高级工程师的AI编程工作流:从9x到10x的进阶指南

最近，How I AI 播客邀请了 egghead.io 的创始人 John Linquist，分享他使用 Claude Code 和 Cursor 等 AI 编程工具的高级技巧。

这不是一期面向初学者的入门教程，而是专门为已经能写出高质量代码的资深工程师准备的进阶指南。如果你已经是"9x工程师"，想知道如何借助AI工具成为"10x工程师"——这篇文章就是为你准备的。

一、为什么你的AI编码效果不好？

很多工程师抱怨：AI工具生成的代码质量不高，经常需要反复修改。

John 一针见血地指出了问题所在：每次AI启动时，它没有任何记忆，不知道你的应用是如何工作的。

人们会设置各种规则文件（.cursorrules、claude.md等），但通常都不会包含"我的应用是如何工作的"以及"各个模块之间是如何连接的"这些关键信息。

结果就是：AI修改了模块A，却不知道这会如何影响模块B，于是产生了大量糟糕的代码。

解决方案：用图表预加载上下文。

二、Mermaid图表：AI的压缩知识库

John 使用的秘密武器是 Mermaid 图表。

Mermaid 是一种在 Markdown 中渲染图表的标准格式。它可以用很短的文本描述复杂的流程：

flowchart TD     

A[用户登录] --> B{记录存在?}     

B -->|是| C[更新会话]     

B -->|否| D[创建新记录]     

C --> E[返回令牌]     

D --> E

对人类来说，阅读这种文本是个挑战——我们需要把它渲染成图形才能理解。但对AI来说，这种格式极其友好：高度压缩、结构清晰、便于理解应用的整体架构。

John 为项目的各个方面都创建了图表文件：

• • 用户认证流程
• • 数据库操作流程
• • 事件处理流程
• • API调用链路

这些图表文件存放在 AI/diagrams/ 目录下。

如何使用这些图表？

在 Claude Code 中，使用 append system prompt 命令：

/append-system-prompt cat AI/diagrams/*.md

这条命令会读取所有图表文件，并在对话开始前将它们注入到系统提示中。

效果立竿见影。 当 John 问"请解释认证流程"时，Claude 不需要读取任何文件、不需要探索代码库——它直接给出了准确的答案，因为所有上下文都已经在内存中了。

权衡：上下文 vs 成本

这种方法的代价是：前期消耗更多 token。

但 John 的观点是：你的时间比 token 更值钱。 任务完成得更快、更可靠，这个投资是值得的。

什么时候生成这些图表？

• • 已有项目：用AI扫描现有代码库，生成架构图
• • 新项目：先快速搭建原型（plan mode），跑通后再生成图表
• • 持续维护：在 PR 合并时自动更新相关图表

实用提示：图表不仅对AI有用，也可以用来回答安全审计、合规检查、数据流分析等需求。这些以前需要工程师花大量时间手动绘制的文档，现在可以按需生成。

三、命令别名：一键进入专属模式

John 在终端中设置了大量别名，让 Claude Code 的使用效率最大化：

# 危险模式：跳过所有权限确认alias X="claude --dangerously-skip-permissions"# 快速模式：使用 Haiku 模型alias H="claude --model haiku"# 图表模式：预加载所有架构图alias CDI="claude --append-system-prompt 'cat AI/diagrams/*.md'"

一个字母，进入专属工作模式。

你还可以为不同项目设置不同的别名：

# 项目A的上下文alias CPA="claude --append-system-prompt 'cat ~/projects/A/context/*.md'"# 项目B的上下文alias CPB="claude --append-system-prompt 'cat ~/projects/B/context/*.md'"

这些别名让你能够：

• • 快速切换不同项目的上下文
• • 一键启动预加载了特定 MCP 服务的 Claude
• • 根据任务类型选择合适的模型

四、自定义CLI工具：把想法变成产品

John 有个习惯：每个想法，都会立刻动手构建。

他展示了一个自己做的小工具 sketch：

? 你想构建什么类型的网站？> 销售圣诞装饰品的商店? 让我们设计首页，选择风格：> 创意艺术风格? 选择配色方案：> GitHub Light 主题? 生成几个版本？> 5正在生成...

几秒钟后，5张不同的网站设计图就生成出来了。

这个工具的本质是：一个 Gemini 的命令行包装器，预置了特定的提示词和选项。

为什么用命令行而不是网页UI？

John 给出了一个精辟的观点：命令行的受限空间反而是优势。

• • 不会被UI设计分散注意力
• • 几个问题、Tab键切换、回车确认——极致高效
• • 快速验证想法，而不是陷入"这个按钮应该放哪里"的泥潭

核心理念：如果你有什么都是错的起点，你可以迭代修正。如果你什么都没有，你无法迭代。

用语音输入（dictation）描述想法，让AI生成第一版，然后不断迭代——这才是现代创作者的工作方式。

五、Stop Hooks：让AI自动检查代码质量

这是整期节目中最硬核的技巧。

问题：Claude 经常说"完成了"，但代码里其实有 TypeScript 错误、格式问题、或其他质量问题。

解决方案：使用 Claude Code 的 hooks 功能，在每次对话结束时自动运行检查。

设置 Stop Hook

在 Claude Code 中配置：

/hooks add stop

然后指向你的自定义脚本：

// claude-hooks/index.tsimport { HookInput } from "@anthropic-ai/sdk";export default async function(input: HookInput) {  // 步骤1：检查是否有文件变更  if (!input.filesChanged) return;  // 步骤2：运行 TypeScript 类型检查  const typeCheckResult = await runCommand("bun type check --quiet");  if (typeCheckResult.hasErrors) {    // 返回错误信息给 Claude，让它继续修复    return {      block: true,      message: `请修复以下 TypeScript 错误：\n${typeCheckResult.output}`    };  }  // 步骤3：如果没有错误，自动提交  return {    message: "请提交这些更改，注意不要提交敏感文件"  };}

工作流程

1. 1. Claude 完成编码，准备停止
2. 2. Stop hook 自动触发，运行 bun type check
3. 3. 如果有类型错误，hook 返回 block: true，Claude 继续修复
4. 4. 修复后再次触发 hook，检查通过
5. 5. Hook 指示 Claude 自动提交代码

结果：一个完整的任务——编码、检查、修复、提交——全部自动化。

还可以检查什么？

• • 格式化：eslint、prettier
• • 循环依赖：检查 import 是否形成环
• • 代码复杂度：检测过长的函数
• • 重复代码：找出可以提取的公共逻辑
• • 安全扫描：检查常见安全问题

团队协作提示：hooks 配置可以放在 settings.json（而非 settings.local.json），这样整个团队都能共享同一套质量检查规则。

六、终端 vs IDE：你需要两者

关于"终端派"还是"IDE派"的争论，John 的答案是：你需要两者。

终端的优势

• • 配置灵活：一条命令就能启动预置特定 MCP、加载特定上下文的 Claude
• • 并行任务：开多个终端，让多个 Claude 实例并行工作
• • 脚本化：可以用脚本自动化复杂流程

IDE的优势

• • 专注阅读：选中代码行、跳转定义、理解上下文
• • 扩展生态：编辑器扩展可以把诊断信息、警告等反馈给AI
• • 可视化调试：断点、变量监控等

John 的典型工作方式：

• • 用终端启动预加载了上下文的 Claude，在后台运行复杂任务
• • 用 IDE 进行专注的代码阅读和局部修改
• • 两者配合，效率最大化

七、给工程领导者的建议

很多资深工程师对AI工具持怀疑态度："这些工具并没有让我更快，代码质量也不够好。"

John 的回应是：如果你投入精力去理解这些工具的全部能力，你确实能获得效率提升。

Issue 来了，你会怎么做？

传统方式：

1. 1. 阅读 issue
2. 2. 花一两天时间熟悉相关代码
3. 3. 用 git blame 找历史
4. 4. 理解各种边界情况
5. 5. 开始编码

AI辅助方式：

这个 issue 涉及到支付模块。请帮我：1. 找出所有触及过这些文件的提交2. 总结这个函数的演变历史3. 列出可能的安全风险4. 分析修改这里会影响哪些其他模块5. 给我一个完整的调试路径

所有这些"探索性工作"——那些你有无限时间才会做的事情——现在可以用一个语音指令完成。

自动化触发

更进一步，你可以设置自动化：

• • Linear/GitHub Issue 创建时：自动生成初步分析报告
• • PR 提交时：自动生成架构影响分析
• • PR 合并时：自动更新文档和图表

这些曾经需要"额外"精力的事情，现在可以自动运行。

八、当AI跑偏了怎么办？

再厉害的工程师也会遇到AI"跑偏"的情况。John 的重置策略：

1. 引入"第三方视角"

把整个对话导出，连同代码文件一起，丢给另一个AI（比如 GPT-o3 或 Gemini Deep Think）：

"请审查这段对话，告诉我哪里出了问题，我们应该如何调整方向。"

这个"第三方AI"没有陷入之前的对话惯性，能提供更客观的分析。

2. 果断重来

如果一两次修正还搞不定：

• • git revert 到上一个工作版本
• • 重新组织你的初始 prompt
• • 从头开始

关键洞察：AI会朝着某个方向"惯性"前进，你越试图把它拉回来，它越抗拒。与其花10轮对话纠正，不如重新开始。

3. 用计划模式

Cursor 和 Claude Code 最近都推出了 计划模式（Plan Mode），John 说这"消除了绝大部分跑偏问题"。

先让AI制定完整计划，你审核通过后再执行——这比边做边改高效得多。

九、关于文件类型的思考

这期节目还有一个有趣的观察：我们正在进入"文件类型的时代"。

过去，我们主要用 Markdown 和 JSON 给 AI 提供上下文。但 John 的 Mermaid 图表例子表明：有些文件格式对机器更友好，即使对人类来说很难阅读。

其他例子：

• • 图片的 EXIF 元数据
• • 视频的时间轴标记
• • 结构化日志文件

AI 可以轻松解析这些"人类不友好"的格式，提取出有价值的信息。

延伸思考：是否会有专门为 AI 设计的新文件格式出现？比如把整个代码库压缩成一张"理解图"？

十、一个改变了的事实：提交信息

John 举了一个简单但有说服力的例子：Git 提交信息变好了。

以前开发者的提交信息是这样的：

• • "第二次尝试"
• • "请工作吧"
• • "修修修"
• • "asdfasdf"

现在让 AI 生成提交信息，每条都清晰说明了改动的内容和原因。

这看起来是小事，但对代码考古（code archaeology）来说意义重大——以后的开发者能更快理解历史变更。

写在最后

John 最后说了一句话，值得所有工程师深思：

"人们把太多精力花在让AI替自己做事上。但同样重要的是——让AI教会你怎么做。它同样擅长这个。"

当 AI 在编码时，不要只等着结果——观察它的思考过程，看它做了什么决定、为什么这样做。这几乎是一种全新的学习方式。

当你和AI卡住了，然后找到解决方法——问它："我刚才应该怎么说，才能一开始就避免这个问题？"

AI会告诉你。这是提升 prompt 能力最快的方法。

本文整理自 How I AI 播客对 John Linquist (egghead.io) 的访谈。