工具的进化史就是人类思维的延伸史。当所有人都在讨论大模型又多了哪些新功能时，真正改变游戏规则的，往往是我们使用这些功能的方式。Claude Code背后的Anthropic团队成员Thariq最近分享的十条建议，就捅破了这层窗户纸：别再死盯着AI是否把你的指令执行对了，那只是工具的用法；你得关心它是否正在帮你解决正确的问题，这才是伙伴的价值。
重新定位：从“执行者”到“伙伴”
长期以来，我们与编程AI的互动模式都陷在一种“监工与工人”的循环里。我们下达一条精确指令，然后焦虑地检查输出，挑错，再给出修正指令。这个过程效率很低，而且完全浪费了大型语言模型最强大的能力——推理、规划和探索。
上下文是氧气，而非枷锁
Thariq的第一个颠覆性观点就直指核心：别再吝啬你的上下文。过去我们习惯只给AI一个函数名或一小段描述，指望它猜透我们的心思。这就像蒙着眼睛让人修手表。相反，你应该把项目的完整背景、业务目标，甚至那些隐晦的、一个月后可能就废弃的临时需求，都坦诚地告诉它。这些信息不是硬性的约束条件，而是帮助AI理解“为什么”要这么做。一个知道功能可能即将下线的助手，和一个只知道当前要修复一个bug的助手，编写出的代码在健壮性和前瞻性上会有天壤之别。更关键的是，你得把它当作一个可以对话的思考伙伴，把它纳入你早期的架构讨论中。
访谈式协作：让AI帮你挖掘细节
真正的协作需要双向信息流。Thariq建议一个绝妙的技巧：让Claude来“访谈”你。你可以创建一个轻量级的需求文档，然后指示Claude：“基于这个文档，向我提问，挖掘出所有实现细节。”这个过程能逼迫你梳理那些模糊的想法，同时让AI获得它无法从单点指令中获取的、至关重要的上下文脉络。它从被动接受任务，变成了主动梳理需求的协作者。这种“访谈”产生的对话记录本身，就是一份极佳的项目文档。
目标驱动：超越一行行的指令
当你把AI视为伙伴，沟通的语言就必须升级。从告诉它“怎么做”，进化到告诉它“要达成什么”。
用目标和验证取代逐步指令
Thariq强调，与其给出“先写一个循环，然后处理异常”这样的碎片化指令，不如设定一个明确的目标，例如“实现一个能处理网络超时和非法输入的用户登录验证模块”。更重要的是，你得和它一起定义“成功”的标准：如何验证这个模块？是写单元测试，还是模拟一次完整的登录流程？有了清晰的目标和验证方法，Claude的自主性就被激发了。你可以使用“/goal”这样的命令来锚定当前阶段的唯一目标，避免上下文混乱导致的偏离。
并行探索与原型生成
这是思维模式上最大的飞跃。不要只让AI沿着你设想的唯一路径前进。鼓励它探索多种解决方案，甚至让它为不同方案快速生成交互式原型（比如用HTML、JavaScript写出一个可点击的Demo）。这在过去需要耗费大量人力物力，现在却可以成为设计阶段的常规操作。你能直观地比较不同实现路径的优劣，做出更明智的决策。AI的“并行计算”能力，在这里体现为“并行探索”的创造力。
工作流革命：可重复、可验证的自动化
理念再好，也得有落地的工具。Claude Code中的“Workflows”功能，就是将上述理念固化为生产力的关键。
并行任务与自我验证闭环
一个强大的工作流绝不是简单的脚本串联。Thariq指出，你可以设计一个工作流，让Claude同时处理多个相关的任务（例如，同时为三个核心函数编写实现和测试）。更革命性的是，你可以要求它在完成任务后，主动运行测试，分析结果，并生成一份对比报告，说明它做了什么、为什么这样做、以及验证结果如何。这构建了一个“执行-验证-反馈”的完整闭环，大幅减少了人工介入的频率。设置一个目标，同时绑定一个预设的工作流来实现它，成了最高效的开发模式之一。
挑战“不可能”的胆量
基于以上实践，Thariq给出了最后一条也是最振奋人心的建议：要敢于将你之前认为“大语言模型肯定做不了”的复杂、长时任务，交给像Claude Fable 5这样的高级模型。因为它可以在无人值守的情况下运行数小时，进行自我检查和修正，最终产出高质量、结构完整的代码，甚至非代码内容（Thariq本人就用它剪辑了整段视频）。这背后是信任的建立——你信任的不再是单次的回答，而是它围绕一个目标、利用一系列工作流进行自主探索和迭代的能力。当AI能够承担数小时的连续自主工作时，人类开发者终于可以把宝贵的时间和脑力，聚焦在更高层次的设计、架构和战略创新上。这才是人机协作真正该有的样子。
