Claude Code 的 7 个使用等级:从一句话到无人值守

Claude Code 七级进阶路径拆解:从一句描述到无人值守的自动化系统
本文梳理了 AI 开发者 Brock Masaryk 提出的 Claude Code 七级使用进阶框架,依次为:描述(一句话提示)、说话(语音输入)、规划(计划模式先出方案再执行)、打磨(迭代界面设计并借助检查点回退)、多任务(多 agent 并行配合 Git worktree 避免冲突)、随时随地(远程手机查看进度)、终端加自动化(命令行操作与例行任务设置)。每一级只比上一级多加一个习惯,核心价值在于提供自检地图——多数人停在前两三级,而第五级的多 agent 并行和第七级的无人值守才是将 Claude Code 从「写代码助手」变为「替你干活系统」的关键跳跃。文章也指出,原片由 Anthropic 赞助,实际使用中模糊提示、多 agent 冲突、检查点限制等问题需自行踩坑验证。
同样是 Claude Code,有人只用它写个小页面,有人让它在自己睡觉时继续干活。差别不在工具本身,而在用法。B站UP主转述的原片作者 Brock Masaryk 在 Claude Code 里用了几千个小时、做过 150 多个 AI 智能体,他把用法拆成七个等级,每一级只比上一级多加一个习惯。这篇文章按原片顺序梳理这七级进阶路径,并对照 Anthropic 官方文档的说法,帮你定位自己现在停在第几级。
从「描述」到「说话」:最低门槛的入口
第一级叫描述者——用一句话把你想要的东西描述给 Claude。最简单的入口是 Claude 桌面应用顶部的 code 标签页。进入前有几个关键选择:运行环境可选本地(在自己电脑上跑)或云端(在 Anthropic 服务器上跑,关机也能继续);模型选 Opus 5.5,这是 Anthropic 9 月发布的新一代模型;权限模式分手动与自动。
自动模式并非放任不管——执行命令或联网前,后台有一个分类器检查这个动作是否符合你的要求。作者在自动模式下只给了一句模糊提示「帮我做一个记录习惯和散步的简单应用」,五分钟后 Claude 交出了一个可用但「跟脑子里想的不太一样」的应用。原因很直白:提示词太模糊,模型只能靠猜。
第二级是说话者。输入框里的麦克风点一下就能把语音实时转成文字。作者的规矩是「能说多久说多久」,把想法一股脑倒出来,不用整理结构。但他说完并没有马上回车——说得再细,总有些地方得由模型自己拿主意。

规划与打磨:把方向权交回自己手里
第三级规划者解决的正是「让模型少猜」的问题。做法是把模式从自动切到计划模式:在批准之前,Claude 只读文件、探索项目、写出计划,不会动你的原代码。演示里按下回车后,它没有写代码,而是先停下来问了几个作者可能漏掉的问题。批准时可以选择「接受并自动执行」「接受但逐处手动确认」或「继续规划」。
第四级设计完美主义者,把界面一路打磨到想要的样子。作者只发了一句「做成一款高级感的健身应用,平静、有激励感」,十分钟后页面换了 logo、字体更干净、元素更大。官方提示词指南提醒:不给明确设计方向,模型容易回到默认套路,所以想要特定效果最好直接写明颜色、字体和要避开的风格。

这一级还有个重要的安全网:每发一次提示词,Claude Code 都会自动存一个检查点。连按两次 Escape 可回退,能只回退代码、只回退对话或两者一起,相当于整个项目的撤销键。但官方文档写得很清楚——终端命令改动的文件、你手动改的内容,检查点都不记录,它不能替代 Git。
检查点(checkpoint)本质上是 Claude Code 在每次提示词执行完毕后对项目文件做的一次快照,存储的是被 Claude 直接写入或修改的文件状态。它的设计目标是让用户能低成本地「反悔」一次 AI 操作,类似于文字处理器的撤销历史。但它的覆盖范围有一个容易被忽视的边界:只记录 Claude 通过文件写入 API 修改的内容,而终端命令(如 npm install、数据库迁移脚本、shell 脚本)对文件系统造成的改动完全不在快照范围内,用户手动编辑的文件同理。这意味着如果一次 agent 运行既改了代码又执行了终端命令,回退检查点只能恢复代码部分,系统状态可能已经不一致。这是检查点不能替代 Git 的根本原因——Git 对「谁改了什么」有完整的显式记录,而检查点只是一个范围有限的便捷后悔药。
多任务与远程:真正拉开差距的两级
第五级多任务者,作者说这一级会让你真正上一个台阶。他连点三次,给三个 agent 各派一个活:一个加每周图表、一个写每日鼓励语、一个通读应用查 bug,大约十分钟跑完。要注意多个 agent 共享同一文件夹可能冲突,Git 项目可以勾选工作树(worktree),让每个 agent 各用一份副本。
原片在这里穿插了一组官方数据:Opus 5.5 在多数任务上达到 Opus 5.1 的水平,输出速度比 Opus 5 快三成以上,默认设置下典型任务成本低于四成;API 价格为每百万 token 输入 4 美元、输出 20 美元,各付费套餐的 5 小时用量上限也有所提高。
第六级随时随地,把大活交给 Claude 后人走开,用手机或网页看进度。作者把思考力度从默认的中档调到高档,用一条提示词写进「家庭聚会指挥中心」的七项功能,先计划后自动执行。关键在顶部小电脑图标里确认远程控制已打开——打开后手机或网页都能接着看这个 agent,但代码仍在你电脑上跑,所以电脑必须保持开机。他在手机 Claude 应用或浏览器打开 cloud.ai/code 都能看到家里电脑上正在跑的任务,还能直接发消息。

到这里为止,作者一次终端都没打开过——这是刻意安排,用来说明前六级完全可以在图形界面里完成。
Git worktree 是 Git 的一个进阶功能,允许同一个仓库同时在多个目录下被检出(checkout),每个目录有自己独立的工作区和暂存区,但共享同一份 .git 历史记录。在多 agent 并行场景下,如果三个 agent 都写同一个文件,最后写入的那个会覆盖前两个的改动,worktree 通过给每个 agent 分配一个独立副本来规避这一竞态条件。使用方式是 git worktree add ../project-branch-name branch-name,agent 跑完后再将各分支的改动合并回主分支。这也解释了为什么第五级要求项目必须是 Git 仓库——没有版本控制的项目无法使用 worktree,多 agent 并行时文件冲突的风险就无法系统性消除。
终端与自动化:无人值守的最后一级
第七级势不可挡,才真正用上终端。它看着吓人,其实是同一个 Claude Code 换成文字窗口。Mac 上一条 curl 命令安装,进项目文件夹输入 claude 回车即可进入。语音用 /voicy,按住空格说话;按住 Shift 再按 Tab 可在手动、自动接受编辑、计划、自动之间切换。

进阶命令 UltraReview 会在 Anthropic 云端派出一组审查智能体专找真实 Bug,要求项目是 Git 仓库,Pro 和 Max 有三次一次性免费,之后一般每次 5 到 25 美元。作者跑了一次,找到两个小 Bug 并当场修好。
这一级的另一半是例行任务(automation)。在桌面应用左侧新建一个任务「聚会晨报」,设定每天早上 7 点检查聚会指挥中心并告诉当天安排。要注意本地例行任务只在应用开着、电脑醒着时运行,可在设置里开启「保持电脑唤醒」,错过的那次会在电脑醒来后补跑;但合上笔记本仍会睡眠,想关机也照常运行就得改用云端例行任务。
云端例行任务与本地例行任务的根本区别在于执行主体。本地例行任务由用户自己的电脑触发和运行,代码和数据都留在本地,但依赖电脑处于开机且唤醒的状态。云端例行任务则将触发逻辑托管到 Anthropic 的服务器,到点后由云端调度,不依赖用户设备的状态。这意味着云端方案在可靠性上更高,但代码执行环境也随之转移到远端,涉及敏感本地文件或需要访问局域网资源的任务就无法直接使用。选择哪种方案,实质上是在「稳定性与数据控制权」之间做取舍:定时发送公开信息、汇总远程 API 数据等任务适合云端;操作本地数据库或读写私有文件的任务更适合本地方案并配合「保持唤醒」设置。
对照你自己停在第几级
七级回顾一遍:描述、说话、规划、打磨、多任务、远程、终端加自动化。每一级只多加一个习惯,门槛逐步抬高,收益也逐步放大。这套分级的价值不在于炫技,而在于提供一张自检地图——多数人其实停在前两三级,而第五级的多 agent 并行和第七级的无人值守,才是把 Claude Code 从「写代码的助手」变成「替你干活的系统」的关键跳跃。
从哪一级开始练,取决于你今天实际的用法。值得提醒的是,原片由 Anthropic 赞助,内容偏向展示产品最佳状态,实际使用中模糊提示、多 agent 冲突、检查点不记录终端改动等限制都需要自己踩过才有体感。
相关推荐

Workbuddy零基础入门:桌面AI智能体如何落地工作流
Workbuddy桌面AI智能体零基础教程解读:从安装、积分领取到文件管理与自动化工作流搭建,对比CodeX的适用场景与成本差异,帮助职场人完成从AI提问者到AI管理者的思维转变。

OpenAI智能体新栈:计算机操作、决策API与超速工作流
OpenAI Dev Day发布智能体新栈:Computer Use操作速度超越普通人,Decisions API基于Luna实现极低延迟分类,Agents API开放同源计算机操作能力,GPT-6.1 Sol成本仅为Astra七分之一。本文梳理核心更新、实测数据与开发者落地要点。

梁文峰开源推理框架DeepInfo,硬刚美国禁令
DeepSeek在开源模型后再开源推理框架DeepInfo,包含GPU/CPU交叉流水线、小模型预判大模型复核、华为昇腾与英伟达芯片全面适配等技术,直面美国联邦禁令。本文解析其对AI产业落地的意义与开源策略。