Claude Coding 使用心得

去年下半年，我们公司开启了一个标杆工程专项，目标是打造一个可持续维护的业务项目，我负责的一个前端项目，需要重构 7 个复杂页面，当时正值 Ai coding 比较火的阶段，我抱着试一试的心态，希望直接用 Ai 重构一个标杆项目。

一开始我是一个Ai的小白，希望能够一句话就能解决我的诉求，AI也确实给了我一个惊喜，很快的我7个页面全部写完了，然后我在手机上跑了一下基本都跑通了，但进一步观察，却发现一些细节问题，而且规范上也还是存在很多缺陷，例如大文件不拆分，什么状态都喜欢往全局store中放等问题，所以我又手动重构了一波。最后这份代码混杂着我和AI的代码，导致在答辩的时候因为代码风格全局不统一被淘汰了。

虽然是一次失败的重构，但是我也总结了一些心得，在后面的需求开发中我也基本通过这些心得做到无需人为干涉，直接写完一个需求。

1、【编码风格统一】一份代码不要你跟AI同时维护，AI改过的代码有问题你不要直接改，而是让ai接着改。

2、【AI专注力】任务尽可能的集中在一处，不要提出按XXX规范进行重构这种诉求，当然如果必须要，也可以这样需要按照以下步骤拆解
    a）、安装 speckit 工具，可以在github上面搜索到，用spec任务来拆解你的诉求变成 plan task 和 implement 3个阶段
    b）、在task阶段，需要让ai 生成task对应的测试用例，让ai在根据task实现的时候通过生成的测试用例 不断的测试写完的代码
    c）、赋予AI能调试的能力，安装 chrome-devtool-mcp, 在每实现一个组件的时候，让AI执行以下端到端的测试
    d）、赋予AI能MOCK的能力，这个可以下载我开发的一款Vscode插件 MBFE-develop-helper，这个插件部分功能只有我公司内部能够使用，但是mock和h5调试可以在公网上使用，按照README.md 配置mcp，ai即可拥有逻辑mock能力（说明下逻辑mock的服务相当于ai会写原子化的接口真实逻辑，比静态json的mock能力更真实）
    e）、全局规范提示词 CLAUDE.md 的优化，让AI拥有 LINUX 3层架构的思维。

 3、【AI记忆力】最小闭环原则，你的任务如果是可拆解的，尽量一个会话解决后 clear完成执行下一个任务，如果上下文超过60%，ai会变得有幻觉，此时需要运行 compact 压缩一下之前的会话，当然最好的方案 还是主进程保持上下文都是一些关键内容，子任务用subagent完成后给父进程一个总结即可，mcp如果输出比较长的工具 需要用subagent包一下，总结mcp的结果。然后还有一个memory的mcp 也可以增强ai的记忆，当你清理上下文的时候 下一个会话仍然可以记住一些你反复重复的事情

 4、【AI训练】长远的来看，你需要积累自己的轮子，也就是skill，skill的积累可以让你之前反复唠叨的问题，让ai永久记住，什么时候该用什么工具做什么事，在这方面的决策上减少失误，当然skill变多了以后，你也可以用AI分析一下你当前.claude 目录中的插件、skill、全局提示词存在哪些缺陷，然后对齐进行验证、优化。

以上可能写的有点啰嗦，大家可以直接跳过去，直接看此处总结的 AI 哲学：

 1、AI其实是一个记性差的人，只是它有一本百科全书可以随时查阅，而且查阅速度很快
 2、让一个记性差的人干活，需要遵循最小闭环原则，让它从快速实现 到 快速验证 再到修复再验证形成一个快速循环的工作流
 3、磨刀不误砍柴工，在不忙的时候沉淀一下你的全局提示词和skill，对后续的效率会产生一定的作用

前端推荐工具链

Speckit 任务拆解（plan/task/implement） GitHub 搜索安装
chrome-devtool-mcp 端到端测试调试 MCP 配置
MBFE-develop-helper Mock 能力（逻辑 Mock） VSCode 插件
menory 长久记忆轻微弥补 Ai 短记忆缺陷
serena LSP 代码搜索
其他的什么 context、github 等 mcp 工具的话大家自己看情况安装