作者分享了自己使用Claude Code进行开发的核心工作流程：坚持先审核批准书面计划再让AI写代码，将规划与执行分离。这种方法避免了无效劳动，保持对架构决策的控制权，相比直接编写代码能更省资源地获得更好结果。具体包括先深入研究代码库并记录发现，再制定详细计划后才开始编码。

我如何使用Claude Code进行高效开发

经过9个月的实践，我总结出一套与众不同的AI辅助编程工作流，其核心原则是：在审核并批准书面计划前，绝不让Claude直接编写代码。这种"先规划后执行"的方法能显著提升代码质量，同时减少token消耗。

第一阶段：深度研究

每个任务都从详尽的代码研究开始： - 使用"深入理解"、"全面掌握"等强调词，要求Claude彻底分析代码库 - 强制生成持久化的research.md文件而非即时聊天摘要 - 典型指令示例：

深入研究通知系统，撰写包含所有技术细节的research.md文档

关键点：书面研究报告是防止AI产生"孤立有效但破坏系统"代码的第一道防线。

第二阶段：计划制定

审核研究文档后，进入计划阶段： - 要求生成包含代码片段、文件路径和权衡分析的plan.md - 拒绝使用内置的"计划模式"，坚持使用可编辑的Markdown文件 - 实用技巧：提供优质开源实现作为参考，大幅提升计划质量

独特的批注循环

这是工作流最具价值的环节： 1. 在plan.md中添加精准批注（从单词到段落不等） 2. 示例批注类型： - 领域知识补充："使用drizzle:generate进行迁移" - 假设修正："应该用PATCH而非PUT" - 方案否决："完全移除缓存章节" 3. 进行1-6轮"添加批注→更新计划"的迭代 4. 最终生成包含详细待办清单的实施路线图

第三阶段：机械式实施

使用标准化指令启动实施：

完整实施所有内容。每完成一个任务就在计划文档中标记。保持类型检查，不使用any类型...

实施阶段的特点： - 前端工作最需频繁微调（如"加宽2像素"的简洁反馈） - 错误时直接回退而非修补 - 始终参考现有代码模式（"这个表格应该与用户表格完全一致"）

保持控制权的关键

• 主动裁剪非核心功能（"移除下载特性"）
• 保护关键接口（"这三个函数签名必须保持不变"）
• 覆盖技术选择（"改用这个库的内置方法"）
• 在单次长会话中完成全流程（研究→计划→实施）

工作流精髓

用一句话总结：深度研究→制定计划→批注完善→无中断实施。这种方法通过分离决策与编码，将AI的代码理解能力与开发者的系统认知完美结合。

以下是评论内容的总结：

支持规划-执行分离的工作流

多位用户分享了类似的工作方法，强调将规划与执行分离的重要性： 1. zitrusfrucht使用类似ticket系统的文本文件管理项目进度："This workflow helps me keeping track of what has been done over time... works purely on text files" 2. deevus描述了一个7步工作流："Use brainstorming to come up with the plan... When all tasks complete: create a PR for me to review" 3. alexmorgan26认为这种分离也适用于任务管理："just like you don't want Claude writing code before the plan is solid, you don't want to manually schedule tasks before planning"

现有工具推荐

部分用户推荐了自动化工具： 1. cowlby推荐GitHub speckit："Speckit is worth trying as it automates what is being described here" 2. recroad两次推荐OpenSpec："Try OpenSpec and it'll do all this for you... this is spec-driven development"

对效率的质疑

有用户对这类方法的实际效益提出疑问： 1. jamesmcq认为对开发者可能效率更低："for anyone with even a moderate amount of experience... far more work than just writing the code yourself" 2. bandrami直接提问："How much time are you actually saving at this point?"

技术细节讨论

关于LLM工作方式的讨论： 1. haolez质疑提示词效果："my mental model doesn't capture why asking the model to read 'more deeply' will have any impact" 2. bodeadly分享PCL技巧："LLMs are very good at following conventions... I call this a PCL (Project Concept List)"

模型与方案比较

不同用户偏好不同方案： 1. imron比较Claude和Opencode："I just don't gel with Claude code... Opencode on the other hand is great" 2. brandall10比较不同AI服务："I'm only on the $20 plans for Codex/Gemini vs. spending $100/month on CC"

实际应用案例

具体应用场景分享： 1. red_hare用于教学准备："I use Claude Code for lecture prep... annotations are super powerful" 2. skybrian分享设计文档方法："I ask for a design doc that contains an embedded todo list... up to about 40 design docs"

总结显示，虽然规划-执行分离的工作流获得不少支持，但其实际效益仍存在争议，用户们也分享了各种优化技巧和替代方案。