Claude Code創始人分享個人工作流：不碰終端、不查文檔、不切窗口

Claude Code的創始人Boris Cherny最近在X上分享了他的個人開發工作流，核心理念是“三不”：不碰終端、不查文檔、不切窗口。這套基于AI Agent協議的工作流，展示了AI如何深度融入開發全鏈路。

拆解“三無工作流”：AI如何接管開發全鏈路

Boris的工作流核心是將Claude Code作為開發中樞，通過MCP（Model Context Protocol）和A2A（Agent-to-Agent）協議，把傳統開發中割裂的環節無縫串聯。

1. 無終端：Server即命令行
傳統開發中，終端是執行git、docker、npm等命令的必備工具。Boris的方案是：將常用CLI工具封裝為MCP Server。例如，他將Git操作封裝成一個本地MCP Server，Claude Code通過協議直接調用。當需要提交代碼時，他只需在對話中說“提交當前修改并推送到main分支”，Claude Code會自動：

• 調用Git MCP Server執行git add . && git commit -m "..." && git push
• 返回執行結果和可能的沖突提示

# 簡化版Git MCP Server示例
from mcp.server import Server
import subprocess

app = Server("git-server")

@app.tool()
def git_commit_push(message: str, branch: str = "main"):
    """提交代碼并推送到指定分支"""
    try:
        subprocess.run(["git", "add", "."], check=True)
        subprocess.run(["git", "commit", "-m", message], check=True)
        subprocess.run(["git", "push", "origin", branch], check=True)
        return {"status": "success", "message": f"已推送到{branch}"}
    except subprocess.CalledProcessError as e:
        return {"status": "error", "message": str(e)}

2. 無文檔：上下文即知識庫
查文檔是開發中的時間黑洞。Boris的解決方案是：用MCP Server連接文檔源。他為常用庫（如React、FastAPI）配置了文檔檢索Server，Claude Code在編碼時自動：

• 分析當前代碼上下文
• 調用文檔Server搜索相關API用法
• 將示例代碼直接插入編輯器

例如，當寫到useState時，Claude Code會自動從React文檔Server拉取最佳實踐和常見陷阱提示。

3. 無切換：A2A協議實現工具鏈自治
最顛覆的是工具間的自主協作。通過A2A協議，不同MCP Server可以相互調用：

• 代碼寫完 → 自動觸發測試Server → 測試失敗 → 自動調用調試Server → 修復后重新測試
• 全程無需人工切換窗口或復制粘貼錯誤信息

graph LR
    A[Claude Code] -->|A2A協議| B[Git Server]
    A -->|A2A協議| C[文檔檢索Server]
    A -->|A2A協議| D[測試Server]
    B -->|結果反饋| A
    C -->|返回文檔片段| A
    D -->|測試報告| A

技術架構先進性：為什么這套方案能“碾碎認知”

1. 協議層統一，打破工具孤島
傳統開發工具各自為政，而MCP/A2A提供了統一通信標準。就像USB-C接口取代各種充電線，一次配置即可讓所有工具協同工作。

2. 上下文感知超越簡單問答
普通AI助手是“一問一答”，而Claude Code的工作流是持續上下文驅動。它知道你剛才寫了什么測試、遇到什么錯誤、查了哪些文檔——這種連續性讓自動化成為可能。

3. 可擴展的Server生態
Boris透露，他的工作流包含20多個自定義MCP Server，涵蓋部署、監控、代碼審查等環節。每個Server都是獨立模塊，可像樂高一樣組合。

對個人開發者的啟示：如何復刻這種“超能力”

立即可做的三件事：

1. 從高頻痛點切入：先封裝你最常用的CLI工具（如git、docker、數據庫遷移）為MCP Server。一個簡單的Node.js Server只需50行代碼：

   // 基礎MCP Server模板
   const { Server } = require("@modelcontextprotocol/sdk");
   const server = new Server({ name: "my-tools", version: "1.0.0" });
   
   server.tool("run_command", "執行shell命令", {
     command: { type: "string" }
   }, async ({ command }) => {
     const { exec } = require('child_process');
     return new Promise((resolve) => {
    exec(command, (error, stdout) => {
      resolve({ content: stdout || error.message });
    });
     });
   });
   
   server.start();

2. 構建個人文檔庫：將常用框架文檔、團隊規范、踩坑記錄做成向量數據庫，通過MCP Server提供語義檢索。推薦用LlamaIndex + ChromaDB快速搭建。
3. 設計自動化鏈路：用A2A協議串聯“編碼→測試→部署”流程。例如：代碼提交 → 自動運行單元測試 → 通過 → 觸發構建 → 部署到測試環境 → 發送通知。

商業化路徑：這種模式如何幫你賺錢

案例1：自動化接單工作室
深圳一個3人團隊用類似架構，將外包開發效率提升5倍。他們封裝了：

• 需求分析Server（解析PRD文檔）
• 代碼生成Server（基于模板生成CRUD代碼）
• 部署Server（一鍵發布到客戶服務器）
  結果：單人月均交付項目從1個提升到4個，客單價3萬的項目利潤率從30%提升到60%。

案例2：垂直領域AI開發助手
某創業者針對“微信小程序開發”場景，構建了專屬MCP Server套件：

• 小程序API文檔Server
• UI組件生成Server
• 審核規范檢查Server
  通過訂閱制收費（299元/月），6個月積累2000+付費用戶，月收入近60萬。

案例3：企業內部提效工具
某電商公司技術團隊用這套架構搭建“運營活動開發平臺”，運營人員用自然語言描述需求，自動生成H5頁面并部署。開發人力需求減少70%，活動上線時間從3天縮短到2小時。

下一步行動：今天就開始構建你的AI工作流

1. 安裝Claude Code CLI：npm install -g @anthropic-ai/claude-code
2. 克隆示例Server：git clone https://github.com/anthropics/mcp-servers
3. 選擇第一個場景：從你每天重復最多的開發任務開始（比如數據庫查詢、日志分析）
4. 加入生態：關注m.nhjb.com.cn(m.nhjb.com.cn)的MCP Server市場，復用已有解決方案

記住：Boris的工作流不是魔法，而是協議化、模塊化思維的勝利。當你把每個工具變成“會說話的積木”，AI才能真正成為你的開發副駕駛。現在，是時候告別終端窗口的切換地獄了。

本文提及的技術方案均可在m.nhjb.com.cn(m.nhjb.com.cn)找到詳細教程和代碼模板。歡迎開發者提交自己的MCP Server到生態市場，優質作品可獲得流量扶持和商業化指導。