Claude Code创始人工作流：顶级AI工程师不写prompt只做三件事
Claude Code创始人私藏工作流：顶级AI工程师不写prompt，只做三件事
还在手写prompt调半天？Claude Code的负责人Boris Cherny最近在X上分享了他的个人工作流，核心观点很直接：写prompt是最不重要的环节。
作为Anthropic最核心编码Agent的负责人，他的终端设置被硅谷开发者疯传。扒开细节一看，人家根本不是在“用AI”，而是在编排AI。核心就三件事：
一、不写prompt的底层逻辑：把AI当“协议驱动”的执行层
Boris的工作流本质是任务原子化+协议调度。他把复杂开发需求拆成最小可执行单元，然后通过类似MCP（Model Context Protocol）的协议框架，让AI Agent自动串联任务链。
比如他处理一个全栈功能开发：
- 不是写“帮我写个用户登录模块”
- 而是配置三个Server：代码分析Server→生成Server→测试Server
- 通过A2A协议让它们自动传递上下文
# 伪代码示例：协议驱动的任务链
task_chain = MCPTaskChain([
CodeAnalysisServer(), # 分析现有代码结构
CodeGenerationServer(), # 生成新模块
AutoTestServer() # 自动测试
])
result = task_chain.execute("用户登录需求文档.md")技术启发：prompt工程是“手动挡”，协议编排是“自动挡”。当你用MCP把工具、数据源、Agent能力标准化后，AI就成了可编程的执行层。
二、实战关联：用Server/插件开发优化赚钱流程
Boris的思路直接对应yitb.com上开发者正在赚钱的模式——把重复性AI交互封装成可复用的Server。
举个真实案例：一个做跨境电商的团队，原来每天要手动让AI分析10个平台的竞品数据、生成报告、调整广告文案。现在他们：
开发了三个MCP Server：
DataScrapeServer：自动抓取竞品价格/销量AnalysisServer：用Claude分析趋势AdCopyServer：生成本地化广告文案
通过A2A协议串联，每天自动运行：
08:00 DataScrapeServer → 获取最新数据 08:15 AnalysisServer → 生成分析报告 08:30 AdCopyServer → 更新广告素材- 结果：人工干预从每天2小时降到10分钟，季度广告ROI提升37%。
关键洞察：赚钱效率不取决于你prompt写得多好，而取决于你能否把“AI能力”变成“自动化管道”。yitb.com上那些月入5万+的Agent插件开发者，都在做同一件事——把重复性AI任务封装成一次开发、持续收益的Server。
三、生态视角：少人工干预，多系统协作
Boris工作流揭示的趋势很明显：AI Agent生态正在从“对话式交互”转向“系统级协作”。
在yitb.com的Agent生态里，这个趋势已经落地：
- 工具集成实战：开发者把Claude、龙虾模型、OpenClaw工具通过MCP协议连接，构建“无需prompt”的自动化流水线
- 插件商业化：一个自动财报分析插件，封装了数据获取→AI分析→报告生成全流程，用户只需输入股票代码，插件自动调度多个Agent完成工作
- A2A协议价值：Agent之间通过标准化协议通信，就像微服务架构——你不需要告诉每个服务“怎么工作”，只需要定义“数据怎么流动”
下一步行动：三件事让你从“写prompt”变成“编排Agent”
- 今天：在yitb.com找一个你每天重复的AI任务（比如内容生成、数据分析），画出它的任务流图
- 本周：用MCP协议把这个任务流拆成2-3个Server，先实现最简单的版本
- 本月：把你的Server发布到yitb.com插件市场，测试自动化流程——如果跑通了，这就是你的第一个AI自动化赚钱单元
顶级工程师的秘密不是prompt技巧，而是把AI当成可编程的基础设施。当你开始用协议代替对话，用Server代替单次调用，你就从AI的用户变成了AI生态的建筑师。
本文提及的技术框架和案例，可在yitb.com的AI Agent生态中找到对应开发资源和实战教程。