记录一下最近研究 Claude Code 工作流的心路历程：
阶段一：不知道怎么开始
只有项目的核心工作流程，通过网页版各大AI对话，慢慢重新梳理了功能逻辑。但是在用CC实现需求的时候，其实很多东西是缺失的，包括边界情况、技术栈选择、MVP范围等一系列问题都不知道。导致很多技术细节都是CC自动抉择的，也缺少项目架构的介绍，一脸懵逼。
阶段二：寻找CC最佳实践
在V站找到了一份指南：https://zhuanlan.zhihu.com/p/2009744974980331332 ，里面详细介绍了CC的功能，什么情况下使用什么功能，如何开发新功能等等介绍。然后就形成了我的第一套工作流： 用plan模式和多会话审查生成技术方案和实施方案，使用TDD 测试驱动开发
阶段三：代码开发
其实初版的工作流在规划技术方案/实施方案方面已经基本够用，但还是不满足现状，找了很多插件和Skill安装到CC中用来保证文档/代码质量 。但是真到了开发阶段，还是会比较糟糕。我本身使用的是国产的大模型配置到CC的，写代码能力比较一般（当时感觉还行，后面发现很拉），写出来的代码偶尔是能跑起来的，但是实现层面看不上。而且模型经常会因为context膨胀导致出现幻觉，开始乱操作了，甚至出现了rm -rf 整个项目的操作（还好最后没执行）。
阶段四：优化工作流
宝藏插件：https://github.com/obra/superpowers ，这个插件定义了一个完整的开发流程：
头脑风暴并生成技术文档 => 使用 git-worktrees => 生成实施方案 => 使用子代理执行计划 => 测试驱动开发 => 代码审查 => 完成开发分支。
整个流程我测试下来非常满意，几乎覆盖了所有我想要的流程。但是真进入到代码开发阶段，开发速度着实让人着急。而且即使使用了子代理模式，依旧扛不住上下文持续膨胀。
阶段五：多工具搭配
某鱼上搞了个Codex的Team账号，试用了一下GPT-5.4的代码开发能力，确实被惊艳到了。代码生成速度和质量着实提高了一个维度。所以我工作流中代码开发阶段就交给Codex去完成了。
阶段六：寻找国产最佳推理模型
Codex自带的模型已经足够强大了，其实整个流程其实可以完全交给Codex去完成，包括前期的方案规划。但是我并不太想放弃CC，作为一个备用方案或者比对方案，用多模型同时规划技术方案也挺不错。
于是我用同一个项目来测试GML/MiniMax/Kimi/doubao模型的方案规划情况。实测下来，Doubao-Seed-2.0-pro 的长链路推理是目前最好用的速度也还行，GML-4.7也不错，但是就是太慢了。不过由于我开通的是火山方舟的Coding Plan，所以GML/MiniMax/Kimi都不是最新最强的版本。我已经考虑下个月直接开通其他家的Coding Plan了。目前可能的选择就是阿里/智谱家的，到时候看情况吧。
阶段一：不知道怎么开始
只有项目的核心工作流程，通过网页版各大AI对话，慢慢重新梳理了功能逻辑。但是在用CC实现需求的时候，其实很多东西是缺失的，包括边界情况、技术栈选择、MVP范围等一系列问题都不知道。导致很多技术细节都是CC自动抉择的，也缺少项目架构的介绍，一脸懵逼。
阶段二：寻找CC最佳实践
在V站找到了一份指南：https://zhuanlan.zhihu.com/p/2009744974980331332 ，里面详细介绍了CC的功能，什么情况下使用什么功能，如何开发新功能等等介绍。然后就形成了我的第一套工作流： 用plan模式和多会话审查生成技术方案和实施方案，使用TDD 测试驱动开发
阶段三：代码开发
其实初版的工作流在规划技术方案/实施方案方面已经基本够用，但还是不满足现状，找了很多插件和Skill安装到CC中用来保证文档/代码质量 。但是真到了开发阶段，还是会比较糟糕。我本身使用的是国产的大模型配置到CC的，写代码能力比较一般（当时感觉还行，后面发现很拉），写出来的代码偶尔是能跑起来的，但是实现层面看不上。而且模型经常会因为context膨胀导致出现幻觉，开始乱操作了，甚至出现了rm -rf 整个项目的操作（还好最后没执行）。
阶段四：优化工作流
宝藏插件：https://github.com/obra/superpowers ，这个插件定义了一个完整的开发流程：
头脑风暴并生成技术文档 => 使用 git-worktrees => 生成实施方案 => 使用子代理执行计划 => 测试驱动开发 => 代码审查 => 完成开发分支。
整个流程我测试下来非常满意，几乎覆盖了所有我想要的流程。但是真进入到代码开发阶段，开发速度着实让人着急。而且即使使用了子代理模式，依旧扛不住上下文持续膨胀。
阶段五：多工具搭配
某鱼上搞了个Codex的Team账号，试用了一下GPT-5.4的代码开发能力，确实被惊艳到了。代码生成速度和质量着实提高了一个维度。所以我工作流中代码开发阶段就交给Codex去完成了。
阶段六：寻找国产最佳推理模型
Codex自带的模型已经足够强大了，其实整个流程其实可以完全交给Codex去完成，包括前期的方案规划。但是我并不太想放弃CC，作为一个备用方案或者比对方案，用多模型同时规划技术方案也挺不错。
于是我用同一个项目来测试GML/MiniMax/Kimi/doubao模型的方案规划情况。实测下来，Doubao-Seed-2.0-pro 的长链路推理是目前最好用的速度也还行，GML-4.7也不错，但是就是太慢了。不过由于我开通的是火山方舟的Coding Plan，所以GML/MiniMax/Kimi都不是最新最强的版本。我已经考虑下个月直接开通其他家的Coding Plan了。目前可能的选择就是阿里/智谱家的，到时候看情况吧。
GitHub
GitHub - obra/superpowers: An agentic skills framework & software development methodology that works.
An agentic skills framework & software development methodology that works. - obra/superpowers
