Claude Code 初创公司指南：五大规则与创始人洞见

更喜欢设计版？本指南也提供精心排版的 PDF 版本——同样的五条规则、创始人洞见和清单，方便离线阅读或与团队分享。

下载 PDF ↓

身处前沿的 AI 原生一代

如果你想一窥未来的工作方式，就去问问初创公司今天是如何运作的。于是我们这么做了。

我们与十几家高速成长的初创公司进行了交流，了解它们如何使用智能体编程工具来打造产品并扩展公司规模。这些初创公司正在改写规则：谁能参与构建、什么该被舍弃，以及如何在构建方式与构建内容之间形成飞轮效应。

而它们的交付速度堪比规模十倍于己的组织。

ClickHouse**30%**功能交付量提升

Omni2–3 倍工程效率

Clay**100%**的缺陷分诊实现自动化

Artemis Security**每周 6,000+**个 PR

在本指南中，我们将深入探讨这些组织的独特部署方式，了解它们遵循哪些规则来实现快速交付并保持竞争优势。

在此过程中，我们也将开始为这样一个问题找到答案：如果一个组织从一开始就以 Claude Code 为基础来构建其产品开发生命周期，那会是什么样子？

五条规则

1. 人人都要交付
2. 自动化繁琐工作
3. 信任，但要验证
4. 为重建而构建
5. 做原型、自己试用、投入生产

汇集以下创始人的洞见

Artemis SecurityCainexClayClickHouseCognitionCommureCrosbyEmergentHarveyHeidiHiggsfieldOmniParahelpTranslucentZingage

提示：只对实用的后续步骤感兴趣？我们在本指南末尾放了一份清单，汇总了每一章中的关键技术要点。

人人都能交付

智能体编程降低了入门门槛，因此理解问题本身的人就能交付修复方案的第一版。

智能体编程降低了非技术员工构建产品的入门门槛。借助 Claude Code，即使你不精通编程语言，也不知道如何使用 IDE，也能创建出可用的功能。

“不仅工程师的交付量大幅增加，非技术人员（比如我）也突然能够交付 UI 改动和其他产品改进了。”Mads Lunau Liechti · 联合创始人，Parahelp

对创业公司创始人来说，这有明显的好处。首先，他们没有大竞争对手那样的人员规模，所以只能“全员上阵”。但创始人所追求的不仅仅是纯粹的人力——这些团队中的非技术成员还带来了领域专业知识。

“Claude Code 改变了在 Crosby 做律师意味着什么。律师拥有最好的产品洞察，因为他们就是用户。看着他们大展身手，真是令人惊叹。”Ryan Daniels · 联合创始人兼 CEO，Crosby

我们从 Heidi 的联合创始人兼 CEO Dr. Thomas Kelly 那里听到了同样的说法。

“对我们来说，Claude Code 解决了传话游戏的问题。过去，一个新想法在团队中传递的方式是：有想法的人告诉 PM，PM 告诉设计师，设计师再告诉工程师……而想法的精髓不可避免地在这条链条中丢失。等到东西交付时，往往已经和最初那个人设想的完全不同了。而且这要花好几周。Claude Code 打破了这条链条。真正理解问题的人可以直接提交一个 PR，在需要设计师和工程师专业知识的环节把他们拉进来。”Dr. Thomas Kelly · 联合创始人兼 CEO，Heidi

说一句“人人都能交付”很适合发一条精彩的 LinkedIn 帖子，但现实中这到底怎么运作？难道营销团队在审批 pull request？法务团队在研究如何二分排查不稳定的测试？

我们得到的答案是，分工依然存在。营销人员仍然专注于营销，开发者仍然专注于开发。但那个至关重要的第一步——把一个想法变成可运行的原型，从 0 到 1——对所有人开放。

我们还看到，最有效的初创公司会建立机制，让这些贡献成为系统性的，而不是听凭偶然或个人的一腔热情。

建立连接

让员工对使用 AI 抱有期待是一回事，让他们能够使用 Claude Code 以及所需的工具又是另一回事。

“我们其实并不回避［让非技术员工做贡献］，我们正朝着这个方向走。我们的看法是，每个岗位都在变成一个工程岗位，因为你可以为它构建软件……所以我们招的是爱折腾的人，是对构建感兴趣的人”Kareem Amin · 联合创始人兼 CEO，Clay

在 Crosby，团队并没有把律师带到 Claude Code 面前，而是把 Claude Code 带到了律师面前——将它接入他们熟悉、每天都在使用的工具和操作系统。

提示： Claude 无法理解它看不到的东西。扩展 Claude 价值最有效的方式之一，就是把它连接到事实来源以及团队每天都在使用的工具上。

MCP 是一项面向 AI 工具集成的开源标准，让 Claude Code 能够访问你的工具、数据库和 API。每当团队发现自己要把某个工具里的信息复制粘贴到 Claude 中时，就该考虑添加这些连接。

当已经存在成熟的命令行工具（gh、kubectl、bq、psql），并且你希望 Claude 与工程师们基于同一份事实来源工作时，通过 CLI 连接可能更节省 token。

Claude Code 桌面版中的 MCP 连接器目录。

站会展示

到了某个阶段，想法需要有机会被排定优先级，这样组织资源才能帮助它们推向市场。对产品经理来说，这条路是清晰的——毕竟这就是他们的工作——但对非技术岗位的员工来说就没那么清晰了。

Clay 设立了季度评审，在评审中会考量原型，原型可以进入正式路线图。Clay 的一位上市团队成员就是这样构建了一个自主智能体：它会访问你的网站、填写你的线索收集表单、记录响应所需时间、为体验打分，并生成一份性能报告。

Omni 有一个专门的 Slack 频道，用于展示 Claude 生成的原型，所有人都可以贡献，包括资深技术人员。他们还践行“人人都要交付”的对应原则，即“人人都要与客户交流”。

尽管工程师们并不会自然而然地倾向于参与客户通话，Omni 仍刻意让他们直接面对客户，因为这样能更快地闭合反馈回路。Chris Merrick · 联合创始人兼 CTO，Omni

分享技能

“人人都要交付”与“零敲碎打”之间的界限可能很微妙。功能原型无论出自谁手，仍然需要整合到一个感觉浑然一体的产品中。这正是技能——即可复用的指令文件，将团队的标准和上下文编码其中——能够发挥作用的地方，它有助于确保开发在流程日益民主化的同时仍保持方向一致。

“团队中的任何人都可以参照我们的设计系统，使用 Claude Code 起草产品组件、营销材料或演示文稿内容。涉及产品的 AI 必须达到高得多的标准，而 Claude Code 帮助我们更精准地满足这一标准，”Heidi 的 Thomas Kelly 博士表示。

它们还能让新开发者和非技术员工快速入职并上手。

"……我们还有一个 Claude Code 技能的 GitHub 仓库，它充当一个共享知识库，可以快速引导一个 Claude Code 会话，预先载入已知的 Emergent 细节，比如数据库[和数据仓库]位置、一些 schema[信息]、整体公司背景……与其在这里追求完美，不如接受稍微过时的上下文文件，只要智能体能快速验证并纠正方向就没问题。"Mukund Jha · 联合创始人兼 CEO，Emergent

"我们的工程师使用 Claude Code 搭建了一个内部专用智能体的内部市场，按角色组织，这样工程、交付和销售各自都能获得按照他们实际工作方式打造的工具。"Jack O'Hara · 创始人兼 CEO，Translucent

提示：技能可以通过一个目录在全公司范围内共享，这样一名员工的最佳实践就能即时传递给另一名员工。在仓库的每个子目录中使用 CLAUDE.md 文件，来定义该子目录专属、每次都会生效的编码约定。对于按需触发的过程性工作流，则使用技能。更多信息，请阅读：Steering Claude Code: when to use CLAUDE.md, skills, hooks, and subagents。

自动化那些枯燥乏味的工作

智能体承担了生命周期中机械性的 80%，让工程师把时间花在真正需要判断力的案例上。

自工业革命以来，所有公司都试图通过技术来提升效率，但这些初创公司之所以脱颖而出，在于它们采用技术的速度和深度。

这些创始人相信，AI 是他们使命中不可或缺的组成部分。许多人明确表示，由智能体承担那机械性的 80%，让工程师把时间花在真正需要判断力的案例上。

“所有人都在竞相打造 AI 产品。但重新构建公司实际运作方式的人要少得多。后者才是更大的突破。Artemis Security 以 AI 原生公司的方式运作，而不是一家恰好使用了 AI 的公司。这极大提升了我们的速度，让我们能够帮助客户以机器速度阻止攻击。”Shachar Hirshberg · 联合创始人兼 CEO，Artemis Security

具体来说，我们看到 AI 在它们的 SDLC 各阶段中整合得比其他人更紧密，同时也有更多专门打造的智能体，旨在端到端地承接重复性任务。让我们各看几个例子。

AI 原生的 SDLC

这些重点介绍的初创公司中，许多都实现了加速团队融入其智能体编码流程的手段。例如，在 Emergent，Mukund 告诉我们：“入职第一天，新员工只需把 Claude 指向正确的 markdown 文件，就能完成整个开发环境的初始化配置。如果 Claude 在入职过程中遇到任何损坏或过时的内容，它会更新那个文件。”

提示：Code Review（研究预览版）是 Claude Code 中的一项托管式多智能体服务。它会在你启用的仓库中对 PR 运行自动审查流程。你可以手动修复发现的问题并推送，或者通过在发现的问题下评论 @Claude 来闭环（前提是你已设置并配置好 GitHub Actions）。

Code Review 会为每个发现的问题标注严重程度等级。

这些工程师需要快速上手，因为这些团队交付速度很快。

“这里的工程师正在编排智能体集群，在发现生产数据问题的当天就交付修复，并同时推进多个 PR。一位工程师用 Claude 子智能体并行推进了一个约 13 个工单的项目，每个子智能体负责一个工单及其 PR。”Tanay Tandon · Commure 首席执行官兼创始人

在这些组织中，Claude Code 不仅帮助生成代码，还能审查代码。Heidi 的 Kelly 博士表示：“我们依据经过审核的技术与合规框架运行自动化代码审查，在任何内容交付之前标记关键问题，并将建议的更改路由给合适的审查者。”

其中一些组织还为代码审查、测试和 CI 构建了自定义智能体。这些初创公司相当重视构建闭环，而不仅仅是部署代码。

“我最喜欢的[智能体]是‘半透明代码审查员’，它会将一个变更分发给多个方向，从多个角度进行审查，并像我们的一位资深工程师那样综合结果，但速度比任何一个人都快，”Translucent 创始人 Jack 说。

Clay “……构建了一个智能体，负责……bug 分诊，从初步筛查到建议修复的代码变更，”Kareem 说。

提示： 在过去几个月里，Claude Tag 一直是 Anthropic 的 CI/CD 故障值班第一响应者。在近期每一起有情况报告的故障中，Claude 都撰写了首份情况报告，通常会在 15 分钟内发布其首次分析。

Claude Tag 拥有自己的服务账号，并可访问 Anthropic 的 CI 工程师所需的工具，例如 Datadog 或 Grafana。常驻指令以 markdown 文件形式作为技能存在，提交在一个 GitHub 仓库中。这样多位队友可以对其进行迭代，我们也能像管理代码一样管理变更。

Claude Tag 会在 Slack 中接手值班线程，并在频道内报告进展。

这一点在 ClickHouse 表现得最为明显，联合创始人兼 CTO Alexey Milovidov 报告称，这家数据库公司几乎把 SDLC 的每一个阶段都变成了自主循环。两个专门构建的智能体，分别用于修复不稳定测试和发现缺失的测试覆盖，如今已成为 ClickHouse 仓库的第 2 和第 3 大贡献者。另有一组独立的智能体家族负责运维，而团队则使用 Claude Code 来构建并迭代这些智能体本身。

用智能体加速流程

另一个反复出现的模式是，这些初创公司不仅在 Claude Code 中使用智能体循环来加速开发工作，还在创建智能体来加速那些重复且往往繁琐的流程。

这通常是例行工作，以便将更多注意力集中在他们的竞争优势、客户关系和营收增长上。我们看到的最常见的由 Claude 加速的流程之一是自助式数据分析。

这些公司几乎每一家都建立了某种流程，以便借助新鲜数据快速做出决策，包括非结构化数据，从而推动初创公司生命中至关重要的方向调整。

例如，Clay 构建了一个内部数据分析智能体，而 Heidi 则使用 Claude Code 将客户和临床医生的反馈与使用数据一起分类，从而浮现出对产品洞察至关重要的信号。

ClickHouse 和 Omni 都在其产品中内置了这类 AI 数据分析能力，且全部由 Claude 驱动。

其他示例包括：用子智能体对数千份法律文件进行摘要（Crosby）、扫描理赔数据以标记各站点的异常（Commure），以及持续挖掘医院财务数据，捕捉任何分析师团队都无法及时发现的预警信号（Translucent）。

提示：动态工作流可用于将多个子智能体分散开来并行分析大量数据，或对另一个智能体的工作进行对抗性审查。使用 Claude Opus 或 Claude Fable 这类模型时，可以说“fan out multiple subagents”或“use a workflow”。

信任，但要验证

除非你拥有可靠的手段来监控和验证结果，否则你无法自动化一个流程。

这条规则是规则 2：自动化繁琐工作 的必要推论。除非你拥有可靠的手段来监控和验证结果，否则你无法自动化一个流程。

Artemis Security 联合创始人 Dan Shiebler 表示，他们之所以能加快部署速度，唯一的原因是……“因为我们已在测试基础设施、代码库组织和团队知识系统上进行了深度投入，让智能体能够端到端地交付。这就是我们与 Claude 一起构建的飞轮：以正确的方式组织你的代码库、知识库和团队，每一份贡献都会产生复利效应。”Dan Shiebler · 联合创始人，Artemis Security

“早期我们给了 Claude 完全的自主权，它就做了 AI 会做的事。它很快交付了看似合理的代码。问题在于，它以看起来正确但实际上并非如此的方式偏离了我们的架构。于是我们……写下了每一条不变量。我们如何界定问题。无论发生什么都必须成立的条件。如何证明某件事确实有效，而不是信任一个自信的回答。567 行文字，记录了这支团队的思考方式。”Victor Hunt · 联合创始人兼 CEO，Zingage

提示：把不可更改的内容放在代码库根目录的 CLAUDE.md 中。Claude 会在每次会话开始时读取它，因此你的架构规则、安全边界和不可妥协的事项会伴随每一次会话。

需要明确的是，这些初创公司中没有任何一家是让智能体直接合并到主分支然后听天由命的。它们中有许多在高度监管的行业中运营，需要强有力的治理框架。Cainex 是一个特别有说明性的例子，它将智能体与确定性检查相结合，来读取医疗记录并生成指导医院计费的代码。

“在医疗编码中，一个错误的编码不是打字错误。它是一个计费和合规事件。这一个事实决定了我们如何构建系统。”Uriah Israel · 联合创始人兼 CTO，Cainex

“这是 Claude Code 为我们运行的循环。我们用一个智能体处理一批数据，然后我们的审核员在一个内部应用中审查输出。他们不仅看到编码，还看到模型的推理过程，并对两者都进行评论……一切都是版本化的、可审计的，”他说。

“然后 Claude Code 接手。它直接从数据库中读取原始预测，以及每一条修正和评论。每条修正都按所涉及的编码类型打了标签，所以 Claude Code 知道它面对的是诊断问题、操作问题还是其他类别，并且可以直接找到管辖该特定编码类型的指南。

从那里，它找到智能体指令中导致错误的那部分并进行修改，或者在情况确实是全新的时候编写新的指南。每一次更改都是针对一个版本化的指令集进行的，并针对失败的记录进行测试。我们执行的规则是：修正原则，而不是修正示例，”他继续说道。

“然后是回测。一条记录可能有不止一个可接受的编码，所以这不是字符串匹配。检查结合了针对我们已接受编码集的语义匹配，以及一个判断器来问‘这是一个真正的错误，还是只是一条不同的有效路径’，Claude Code 在此基础上再加入自己的比较。

它会在一个黄金数据集加上随机样本上运行候选变更，并在任何内容发布之前暴露所有回归问题。返回的是一份简短清单：建议的修改、无法解决的记录，以及它希望得到解答的问题。工程师们把时间花在真正困难的案例上，而不是机械性的那 80%，”他说。

创始人可以从这个医疗账单特定的工作流中提炼出许多具有普遍意义的经验。

例如，Cainex 利用领域专家定期审查和引导 Claude 的推理，并确保这些引导成为自我改进循环的一部分。然而，这些专家并不是来逐个修复示例的，他们的引导被用作自我改进循环的一部分。正如 Uriah 所说：“修复原则，而不是修复示例。”

提示：循环是让智能体重复工作周期直到满足停止条件的机制。它们可以是将 Claude Code 用于更自主或长周期工作的有效方式。你可以使用技能来定义智能体需要满足的标准（定义得越清晰越好），并让智能体迭代直到达成目标。

例如，许多组织创建了不稳定测试智能体，或者说循环，因为停止条件清晰且自包含：智能体可以通过反复运行测试直到通过来验证自己的修复。

循环重复工作周期，直到满足停止条件。

另一个要点是，团队在维护一套强大的评估“黄金集”上所投入的用心——也就是一组经过验证的问答对，团队用它来核实智能体的准确性。每个初创公司都应该为其关键用例维护多套评估集，并定期更新，这样才能防止漂移，并评估未来的模型。

“[Claude Code]还改变了我们管理模型迭代速度的方式。新的视频和图像模型不断涌现。每一个在部署前都需要新的技能、评估、路由逻辑和生产测试。Claude Code 把这个周期从数天压缩到了数小时，让我们能够在同一次会话中识别生产环境中的问题并部署修复……当你面对的是人力规模十倍于你的公司时，这种杠杆效应会改变一切。”Alex Mashrabov · 联合创始人兼 CEO，Higgsfield

提示：当团队刚开始构建智能体时，通过手动测试、内部试用和直觉的组合，他们能走得远得令人惊讶。但临界点往往出现在用户反馈说智能体在改动后感觉更差了，而团队却在“盲飞”，除了猜测和验证之外没有任何办法来核实。团队无法区分真正的性能回退和噪声，无法在发布前针对数百种场景自动测试改动，也无法衡量改进。更多信息请阅读：Demystifying evals for AI agents。

Uriah 提出的最后一点是，这个过程需要付出一些努力。“它一开始并不是这么干净的。我们的第一个版本过拟合了。它会通过把具体案例编码进去来‘修复’问题，而我们积累的是补丁，而不是变得更聪明。我们改变了方法，强制推行通用原则，并限制一次变更中究竟能引入多少具体细节。”

提示： AI 智能体并非确定性的，但许多受到高度监管的工作要求每次都以相同的方式完成流程。Claude Code 具备一些功能，可以帮助将前沿智能与确定性流程结合起来。

Hooks 是用户定义的命令，会在 Claude Code 生命周期的固定节点触发，可以作为硬性关卡。无论模型做出什么决定，它们每次都会执行。例如，它们可以用来阻止未通过 lint 的写入、要求提交前测试通过，或在任何内容离开沙箱之前剥离密钥。

动态工作流以确定性的顺序编排子智能体，使用彼此独立的上下文窗口和聚焦的目标。/goal 对于长时间复杂任务很有帮助，在这些任务中，Claude 可能会过早宣称工作完成、在审查时偏好自己的发现，并偏离最初的目标。

为重建而构建

模型能力在这些团队脚下不断变化，因此几乎没有什么是被视为永久的。

这些 AI 原生初创公司中有许多都处于不断重塑自我的状态。

AI 往往既是他们正在构建之物的核心，也是他们构建方式的的核心。由于模型能力持续演进，那些突破性的功能和关键的脚手架一旦成为沉没成本，就会被立刻丢弃。这些组织中的许多都将这种持续重建视为自身竞争优势的一部分。

“我们在 Clay 的做法是，你先构建它，然后再构建一次，然后再构建一次。等到第四次构建时，你已经掌握了所有需要的东西，就能把它做对。所以我们并不一定要把东西扔掉。我们只是重建它：而这一次带着更清晰的认知，”Kareem 说道。

“重建并不是在新路径上线时就完成了。它是在旧路径消失时才完成。拆除工作以前总是在优先级之争中落败：它枯燥乏味，而且不交付任何功能，”Commure 联合创始人 Tanay 说道。“现在 Commure 的一位工程师只需调用一个 Claude 技能，大意是‘对于每一个已经向所有人发布的功能开关，开一个 PR 把它以及相关代码移除掉’，然后工程师审查返回的结果。过去要消耗大量开发周期的迁移，现在只需一个计划和一次并行铺开，几个小时就能完成。”

提示：使用 git worktrees 在仓库的隔离副本中运行重建，同时当前版本保持不受影响。Claude Code 可以为你启动一个——你就能让 v2 与 v1 并排运行，对两者都运行你的评估，只有当新版本胜出时才合并。这正是让“构建四次”变得廉价的原因。

一个仓库，一个对象存储——三个可以同时工作的检出副本，每个都在自己的分支上。

每个关联的工作树都是一个普通目录，拥有自己检出的分支；三者共享 acme-web 内单一的 .git 对象存储。

Kareem 还将 Clay 护城河的一部分描述为能够不断重建、演进并创建自我改进循环的能力。

“我认为现在任何公司的护城河都在于它必须能够自我改进。所以 Clay 是一个自我学习的营收引擎。你使用得越多，我们就越了解谁是你最好的客户、你应该说什么、什么有效、什么无效，而这一切都在随时间变化，”他说。“这场竞赛实际上就是，谁能最快触达分发……这样你就能帮助每一位[客户]，从而实现自我改进。”

在 2026 年 5 月的 Code with Claude 活动上，Harvey 的应用 AI 负责人 Niko Grupen 谈到了每一波新的模型能力——涌现式推理、智能体自动化、规划与编排——都要求对平台进行彻底的重架构。

“如果你在六个月前问我我们的架构是什么样子，我会给出一个与今天截然不同的答案。如果我们不愿意说‘嘿，我们需要抛弃这个，转向智能体原生’，我们现在根本不可能在平台中拥有这些能力。”Niko Grupen · 应用 AI 负责人，Harvey

在同一场活动上，Cognition 联合创始人 Walden Yan 表示：

“如今构建 AI 的生活方式，就是接受你今天构建的东西很可能在六个月到一年内被废弃……[Devin] 在两年前我们拥有的那套模型下是根本不可能实现的，[但这个赌注是] 它今天可能行不通，但很快就会行得通。”Walden Yan · 联合创始人，Cognition

提示： 对于非平凡的重写，请在 plan mode 中启动 Claude Code（--plan 或按 Shift+Tab）。Claude 会先探索代码库并提出重建方案，然后再编写任何代码——由你批准或调整方向。这是捕捉即将偏离你架构的重建的最廉价时机。

原型、自用、产品化

用 AI 构建帮助这些初创公司打造出具有颠覆性的 AI 产品——这正是其流程核心处的飞轮。

这些初创公司中有许多在其开发流程的核心处都有一个关键飞轮。用 AI 构建帮助他们打造出具有颠覆性的 AI 产品。

当开发者推进其智能体编程实践时，他们能更好地掌握模型的能力，并深入洞察前沿的 harness 设计如何演进。随后他们便可以将这种灵感用于自己的智能体和产品中。

“我们从 [Anthropic 的] 文件与嵌入向量方案中获得了灵感，这也鼓励我们在自己的产品中保持简单。我们避免了很多原本会因 RAG 流水线而带来的复杂性，”Omni 的 Chris 说道。“我们还看到 Claude Code 的 harness 如何让用户并行处理任务，并将其中一些概念融入了我们自己的 UI。”

这也有助于他们持续关注自身产品的表现。

“因为我们的应用构建器在底层同样使用了 Anthropic 的模型，所以一旦我们在产品上看到某种行为……我们可以通过 Claude Code 在本地快速调试，判断这是模型行为还是 harness 的问题。这极大地帮助我们改进了分诊周期，”Emergent 的 Mukund 说道。

我们反复听到的模式是：用 Claude Code 构建一个内部智能体，先在内部使用（dogfood），然后根据反馈，将其提升为面向客户的产品，通常使用 Claude API、SDK 或 Claude Managed Agents。

“我们[在产品中]构建了自己的 AI 智能体，供团队直接交互，包括 SQL 控制台中的智能体和 AI SRE。我们使用 Claude Code 来构建和迭代这些智能体本身。支撑我们客户 AI 体验的工具，部分是用 AI 构建的，”ClickHouse 的 Alexey 说道。

清单

本指南涵盖了大量内容。以下是将关键提示汇总在一页上的内容：

第 1 章：人人都能交付

• Claude 无法理解它看不到的东西。通过 MCP 或 CLI，将它连接到事实来源以及你的团队每天都在使用的工具。- [x] 创建一个公司插件市场，让一名员工的最佳实践可以通过技能即时传递给另一名员工。在仓库的每个子目录中使用 CLAUDE.md 文件，为该子目录特定的编码规范提供每次都会生效的约定。使用技能来实现按需触发的流程化工作流。

第 2 章：自动化繁琐工作

• 在仓库上设置 Code Review（研究预览版），以便对 PR 进行自动化审查。- [x] 将 Claude Tag（公开测试版）纳入你的 CI/CD 值班响应和缺陷分诊流程。- [x] 动态工作流可用于扇出多个子智能体并行分析大量数据，或对另一个智能体的工作进行对抗性审查。

第 3 章：信任，但要验证

• 将不可更改的内容放在仓库根目录的 CLAUDE.md 中。- [x] 使用循环——即重复执行工作循环直到满足停止条件的智能体——来实现更自主或更长周期的工作。- [x] 建立一套创建和维护智能体评估的流程。- [x] Hooks是用户定义的命令，会在 Claude Code 生命周期的固定节点触发，可作为硬性门禁。当工作的某些组成部分需要具备确定性时，使用这些钩子。

第 4 章：为重建而构建

• 使用 git worktrees 在仓库的隔离副本中运行重建，同时当前版本保持不变。这正是让"构建四次"变得廉价的原因。 - [x] 对于非平凡的改写，在 plan mode（/plan 或按 Shift+Tab）中启动 Claude Code。Claude 会探索代码库，并在编写任何代码之前提出重建方案——由你批准或调整方向。这是捕捉即将偏离你架构的重建的最廉价的地方。

前沿创业公司在前沿构建

这些洞见来自与你一样在前沿构建的同行，我们希望你觉得它们实用且可操作。Claude 创业社区是灵感、最佳实践和建议的持续来源。你可以通过以下方式加入这个社区：