Claude Code 学习实战指南怎么让 AI 越用越懂你一本关于怎么让 AI 越用越懂你的实战日志。基于 DeepSeek v4 pro Claude Code约 40 小时实测。零、Claude Code 的长期复利为什么越用越值钱大部分人对 AI 的用法是一次性的打开对话框 → 问问题 → 得到答案 → 关掉。下次再来从零开始AI 完全不记得你是谁。这不是工具的问题是用法的问题。Claude Code 本质上不是问答机器而是一个能记住你、适应你、越来越懂你的协作系统。区别在于——你有没有花时间让它认识你。复利是怎么发生的想象你有一个笔记本每次跟 AI 聊完你就会在上面记几行字——我今天学到了什么、我容易在什么地方卡住、我用什么方式学最快。第 1 次对话笔记本是空的。AI 给的回答很通用因为不知道你的水平。第 5 次对话笔记本有几页了。AI 知道你喜欢先看代码再讲理论回答开始变得精准。第 20 次对话笔记本厚了。AI 知道你的知识盲区在哪会自动帮你补短板。第 50 次对话AI 比你自己还清楚你的学习轨迹。它不只是回答问题——它提醒你你上次在这里卡住了这次要不要换个理解方式每一次对话都不是孤立事件。它在你留下的痕迹上叠加让下一次对话的起点越来越高。这就是复利。一个例子周度复盘深度使用 Claude Code 一段时间后你可以让它帮你做一件普通 AI 做不到的事——回溯你一整周的学习轨迹指出问题、给出建议。你只需要说一句写周总结它就会自动分析你的会话记录、代码产出、学习笔记然后输出一份报告这周实际在忙什么跟上周比有推进吗同样的错误是不是又在犯下周只改一件事改什么这个对话本身也是复利——复盘报告变成了下一周对话的基础。第二周 Claude Code 会读取上周的报告检查上周的建议你执行了几条。以下是快速版复盘提示词5分钟跑完每周日用请用 300 字以内快速复盘我最近7天{上周日期} 至 {本周日期}的 Claude Code 使用情况。 要求 1. 总览花了多少小时、做了哪几个项目、各占比 2. 上周复盘的建议我执行了几条没执行的是哪些 3. 本周最浪费时间的一件事是什么 4. 下周只改1件事改什么 数据来源~/.claude/projects/C--Users----/*.jsonl最近7天、桌面学习记录、桌面项目目录。 如果无法精确统计时间说明估算口径。完整版复盘提示词含分析标准、数据采集指引、输出格式见文末附录。一、我使用 Claude Code 的模式让它不断自我更新不是我用 AI是AI 越来越了解我怎么用复盘完发现提示词太宽泛 → 修改 CLAUDE.md 加一条规则 → 下次 AI 会自动追问你的审查维度。发现自己的学习有三步法的规律 → 写成 Memory → 每次新对话 AI 都会按三步法教不用重新解释。需要重复执行某个流程比如每周复盘→ 写一个模板文件 → 一句话触发。这个循环是使用 → 发现问题 → 让 AI 记住改进 → 下次自动执行。每一次改进都在训练AI让它下一次更了解你、更适配你的习惯。举个例子怎么让 AI 学会帮你写一个技能Claude Code 有一个叫 skill-creator 的技能——你先让它下载这个技能然后当你发现自己在重复做某件事比如每次写完代码都要让 AI 从三个固定角度审查你可以对 AI 说“帮我把这个流程写成一个技能”AI 会根据你描述的需求生成一个技能文件。以后你说一句/review它就自动按你定好的标准审查代码——不需要每次重新说明审查维度和长度限制。关键不是技能本身而是你教会了 AI 怎么更好地服务你。你每一次让 AI 帮你改进协作方式都是在存复利本金。二、以 C 后端学习者为例建立你的学习工作流以下以一个正在学习 C 后端的初学者为例展示如何用 Claude Code 把零散的操作串成一个完整的学习工作流。注意这不是功能罗列而是一条链——每一步产出自然流入下一步形成闭环。拿到一段不理解的代码自己的或参考代码 │ ▼ ① 逐行讲解 ──→ 这段代码我不理解逐行讲。重点是 X 和 Y 的关系。 │ ▼ 理解了但不清楚为什么这样设计 ② 知识点追问 ──→ 为什么这里用 epoll 而不是 select底层怎么决定的 │ ▼ 理论通了动手自己写 ③ 手写实现 ──→ 关掉 AI靠自己写一版 │ ▼ 写完了贴给 AI 审查 ④ 代码审查 ──→ 审查这段代码的 [线程安全/RAII/接口设计]给 3 条建议200 字以内。 │ ▼ 审查发现 Bug 或设计问题 ⑤ Bug 排查 ──→ 现象是 X我试了 Y 没用帮我定位根因。 │ ▼ 问题解决巩固理解 ⑥ 复习问答 ──→ 出 3 道判断题考我今天的知识点我答完你再补充。 │ ▼ 整个流程结束沉淀下来 ⑦ 学习记录 ──→ AI 主动问要不要整理学习记录 → 你说要 → 自动生成并保存这个工作流的关键前三步讲解→追问→手写是输入和消化中间两步审查→排查是校正后两步问答→记录是巩固和归档。给新手的建议不需要第一天就把整个工作流铺开。从①开始感到需要②的时候就加②⑤⑥⑦在 AI 的提示下自然触发。工作流是长出来的不是设计出来的。什么时候不该用 AI工作流里最重要的一步是第③步——关掉 AI自己写。这一步很容易被跳过因为让 AI 直接生成代码太方便了。但如果你跳过了前面①②步白做后面④⑤步也没意义审查 AI 写的代码你学不到东西。三个不该用 AI 的时刻写代码的时候哪怕写得很烂、报了很多错也要自己先写一版。烂代码是你当前水平的真实记录AI 看到这版烂代码才能精准定位你需要补什么。调试的前 30 分钟看到 Bug 先自己想看日志、打断点、推理。30 分钟还找不到再问 AI——这时候你的大脑已经加载了足够的上下文AI 的解释你才能真正理解。做设计决策的时候AI 可以出方案建议但选哪个方案这个判断必须你自己做。因为只有你自己知道你在意什么——性能、可读性、还是学习价值三、跟着工作流最容易踩的坑这些坑是按工作流的顺序排列的每条旁边标了跟哪一步最相关。序号踩过的坑关联工作流怎么避免1贴代码只说帮我看看没说审查方向第④步加一句话“审查线程安全和 RAII200 字以内”2代码写完放粘贴缓存里没归档到项目第④步之后审查完立刻放到项目目录能编译跑通才算完3给 AI 太宽泛的指令回复大而全没重点第①②步指出具体不理解的地方 字数限制4用熟练工程师的标准评价自己全局明确当前是打地基还是提效阶段标准不同5笔记写了没消化纯粘贴第⑦步写完笔记当天让 AI 出题测自己6多个项目间快速跳转全局锁定一个主线其他想法记下来以后看7配置了很多技能但基本没用全局按需启用打地基阶段 3-4 个足够8API 连接失败还以为网络问题全局先检查模型兼容性确认是否支持 system role四、Memory 系统你只需要开口说AI 来配置我怎么让它建起来的不是自己去翻文档、学 frontmatter 格式——就做了一件事在对话中随口说出需要记住的东西。我说这个三步学习法挺好以后就按这个来 → AI 问要不要存成记忆 → 我说要 → 它就建好了我说以后复盘报告都存到桌面那个目录 → AI 自动更新了记忆我说以后我说写周总结你就自动跑复盘 → AI 把它变成了一条触发规则从头到尾没写过一行 frontmatter没手动创建过一个文件。我只负责告诉 AI记住这个AI 负责格式化、写文件、更新索引。这个方法的核心把 AI 当成你的外挂大脑管理员——你只需要说这个重要记住它来处理怎么存、存在哪、以后怎么找。具体做法发现了一个好用的学习方式 → “记住以后就这样做”被某个问题坑了 → “记住这个坑以后提醒我”做了一个影响后续学习的决定 → “更新一下我的记忆现在主线是XX”唯一需要你做的事定期检查每周复盘的时候扫一眼 AI 用的记忆有没有过期——项目进度变了没技术水平更新了没过期的告诉 AI 删掉新的告诉 AI 加上。其余的全交给 AI。五、我用的模型DeepSeek v4 pro本文所有经验基于 DeepSeek v4 pro。不是推荐你用这个模型只是告诉你它的实际表现。优点学习效率大幅提升代码审查、知识点讲解、逐行注释的质量足够支撑日常学习。你不需要最强的模型你需要一个能陪你把代码改对、把概念讲透的模型。改变传统学习范式传统学习是看书→做笔记→做题→对答案每一步都是单向的、滞后的。Claude Code 把这个过程变成了即时交互——写一行代码就有人 review不懂就问问了就懂懂了就练练了就测。这个闭环的速度是传统学习的 10 倍。改变工作范式不仅是学习。写文档、排查 Bug、设计接口、复盘总结——这些原本需要多人协作的事现在可以一个人 AI 完成。不是用 AI 代替了别人是用 AI 放大了自己。缺点system role 兼容性问题DeepSeek 的 Anthropic 兼容端点不支持systemrole。Claude Code 初始化时会发 system 消息可能导致某些版本下连接反复失败API 报错unknown variant system。建议在 Claude Code 更新后先验证。输出风格差异更直接不像原版 Claude 先复述再回答。从原版切过来需要适应。不支持模型族差异化调用原版可以用 Sonnet 做简单任务、Opus 做复杂设计deepseek 把所有路由指向同一个模型。六、写在最后基础不牢时把 AI 当老师你不会问一台挖掘机怎么练手臂力量——但很多人对 AI 的用法就是这个级别的错位。让 AI 替你写代码、替你设计架构、替你跳过该自己踩的坑等于用挖掘机练手臂。短期看起来快了长期什么都没练到。正确的用法让 AI 看着你练给你即时反馈。你写代码它审查。你不懂它讲。你讲给它听它纠正。你踩坑它帮你定位根因。在这个过程中你是运动员AI 是教练。教练不会替你跑步但会让你每一次训练都精准命中弱点。基础扎实后把 AI 当搭子当你的手写能力已稳固、接口设计不再依赖外部建议、Bug 排查有了自己的方法论——AI 的角色就变了。它不再是需要仰望的老师而是一个跟你水平相当、但速度比你快 10 倍、永远不会累的搭子。你设计接口它帮你检查边界条件。你写核心逻辑它帮你补测试。你定方向它帮你扫清执行路上的体力活。不是AI 替代了你是你借助 AI 放大了自己。永远在探索Claude Code 的能力边界不是你刚用时看到的那样。探索不是装上所有技能试试哪个有用。真正的探索是发现一个重复痛点 → 想AI 能不能帮我解决这个 → 试一下 → 能用就固化成模板/技能/触发规则不能用就记下来以后再试。两个值得记住的思想费曼学习法如果你不能简单地解释一个东西说明你还没真正理解它。Claude Code 是你最好的费曼练习对象——把刚学的概念讲给它听它会戳穿你的模糊理解。比讲给一个听不懂的人强一万倍因为 AI 刚好懂。工具放大意图任何工具——从一把锤子到 Claude Code——都不会改变你的方向只会放大你的力量。如果你知道自己要学什么、为什么要学AI 会让你的学习速度快 10 倍。如果你不知道自己想要什么AI 只会让你更高效地原地打转。先想清楚目的地再让 AI 帮你加速。附录完整版周度复盘提示词每月底用20-30分钟跑完。替换{上周日期}和{本周日期}后粘贴使用。请帮我审查我最近7天{上周日期} 至 {本周日期}在 Claude Code 中的实际使用情况并输出一份周度复盘报告。 ## 分析范围 1. 检查 Claude Code 产生的会话记录~/.claude/projects/C--Users----/ 下的 jsonl 文件、缓存文件、技能目录和项目产物。 2. 统计这一周的总使用时长并按主要项目估算投入时间和精力分布。 3. 按项目梳理我做过的事情、产出的文件、以及中间是否有低效步骤。 4. 审查主要项目中的用户提示词、对话推进过程和任务拆解方式指出哪里提问不清楚、约束不完整。 5. 总结这一周使用 Claude Code 时最常见的思维问题和协作问题。 ## 输出要求 1. **总览**总时长、主要项目、缓存和产物概况。 2. **跟上周对比**必须先读上周的复盘报告 - 上周的建议本周执行了几条 - 同样的错误是否重复出现 - 是否有新类型的问题冒出来 3. **按项目分别分析**做了什么、花了多久、哪里效率低、提示词哪里可以改。 4. **CLAUDE.md 进度检查**读取所有活跃项目的 CLAUDE.md对比当前进度与实际产出是否一致不一致的要标出来。 5. **协作问题诊断**从提问方式、任务拆解、目标定义、工程习惯四个维度分析。 6. **本周浪费排名**按浪费时间从多到少最多 5 项。 7. **可执行优化建议**分两类 - A. 提问改进给出改前 → 改后对照 - B. 项目流程改进 8. 如果时间统计无法做到精确请明确说明估算口径。 ## 分析标准 - **效率判断**重写后没有实质设计改进 低效注意⚠️ 如果是刻意学习迭代每次重写都有新增理解不算低效代码/笔记没有落盘归档 低效配置了但没用过 低效。 - **提示词质量**过于宽泛如帮我看看这段代码 差缺少约束维度 中有明确审查视角和长度约束 好。 - **任务拆解**有先设计→再实现→再审查三步 好跳过设计直接实现 待改进。 - **工程习惯**代码能编译运行 合格学习记录有可验证内容编译命令/运行结果 合格。 ## 数据采集指引 按以下顺序采集不要一次性全读避免 token 溢出 1. ~/.claude/projects/C--Users----/*.jsonl — 按修改时间筛选最近7天 2. ~/.claude/paste-cache/*.txt — 按修改时间筛选最近7天 3. 桌面学习记录目录 4. ~/.claude/projects/C--Users----/memory/ — 记忆系统标注过期条目 5. 桌面近期项目目录 — 检查各项目的 CLAUDE.md 进度字段 6. ~/.claude/settings.json settings.local.json — 仅在怀疑配置有问题时读 ## 输出注意 - 使用具体数据不要泛泛而谈 - 改进建议必须是下周就能执行的1-3 条即可不要列一堆 - 每个问题给出之前→之后的可操作对照有问题直接在评论区问这篇文章里的每一个操作、每一条提示词、每一个踩过的坑都是真实跑过的。有哪里没写清楚或者你碰到类似的情况不知道怎么处理直接在评论区问——我看到了就会回。基于约 40 小时 Claude Code DeepSeek v4 pro 实战经验。