我用 Claude Code 写了半年代码2026 年 AI 编程工作流实战复盘2026 年“AI 编程已经不再是用 Copilot 补全几行代码那么简单了。Claude Code、Cursor、Codex 三足鼎立能力边界从补全推进到了自主完成需求”。我用 Claude Code 实战了半年重构过老项目、从零搭过中台、也踩过不少坑。这篇文章不讲营销话术只讲一个一线开发者的真实体感它到底强在哪、弱在哪、怎么用才不翻车。一、先说结论2026 年的 AI 编程工具已经不是同一个物种了先给一个我自己的能力分层模型帮你看清不同工具的定位层级能力代表工具你要做的L1 代码补全补全当前行/函数GitHub Copilot 早期写一行它补半行L2 对话式编程问它答给片段ChatGPT、Copilot Chat来回贴代码L3 仓库级 Agent读整个工程、改多文件、跑测试Claude Code、Cursor Agent描述需求它自己干L4 自主工程师拆任务、开 PR、处理 reviewDevin 等甩个 issue等结果2026 年的战场在L3。Claude Code 和 Cursor 都已经能理解整个仓库 → 跨文件修改 → 自己跑测试验证 → 提交形成闭环。区别在于各自的取舍。二、Claude Code vs Cursor不是谁替代谁而是分工不同半年用下来我的判断是这俩不是竞品是搭档。Claude Code 的杀手锏终端原生 仓库级理解Claude Code 是个命令行工具——没有花哨的 GUI它的界面就是你的终端。这听起来反人类但恰恰是它的优势它活在你的工作流里不需要切窗口。git、npm、docker这些命令它直接就能跑改完代码顺手提交。超长上下文 主动探索。你给它一个需求它会先用grep/glob把相关文件找出来读完再动手——而不是像早期工具那样只看你当前打开的文件。工程闭环。改代码 → 跑测试 → 看报错 → 修 → 再跑这个循环它能自己转不用你当人肉中转站。实测场景我让它把这个 Express 项目从回调风格重构成 async/await保证测试通过它改了 23 个文件、跑了 3 轮测试、自己修了 2 个引入的 bug全程我就在旁边看着。这种多文件重构 测试闭环是它的舒适区。Cursor 的杀手锏编辑器内体验 即时反馈Cursor 强在编辑器内的流畅度Tab 补全的延迟、行内 diff 的可读性、CmdK 局部重写的手感目前仍是第一梯队。适合高频小改、写新功能时的即时辅助。我的混合工作流新功能开发 / 频繁小改 → Cursor编辑器内即时 跨文件重构 / 调试 / 工程化任务 → Claude Code终端闭环2026 年没有唯一最好的 AI 编程工具只有最适合当前任务的那一个。三、5 个让 Claude Code 效率翻倍的实战技巧这半年的血泪经验浓缩成 5 条。技巧 1先喂CLAUDE.md再让它干活Claude Code 启动时会读项目根目录的CLAUDE.md。这是你给它立项目规矩的地方# 项目说明 - 这是一个基于 Next.js 14 的电商后台用 TypeScript Prisma PostgreSQL - 代码风格遵循 existing不要引入新依赖除非必要 - 测试所有改动必须通过 pnpm test不要跳过测试 # 禁止事项 - 不要修改 src/generated/ 目录自动生成 - 不要使用 any必须用具体类型 # 约定 - API 路由统一放在 app/api/ 下 - 数据库变更必须生成 migration没有这个文件它每次都要重新摸索项目结构效率折半。技巧 2用 Plan Mode 处理大需求面对复杂需求不要直接说帮我实现 XXX而是先让它进入Plan Mode“我想加一个订单导出 Excel 的功能涉及订单服务、权限校验、前端按钮。先给我一个实现计划不要写代码。”它会先探索代码库、列出要改哪些文件、用什么方案等你确认后再动手。这一步能避免 80% 的返工——AI 写错代码不可怕可怕的是它朝错误方向写了一大堆。技巧 3让测试成为它的护栏你先跑一遍 pnpm test确认当前是绿的。 你现在实现这个功能改完再跑一次必须全绿。把跑测试写进指令让测试当裁判。它改完会自己跑、看报错、修、再跑。你只要看最后是绿的就行。技巧 4用 Subagent 做并行调研需要查这个 bug 的根因 同时调研有没有现成库能解决时Claude Code 可以派子 Agent并行干“派一个 agent 去 grep 整个仓库找这个内存泄漏的可能源头同时派一个 agent 搜一下有没有现成的连接池库能解决这个问题。”两个调查同时进行它再把结论汇总给你。技巧 5善用/斜杠命令和自定义 SkillClaude Code 支持自定义命令和 Skill。比如我配了一个deploy命令一句/deploy就自动跑构建、传服务器、重启服务——把高频重复操作固化下来。四、必须承认的局限它还做不好这些诚实地说别被网上的AI 取代程序员带节奏。以下是它真实翻车的地方复杂业务逻辑的判断它能写出看起来对的代码但对这个折扣叠加规则在凌晨时段要不要生效这种业务细节它会自己编。业务规则必须你讲清楚不能指望它猜。跨系统的隐式依赖比如改了这个接口移动端的离线缓存逻辑会受影响这种需要全局业务知识的判断它看不到。性能调优的直觉它能写出功能正确的代码但这里用 Map 比 Object 快 10 倍这种经验性优化需要你指出来。越大的项目越容易迷失超大型 monorepo 里它有时会改了一个地方没意识到另一个约定俗成的地方也得跟着改。PR 的 review 环节目前还不能省。五、2026 年开发者该怎么调整自己这半年最大的感触AI 没有让我失业但改变了我的工作重心。过去我 70% 的时间在写代码30% 在想问题。现在反过来了——70% 在想清楚要做什么、验收标准是什么、怎么验证30% 是指挥 AI 把它实现出来。具体建议把描述需求当核心技能练。同样一个工具会描述需求的人产出质量碾压不会描述的。这本质上就是产品思维 系统设计能力。重视测试和 CI。AI 写代码快但质量靠测试兜。没有测试的项目用 AI 会越用越乱。读代码的能力比写代码更重要。AI 会生成大量代码你要能快速判断这段对不对、有没有坑这比你自己写更考验功底。拥抱终端工作流。Claude Code 这类终端原生的 Agent 是趋势习惯命令行会让你在新工具的采用上快人一步。六、写在最后2026 年的 AI 编程工具已经从玩具变成了生产力工具但还远没到自动驾驶的程度。它更像一个能力很强但需要明确指令的实习生——你把需求讲清楚、把验收标准定好、把测试护栏立住它的产出会超预期你含糊其辞、放任不管它就给你整出一堆技术债。工具在飞速进化但工程判断力、业务理解力、系统设计能力这些人的核心价值反而在 AI 时代变得更稀缺了。别焦虑被取代先学会用好它。作者夏文强 OpenHarmony 贡献者专注 AI Agent 工程化落地专栏AI Agent 实战笔记觉得有用就点个赞 有疑问欢迎评论区交流 我用 Claude Code 写了半年代码：2026 年 AI 编程工作流实战复盘
我用 Claude Code 写了半年代码2026 年 AI 编程工作流实战复盘2026 年“AI 编程已经不再是用 Copilot 补全几行代码那么简单了。Claude Code、Cursor、Codex 三足鼎立能力边界从补全推进到了自主完成需求”。我用 Claude Code 实战了半年重构过老项目、从零搭过中台、也踩过不少坑。这篇文章不讲营销话术只讲一个一线开发者的真实体感它到底强在哪、弱在哪、怎么用才不翻车。一、先说结论2026 年的 AI 编程工具已经不是同一个物种了先给一个我自己的能力分层模型帮你看清不同工具的定位层级能力代表工具你要做的L1 代码补全补全当前行/函数GitHub Copilot 早期写一行它补半行L2 对话式编程问它答给片段ChatGPT、Copilot Chat来回贴代码L3 仓库级 Agent读整个工程、改多文件、跑测试Claude Code、Cursor Agent描述需求它自己干L4 自主工程师拆任务、开 PR、处理 reviewDevin 等甩个 issue等结果2026 年的战场在L3。Claude Code 和 Cursor 都已经能理解整个仓库 → 跨文件修改 → 自己跑测试验证 → 提交形成闭环。区别在于各自的取舍。二、Claude Code vs Cursor不是谁替代谁而是分工不同半年用下来我的判断是这俩不是竞品是搭档。Claude Code 的杀手锏终端原生 仓库级理解Claude Code 是个命令行工具——没有花哨的 GUI它的界面就是你的终端。这听起来反人类但恰恰是它的优势它活在你的工作流里不需要切窗口。git、npm、docker这些命令它直接就能跑改完代码顺手提交。超长上下文 主动探索。你给它一个需求它会先用grep/glob把相关文件找出来读完再动手——而不是像早期工具那样只看你当前打开的文件。工程闭环。改代码 → 跑测试 → 看报错 → 修 → 再跑这个循环它能自己转不用你当人肉中转站。实测场景我让它把这个 Express 项目从回调风格重构成 async/await保证测试通过它改了 23 个文件、跑了 3 轮测试、自己修了 2 个引入的 bug全程我就在旁边看着。这种多文件重构 测试闭环是它的舒适区。Cursor 的杀手锏编辑器内体验 即时反馈Cursor 强在编辑器内的流畅度Tab 补全的延迟、行内 diff 的可读性、CmdK 局部重写的手感目前仍是第一梯队。适合高频小改、写新功能时的即时辅助。我的混合工作流新功能开发 / 频繁小改 → Cursor编辑器内即时 跨文件重构 / 调试 / 工程化任务 → Claude Code终端闭环2026 年没有唯一最好的 AI 编程工具只有最适合当前任务的那一个。三、5 个让 Claude Code 效率翻倍的实战技巧这半年的血泪经验浓缩成 5 条。技巧 1先喂CLAUDE.md再让它干活Claude Code 启动时会读项目根目录的CLAUDE.md。这是你给它立项目规矩的地方# 项目说明 - 这是一个基于 Next.js 14 的电商后台用 TypeScript Prisma PostgreSQL - 代码风格遵循 existing不要引入新依赖除非必要 - 测试所有改动必须通过 pnpm test不要跳过测试 # 禁止事项 - 不要修改 src/generated/ 目录自动生成 - 不要使用 any必须用具体类型 # 约定 - API 路由统一放在 app/api/ 下 - 数据库变更必须生成 migration没有这个文件它每次都要重新摸索项目结构效率折半。技巧 2用 Plan Mode 处理大需求面对复杂需求不要直接说帮我实现 XXX而是先让它进入Plan Mode“我想加一个订单导出 Excel 的功能涉及订单服务、权限校验、前端按钮。先给我一个实现计划不要写代码。”它会先探索代码库、列出要改哪些文件、用什么方案等你确认后再动手。这一步能避免 80% 的返工——AI 写错代码不可怕可怕的是它朝错误方向写了一大堆。技巧 3让测试成为它的护栏你先跑一遍 pnpm test确认当前是绿的。 你现在实现这个功能改完再跑一次必须全绿。把跑测试写进指令让测试当裁判。它改完会自己跑、看报错、修、再跑。你只要看最后是绿的就行。技巧 4用 Subagent 做并行调研需要查这个 bug 的根因 同时调研有没有现成库能解决时Claude Code 可以派子 Agent并行干“派一个 agent 去 grep 整个仓库找这个内存泄漏的可能源头同时派一个 agent 搜一下有没有现成的连接池库能解决这个问题。”两个调查同时进行它再把结论汇总给你。技巧 5善用/斜杠命令和自定义 SkillClaude Code 支持自定义命令和 Skill。比如我配了一个deploy命令一句/deploy就自动跑构建、传服务器、重启服务——把高频重复操作固化下来。四、必须承认的局限它还做不好这些诚实地说别被网上的AI 取代程序员带节奏。以下是它真实翻车的地方复杂业务逻辑的判断它能写出看起来对的代码但对这个折扣叠加规则在凌晨时段要不要生效这种业务细节它会自己编。业务规则必须你讲清楚不能指望它猜。跨系统的隐式依赖比如改了这个接口移动端的离线缓存逻辑会受影响这种需要全局业务知识的判断它看不到。性能调优的直觉它能写出功能正确的代码但这里用 Map 比 Object 快 10 倍这种经验性优化需要你指出来。越大的项目越容易迷失超大型 monorepo 里它有时会改了一个地方没意识到另一个约定俗成的地方也得跟着改。PR 的 review 环节目前还不能省。五、2026 年开发者该怎么调整自己这半年最大的感触AI 没有让我失业但改变了我的工作重心。过去我 70% 的时间在写代码30% 在想问题。现在反过来了——70% 在想清楚要做什么、验收标准是什么、怎么验证30% 是指挥 AI 把它实现出来。具体建议把描述需求当核心技能练。同样一个工具会描述需求的人产出质量碾压不会描述的。这本质上就是产品思维 系统设计能力。重视测试和 CI。AI 写代码快但质量靠测试兜。没有测试的项目用 AI 会越用越乱。读代码的能力比写代码更重要。AI 会生成大量代码你要能快速判断这段对不对、有没有坑这比你自己写更考验功底。拥抱终端工作流。Claude Code 这类终端原生的 Agent 是趋势习惯命令行会让你在新工具的采用上快人一步。六、写在最后2026 年的 AI 编程工具已经从玩具变成了生产力工具但还远没到自动驾驶的程度。它更像一个能力很强但需要明确指令的实习生——你把需求讲清楚、把验收标准定好、把测试护栏立住它的产出会超预期你含糊其辞、放任不管它就给你整出一堆技术债。工具在飞速进化但工程判断力、业务理解力、系统设计能力这些人的核心价值反而在 AI 时代变得更稀缺了。别焦虑被取代先学会用好它。作者夏文强 OpenHarmony 贡献者专注 AI Agent 工程化落地专栏AI Agent 实战笔记觉得有用就点个赞 有疑问欢迎评论区交流