它的边界不是枷锁，是一个强制你把需求想清楚的过滤器。你的需求越具体、上下文越充分，这个过滤器越透明。模糊的需求，不仅 Claude Code 搞不定，人也搞不定。你有没有遇到过"需求完全正当，但被 AI 拒绝"的情况？你当时是怎么重新描述需求的——是补充了上下文，还是换了一个方向表达？

Claude Code 慢，本质是上下文管理的问题，不是工具的问题。你给它的信息越精准，它越快；你给它的信息越杂，它越慢。五个技巧里，优先级顺序是：新开会话 > 精简报错 > 排除无关文件 > 按任务选模型 > 批量并行。前三个能解决 80% 的慢问题。你现在用 Claude Code 时，平均一个对话会跑多少轮才结束——是做完一个功能点就开新的，还是同一个会话从项目开始一直用到上线？如果是后者，

Git 纪律的本质是：让三个月后的你能看懂三个月前的你在干什么。Claude Code 帮你写 commit 不是在偷懒，是在强制你把每次改动说清楚——这个压力以前只有 code review 才能带来，现在一个人开发也能有。你最近一次需要git revert或者回滚某个特定功能时，你花了多长时间找到正确的 commit？如果超过五分钟，你觉得问题出在 commit 粒度、commit messa

让 Claude Code 做"精确打击"，而不是"地毯式轰炸"。分层读取：先目录结构，再入口文件，最后按需深挖依赖地图：改动之前，先问"谁在用它"分模块隔离：一次只做一个模块，做完验证再做下一个CLAUDE.md：给 Claude Code 一份项目说明书这些策略的本质是：主动管理上下文，而不是被动接受信息过载。你在用 Claude Code 处理大型项目时，遇到过最头疼的问题是什么？是上下文溢

用了一年多 Claude Code，我有个发现：用 VS Code 插件的人，大概只用到了 Claude Code 能力的一半。另一半在 CLI 里。插件模式适合"交互式"的工作——你在编辑器里写代码，遇到问题随手问 Claude。CLI 模式适合"批处理式"的工作——你需要对一批文件做同样的操作，或者把 Claude 嵌入自动化流程，或者在没有 GUI 的服务器环境里使用。这两个模式不是替代关系

Claude Code 慢，本质是上下文管理的问题，不是工具的问题。你给它的信息越精准，它越快；你给它的信息越杂，它越慢。五个技巧里，优先级顺序是：新开会话 > 精简报错 > 排除无关文件 > 按任务选模型 > 批量并行。前三个能解决 80% 的慢问题。你现在用 Claude Code 时，平均一个对话会跑多少轮才结束——是做完一个功能点就开新的，还是同一个会话从项目开始一直用到上线？如果是后者，

它的边界不是枷锁，是一个强制你把需求想清楚的过滤器。你的需求越具体、上下文越充分，这个过滤器越透明。模糊的需求，不仅 Claude Code 搞不定，人也搞不定。你有没有遇到过"需求完全正当，但被 AI 拒绝"的情况？你当时是怎么重新描述需求的——是补充了上下文，还是换了一个方向表达？

人工 Review 的上限是 reviewer 的认知边界；AI Review 的上限是你 Prompt 的具体程度。你问得越具体，它看得越深。你问得越模糊，它越是在陪你走过场。你的项目里，现在有没有某个模块你心里隐约觉得"可能有问题但一直没细看"——如果用上面那套 Prompt 去 Review，你最怕它发现什么？

人工 Review 的上限是 reviewer 的认知边界；AI Review 的上限是你 Prompt 的具体程度。你问得越具体，它看得越深。你问得越模糊，它越是在陪你走过场。你的项目里，现在有没有某个模块你心里隐约觉得"可能有问题但一直没细看"——如果用上面那套 Prompt 去 Review，你最怕它发现什么？

不是因为 Opus 不强。是因为它强得用错了地方。你让 Opus 帮你写个表单验证，它会开始考虑边界情况、提出你没问的架构问题、给你三个方案让你选。你只是想要一个能跑的函数，它在帮你做产品决策。结果是：时间花了更多，token 烧了更多，你还得从三个方案里再做一次选择。