> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # 5个真正实用的AI终端工作流 - URL: https://www.hubwiz.com/blog/5-truly-practical-ai-terminal-workflows/ - Published: 2026-05-14T08:59:44.000Z - Updated: 2026-10-13T16:03:43.000Z - Description: 最好的工程师不再在浏览器标签页里打开 ChatGPT。以下是他们现在的做法。 - Author: admin - Tags: AGENT, #Import 2026-10-14 14:41 目前，最好的工程团队内部正在发生一个静默的转变，而这与切换语言或框架无关。 它关乎 AI 在开发者日常工作中的位置。 在 2026 年真正脱颖而出的开发者，不是那些在代码编辑器旁边固定了一个 Claude 标签页的人。而是那些将 AI 直接推入终端、推入 git 工作流、推入 CI 流水线的人。AI 不再是一个他们需要切换使用的工具。它是一个已经在那里、等待在实际工作发生的环境中运行的工具。 截至 2026 年初，大约 4% 的所有公开 GitHub 提交是通过基于终端的工具借助 AI 完成的。仅 Claude Code 就在短短几个月内从 1770 万日安装量增长到 2900 万。这些不是爱好者。他们是来自严肃公司的生产工程师，在终端中用 AI 伴随他们一起交付真实代码。 本文不是关于 AI 理论。它是五个终端工作流的实用分解，这些工作流真正改变了你构建、调试和交付的速度。每一个都是你今天就可以设置好的。 ## 0、为什么是终端？为什么不就用聊天窗口？ 诚实的答案是上下文切换成本。 每次你将代码复制到 claude.ai、粘贴错误消息、阅读回复、复制回来，然后弄清楚放在哪里，你都会失去一点心流状态。每次交互都是一笔小税，但在整个开发日累积起来就是实实在在的损失。 终端是你的代码实际运行的地方。是你的 git 历史所在的地方，是你的测试执行的地方，是你的构建失败的地方。当 AI 也在那里时，反馈循环就会变得紧密得多。你描述一个问题，AI 读取你的实际文件，做出修改，运行你的测试，并告诉你发生了什么。你从不需要离开这个环境。 这是本文每一个工作流背后的核心洞察。 ## 1、工作流 1：CLAUDE.md 记忆系统 好处：不再每次会话重复上下文。 基于终端的 AI 开发中最未被充分利用的功能之一是持久化上下文。大多数开发者启动一个新会话后，头几分钟都在重新解释他们的技术栈、约定和文件夹结构。这是浪费时间。 Claude Code 通过一个名为 `CLAUDE.md` 的文件解决了这个问题，这是一个你添加到项目根目录的 markdown 文件。Claude 在每次会话开始时自动读取它。无需提示。 以下是一个实际示例，可以放什么进去： ``` # Project: PaymentsAPI ## Stack Node.js 20, Express, PostgreSQL, Prisma ORM, Jest for testing ## Conventions - All API routes go in /src/routes - Business logic goes in /src/services, never in the route handlers - Use async/await, never callbacks - Write tests before writing implementation - Commit messages follow: type(scope): description ## Things to avoid - Never use any as a TypeScript type - Never write raw SQL, use Prisma queries - Do not add console.log statements to production files ``` 现在每次会话开始，Claude 已经知道你的项目。当你使用 Prisma 时，它不会建议写原始 SQL。它不会把逻辑放在路由处理器中。它不会在你使用 TypeScript 时生成 JavaScript。 真正的威力在于你可以在多个层级构建 `CLAUDE.md` 文件。在 `~/.claude/` 中放一个全局的，用于你在所有项目中的个人偏好（偏好的测试风格、代码风格、你使用的语言）。在每个仓库中放一个项目特定的，用于该项目的约定。Claude 两者都会读取。 2026 年交付最稳定的团队对待 `CLAUDE.md` 就像对待一个好的 `README` 一样：它是活的文档，每当达成新的约定时就进行更新。 **设置时间：** 大约 15 分钟。**节省的时间：** 显著，尤其是在多人团队中每个人的 Claude 会话行为都保持一致。 ## 2、工作流 2：AI 驱动的 Git 好处：让机器写提交消息和 PR。 这个听起来很小，直到你意识到一周内花在写提交消息、PR 描述和变更日志上的时间和精力有多少。 Claude Code 直接与 git 集成。在你的终端中，你可以这样做： ``` claude "commit my changes with a descriptive message" ``` Claude 读取已暂存的差异，根据代码理解发生了什么变化以及为什么，然后写一条实际描述工作的提交消息。不是 `fix stuff` 或 `update component`。而是一条准确的、符合约定的提交消息。 但真正的工作流升级是拉取请求生成。在你完成一个功能分支后，不再手动编写 PR 描述： ``` claude "create a pull request description for these changes, including what changed, why, and how to test it" ``` Claude 读取你的整个分支差异，生成覆盖技术变更、推理和测试步骤的 PR 描述。那种让审阅者开心、让合并更快的 PR 描述。 你可以进一步将其扩展到你的 CI 流水线中。在 GitHub Actions 中使用 Claude Code 的团队，在人工审阅者查看之前，就在每个 PR 上运行自动代码审查。Claude 标记反模式、检查安全问题，并作为自动化构建过程的一部分生成内联文档。这不是开发者在用工具。这是 AI 作为基础设施中的一个组件在运行。 **实际设置：** 安装 Claude Code，然后添加一个 GitHub Actions 步骤，在每个 PR 打开事件时调用带有审查提示的 `claude`。 ## 3、工作流 3：拆分与合并智能体模式 好处：并行处理你过去按顺序做的工作。 这是真正改变了生产力天花板的工作流，而大多数开发者不知道它的存在。 Claude Code 支持生成多个智能体，同时处理任务的不同部分。一个主导智能体协调工作、分配子任务并合并结果。这被称为拆分与合并模式。 一个实际例子：你需要为一个 Web 应用添加认证功能。工作涉及后端路由变更、中间件、数据库 schema 更新、前端表单变更以及所有上述部分的测试。传统上你按顺序做这些，或者在团队中分配。 使用多智能体 Claude Code： ``` claude "implement JWT authentication. Split this into parallel tasks: (1) backend routes and middleware, (2) database schema and Prisma migration, (3) frontend login and registration forms, (4) test coverage for all of the above. Coordinate and merge." ``` Claude 派出最多 10 个子智能体同时工作，每个处理任务的一个限定范围，并由主导智能体检查冲突并将结果合并为连贯、可工作的代码。 使这个工作流运行良好的关键是任务隔离。在释放智能体之前明确定义边界。当任务重叠太多时，合并步骤会变得混乱。当它们被清晰地限定范围时，这种模式可以在 20 分钟内完成通常需要一整天顺序开发的工作。 这就是让高级工程师看起来像整个团队的工作流。这不是魔法。这只是智能的任务分解与可以实际并行执行的 AI 的结合。 ## 4、工作流 4：自定义命令 好处：自动化你每天做的 15 件事。 每个开发者都有一组他们不断重复的任务。生成带有样板代码的新组件、设置测试文件、编写功能规格说明、审查特定代码的安全问题。这些是每项单独需要五分钟但合起来消耗你一整天时间的任务。 Claude Code 让你可以为这些任务构建自定义斜杠命令。在你的项目中的 `.claude/commands/` 目录下（或 `~/.claude/commands/` 用于全局命令）创建一个 markdown 文件，你就有了一个可以用单个命令运行的可复用提示模板。 以下是三个值得立即构建的： **新组件命令** 保存在 `.claude/commands/new-component.md`： ``` Create a new React component called $ARGUMENTS. Include: - TypeScript interface for props - Styled-components setup matching our existing theme - A basic unit test file - Export it from the components index Follow the conventions in CLAUDE.md. ``` 现在你运行 `/new-component UserProfileCard`，每次都能得到正确搭建的脚手架。 **安全审查命令** 保存在 `.claude/commands/security-review.md`： ``` Review the following code for security issues only. Focus on: input validation, SQL injection risk, authentication bypasses, exposed secrets, unsafe dependencies. Rate each issue by severity: Critical, High, Medium, Low. Do not comment on style or performance. ``` **重构计划命令** 保存在 `.claude/commands/refactor-plan.md`： ``` Analyze the current file for code smells and refactoring opportunities. Identify: duplication, overly complex functions, poor naming, missing abstractions. Propose specific changes with risk assessment for each. Do not make any changes yet. Just produce the plan. ``` 最后一点很重要。构建在执行之前先进行计划的命令，是 AI 辅助开发中最被低估的实践之一。让 Claude 先展示计划并在接触文件之前让你确认，意味着你可以在坏主意触及你的代码库之前就捕捉到它们。 ## 5、工作流 5：Warp AI Shell 工作流 好处：AI 理解你的完整终端历史。 Warp 是一个将 AI 原生构建到 shell 体验中的终端，其方式其他工具尚未赶上。如果你在 macOS 上并且还没有切换，这个值得了解。 让 Warp 不同于在普通终端中运行 Claude Code 的是，Warp 的 AI 将你整个会话历史作为上下文。它看到你运行的每一个命令、你得到的每一个输出、每一条错误消息。当你问它问题时，它不是孤立地回答。它是基于你在这个终端会话中实际在做什么来回答。 实际工作流： - 你在运行部署，某个带着神秘 AWS 错误失败了。 - 不用复制错误、打开浏览器、搜索，只需在 Warp 中按 `Ctrl+~` 打开 AI 输入。 - 输入"出了什么问题以及如何修复。" - Warp 读取最近的 N 条命令及其输出，理解部署上下文，并给出有针对性的修复。 这与将错误粘贴到 claude.ai 有根本性的不同，因为 claude.ai 不知道你在那个错误之前运行了什么命令、设置了什么环境变量、或者两步之前的成功输出是什么样子的。Warp 知道。 Warp 还允许你直接在 shell 中运行自然语言命令。如果你不记得将视频转换为特定格式的确切 `ffmpeg` 命令，你只需描述你想要什么，Warp 就会将其翻译为正确的 shell 命令，显示给你确认，然后运行它。 确认步骤很重要。对于任何会写入、删除或发送的操作，永远不要让 AI 在不向你展示将要执行的内容的情况下运行 shell 命令。好的终端 AI 工作流总是与实际执行相隔一个确认步骤。 ## 6、所有这些背后的心态转变 贯穿所有这些五个工作流有一个模式，值得明确指出。 从终端 AI 中获得最大收益的开发者，不是把它当作答案机器。而是把它当作定义明确的任务的执行环境。这个区别很重要。 答案机器给你文本，你需要去实现它。执行环境接受一个限定范围的任务，读取你的实际代码库，做出修改，运行测试，然后告诉你发生了什么。 从"AI 告诉我怎么做"到"AI 做我定义的有范围的事情"的转变，才是真正的生产力提升所在。它要求你更擅长任务定义：输入是什么、约束是什么、完成的标准是什么。这实际上是大多数高级工程师已经具备的技能。终端中的 AI 只是终于让这个技能值得锻炼了。 在 2026 年看起来像 10 倍工程师的开发者，不一定是拥有最好 AI 提示的人。而是那些足够了解自己的工作流、知道 AI 智能体可以在哪里安全接管而无需监督、以及哪里需要人类保持在循环中的人。 把那个边界搞对，终端就会变成一个真正不同的工作场所。 ## 7、快速开始：最小可行终端 AI 设置 如果你今天想从两件事开始： **第 1 步：** 安装 Claude Code。 ``` npm install -g @anthropic-ai/claude-code ``` 导航到你的项目目录并运行 `claude`。首次运行时，它会要求你使用 Anthropic 账户进行身份验证。 **第 2 步：** 创建你的第一个 `CLAUDE.md`。 花 15 分钟写下你的项目栈、文件夹约定以及你永远不希望 AI 做的三件事（比如在 TypeScript 中使用 `any` 或写原始 SQL）。将该文件放在你的项目根目录。 这就是基础。本文中的所有其他内容都建立在此之上。 claude.ai 浏览器标签页不会消失。但对于你一天中在终端内度过的那些小时，已将 AI 集成到那里的开发者与尚未集成的开发者之间的差距每个月都在扩大。 上面的工作流不是理论上的。它们现在就在生产工程环境中运行着，在真实团队中，交付着真实代码。其中任何一个的设置时间都以分钟计。回报从同一天开始。 选一个。设置好它。看看什么会改变。 --- 原文链接: [5 AI Terminal Workflows That Make You Look Like a 10x Engineer](https://medium.com/ai-in-plain-english/5-ai-terminal-workflows-that-make-you-look-like-a-10x-engineer-226c90e96314?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处 > **这是「Agent / MCP」专题的一部分。**完整地图见：[Agent / MCP / 自动化完全指南](https://www.hubwiz.com/blog/agent-stack/)