凡人小北 (@frxiaobei)
@frxiaobei
行道途中。非求速成，惟求通达。
在真实业务与组织中持续验证 AI 的价值与边界。
个人 IP｜商业与管理｜AI 实战派
664 正在关注 25.5K 粉丝
Anthropic 这篇关于 Claude Code 在大型代码库的最佳实践，几个能直接抄作业的点：
· CLAUDE. md 要分层。根目录那份只放整体架构和关键的坑，每个子目录再放各自的局部约定，Claude 进哪个目录就加载哪一份。
· 让 Claude 从子目录启动，不要从仓库根启动。它会自动往上回溯加载所有说明文件，反而上下文更准。
· 测试和 lint 命令按子目录切分。别让它改了支付服务就把整个仓库的测试全跑一遍，又慢又把上下文塞满无关报错。
· 装 LSP（语言服务器协议，比如 Python 有 pyright，TypeScript 有 tsser）。Claude 默认是 grep 字符串找代码，同名函数一搜几千个。LSP 能让它按符号本身定位，一步直达定义。具体接法是装一个 code intelligence 插件 + 对应语言的 language server 二进制文件，Claude Code 文档里有现成的。
· 每 3-6 个月审一次配置，新模型发布后再审一次。当初为旧模型写的规则，可能会反过来束缚新模型。
以及一个组织层面的提醒：哪怕不专门成立 AI 工具团队，至少要指定一个人负责管 Claude Code 的配置、权限、插件、CLAUDE. md 规范，不然大家各搞各的，好经验传不出来。
显示更多
What are best practices for running Claude Code at scale?
New blog post on what we've learned from teams running it across multi-million-line monorepos, decades-old legacy systems, and distributed microservices:
显示更多
半年前我写过一个故事，结论是经验主义在 AI 时代会变成一种思维惯性，模型更新太快了，很多时候经验是锚住你脚的那块石头。
当时只是个项目插曲，一个十年经验的算法工程师被敢乱试的实习生打得措手不及。
没想到半年后，这位同事最后还是走到了被淘汰这个词上。
当其他人借助AI/AI coding产出成倍提升的时候，他还在原地踏步。人挺好技术能力也在，只是时代往前跑，他没跑。
最让我记忆深刻的是在数月前几十人的会上，他特别认真地说：
“不能让 AI 帮你 coding，把核心能力让出去，你未来怎么竞争？”
我当时公开批评过，但心里也很清楚，你永远也无法叫醒一个装睡的人。
真正让竞争力消失的从来不是 AI，你越是不愿接触新的东西，越会被时代的平均速度悄悄甩得更远。
AI 没有偏向谁也没有要害谁，它就是继续往前。能不能跟上，是每个人自己的选择。
别抱着旧的护城河不放，一定要时刻保持拥抱变化的肌肉记忆。
时代真的变了。
显示更多
