让Claude Code自我进化的五条黄金法则

用好AI编程工具的关键，不在于写出多花哨的提示词，而在于建立一套让它持续变聪明的机制。

Santiago分享了他写入CLAUDE.md文件的五条规则，每一条都直指AI编程的核心痛点：

第一条：动手之前先动脑。要求Claude在写任何代码前，先描述实现思路并等待确认。遇到模糊需求必须追问，不许自作主张。这条规则看似拖慢节奏，实则省下大量返工时间。

第二条：三个文件是红线。如果一个任务需要改动超过三个文件，必须先拆解成更小的子任务。这条规则被低估了太久。大多数开发者习惯一口气解决所有问题，结果写出一锅意大利面。强制拆分逼着你用组件化思维去设计。更实际的好处是，多文件并行修改带来的上下文膨胀是灾难性的。

第三条：写完代码要自检。列出可能出问题的地方，并建议相应的测试用例。让AI主动暴露自己的盲区，比你事后debug高效得多。

第四条：修bug先写测试。遇到bug时，第一步是写一个能复现问题的测试，然后修到测试通过为止。这是测试驱动开发的经典实践，用在AI身上同样有效。

第五条：每次纠错都要留痕。当你纠正Claude的错误时，让它把这条教训写进CLAUDE.md，确保同样的错误不再发生。

第五条是真正的杀手锏。有人用了一个月，积累了四十多条规则，输出质量肉眼可见地提升。还有人更进一步，做了自动化：同一个错误被纠正三次，就自动升级为永久规则。不需要手动编辑，纠正自然沉淀为系统能力。

有个细节值得注意：在CLAUDE.md里加入好坏输出的对比示例，效果会更好。Claude对具体案例的响应远比抽象指令敏锐。

另一个实用技巧是告诉Claude你是创建整个代码库的资深工程师，让它遇到任何不确定的地方都主动提问。否则它会默认你是个随便写写的业余玩家，自己瞎猜着往下走。

这些规则的本质，是把AI从一个被动执行指令的工具，变成一个能积累经验、持续改进的协作者。规则本身不复杂，难的是坚持执行并让它自我迭代。

好的工程实践放到AI时代依然成立：先想清楚再动手，把大问题拆成小问题，用测试验证假设。AI只是放大了这些原则的价值。

x.com/svpino/status/2018682144361734368