Claude Code 完全上手：把日常开发效率提升 3 倍的 12 个工作流
Claude Code（不是 Cursor 里的 Claude，是 Anthropic 官方的 CLI 工具）上线后我们团队已经重度使用 2 个月。本文整理 12 个最有效的工作流，每条都附真实使用场景和具体命令。
环境准备
# 安装
npm install -g @anthropic-ai/claude-code
# 登录（首次）
claude login
# 初始化项目（生成 CLAUDE.md）
cd your-project
claude init
# 启动
claudeCLAUDE.md 是项目的”团队记忆”，Claude 每次启动都会读它。建议一开始就把项目的技术栈、命名规范、常见 bug 模式写进去。
工作流 1：理解陌生代码
场景：接手一个 3 万行的老项目，第一天搞懂架构。
请画出这个项目的模块依赖图，
标注出哪些模块是"核心"
哪些是"工具"哪些是"测试"。
对核心模块用 2-3 句话说明职责。工作流 2：定位 Bug
场景：生产环境偶发崩溃，只有错误日志没有栈。
我贴一段生产错误日志：
[paste log]
请基于这个日志推断最可能的 3 个根因，
按概率排序，
并指出在代码库中应该看哪些文件验证。工作流 3：写单元测试
为 src/payment/processor.py 写单元测试。
要求：
- 覆盖所有 public 方法
- 包含正常、异常、边界三类用例
- 使用项目已有的 mock 风格（参考 tests/conftest.py）
- 输出覆盖率报告
写完后自动运行 pytest 并修复任何失败。工作流 4：Code Review
我开了一个 PR，描述是：[paste description]
请按这个标准 review：
- 业务逻辑是否正确
- 是否符合 CLAUDE.md 里的规范
- 是否有并发/性能问题
- 错误处理是否完整
- 是否引入新依赖
输出：🔴 必修 / 🟡 建议 / 🟢 亮点 三档。
不要重复 PR 描述里已经说过的设计选择。工作流 5：批量重构
把所有 service 文件里的 logger = logging.getLogger(__name__)
重构为统一的 logger 工厂：
from app.logging import get_logger
logger = get_logger(__name__)
请扫描所有匹配的文件，
按依赖顺序一个一个改，
每改完一个跑一次相关测试。
最后给我改了哪些文件的清单。工作流 6：写 SQL 迁移
需要给 users 表加 last_login_at 字段。
请：
1. 生成 Alembic 迁移文件
2. 写向下兼容（默认值 NULL，老代码不挂）
3. 写一个补全脚本给历史数据填充（基于 created_at）
4. 加索引（如果查询模式需要）
不要直接改生产表。工作流 7：调试 CI 失败
CI 在 main 分支失败：
[paste CI log]
请：
1. 定位失败原因
2. 在本地复现（注意 CI 环境差异）
3. 修复
4. 在 PR 描述里加一段"如何验证已修复"工作流 8：写 commit message
git diff 输出：[paste diff]
请生成 commit message，遵循 Conventional Commits 规范，
包含：类型、scope、一句话总结、详细说明、关联 issue。工作流 9：性能分析
这个 endpoint 慢：[paste handler]
请：
1. 指出可能的 N+1 查询
2. 建议加哪些索引
3. 建议加哪些缓存（Redis / process / data）
4. 重写一个优化版本
不要改 schema。工作流 10：API 文档生成
扫描所有 FastAPI 路由，生成 OpenAPI 增强版：
- 每个接口加详细 description
- 列出常见错误码
- 给 1-2 个 curl 示例
- 输出到 docs/api.md
风格：developer-friendly，不夸张。工作流 11：依赖升级
把 fastapi 从 0.100 升级到最新稳定版。
请：
1. 看 changelog 列出 breaking change
2. 一个个修
3. 跑完整测试
4. 在 CHANGELOG.md 写一段
不要一次升级太多包。工作流 12：交接文档
我要把 [模块名] 交接给同事。
请基于代码 + git history + 最近 3 个月的 issue tracker 输出：
- 模块负责什么
- 核心业务逻辑（不要复述代码）
- 已知坑
- 紧急问题联系人
- 推荐学习路径
风格：让一个中等水平工程师 2 小时上手。关键心法
- CLAUDE.md 是关键：写得越细，AI 越懂你
- 先描述背景再下指令：避免 AI 猜错方向
- 让 AI 跑测试 + 自己看结果：不要盲信 AI 输出
- 复杂任务分多步：每步有产出 + 验证
- 关键决策不让 AI 拍板：AI 给方案，人做选择
熟练使用后，单人产出可以做到接近 3 人小团队的水平。但记住：AI 写代码 + 人 review = 唯一安全模式。