爬下来看,才发现是动态页面,爬下来的页面中完全没有有效的文档信息。于是,就把官方文档通过截图的形式,再次喂进去。这样才让 Claude Code 正确理解了微信委托扣款的一些基础逻辑。

在教 Claude Code 理解委托扣款逻辑的过程中，我自己也深入去学习了一下，然后就一个问题一个问题去解决，最终还是顺利完成了这个任务。在解决这个问题的过程中，一个很深的体会是，像微信委托扣款这种功能，在互联网上的信息其实比较少，比较冷门的。这样的情况，就会导致像 Claude Code 这样的大模型，在预训练的时候，“见过”的这类信息会比较少，因此它在做这样一类任务的时候，表现就不那么尽如人意。

我们在用 Claude Code 开发这种比较冷门的需求的时候,如何把相关的资料以一种它能理解的方式提供给它,这个是非常必要和重要的。另外,我们自己也不是完全不需要去了解和学习,最好是我们自己也有一定的理解,这样才能有更好地"技术审美力",去判断 Claude Code 所给的方案,是不是合适的,以及更好地去发现问题和解决问题。

AI 用得越多,越来越有一个体会是,AI 和人的关系,不是谁要取代谁,而是相互成就。强大的 AI,要发挥出真正强大的威力,也还是需要厉害的人来驾驭它;厉害的人,有了强大的 AI 加持,解决问题的能力真的有可能提升 10 倍+。