如何有效地给 10 个 Claude Code 打工

摘要

Meshy AI CEO 胡渊鸣（清华姚班 / MIT 博士）分享了他如何把 Vibe coding 效率提高 10 倍的实践：从单线程 Claude Code，到并行运行 10 个实例，唯一的瓶颈变成了自己产出想法的速度。

---

背景：为什么要做这件事

他想用 Vibe coding 开发一套只给自己用的「CEO 支持软件」，需求包括：

• 语音输入：随时随地记录想法（飞机、驾车、走路、睡前）
• 双端支持：Mac + iPhone
• 双语写作：中英文对照，可手动编辑翻译
• 自动排版：中英文/数字间自动加半角空格，引号规范
• AI 校对：逻辑清晰、用词准确，不用自己 proofread
• 思维导图：宏观检查文档结构

一开始低估了难度，问题从「如何 Vibe code 一个文档编辑器」，变成了**「如何把 Vibe coding 的速度提高 10 倍」**。

---

10 个提速阶段

Step 1｜从 Cursor Agent 切换到 Claude Code

Cursor Agent 跑在带 4090 的 Ubuntu 上，3 小时重新设计了一套 GPU DSL（这事以前得花 3 周），但远程访问必须打开 RustDesk，灵感来了没法立刻派活。

切换到 Claude Code + iPhone SSH 访问，可以 Vibe code 的时间从 8 小时扩展到 24 小时。

---

Step 2｜找个 Container，权限全开

切到 Claude Code 后，每十几秒就会问权限，还是不能「AI 干活，我干别的」。

在 EC2（亚马逊的云服务——开发环境放在了云端以便 Agent 能够 24 小时干活） 上开 server，使用 --dangerously-skip-permissions，让它收到指令后一直干，不回来问：

claude --dangerously-skip-permissions "任务描述"
 
# headless 非交互模式（用于脚本）
claude -p "任务描述" --dangerously-skip-permissions
 
# 加预算上限防止失控
claude --dangerously-skip-permissions --max-budget-usd 5.00 "任务"

官方称为 Safe YOLO Mode，适合在隔离环境（EC2 / Docker）中使用。EC2 环境坏了重开一台，不影响本地机器。

一个 prompt 能干 5 分钟左右，大大提高了 Claude Code 利用率。

更安全的替代：用 allowedTools 精确指定哪些工具免询问：

{
  "allowedTools": ["Bash(git:*)", "Write", "Edit"],
  "blockedCommands": ["rm -rf", "shutdown"]
}

温馨提示

如果 App 数据量不大，记得让 Claude Code 写一个每小时自动备份数据库的功能。别问我怎么知道的。

---

Step 3｜Ralph Loop：让 Claude Code 不停地干活

脑子里的想法经常被 backlog，正在干活的 Claude Code 无法接收新任务。

Ralph Loop：Claude Code 从任务列表中每次拿一个活干，直到列表为空。

任务列表（你随时往里加）
    ↓
Claude 拿任务 #1 → 干完 → exit
    ↓
自动重启 → 拿任务 #2 → 干完 → exit
    ↓
自动重启 → 列表空了 → 停止

实现：

CLAUDE.md 里写 Claude 的行为规则：

## 工作流程
1. 读取 tasks.md，取第一个 `- [ ]` 未完成任务
2. 把该任务标记为进行中：`- [~]`
3. 完成任务
4. 标记为完成：`- [x]`
5. 退出（exit 0）
每次只做一个任务，做完必须 exit，遇到不确定选最合理方案直接做。

tasks.md（你随时往里加行）：

- [ ] 修复登录页面 bug
- [ ] 给 API 加单元测试
- [ ] 重构数据库连接模块

loop.sh 自动循环启动：

#!/bin/bash
while true; do
  if ! grep -q "^\- \[ \]" tasks.md; then
    echo "✅ 所有任务完成"; break
  fi
  claude --dangerously-skip-permissions
  sleep 2
done

EC2 后台运行（断开 SSH 不停）：

tmux new -s ralph
./loop.sh
# Ctrl+B, D 离开；tmux attach -t ralph 回来看进度

官方原生方案（v2.1.16+）

Claude Code 新版已内置 Tasks 功能，支持任务依赖图（DAG）和多实例协作，数据持久化在 ~/.claude/tasks/。用 export CLAUDE_CODE_TASK_LIST_ID="my-project" 让多个实例共享任务列表。当前限制：headless 模式（-p）下暂不可用，修复中。EC2 无人值守场景目前仍推荐 Ralph Loop。

---

Step 4｜Git Worktree 实现并行化

单线程很快满足不了需求。用 Git worktree 搭建容器里的容器，每个 worktree 开一个独立的 Claude Code。

开 5 个 Claude Code，每个 5 分钟提交一个 commit，相当于在 Git 上实现 1 分钟一个 commit。

# 新建 worktree（基于当前 HEAD 创建独立分支）
git worktree add ../feature-branch-1 -b feature/task-1
git worktree add ../feature-branch-2 -b feature/task-2
 
# 查看所有 worktree
git worktree list
 
# 完成后移除
git worktree remove ../feature-branch-1

---

Step 5｜CLAUDE.md + PROGRESS.md，让 AI 长记性

CLAUDE.md 不适合频繁修改，容易改坏。经验教训让 Claude Code 总结到 PROGRESS.md：

“现在把你的经验教训沉淀到 PROGRESS.md 里面，总结提炼升华，同样的错误下次不要再犯。”

三层分工：

文件	由谁写	内容
CLAUDE.md	你	稳定规则，不频繁改
PROGRESS.md	Claude（按指令）	当前项目进度与经验教训
Auto Memory	Claude（自动）	跨项目工作经验，持久化在 ~/.claude/projects/<project>/memory/

官方 Auto Memory

v2.1.16+ 内置，Claude 自动把经验教训写入 ~/.claude/projects/<project>/memory/MEMORY.md（每次 session 自动加载前 200 行）。在 Claude Code 里输入 /memory 查看和编辑。经验教训的职责交给 Auto Memory，就不用担心 CLAUDE.md 被改坏了。

---

Step 6｜Web Manager：干掉 SSH

Claude Code 在 SSH 下会不停刷新 terminal，巨卡；手机屏幕太小，tmux 极难操作。

用 claude -p [prompt] --dangerously-skip-permissions 把 Claude Code 做成非交互式组件，用 Python subprocess 调度，起一个 Claude Code Web Manager。在 iPhone 上用 Safari 包装成 App。

输出格式用 stream-json，方便 manager 检查每个 CC 实例的日志：

claude -p [prompt] --dangerously-skip-permissions --output-format stream-json --verbose

最省事：直接用 ClaudeCodeUI（开源，6.2k star）

npx @siteboon/claude-code-ui    # EC2 上一行启动
# 手机 Safari 访问 http://EC2:3001，加到主屏幕变 PWA
pm2 start cloudcli --name "claude-code-ui"   # 后台守护

自建：Python subprocess + FastAPI（需要定制 Ralph Loop 调度逻辑时）

@app.post("/run")
async def run_task(prompt: str, instance_id: str):
    proc = await asyncio.create_subprocess_exec(
        "claude", "-p", prompt,
        "--dangerously-skip-permissions",
        "--output-format", "stream-json", "--verbose",
        stdout=asyncio.subprocess.PIPE,
    )
    instances[instance_id] = proc
    return {"pid": proc.pid}

stream-json 事件类型：assistant（回复）、tool_use（执行命令）、result（完成）。

关键洞察

能显著提升 agent 效果的事：给它提供一个闭环——能写代码 / 运行 / 检查 / 调试。未来只要能在闭环环境中让 AI 端到端获得反馈的任务，都是简单的任务。

派活成功率从 20% 提升到了 95%（靠 CLAUDE.md、PROGRESS.md 和 Python task dispatcher 的迭代）。

---

Step 8｜自然语言编程（语音输入）

打字速度是瓶颈：敲键盘慢，很多时候也不方便敲。好的想法转瞬即逝，没有快速记录方式是巨大的浪费。

给所有输入框加上语音识别 API，实现走在马路上也可以 Vibe coding。

方案一：Web Speech API（零成本，Safari iOS 原生支持）

const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();
recognition.lang = 'zh-CN';
recognition.continuous = true;
recognition.interimResults = true;
recognition.onresult = (e) => {
  // 实时把中间结果+最终结果显示到输入框
};

方案二：Whisper API（准确率高，中英混说不乱，约 $0.006/分钟）

# FastAPI 端点
@app.post("/transcribe")
async def transcribe(audio: UploadFile):
    result = openai.OpenAI().audio.transcriptions.create(
        model="whisper-1",
        file=(audio.filename, await audio.read(), audio.content_type),
        language="zh",
        prompt="Claude Code 任务描述，代码相关",
    )
    return {"text": result.text}

iOS 注意

两种方案都需要 HTTPS（Let’s Encrypt 免费）。iOS Safari 录音格式用 audio/mp4，不是 audio/webm。

	Web Speech	Whisper
成本	免费	~$0.006/分钟
延迟	实时	录完后处理
中英混说	容易乱	准确
嘈杂环境	差	好

2026 年，任何一个人类学英语的速度，都赶不上 AI 中英文翻译能力提升的速度。

---

Step 9｜给任务管理加入 Plan Mode

Claude Code 的 Plan 模式在任务开始时明确意图，Claude 只读不写，完成分析规划后由你审批再执行。

在任务管理器里把 Plan mode 封装一层，便于同时 kick off 大量 Plan 任务再统一 review。

Shift+Tab        # 循环切换：Normal → Auto-Accept → Plan Mode
/plan            # 会话内直接进入
claude --permission-mode plan -p "分析认证系统安全漏洞"  # headless

关键快捷键：Ctrl+G 在编辑器里直接修改计划，Ctrl+T 查看任务列表。

Plan + Tasks 最强组合：Plan Mode 里规划 → 自动创建任务列表 → 批准后切回 Normal → Claude 按任务逐一执行，context 压缩后任务不丢失。

---

Step 10｜坚持不去看除了 CLAUDE.md 以外的代码

杜绝对 AI 的 micromanagement。把时间放在：

• 更好地提问，更清楚地描述需求——Context, not control
• 从第一性原理出发，目标是什么？Speed of light 在哪里？
• 如何给 AI 铺路才能让 AI 效率更高？
• 如何在 AI 写的 repo 里实现科学的版本控制与测试驱动开发？
• 如何不断提高自己的杠杆，放大 AI 的有效产出？

---

标准化软件的终结

核心判断

Agentic Coding 使软件开发成本无限趋近于零，让标准化软件逐渐失去意义。

以前标准化软件的逻辑：大量有共性需求的用户均摊开发成本 → 生意成立。

现在的逻辑：有一定开发能力的人，都会认为只有定制化软件才能最好地解决自己的需求。有什么需求，Vibe code 一下，几分钟就能用。

• 产品经理的工作会被重新定义——「和 100 个客户聊天提炼共性需求」不再需要了
• 软件工程师的工作会被重新定义——从手敲代码，变成给 AI 铺路和兜底，设计方便 AI 开发的框架
• 工程师的日常：给 AI 提供好用的框架、环境、Reward，让 AI 在闭环中驰骋

---

人类的黄昏

我压榨 AI，是因为我希望唯一的产能限制是我的思维；AI 压榨我，是因为 Vibe coding 给我提供了比原来手动写代码更快、更强 10 倍以上的正反馈，成瘾性很强。

• 传统企业管理的垂直 delegation、水平跨团队协作会变成「如何用 AI 解决问题」
• 按人头记的 Headcount 会变成按 T 记的 token count
• AI 的优点：理性、直接——和 AI 沟通就事论事，不用照顾自尊心，更接近事实与真相
• 管 AI 比管人更能提高领导力：反馈太快，所有目标定义不清晰的问题 5 分钟内就会暴露

AI 技术发展的速度，比一个人类专心学习的速度更快——我们要重新审视「学习」的意义。

---

相关笔记

• 品味是 AI 时代的护城河
• AI 提高效率，但不提高胜率