Claude Code的開發者 Boris Cherny @bcherny 公開的「2026年的開發設置」,是所有使用Claude Code的人類都應該閱讀的內容。
他所實踐的,不僅僅是工具的運用,而是將人類自身的CPU進行多線程化,這是工程技術的極致。
因此,本文將解剖他所揭示的驚人工作流程,深入探討我們當前應該採取的下一代開發理念。
想知道Claude Code可以做什麼,請參考以下的文章!
首先令人驚訝的,是同時運行的Claude實例的數量。 「在等待AI的回答時看手機」。這樣毫無意義的時間,在他的字典中是不存在的。
他常常並行運行10到15個Claude實例。到這個程度,已經不再是一名「個別開發者」,而是指揮著AI代理的AI部隊的「指揮官」。
那麼,這些「15名部下」在哪裡呢?他將戰力「分散配備於本地與網路」。

首先,他在本地配置了精英的5個小組。
他將終端的標籤固定在1到5號,始終保持5個會話常駐,每個標籤都有明確的角色(人格)。
例如,如下所示:

接著,當光靠本地不夠用時,他會開啟瀏覽器(claude.ai/code),再增加5到10個會話,擴展思考的廣度,同時進行負載平衡。
「看著15個畫面,光是切換就會浪費整個白天吧?」 大家可能會這麼想。
因此,他使用了作業系統級別的中斷處理(Interrupt)。
他駭客化了終端的系統通知,運行以下循環。
這簡直是人類在執行作業系統的任務排程。
在AI寫代碼的幾分鐘內,靜靜地看著光標閃爍是阻塞處理(同步處理),這樣會浪費資源。
他將「等待時間(I/O Wait)」壓到極限,讓CPU(自己的大腦)保持全速運行。
💡 單一任務下觀望AI的輸出將是2025年。在2026年,將是透過通知來指揮「AI的軍隊」的時代。

「編碼應該使用輕量和快速的模型(Haiku或Sonnet)」 這種傳統觀念,他卻徹底推翻了。
他在所有任務中採用了最重且最聰明的模型「Opus 4.5 with thinking」。
初看使用一個生成速度較慢的模型似乎不高效,但他這樣斷言。
「Opus比Sonnet更龐大且較慢,但『導航(Steering)』的麻煩卻少得多。」
輕量模型的代碼生成速度快得令人驚訝。
然而,它們往往會稍微誤解指令,或忽略複雜的依賴關係,結果讓人類不得不不斷修正指令,進而反而浪費了時間。
相對來說,聰明的模型雖然思考時間較長,但精確度高,並且能針對複雜要求迅速導出正確答案。
換句話說,在開發中,最高成本不是AI的等待時間,而是人類修正(回頭)的時間。
💡 使用能夠確保一發入魂的模型,從總體看來是最快的選擇。

這是最值得模仿的實踐。他與全隊一起成長CLAUDE.md。
CLAUDE.md是針對AI的攻略本,在版本庫的根目錄用Git進行管理,記錄代碼規約和過去的失敗經驗。

Boris的團隊在PR審核時使用GitHub Action來更新這個文件。
他將這個過程稱為「複利工程(Compounding Engineering)」。

他在實際編碼(尤其是PR的創建等整體任務)中,最花時間的在於計劃階段。
他會先從計畫模式(Shift+Tab兩次)開始多個會話,不會立刻讓Claude編碼。
並不是「隨便寫寫」,而是「先作出完美的設計圖,然後一次性建設」。這正是將返工時間壓至零的終極時間縮短術。

他將每天重複幾次的「內部循環(定型作業)」,全部進行斜槓指令化以提高效率。
斜槓指令化的好處,不僅僅是免去人類「輸入長提示的麻煩」。
透過命令的定義,Claude自身也能將該工作流程視為工具,進行執行。
這就像是,不僅自身,每個AI也被「執行工作的快捷鍵」授予了。
透過使用「斜槓指令」,那些容易變得屬人化的「熟練步驟」被提升為任何人(甚至是AI自身)都能毫無困惑地執行的標準功能。

他並不僅用Claude單獨完成所有工作,而是使用專門針對特定任務的子代理進行區分。
他將子代理視為斜槓指令的延伸,如果斜槓指令是「一系列操作的快捷方式」,那麼子代理則是PR創建過程中所需的定型工作流程。
他將大部分PR(拉取請求)中出現的「日常工作」,交給專門的代理人來處理。
人類需要做的只有「創造性的實作」。將「代碼撰寫」或「測試步驟的執行」這些例行工作,完全委託給各自的專家。這就是2026年的分工風格。

此外,他利用PostToolUse Hook,讓Claude在每次寫代碼時自動執行格式化程序。
Boris表示:
「Claude通常寫出來的代碼都非常出色,但這個Hook卻能處理最後的10%,從而避免CI中的格式錯誤。」
AI生成的代碼雖然「幾乎是完美的」,但機械的嚴謹性(Lint/Format)還是交給專門的工具來處理更為妥當。
這個Hook使得人類修正細微的縮排或空格所需的時間降為零,從而預先避免了「CI無法通過!」的瑣事壓力。

為了優先開發速度,常常會想使用 --dangerously-skip-permissions(全許可標記),但他明確避開這個選擇。
取而代之,他徹底運用/permissions指令。
具體來說,只將ls或git status等對環境明顯無害的指令添加到「事先允許列表」。
這些設置會保存在.claude/settings.json中,並由團隊共同管理(Git管理)。
這樣一來,他們在不冒任何安全風險的情況下,排除了AI發出「可以執行此指令嗎?」的多余確認提示。
不是「全許可」或「每次確認」的二選一,而是「安全的可以略過」這一更現實的解法。

Claude的工作場所,不僅僅是在編輯器內。Boris透過MCP和CLI工具,讓Claude操作所有開發所需的外部工具。
具體來說,Claude自主執行以下操作:
在這裡也一致強調「共享」。如Slack MCP等的設置記錄在.mcp.json中,並在Git版本庫中與團隊共享。
通過這樣的方式,團隊的每個人(以及他們的Claude)都能夠在一開始就掌握所有工具的操作。

最後,Boris強調的為了獲得最佳結果,這可能是最重要的事是「不應該只寫完就結束」。
「讓Claude編寫碼後就結束」是遠遠不夠的。必須讓Claude自己具備檢驗自己工作的手段。
他使用Claude Chrome Extension,進行以下循環。
不是人類在調試,而是「AI自己寫,自行動作,自我修正」的環境才是提升品質的關鍵。
驗證方法依專案不同(bash指令、測試代碼、瀏覽器、手機模擬器等)而有所差異。重要的是,必須對その環境的建立做好充足的投資。
Boris的設置映射出了一個未來,開發者的角色從「迅速寫代碼」完全轉向設計與運營AI部隊。
2026年的常識,今天就可以開始逐步引入。現在,讓我們增加iTerm的標籤,建立CLAUDE.md,組成你的專屬AI團隊吧!
想知道Claude Code可以做什麼,請參考以下的文章!