从“做对”到“做正确”：Claude Code团队的一堂效率课

说实话，我第一次看到Thariq分享的这十条建议时，脑子里冒出的第一个念头是：这不就是在教我们怎么和AI相处吗？不是那种技术文档式的使用手册，而是一种认知框架的彻底翻转。

作为科技观察者，我见过太多关于AI编程工具的讨论，要么停留在“它能帮你写代码”的浅层认知，要么陷入“AI什么时候取代程序员”的宏大焦虑。但Thariq——这位Anthropic Claude Code团队的成员——给出了一个我认为是目前最务实的答案：与其纠结AI做得好不好，不如先确认它在做对的事。

这个看似简单的转变，其实打开了一扇新大门。

---

从“检查答案”到“设定问题”：一场认知框架的迁移

传统编程流程里，我们习惯了一种线性思维：需求→实现→验证。AI加入之后，很多人把这个流程简化为：AI生成→人类检查→修改。Thariq在X平台（原Twitter）的分享中明确指出，这种思路从根子上就跑偏了。

他的核心观点是：从检查Claude是否做对工作，转向检查它是否在做正确的工作。这句话听起来像文字游戏，但背后的逻辑非常清晰。做“对”意味着执行无误，做“正确”意味着方向对头。前者是战术层面的效率，后者是战略层面的取舍。

我觉得这个区分特别重要。打个比方，你让一个能力超强但不了解业务背景的工程师去做一个功能，他可以写出完美优雅的代码，但如果方向错了，这份“正确”反而是最昂贵的浪费。Thariq建议的应对方式是提前提供完整上下文——不是给他一个需求清单，而是把你知道的背景信息、约束条件、业务考量一股脑儿塞给它，让Claude真正成为你的“思考伙伴”，而不只是执行指令的机器。

Anthropic在2025年4月正式发布Claude Code时，定位就是“官方的AI编程代理”。它整合了代码编辑、代码库感知、终端操作和工具调用等核心功能，支持多步骤任务的自动化处理。但Thariq的十条建议告诉我们，工具再强大，用法才是关键。

---

十条建议背后的方法论：从文档到工作流的系统性升级

具体来看这十条建议，我能感受到Thariq在倡导一种系统性的工作方法，而不是零散的技巧堆砌。

第一，给上下文而不是给约束。 Thariq强调要提供丰富上下文，比如某个功能可能一个月后会被删除。这种信息比硬邦邦的“必须实现”有用一百倍。AI不是不懂变通，它只是不知道你没说的事。

第二，用小规格文档驱动对话。 这个思路很有意思——不是让Claude直接写代码，而是先让它通过“访谈”搞清楚实现细节。我看到有些开发者社区已经验证过这个方法：一份几百字的PRD（产品需求文档），配合Claude的追问澄清，最终产出的实现方案比直接让它写代码的版本在完整性和合理性上高出不少。

第三，探索多方向并生成HTML原型。 这个建议特别适合产品设计阶段。Anthropic的模型在生成可交互原型方面一直是强项，结合Claude Code的代码生成能力，团队可以快速验证不同方案的用户体验。我注意到这已经成为很多前端团队的常规操作——不是让AI做一个东西出来看看行不行，而是让它做三个、四个方案，然后对比。

第四，明确目标和验证方法。 Thariq建议设定明确目标的同时提供验证手段。这意味着什么？意味着你得先想清楚什么叫“完成”。不是功能上线就叫完成，而是有可量化的验收标准。Claude Code支持的工具调用能力（包括Bash命令和Git操作）正好可以用来构建这些自动化验证流程。

第五，善用/goal命令。 这是Claude Code的一个功能特性，允许用户设定长期目标。我个人判断，/goal命令的价值在于它把一次性的对话变成了有记忆的协作——Claude可以追踪一个复杂项目的多个里程碑，而不是每次都要从头解释上下文。

第六和第七，Workflows的并行与自验证。 Thariq特别提到利用Workflows并行执行任务、自我验证并生成对比报告。这个能力在Claude Code里是通过集成Agent功能实现的。我了解到的工作流是这样的：同一个任务可以同时跑多个方案，然后Claude会生成一份对比分析，告诉你各方案的优劣。这不是简单的“帮你写代码”，而是“帮你思考代码”。

第八，同时设置目标和workflow。 目标和路径双轨并行。这其实是工程管理的基本常识，但很多人用AI时反而忘了——要么只给目标让它自己摸索，要么给一堆步骤但没有清晰的终点。

---

Claude Fable 5：那个能剪辑视频的AI

十条建议里最吸引我眼球的是最后一条：更勇敢地把此前认为LLM无法完成的任务交给Claude Fable 5。

Thariq本人用Claude Fable 5剪辑了整段视频来证明它的能力。这个细节让我意识到，这不是纸上谈兵的理论，而是经过实践检验的经验。

说实话，关于Claude Fable 5的具体技术参数和发布时间，我没有找到官方确认的信息。但从Thariq的描述来看，它有几个关键特性值得注意：可以运行数小时、自我检验、产出高质量代码。这意味着什么？意味着它突破了传统“对话式AI”的时间限制——以前的AI对话有上下文窗口的限制，有单次响应时间的约束，而Fable 5可以像一个真正的工程师一样，花几个小时专注完成一项复杂任务，中间还能自我检查和调整。

我觉得这个方向的演进很有意思。Anthropic一直在强调Claude的“思考”能力，但“思考”需要时间。如果AI只能给出瞬时响应，它的思考深度就必然受限。Fable 5的出现，可能代表了一种新的交互范式：从“问答”变成“委托”。你把一个任务交给它，它自己规划、自己执行、自己验证，最后给你一个完整的交付物。

当然，这种能力也意味着使用者需要更高的判断力——因为当你把任务委托出去之后，你需要有能力判断结果是否真的“正确”。这正是Thariq整篇文章的核心：人类不会被AI取代，但会用AI的人会取代不会用AI的人。

---

一个务实的未来

写到最后，我有个感受：Thariq的这十条建议，本质上不是在教你怎么用Claude Code，而是在教你重新定义人机协作的边界。

以前我们谈AI编程工具，焦点往往是“AI能做什么”。现在，是时候把问题换成“我应该让AI做什么”了。

从检查“做对”到检查“做正确”，这个转变需要时间、需要实践、需要一次次试错。但我觉得，这也是AI真正开始发挥价值的方式——不是替代人类的判断，而是放大人类的选择能力。

Claude Fable 5能剪辑视频，Claude Code能帮你写代码，这些都不稀奇。稀奇的是，你开始学会问自己：什么值得交给AI，什么必须留给自己。

这可能才是Thariq真正想说的。