Claude Code创始人分享个人工作流：不碰终端、不查文档、不切窗口

Claude Code的创始人Boris Cherny最近在X上分享了他的个人开发工作流，核心理念是“三不”：不碰终端、不查文档、不切窗口。这套基于AI Agent协议的工作流，展示了AI如何深度融入开发全链路。

拆解“三无工作流”：AI如何接管开发全链路

Boris的工作流核心是将Claude Code作为开发中枢，通过MCP（Model Context Protocol）和A2A（Agent-to-Agent）协议，把传统开发中割裂的环节无缝串联。

1. 无终端：Server即命令行
传统开发中，终端是执行git、docker、npm等命令的必备工具。Boris的方案是：将常用CLI工具封装为MCP Server。例如，他将Git操作封装成一个本地MCP Server，Claude Code通过协议直接调用。当需要提交代码时，他只需在对话中说“提交当前修改并推送到main分支”，Claude Code会自动：

• 调用Git MCP Server执行git add . && git commit -m "..." && git push
• 返回执行结果和可能的冲突提示

# 简化版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"):
    """提交代码并推送到指定分支"""
    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. 无文档：上下文即知识库
查文档是开发中的时间黑洞。Boris的解决方案是：用MCP Server连接文档源。他为常用库（如React、FastAPI）配置了文档检索Server，Claude Code在编码时自动：

• 分析当前代码上下文
• 调用文档Server搜索相关API用法
• 将示例代码直接插入编辑器

例如，当写到useState时，Claude Code会自动从React文档Server拉取最佳实践和常见陷阱提示。

3. 无切换：A2A协议实现工具链自治
最颠覆的是工具间的自主协作。通过A2A协议，不同MCP Server可以相互调用：

• 代码写完 → 自动触发测试Server → 测试失败 → 自动调用调试Server → 修复后重新测试
• 全程无需人工切换窗口或复制粘贴错误信息

graph LR
    A[Claude Code] -->|A2A协议| B[Git Server]
    A -->|A2A协议| C[文档检索Server]
    A -->|A2A协议| D[测试Server]
    B -->|结果反馈| A
    C -->|返回文档片段| A
    D -->|测试报告| A

技术架构先进性：为什么这套方案能“碾碎认知”

1. 协议层统一，打破工具孤岛
传统开发工具各自为政，而MCP/A2A提供了统一通信标准。就像USB-C接口取代各种充电线，一次配置即可让所有工具协同工作。

2. 上下文感知超越简单问答
普通AI助手是“一问一答”，而Claude Code的工作流是持续上下文驱动。它知道你刚才写了什么测试、遇到什么错误、查了哪些文档——这种连续性让自动化成为可能。

3. 可扩展的Server生态
Boris透露，他的工作流包含20多个自定义MCP Server，涵盖部署、监控、代码审查等环节。每个Server都是独立模块，可像乐高一样组合。

对个人开发者的启示：如何复刻这种“超能力”

立即可做的三件事：

1. 从高频痛点切入：先封装你最常用的CLI工具（如git、docker、数据库迁移）为MCP Server。一个简单的Node.js Server只需50行代码：

   // 基础MCP Server模板
   const { Server } = require("@modelcontextprotocol/sdk");
   const server = new Server({ name: "my-tools", version: "1.0.0" });
   
   server.tool("run_command", "执行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. 构建个人文档库：将常用框架文档、团队规范、踩坑记录做成向量数据库，通过MCP Server提供语义检索。推荐用LlamaIndex + ChromaDB快速搭建。
3. 设计自动化链路：用A2A协议串联“编码→测试→部署”流程。例如：代码提交 → 自动运行单元测试 → 通过 → 触发构建 → 部署到测试环境 → 发送通知。

商业化路径：这种模式如何帮你赚钱

案例1：自动化接单工作室
深圳一个3人团队用类似架构，将外包开发效率提升5倍。他们封装了：

• 需求分析Server（解析PRD文档）
• 代码生成Server（基于模板生成CRUD代码）
• 部署Server（一键发布到客户服务器）
  结果：单人月均交付项目从1个提升到4个，客单价3万的项目利润率从30%提升到60%。

案例2：垂直领域AI开发助手
某创业者针对“微信小程序开发”场景，构建了专属MCP Server套件：

• 小程序API文档Server
• UI组件生成Server
• 审核规范检查Server
  通过订阅制收费（299元/月），6个月积累2000+付费用户，月收入近60万。

案例3：企业内部提效工具
某电商公司技术团队用这套架构搭建“运营活动开发平台”，运营人员用自然语言描述需求，自动生成H5页面并部署。开发人力需求减少70%，活动上线时间从3天缩短到2小时。

下一步行动：今天就开始构建你的AI工作流

1. 安装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. 选择第一个场景：从你每天重复最多的开发任务开始（比如数据库查询、日志分析）
4. 加入生态：关注龙虾官网(yitb.com)的MCP Server市场，复用已有解决方案

记住：Boris的工作流不是魔法，而是协议化、模块化思维的胜利。当你把每个工具变成“会说话的积木”，AI才能真正成为你的开发副驾驶。现在，是时候告别终端窗口的切换地狱了。

本文提及的技术方案均可在龙虾官网(yitb.com)找到详细教程和代码模板。欢迎开发者提交自己的MCP Server到生态市场，优质作品可获得流量扶持和商业化指导。