真正会用 Claude Code 的人，第一步竟然不是写代码

大多数人把 Claude Code 当成更聪明的自动补全，但 Greg Isenberg 的这期视频抛出一个反直觉观点：用不好，不是模型不行，而是你输入得太随意。这是一堂关于“如何指挥 AI 干活”的硬核速成课。

90%的人一上来就错了：问题不在模型，在你怎么下指令

视频一开场就点破一个残酷现实：Claude Code 并不会“自动把事做好”。相反，它会非常忠实地放大你的输入质量。Greg 反复强调一句话的潜台词——你写给 AI 的每一句话，都是在设计一个系统。

很多人用 Agent 失败，并不是 Claude 不聪明，而是输入模糊、目标摇摆、约束缺失。结果就是：模型看起来很忙，输出却完全不可用。这里最反直觉的一点是：越是强的模型，越怕含糊的指令，因为它会“认真地”走偏。

这也是为什么他在节目里不断强调“be really， really precise”。不是礼貌，不是长，而是精确。你给 Claude 的不是聊天，而是一份执行说明书。

别急着写功能，先把“计划”写到让人无法误解

如果只记住视频里的一个方法论，那就是：把计划当成第一等公民。Greg 甚至说，这是整个 Claude Crash Course 的第一步。

这里的计划不是 PPT 式的大而全，而是可执行的、可以被逐条验证的步骤。视频中反复出现一个节奏：先写计划 → 只做一个功能 → 写测试 → 测试通过再继续。任何一步出问题，都回到计划本身，而不是让模型“再试一次”。

一个很容易被忽略的细节是：好的计划会主动减少 Claude 的自由度。你不是在让 AI 发挥创意，而是在限制它只能在正确的轨道上前进。计划越清晰，后面的代码反而越省心。

工具不是救命稻草，别被“更聪明的 Agent”宠坏

视频里还有一个颇具争议的建议：在练基本功阶段，刻意不要依赖某些被热议的高级工具（片段中提到的“Ralph”）。理由很简单——如果你还不会拆问题、写计划、校验结果，再强的工具也只是在掩盖问题。

Greg 的态度非常明确：真正的能力来自“rep”，也就是反复和模型磨合的次数。你需要亲手经历计划失败、输出跑偏、测试不过的全过程，才能理解 Claude Code 的边界在哪里。

这和很多人的直觉相反。大家总想找一个“一键成功”的 Agent，但这期视频更像是在劝退：如果你跳过基本功，迟早会在更复杂的项目里付出更大的代价。

最后一条最不像技术建议：要有点“莽劲”

在所有技巧之外，Greg 用一个词收尾：audacity。中文直译有点像“胆子大一点”。

他的意思并不是鲁莽，而是接受一个现实：软件开发本来就不可能一次到位，用 AI 更是如此。如果你指望第一次就把需求、架构、实现全部想清楚，那你永远启动不了。

真正会用 Claude Code 的人，往往愿意先把一个不完美的版本跑起来，再通过精确输入不断修正。这种心态上的转变，可能比任何提示词模板都重要。

总结

这期视频真正教的，并不是某个 Claude Code 的隐藏用法，而是一种与 AI 协作的思维方式：先计划，再执行，小步验证，别迷信工具。如果你是 AI 从业者，最直接的行动建议只有一个——下次用 Claude Code 时，把写计划的时间翻倍，把“再生成一次”的冲动减半。思考一个问题：如果 AI 完全照你说的做，结果会不会已经注定？

关键词： Claude Code， AI Agent， 提示工程， 软件开发， 规划能力

事实核查备注： 需要核查：1）视频具体时长以确认文章长度匹配；2）“Ralph”具体指代的工具或功能；3）视频中是否明确提出“Crash Course”的说法及原句措辞。