开发者正探索如何将AI工具Claude作为框架使用，而非简单的聊天工具，以自动化编码并提升自身在项目管理、设计和架构中的角色。通过结构化提示，Claude无需代码即可成为框架，开发者社区正积极实验不同工作流程，形成“Claude代码框架之战”。设计Claude设置时需考虑七大关键选择。

Claude代码框架之战：AI开发的新范式

随着AI技术的快速发展，软件开发者们正在探索如何与AI协作，而Claude作为一款AI工具，正在改变开发者的工作方式。Claude可以自动化编码，而开发者则可以转向更高价值的角色，如项目经理、设计师和软件架构师。 关键在于，开发者需要将Claude视为一个框架，而非简单的聊天工具。通过定义规则、角色和工作流程，开发者可以让Claude的输出更加可预测且有价值。

有趣的是，Claude代码框架并不需要编写代码，而是通过结构化提示来实现。目前，开发者社区正在积极实验各种方法，形成了所谓的“Claude代码框架之战”。许多开源项目正在测试如何高效地与AI协作。

在设计自己的Claude框架时，开发者需要做出以下七个关键决策：

1. 任务存储位置：任务可以存储在Markdown待办列表、结构化文本或GitHub Issues等地方。
2. 如何引导Claude：通过预定义的命令库、编码标准和“完成定义”来确保Claude的输出符合预期。
3. 多AI协作：为多个Claude实例分配角色，并制定协作计划，避免任务冲突。
4. 会话管理：通过终端编排、并行工作树和容器隔离等技术，确保多个任务可以并行执行。
5. 工具集成：让Claude能够访问数据库、测试框架等外部资源，使其成为真正的“团队成员”。
6. 代码开发与交付：Claude可以担任项目经理、架构师、实施者、QA和代码审查员等多种角色，覆盖软件开发生命周期的每个环节。
7. 上下文保存：通过文档、日志和持久化记忆，确保Claude不会重复错误，并能够持续进步。

这些决策可以类比为厨房的运作：Claude是厨师，而开发者需要决定食谱的存放位置、厨师的学习方式、厨房的管理方式以及如何将食物端上餐桌。

关键点总结： - 任务存储：任务必须存储在Claude可以访问且开发者可以追踪的地方。 - 结构化提示：通过明确的规则和标准，Claude的工作会更加高效。 - 多AI协作：通过角色分配和流程管理，确保多个AI实例能够协同工作。 - 并行执行：通过并行工作树和容器隔离，提高任务执行效率。 - 工具集成：通过集成外部工具，Claude可以从“智能自动补全”转变为“主动的团队成员”。 - 角色多样性：Claude可以担任多种角色，覆盖软件开发的各个环节。 - 上下文保存：通过文档和记忆管理，确保Claude能够持续进步。

未来展望： Claude并不会取代开发者，而是改变了他们的角色。开发者将减少编写样板代码的时间，更多地投入到规范制定、设计审查和架构定义中。随着框架的不断成熟，AI将不再是“魔法盒子”，而是开发者管理的团队成员。结构化的框架越多，开发者从AI中获得的回报也就越大。

1. 对BMAD方法的认可

   • 评论1和评论9提到BMAD方法是Claude Code的最佳补充，甚至表示无法离开它工作。
   • 引用：
     • "For my money it's by far the best Claude Code compliment."
     • "I tried B-MAD Framework and it was like night and day. Can’t work without it."

2. 对框架的质疑

   • 评论3、评论8和评论10质疑这些框架是否真的有效，认为它们可能只是炒作，甚至可能被下一代模型淘汰。
   • 引用：
     • "did anyone try any of these so called frameworks? do they deliver or just riding the hype-wagon?"
     • "I tend to lean towards them being snake oil."
     • "whatever 'frameworks' people try to build, the next generation of models will make them obsolete, no?"

3. 对框架实际应用的讨论

   • 评论4和评论8讨论了框架在实际应用中的效果，包括代码质量、团队接受度和成本等问题，认为框架可能带来不必要的复杂性。
   • 引用：
     • "How much litter is left behind? How is your coworker tolerance? How large are your pull requests?"
     • "Now we try to poison the context with lots of (for my actual task at hand) useless information so that the model can conform to my superficial song-and-dance process?"

4. 对模型预测性的质疑

   • 评论2指出，讨论非确定性黑箱模型的预测性是不合理的，因为用户无法控制其输出。
   • 引用：
     • "Are you seriously talking about predictable when talking about a non-deterministic black box over which you have no control?"

5. 对AI生成内容的反思

   • 评论6提到从AI学习AI的讽刺性，认为博客内容带有明显的LLM风格。
   • 引用：
     • "Interesting information, but that I’m learning about AI from AI is amusing."

总结：评论中对BMAD方法有较高的认可，但对其他框架的有效性存在广泛质疑，认为它们可能只是炒作或带来不必要的复杂性。同时，评论者讨论了框架在实际应用中的效果，并对AI生成内容提出了反思。