用了三个月 Claude Code，1 月到 3 月能力进化报告

Claude Code 三个月真实使用报告

2026 年第一个月我开始认真用 Claude Code，到 3 月底做了完整的阶段性复盘。不是软文，是真实使用报告，优点缺点都说。

1 月印象：初识阶段

第一个月主要用来写 Python 脚本和做代码审查。最开始我是抱着试试看的心态，毕竟之前用过不少 AI 编程工具，大多停留在”能写但不好用”的��面。Claude Code 给我的第一印象是：

强项：

理解需求转代码的速度比想象快。我让它写一个日志清洗脚本，从描述到能跑的代码大概只用了 40 秒，这比我预期的快很多
代码审查能抓到常见的逻辑漏洞。比如有一次它帮我审一段订单处理的代码，指出我漏掉了并发场景下的库存超卖问题，这个我自己测了两轮都没发现
对 Python 标准库和常见第三方库（requests、pandas、fastapi）的使用很熟练，几乎不用查文档

弱点也明显：

多文件协作的时候容易丢上下文。有一次我让它帮我重构一个包含 8 个模块的项目，改到第 5 个文件时它开始把之前已经定好的接口约定忘掉，反复要我重新说
长任务跑到一半会”失忆”。跑一个完整的 ETL 流程生成，到后半段它已经忘了前面表的字段定义，生成的代码里字段名都是错的
对业务逻辑的深层理解不够。技术层面没问题，但涉及到”为什么这么做”就容易给出”看起来合理但不符合实际业务”的方案

2 月变化：FSDP 救场

2 月官方更新了一次，上 FSDP（Few-Shot Debugging Protocol）。这个更新是冲着多轮调试的连贯性来的。实测效果提升明显，之前调试一个异步任务的时候经常卡壳，需��我把错误日志重新贴一遍，现在它能记住前几轮的错误信息和已经尝试过的修复方向。

卡壳的次数少了，从原来平均每三次调试要重新交代一次背景，降到现在基本不用。

这个月开始正式拿它做项目脚手架。搭一个 REST API 项目的时候，从设计 API 文档、生成项目结构、写路由和中间件、到本地跑通第一个接口，端到端用了两天。期间人工介入大概 5 次，主要是确认业务规则和调整一些命名规范。

具体来说，2 月我用它做了三件事：

一个内部数据看板的后端，从 0 到能跑用了大概 8 小时
把一个老旧的 Flask 项目迁移到 FastAPI，它帮我处理了大部分重复性的代码改写
写了一套数据库迁移脚本，包括回滚方案。迁移方案我自己设计，具体的 SQL 和 Python 脚本是它写的

3 月突破：Context Injection

3 月的突破是接入了内部知识库。之前让它写代码只能靠对话里给背景，每次都要把接口文档、字段说明、业务规则贴一遍，效率很低。现在可以把文档和接口约定直接灌进去，生成质量提升一个档次。

这个功能叫 Context Injection，配置一次之后每次项目都能用。我把我们组的技术规范、数据库字典、API 约定都整理成 markdown ��进去，之后生成的代码风格统一度明显提高，几乎不用再回头改命名和结构。

举个具体例子：3 月中旬我们要给一个支付模块加新功能，之前类似的模块我得花半天跟它讲”我们这边金额用什么类型”、”回调怎么验签”、”幂等怎么保证”。这次我直接把相关文档放进 Context，它一次就给出了符合规范的代码，我只需要 review 业务逻辑。

三个月下来的结论

值得用，但要设置边界。别让它处理你不理解的逻辑——它会给你一个看起来对但实际跑不通的东西。我 2 月有次赶进度，直接让它写了一段支付回调的签名验证，我没细看就上线了，结果线上出了 bug，原因是它用的签名算法版本跟我们的网关对不上。从那以后我给自己立了个规矩：任何涉及钱、权限、数据的核心逻辑，必须我自己能讲清楚每一行在干什么，AI 写的代码也得过我这一关。

另外几个实操建议：

不要在一次对话里塞太多任务，超过 10 轮之后它的注意力会明显下降
复杂任务拆成小任务分步走，效果远好于一次性丢一个大需求
生成的代码一定要自己跑一遍测试，别相信它说的”应该没问题”
Context 里的文档要定期更新，否则 AI 会按过期文档生成��码

总体建议：用 Claude Code 做执行层，决策层还是人在做。它是一个很强的执行工具，但不是一个合格的决策者。让它写代码、查 bug、做重构，但架构设计、业务规则、技术选型这些事还是得人来拍板。三个月用下来，我的工作效率确实提升了不少，但前提是我知道什么时候该用它，什么时候该自己来。