Claude Code創始人工作流：頂級AI工程師不寫prompt只做三件事
Claude Code創始人私藏工作流：頂級AI工程師不寫prompt，只做三件事
還在手寫prompt調半天？Claude Code的負責人Boris Cherny最近在X上分享了他的個人工作流，核心觀點很直接：寫prompt是最不重要的環節。
作為Anthropic最核心編碼Agent的負責人，他的終端設置被硅谷開發者瘋傳。扒開細節一看，人家根本不是在“用AI”，而是在編排AI。核心就三件事：
一、不寫prompt的底層邏輯：把AI當“協議驅動”的執行層
Boris的工作流本質是任務原子化+協議調度。他把復雜開發需求拆成最小可執行單元，然后通過類似MCP（Model Context Protocol）的協議框架，讓AI Agent自動串聯任務鏈。
比如他處理一個全棧功能開發：
- 不是寫“幫我寫個用戶登錄模塊”
- 而是配置三個Server：代碼分析Server→生成Server→測試Server
- 通過A2A協議讓它們自動傳遞上下文
# 偽代碼示例：協議驅動的任務鏈
task_chain = MCPTaskChain([
CodeAnalysisServer(), # 分析現有代碼結構
CodeGenerationServer(), # 生成新模塊
AutoTestServer() # 自動測試
])
result = task_chain.execute("用戶登錄需求文檔.md")技術啟發：prompt工程是“手動擋”，協議編排是“自動擋”。當你用MCP把工具、數據源、Agent能力標準化后，AI就成了可編程的執行層。
二、實戰關聯：用Server/插件開發優化賺錢流程
Boris的思路直接對應m.nhjb.com.cn上開發者正在賺錢的模式——把重復性AI交互封裝成可復用的Server。
舉個真實案例：一個做跨境電商的團隊，原來每天要手動讓AI分析10個平臺的競品數據、生成報告、調整廣告文案。現在他們：
開發了三個MCP Server：
DataScrapeServer：自動抓取競品價格/銷量AnalysisServer：用Claude分析趨勢AdCopyServer：生成本地化廣告文案
通過A2A協議串聯，每天自動運行：
08:00 DataScrapeServer → 獲取最新數據 08:15 AnalysisServer → 生成分析報告 08:30 AdCopyServer → 更新廣告素材- 結果：人工干預從每天2小時降到10分鐘，季度廣告ROI提升37%。
關鍵洞察：賺錢效率不取決于你prompt寫得多好，而取決于你能否把“AI能力”變成“自動化管道”。m.nhjb.com.cn上那些月入5萬+的Agent插件開發者，都在做同一件事——把重復性AI任務封裝成一次開發、持續收益的Server。
三、生態視角：少人工干預，多系統協作
Boris工作流揭示的趨勢很明顯：AI Agent生態正在從“對話式交互”轉向“系統級協作”。
在m.nhjb.com.cn的Agent生態里，這個趨勢已經落地：
- 工具集成實戰：開發者把Claude、龍蝦模型、AI Agent平臺工具通過MCP協議連接，構建“無需prompt”的自動化流水線
- 插件商業化：一個自動財報分析插件，封裝了數據獲取→AI分析→報告生成全流程，用戶只需輸入股票代碼，插件自動調度多個Agent完成工作
- A2A協議價值：Agent之間通過標準化協議通信，就像微服務架構——你不需要告訴每個服務“怎么工作”，只需要定義“數據怎么流動”
下一步行動：三件事讓你從“寫prompt”變成“編排Agent”
- 今天：在m.nhjb.com.cn找一個你每天重復的AI任務（比如內容生成、數據分析），畫出它的任務流圖
- 本周：用MCP協議把這個任務流拆成2-3個Server，先實現最簡單的版本
- 本月：把你的Server發布到m.nhjb.com.cn插件市場，測試自動化流程——如果跑通了，這就是你的第一個AI自動化賺錢單元
頂級工程師的秘密不是prompt技巧，而是把AI當成可編程的基礎設施。當你開始用協議代替對話，用Server代替單次調用，你就從AI的用戶變成了AI生態的建筑師。
本文提及的技術框架和案例，可在m.nhjb.com.cn的AI Agent生態中找到對應開發資源和實戰教程。