KeyFrame內部研究專用

Rethinking Claude Code Best Practices — Lydia Hallie, Anthropic

AI Engineer英文
觀看原始影片

三句話摘要

Anthropic 團隊如何透過模型升級與自動化,從人工管控轉變為管理數十個並行會話的工作流程。 從人工管控轉向系統與模型的自動協調,是 Claude Code 應對模型能力躍進的根本改變:開發者不再批准每次命令,而是設計會話如何自我驗證、環境如何保護、多任務如何編排。 模型能力提升改變工作流程

重點整理

  1. 模型能力提升改變工作流程

  2. 過往使用 Opus 4.5 時,開發者需在會話中頻繁介入,加上許多指令性提示(如「重要」、「不要做這個」)才能引導模型;今日 Opus 5.5 與 Fable 5.2 能更深入理解程式碼與意圖,大幅減少必要的人工干預。

  3. 權限管理從手動批准轉向自動分類

  4. Auto mode 以分類器自動判斷安全性,允許執行測試、安裝套件等明確安全的命令,同時對可疑操作仍會阻止;當模型無法自主完成時,Deny rules 在系統層面強制執行最嚴格的限制(如禁止讀取 .env 檔)。

  5. 安全隔離需多層防護

  6. Cloud sessions 在雲端獨立機器運行,自動隔離敏感資訊(Git 外檔案、SSH 金鑰不存在),加上 network secrets 機制確保 API 金鑰在中途提供而不傳送給模型;此外可透過 sandboxing 限制本機命令的檔案存取與網路連線。

  7. 驗證點內建於開發流程

  8. 測試、建置檢查、屏幕截圖等驗證點可透過 Hooks 在特定時刻自動運行;若驗證失敗(exit code 2),模型自動返回修復,整合 CI/CD 後 GitHub 更可在檢查通過時自動合併(merge when ready)。

實用技巧與重點

  • 模型與工具
  • Opus 5.5(日常駕駛員,適合長時任務與程式碼理解)
  • Fable 5.2(新推出,善於驗證輸出)
  • doctor prompt audit 命令:檢查 CLAUDE.md 與 skills 中哪些指令對新模型已不必要
  • 權限與安全設置
  • Auto mode:自動分類器決定允許/阻止,預設信任本資料夾與當前 repo
  • Deny rules:系統層面的強制限制,優先於 auto mode 檢查
  • Settings 中以純英文配置信任的 repos/buckets/domains
  • Network secrets:中途注入 API 金鑰,不傳送給模型
  • Exit code 2:必須用此碼讓 Claude Code 知道需修復(exit code 1 預設視為完成)
  • Cloud Sessions 與環境隔離
  • 在雲端獨立機器運行,.env 與 SSH 金鑰不存在
  • 預設網路僅限套件登錄與 GitHub,需顯式新增其他網域
  • 隔離環境讓會話在關閉筆記本後持續運行數小時
  • Deny rules 在 OS 層面傳達,限制子進程的檔案與網路存取
  • 驗證與自動修復
  • Hooks:在檔案編輯、任務完成、會話結束時自動運行檢查腳本
  • CI auto-fix:偵測檢查失敗時,Claude 自動返回修復
  • Merge when ready:GitHub 在 CI 通過後自動合併 PR
  • Claude 首次審查:新會話專門以新上下文審查寫程式碼的會話,獨立驗證
  • 編排方案
  • Claude Code projects(測試版):單一編排器會話分配任務給多個執行緒
  • 主會話用 Fable(決策與判斷),執行緒用 Opus 5.5(實際工作)
  • 自動管理上下文,無需手動壓縮或清除
  • 指令最佳實踐更新
  • 刪除過時的「重要」、「絕不做」等修辭性指令
  • CLAUDE.md 僅保留模型無法從程式碼看出的資訊(如遺留服務依賴)
  • 移除堆砌的細節說明,依賴模型的程式碼理解能力
  • 數據指標
  • Anthropic 每日變更數:5 月 2,500 → 9 月 30,000+
  • Auto mode 危險命令攔截率:89%(人工僅 14%)
  • Auto mode 仍允許約 1/10 危險命令通過(需 deny rules 補強)

結論

從人工管控轉向系統與模型的自動協調,是 Claude Code 應對模型能力躍進的根本改變:開發者不再批准每次命令,而是設計會話如何自我驗證、環境如何保護、多任務如何編排。

完整解析

Lydia 開場說明,過去 Claude Code 會話的工作模式已徹底改變。早期使用 Opus 4.5 時,會話運行時間短、頻繁中斷,開發者需不斷介入引導、批准命令,有時甚至要在 CLAUDE.md 中塞滿指令性提示來「指揮」模型。但隨著 Opus 5.5 與新推出的 Fable 5.2 能力的躍進,這套模式已完全不適用。現今 Anthropic 團隊同時運行數十個會話,許多運行數小時,甚至由會話間相互協調。更驚人的是,Anthropic 每日程式碼變更數從五月的 2,500 個飆升至九月的 30,000 個以上,這意味著開發者的角色已從「微管理者」轉變為「流程設計者」。

為了達到這種規模,首先得更新基礎設定。Opus 5.5 比前一版本顯著提升了對程式碼與開發者意圖的理解,搭配 auto mode 權限機制,模型能自主判斷大多數操作的安全性,開發者不必每次批准命令。同時,CLAUDE.md 中那些曾經看起來「必要」的指導文字——如強調「不要做什麼」、「重要」的措辭——如今反而會誤導更聰明的模型,導致過度工具呼叫和更差的結果。Doctor prompt audit 工具能自動檢查現有指令對新模型的必要性,幫助清理過時內容。

但單純升級模型和權限還不夠;系統安全需多層防護。Auto mode 的分類器雖然攔截了 89% 的危險命令(遠超人工的 14%),但仍可能漏掉約 1/10 的風險操作。因此 deny rules 成為最後防線——一旦設定禁止讀取 .env 檔,即使 auto mode 或模型決定要執行,系統層面也會直接拒絕。更細緻的安全挑戰來自依賴或腳本內的隱含風險:npm test 本身看似無害,但執行過程中可能觸發被篡改的依賴,進而竊取憑證。這類威脅無法單靠權限規則應對,需要透過 sandboxing 限制命令的檔案存取、網路連線;對於更敏感的長時任務,Cloud sessions 提供了最強的隔離——在雲端的獨立機器上運行,與本機環境完全隔離,消除 .env、SSH 金鑰這類機器級敏感資訊洩露的風險。Cloud sessions 更允許會話在開發者離線時持續運行,透過 network secrets 機制在需要時動態提供 API 金鑰,而不用事先嵌入。

隨著自動化程度提升,驗證變得至關重要。人工審查時期,開發者見證了每項變更,自然知道結果品質;但當會話在背景運行數小時,人工逐檔檢查變得不現實。解決方案是在開發流程中內建驗證點——測試、建置檢查、甚至視覺快照都可當作通過/失敗的標準。Hooks 機制可在編輯檔案、完成任務、結束會話等關鍵點自動執行檢查腳本,若失敗(exit code 2),模型自動返迴修復,無需人工再次要求。這樣的驗證鏈條比事後審查短得多,也讓模型在未通過檢查時自動嘗試替代方案。整合 CI/CD 後,所有 PR 都經過相同的自動檢查,小改動(如文檔、複製文字)甚至可設定通過後自動合併。

為管理更大規模的任務,Claude Code projects(測試版)提供編排能力:單一主會話接收高層次需求,自動拆分成子任務並啟動對應的執行緒會話;主會話扮演決策者與驗證者,適合用 Fable 這類善於判斷的模型,執行緒則用 Opus 5.5 專心完成工作。這種分工讓開發者無須同時管理多個上下文,所有上下文管理由系統自動處理。

總結來看,過往開發者負責的所有環節——引導模型、批准命令、限制操作範圍、驗證結果——如今分散到四個層面:模型本身(更強的理解力)、auto mode(自動分類)、Deny rules 與環境隔離(系統層強制)、Hooks 與 CI(自動驗證)。開發者的新職責是設計這套系統,然後啟動第一個會話,最後審視產出結果。Lydia 的建議是挑選一項遠大於日常工作的任務試驗,確保 CI 能捕捉關鍵問題,配置好環境(網路存取、機密、初始化腳本),在 Cloud sessions 中啟動,並觀察會話在哪些地方仍需人工介入——那就是下一個自動化的目標。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。