)
怎么和AI聊清楚需求
AskUserQuestionTool是 Anthropic 工程生态系统中的一个核心工具。
核心使用流程基于"三阶段"法
深度访谈（The Interview）：提供一个简单需求："我想要开发一个java的用户中心系统，请使用
AskUserQuestionTool对我进行采访，以构建一份规范文档。"
生成规范（TheSpec）：在结束访谈后，让AI将所有的回答汇总，生成一份详尽的技术规范Spec文档
精准执行（Execution）：开启一个新的会话。将这份文档作为上下文背景
最终给我生成了这样的一篇技术文档
触发工具的具体提示词（Prompt）技巧：
计划详审模式：“阅读这个计划文件，并使用
AskUserQuestionTool对我进行详尽的采访，内容涉及：技术实现、UI/UX、风险权衡等，确保问题具有深度且非显而易见。”高置信度门控：“请使用澄清问题接口（Clarifying Questions Interface）进行询问，直到你98% 确定自己完全理解了任务并能专家级地实施为止。在达到这一置信度之前，不要展示任何代码。”
牛津式辩论如果你想挑战自己的设计思路，可以告诉 Claude 你们正在进行“牛津式辩论”，由它担任反对派，使用该工具挖掘你想法中的漏洞和过度设计之处。
模板套用
请阅读我的初步需求/方案 [此处输入或拖入你的方案内容或文件路径]，并在开始执行前启动“访谈模式”： 1. 强制调用 AskUserQuestionTool（或澄清问题接口）对我进行深度“采访”，以消除所有歧义。 2. 采访深度要求：问题必须涵盖技术实现细节、UI/UX 偏好、方案权衡（Tradeoffs）、潜在担忧以及非显而易见的边缘情况；请确保提出的问题具有深度，不要问显而易见的问题。 3. 置信度门控：请持续提问，直到你 98% 确定自己已完全理解任务并能以专家级水平实施为止；在达到此置信度前，严禁展示或编写任何代码。 4. 最终输出：访谈结束后，请将我所有的回答与决策汇总，生成一份详尽的技术规范文档（Specification）并写入文件，作为后续实施的唯一事实来源。
AI编程实用技巧
1. 实践是最佳标准
不追求一次性完美方案，允许快速试错和迭代，但要逐步找到适合自己团队的协作节奏和工作流。
2. 多 Agent 任务并行
将复杂问题拆分为多个可并行的子任务，由不同 Agent 同时处理，明确每个 Agent 的职责与边界。
3. 创建项目级 CLAUDE.md
作为团队项目的共同记忆，记录项目目标、Agent 角色分工、协作规范、上下文约定和重要决策。
4. 先 Plan，再行动
在执行前使用 Plan 模式充分讨论方案，明确步骤、依赖关系和验收标准，避免边写边改造成混乱。
5. 自动化重复工作
对高频、低价值的重复任务进行自动化，优先使用斜杠命令、脚本或子 Agent 来替代人工操作。
6. 长任务交给 AI 自我验证
对耗时或复杂任务，设计自检和验证机制，让 AI 工具在执行后自行校验结果并修正问题。
7. 明确 Agent 分工与通信方式
为每个 Agent 定义清晰的输入、输出和沟通规则，减少上下文丢失和重复劳动。
8. 失败与回退机制优先
默认任务会失败，提前设计重试、降级和兜底方案，而不是假设每次执行都会成功。
9. 持续复盘与沉淀
定期复盘 Agent 协作效果，将有效经验和踩坑记录回写到 CLAUDE.md，形成可复用的团队资产。
AI编程常见的隐藏技巧
同时启动3~5个git worktree运行独立的AI对话，可以极大的提升生产力。
优先进入plan模式处理复杂的任务，一旦编码时受阻立即切换回plan模式重新执行计划。也可以让一个窗口写计划，再启动另一个窗口像主任工程师一样审阅它。
持续打磨CLAUDE.md每次错误后，都可以对AI编辑器更新这个，避免错误再犯。
沉淀自己的skills，将每天重复的操作都转换为skills，如：使用/techdebt，自动查找比你高清理重复的代码。
自动化bug修复，利用MCP，将讨论的bug直接给AI编辑器命令修复它。
强化提示词
压力测试：要求Claude质询你的代码，没通过它的测试前严禁提交 PR；
追求优雅：在修复完成后，要求它基于新学到的知识废弃平庸方案，重新实现优雅解法；
消除歧义：提供极度具体的规格说明，细节越多，效果越好；
打造高效终端环境：推荐使用Ghostty终端。通过/statusline实时监控上下文占用和git分支。建议配合tmux管理标签页，并使用语音听写，这能让提示词比打字更详细且快3倍。
灵活调用subagents在请求末尾添加use subagents以调动更多算力。将子任务分流，确保主代理的上下文窗口始终聚焦核心。甚至可以利用hook将权限审批路由给更高级的模型进行安全过滤。
深度数据分析：通过CLI工具（如bq CLI）让Claude直接读取并分析生产数据。只要数据库支持CLI或API，你就能直接在对话框里完成数据洞察。团队中许多人已经数月没亲手写过SQL了。
辅助深度学习：在/config中开启学习模式，让Claude解释代码背后的逻辑。它可以为你画ASCII架构图，甚至制作HTML幻灯片。你还能构建间隔重复学习 skill，让它通过追问来帮你补齐知识盲区。
