07. Claude Code 集成：AI 写代码的正确姿势

> 让 AI 写代码不难，难的是让它写对、写完、写得能用。

## 灵感：胡渊鸣的 10 阶段

春节期间读到太极图形 CEO 胡渊鸣的文章《如何有效给 10 个 Claude Code 打工》，核心思路是逐步提高 agentic coding 的吞吐量：

1. Cursor Agent → Claude Code（SSH 友好，手机可派活）
2. 容器 + `--dangerously-skip-permissions`（不被权限弹窗打断）
3. Ralph Loop（任务列表自动取活，干完一个接一个）
4. Git worktree 并行化（多 CC 实例并行，1 分钟 1 个 commit）
5. CLAUDE.md + PROGRESS.md（让 AI 长记性）

他的关键洞察：**不看代码，只看结果。Context not control, servant leadership。**

我没有他那么激进（10 个并行 CC），但借鉴了容器化 + Ralph Loop + manager 模式的思路。

## CC Sandbox 容器

Claude Code 直接跑在宿主机上风险太大——它有 `--dangerously-skip-permissions`，意味着可以执行任何命令。所以用 Docker 隔离：

```yaml
# docker-compose.yml 核心配置
services:
  claude-code:
    image: claude-code-sandbox:latest
    container_name: claude-code-sandbox
    mem_limit: 3g
    cpus: 2
    volumes:
      - ~/projects:/workspace
      - ~/.claude-backup:/backup
      - ~/.claude/settings.json:/home/coder/.claude/settings.json:ro
    working_dir: /workspace
```

关键设计：

- **3G 内存 / 2 核 CPU**：够用但不奢侈
- **CC 2.1.47 + Node 22 + Python 3.12**：完整开发环境
- **认证复用**：挂载宿主机的 `settings.json`，走 provider-d 中转，不需要单独配 API key
- **项目隔离**：`~/projects` 挂载到 `/workspace`，CC 只能访问项目目录

## Jarvis 作为 CC Manager

这是架构里最重要的设计决策：**Jarvis（OpenClaw）不自己写代码，只做 manager**。

分工：

- Jarvis：理解需求 → 写任务描述 → 派给 CC → 轮询进度 → 验证结果 → 发现 bug 写新 task 派回 CC
- CC：接任务 → 写代码 → 跑测试 → 提交

为什么不让 Jarvis 直接写？因为 CC 有完整的编辑器集成、文件系统访问、命令执行能力，专门为写代码优化。Jarvis 的强项是理解意图和协调，不是写代码。

### 派活方式

```bash
# 单任务（非交互）
sudo docker exec claude-code-sandbox claude \
  -p "任务描述" \
  --dangerously-skip-permissions \
  --output-format stream-json

# 交互式（需要 TTY）
sudo docker exec -it claude-code-sandbox claude \
  --dangerously-skip-permissions
```

### 任务轮询机制

最初用"盲 poll"——派完活就不停检查。后来改成 cron 2 分钟轮询：

1. **派活**：后台启动 CC → 写 `active.json`（sessionId/task/project/startedAt）→ 创建 2 分钟 cron
2. **轮询**：收到 `CC_TASK_POLL` 时，`process poll` 检查 session → 未完成继续等 → 完成进入验证
3. **验证**：检查产出（curl API / 编译检查）→ 有 bug 写新 task 派回 CC → 通过汇报
4. **清理**：删除 cron → 清空 active.json

这个流程在 invest-platform 项目上首次完整跑通。

## 实战：invest-platform

invest-platform 是一个投资研究工作台 Web App（FastAPI + React），从 Phase 1 到 Phase 5 全部由 CC 执行，Jarvis 做 manager。

### 成果

| Phase | 内容                                          | CC 花费 |
| ----- | --------------------------------------------- | ------- |
| 1     | 3 个回测策略（MA Cross/Bollinger/MACD）       | ~$0.5   |
| 2     | 基本面分析 + 技术指标（K 线/MACD/RSI/布林带） | ~$0.5   |
| 3     | 学习中心（思源笔记代理 API + LearnPanel）     | ~$0.5   |
| 4     | UI 打磨 + K 线均线 + 学习进度 + 基准对比      | $3.58   |
| 5     | 智能问答 + 财报解读 + 实战演练 + 策略学习     | ~$1.40  |

最终产出：7 个 tab 的完整平台，总花费约 $6。

### CC 的 Subagent

CC 自己也支持 subagent：

```
/home/coder/.claude/agents/
├── researcher.md  (haiku) — 搜索资料
├── reviewer.md    (haiku) — 代码审查
└── architect.md   — 架构设计
```

但 CC 的 subagent 是**串行委派**，不是并行。真正并行需要多 CC 实例 + git worktree，我没走那么远。

## 踩坑记录

### OOM Kill

3G 内存对大项目不够。CC 在处理 invest-platform Phase 5 的模块 3（概念实战演练）时，内存耗尽被 SIGKILL。

```
Container killed: OOM (Out of Memory)
```

解决方案：大任务不派给 CC，手写。或者拆成更小的子任务。

### 大项目目录卡住

CC 在大项目目录下容易卡住——它会读大量上下文文件（CLAUDE.md、package.json、tsconfig 等），token 消耗暴增。

解决方案：在干净目录创建文件，写完再复制回项目目录。

### stream-json 参数

`--output-format stream-json` 需要配合 `--print` 和 `--verbose` 才能正确输出。文档没写清楚，试了几次才搞对。

## CC 的适用边界

CC 擅长：

- 明确需求的功能开发
- 有清晰 spec 的 bug 修复
- 重复性的代码修改（批量重构）
- 有测试可验证的任务

CC 不擅长：

- 模糊需求（"做个好看的页面"）
- 需要大量上下文的架构决策
- 内存密集型任务（大项目编译）
- 需要人类审美判断的 UI 设计

**经验法则：任务描述越具体，CC 的产出越好。** 花 5 分钟写清楚 TASK.md，比让 CC 猜你想要什么省 10 倍时间。

> 让 AI 写代码不难，难的是让它写对、写完、写得能用。

## 灵感：胡渊鸣的 10 阶段

春节期间读到太极图形 CEO 胡渊鸣的文章《如何有效给 10 个 Claude Code 打工》，核心思路是逐步提高 agentic coding 的吞吐量：

他的关键洞察：**不看代码，只看结果。Context not control, servant leadership。**

我没有他那么激进（10 个并行 CC），但借鉴了容器化 + Ralph Loop + manager 模式的思路。

## CC Sandbox 容器

Claude Code 直接跑在宿主机上风险太大——它有 `--dangerously-skip-permissions`，意味着可以执行任何命令。所以用 Docker 隔离：

关键设计：

## Jarvis 作为 CC Manager

这是架构里最重要的设计决策：**Jarvis（OpenClaw）不自己写代码，只做 manager**。

分工：

- Jarvis：理解需求 → 写任务描述 → 派给 CC → 轮询进度 → 验证结果 → 发现 bug 写新 task 派回 CC
- CC：接任务 → 写代码 → 跑测试 → 提交

### 派活方式

```bash
# 单任务（非交互）
sudo docker exec claude-code-sandbox claude \
  -p "任务描述" \
  --dangerously-skip-permissions \
  --output-format stream-json

# 交互式（需要 TTY）
sudo docker exec -it claude-code-sandbox claude \
  --dangerously-skip-permissions
```

### 任务轮询机制

最初用"盲 poll"——派完活就不停检查。后来改成 cron 2 分钟轮询：

这个流程在 invest-platform 项目上首次完整跑通。

## 实战：invest-platform

invest-platform 是一个投资研究工作台 Web App（FastAPI + React），从 Phase 1 到 Phase 5 全部由 CC 执行，Jarvis 做 manager。

### 成果

最终产出：7 个 tab 的完整平台，总花费约 $6。

### CC 的 Subagent

CC 自己也支持 subagent：

```
/home/coder/.claude/agents/
├── researcher.md  (haiku) — 搜索资料
├── reviewer.md    (haiku) — 代码审查
└── architect.md   — 架构设计
```

但 CC 的 subagent 是**串行委派**，不是并行。真正并行需要多 CC 实例 + git worktree，我没走那么远。

## 踩坑记录

### OOM Kill

3G 内存对大项目不够。CC 在处理 invest-platform Phase 5 的模块 3（概念实战演练）时，内存耗尽被 SIGKILL。

```
Container killed: OOM (Out of Memory)
```

解决方案：大任务不派给 CC，手写。或者拆成更小的子任务。

### 大项目目录卡住

CC 在大项目目录下容易卡住——它会读大量上下文文件（CLAUDE.md、package.json、tsconfig 等），token 消耗暴增。

解决方案：在干净目录创建文件，写完再复制回项目目录。

### stream-json 参数

`--output-format stream-json` 需要配合 `--print` 和 `--verbose` 才能正确输出。文档没写清楚，试了几次才搞对。

## CC 的适用边界

CC 擅长：

- 明确需求的功能开发
- 有清晰 spec 的 bug 修复
- 重复性的代码修改（批量重构）
- 有测试可验证的任务

CC 不擅长：

- 模糊需求（"做个好看的页面"）
- 需要大量上下文的架构决策
- 内存密集型任务（大项目编译）
- 需要人类审美判断的 UI 设计

**经验法则：任务描述越具体，CC 的产出越好。** 花 5 分钟写清楚 TASK.md，比让 CC 猜你想要什么省 10 倍时间。

最后修改：2026 年 02 月 24 日

如果觉得我的文章对你有用，请随意赞赏

07. Claude Code 集成：AI 写代码的正确姿势

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

基于思源笔记的写作、管理和分发流程

2024年计划与达成情况概览【更新至四月底】

【减脂漫谈】减脂45kg的思考和行动计划

基于Kindle、纸间书摘、思源笔记的全平台同步阅读及闪卡流程

08.老婆生日、半马完结

13.写在久违故乡春天的流水账

基于Kindle、纸间书摘、思源笔记的全平台同步阅读及闪卡流程

01. 初见 OpenClaw：部署与第一次对话

【减脂漫谈】减脂45kg的思考和行动计划

Thank you， Ame！

07. Claude Code 集成：AI 写代码的正确姿势

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

07. Claude Code 集成：AI 写代码的正确姿势

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款