每天只工作2小时？这位谷歌工程师完成工作的80%都依赖于Claude

原标题：一位谷歌工程师利用Claude Code实现了80%工作的自动化。以下是他构建的具体系统。
原作者：@noisyb0y1
翻译：佩吉，BlockBeats

编者按：随着“AI编程”逐渐成为行业共识，真正能提升生产力的并非模型本身，而是如何为模型制定规则、组织流程，并将其融入一个可持续的系统之中。

从一个简单的 CLAUDE.md 文件开始，逐步过渡到多智能体协作，再到自动化的开发循环，这种方法将开发流程从“人机对话”转变为“管理人工智能工程团队”。在此过程中，错误会在前期就被限制，流程得到规范化，而代码生成、测试和审查也逐渐从手动操作转向由系统自动完成。

特别值得注意的是，该文章还揭示了一个常被忽视的细节：在多头尺度及复杂系统中，模型行为并非完全可控。无论是隐含的代币消耗还是指令的稀释，都会对输出质量产生微妙的影响。这使得“如何管理人工智能”，而不仅仅是“如何使用人工智能”，成为了一项新的核心能力。

如今，开发人员的工作重心已不再是编码，而是转向了规则设计、流程调度以及结果验证。率先完成这一步的人，已经开始从“亲力亲为”转向“让系统代劳”。

以下是原文：

一位拥有11年经验的谷歌工程师利用Claude Code和一个简单的.NET应用程序，实现了其80%工作的自动化。

如今，他每天只需工作2到3小时，而不是原先的8小时，其余时间大多处于“轻松”状态，系统自动运转，每月为他带来28,000美元的被动收入。

他所掌握的，正是你尚未理解的那套方法。

第1部分——遵循卡帕西原则编写CLAUDE.md

安德烈·卡帕西（Andrej Karpathy）——全球最具影响力的AI研究人员之一——系统地总结了大型语言模型在编写代码时最常见的错误：过度设计、忽视现有模式以及引入不必要的额外依赖。

安德烈·卡帕西（Andrej Karpathy）利用 Claude Code 和一个简单的 .NET 工具实现了整个工作流的自动化，包括任务获取、可行性评估、代码生成、PR 提交、反馈整合等环节，将约 80% 的开发工作交由系统处理。他只负责最终审查和测试，将工作时间从每天8小时缩短至2至3小时，实际上是从一名“代码编写者”转型为“自动化开发系统的管理者”。

有人将这些观察结果整合到一个统一的 CLAUDE.md 文件中。

因此，该项目在一周内就在 GitHub 上获得了 15,000 个星标，这意味着有 15,000 个个人因此调整了自己的工作流程。

其实核心思想非常简单：如果错误是可以预见的，那么通过明确的指示，就可以提前加以避免。只需将一个 Markdown 文件放入代码仓库，即可为 Claude Code 提供一套结构化的行为规则，从而在整个项目中实现决策和执行的标准化。

该文件主要包含以下四个核心原则：

· 先思考，后编码 → 避免错误的假设和被忽视的权衡
· 拥抱简单 → 避免过度设计和臃肿的抽象
· 代码修改 → 请勿修改无人要求修改的代码
· 目标驱动的执行 → 先测试，再根据明确的成功标准进行验证

它既不依赖任何框架，也不需要复杂的工具——只需一个文件，就能在项目层面上改变 Claude 的行为。

真正的区别在于：

· 不使用 CLAUDE.md：克劳德在约40%的案例中违反了相关标准
· 使用 Karpathy 的 CLAUDE.md：违规率降至约3%
· 设置时间：只需5分钟

自动生成您自己的 CLAUDE.md 文件的命令：

claude -p "通读整个项目，并基于以下内容创建一个 CLAUDE.md 文件：
编写代码前先思考、简洁至上、精准修改、目标驱动的执行。
“根据你看到的实际架构进行调整。” --allowedTools Bash,Write,Read

它取代了所谓的“克劳德”现象：面对一项简单任务却过度设计，引入不必要的依赖关系，甚至对本不该修改的文件进行随意更改。

第2部分 克劳德的全部代码：一个完整的工程团队，尽在代码库中

Everything Claude Code（在 GitHub 上拥有超过 15.3 万颗星）

这不仅仅是一组提示词，更像是一个用于构建产品的完整人工智能操作系统。

30 多个专用代理：planner.md → 功能规划 architect.md → 系统设计决策 tdd-guide.md → 测试驱动开发 code-reviewer.md → 代码质量与安全审查 security-reviewer.md → 漏洞分析 loop-operator.md → 自动化循环执行

180多种技能：TDD、安全性、研究、内容生成——均已预配置

内置 AgentShield：该配置直接集成了1282项安全测试

支持 Claude、Codex、Cursor、OpenCode、Gemini 等不同工具——一个统一的系统，无处不在。

安装：

/插件市场 添加 affaan-m/everything-claude-code

或者，您可以选择手动安装——只需将所需的组件复制到项目的 .claude/ 目录中即可。请勿一次性加载所有内容——同时加载 27 个代理和 64 项技能，可能会在您输入第一个提示词之前就耗尽上下文配额。只保留你真正需要的部分。

真正的区别在于：

· 之前：您正在与人工智能对话
· 之后：你正在管理一支自主运作的人工智能工程团队

它取代了以往的做法：过去，您需要花费数周时间来搭建自己的代理系统，配置用于规划、审查和安全的各种工具，并每月支付 200 至 500 美元来使用各类人工智能服务。

第三部分：一个不为人知的“丑闻”：Claude Code v2.1.100 正在悄悄消耗你的代币

有人通过设置HTTP代理，拦截并分析了4个不同版本的Claude Code的完整API请求。

他们发现：

v2.1.98：169,514 字节请求 → 消耗 49,726 个代币
v2.1.100：168,536 字节请求 → 69,922 个代币计费
差异：-978 字节，但 +20,196 个代币

尽管 v2.1.100 发送的数据字节较少，但额外收取了 20,000 个代币。这种“数据膨胀”完全发生在服务器端——你无法通过 /context 接口看到或验证它。

这张图主要揭示了某些版本的Claude Code（尤其是v2.1.100）存在“隐蔽代币消耗”现象，导致使用配额异常耗尽。具体来说，像Claude Code v2.1.100这样的版本在服务器端悄然引入了约20,000个“隐形代币”。即使请求数据量较少，计费金额却更高，这导致用户的上下文环境遭到无形侵蚀，配额消耗得更快，甚至削弱了模型的输出效果。通过使用HTTP代理比较不同版本之间的API请求，已认证了这一问题；从根本上讲，这属于一种“隐形消耗”，用户难以察觉并自行核查。

之所以这不仅仅是个计费问题，是因为这额外的20,000个代币将被塞进克劳德的实际上下文窗口中。

这意味着：

→ 您的 CLAUDE.md 指令将被这额外的 20,000 条“隐藏内容”所稀释

→ 在长时间的对话中，输出质量会更快下降

→ 当克劳德无视你的规则时，很难说清原因

→ 克劳德·马克斯的流量配额消耗速度将比平时快约40%

只需 30 秒即可修复：npx claude-code@2.1.98

这只是在 Anthropic 发布正式修复程序前的临时解决方案，但在实际使用中，你几乎能立即感受到该会话带来的效果。

这样就无需再猜测克劳德为何突然不再听从你的命令了。

案例研究：全自动化系统是什么样子的

一位拥有11年经验的工程师构建了一个由三个部分组成的系统：

一周后的结果：

· 之前：每天编程8小时
· 之后：每天只需花2–3小时进行代码审查和测试

· 代码质量：几乎没有变化——因为他逐一审查了每一份
· 团队状态：始终在线——鼠标每分钟自动移动一次
· 剩余时间：全天免费

这并非什么“魔法”，而是CLAUDE.md配合合适的代理服务器以及15分钟循环周期的结果。

完整列表：

阅读后您将获得：涨幅

· 之前：克劳德有40%的时间会偏离现有规范
· 之后：借助 Karpathy 的 CLAUDE.md，违约率降至 3%

· 之前：配置代理可能需要数周时间
· 之后：开箱即用，27个代理已准备就绪

· 之前：克劳德·马克斯只需2到3小时就能用完配额
· 之后：回滚到 v2.1.98 版本可恢复约 40% 的使用上限

· 之前：每天需要8小时用于编程
· 之后：只需2–3小时进行审核，其余工作均由系统自动完成

· 设置时间：15–20 分钟
· 每日储蓄：5–6 小时
· 每月储蓄：100–120 小时

如果你的时间价值为每小时30美元——那么实际上，你每月正在“无形中损失”3000至3600美元。

如果每小时收费100美元——这意味着每月就有10,000至12,000美元白白流失，仅仅是因为你还在手动编写代码，而这些工作本可以由Claude独立完成。

大多数开发者都无法达到这个水平——不是因为他们做不到，而是因为他们觉得这很复杂。实际上，在你和“完全自动化”之间，仅仅隔着三条命令和一个文件。

我开头提到的那位工程师既不是天才，也不是谷歌的高级工程师。他只花了一个晚上就把系统设置好了——从那以后，系统就自动运行，而他只需享受生活。

今晚你也可以这样做。当其他人还在争论人工智能是否会取代开发人员时，那些已经搭建好系统的人正坐享其成、悠闲度日。

其实选择很明确。你正在亲手打造自己的人生——所以请选择正确的道路。

[原文链接]