聪明人都在偷偷用的 Claude Code 技巧，把 AI 直接调成“外挂模式”

Greg Isenberg 这期视频里，随手展示了一个看似随意、实则极其“内行”的 Claude Code 用法：不是换模型，也不是堆提示词，而是把 Claude 的“思考方式”和搜索能力一起调教好。结果是——你几乎不用读资料，答案自己就长出来了。

真正的分水岭，不是模型强不强，而是你会不会“调教”它

视频一上来，Greg 就抛出一句很狠的话：有一种方式可以把 Claude Code 调到“超能力”状态。注意，这里说的不是升级账号、也不是某个隐藏功能，而是一种使用心态的转变。

很多人用 AI 写代码、做研究，本质上还是把它当成“更快的搜索框”：我问，你答。但在 Claude Code 里，Greg 展示的是另一种路径——直接 YOLO 式 dive in，把问题丢进去，让它自己跑思考、跑搜索、跑结构。

这里的反直觉点在于：你不是在控制它，而是在给它一个可以自由发挥的场域。Claude Code 不只是生成代码，它在后台同时做 web search，把外部世界实时拉进来。这一步，已经把它和传统“静态大模型”拉开了层级差异。

“最近 30 天”这个小技巧，才是聪明人真正偷懒的地方

视频里反复出现一个看似不起眼的设定：last 30 days。Greg 直接让 Claude 基于最近 30 天的信息做研究，而且强调了一点——“我甚至不用自己去读那些 research”。

这句话其实信息量很大。

第一，它默认 Claude 不只是摘要，而是在“理解+筛选+再组织”。第二，它把时间窗口变成了一个强约束条件，避免 AI 掉进过时信息或泛泛而谈的坑。第三，也是最关键的：你开始信任 AI 的研究过程，而不是只检查结果。

在传统工作流里，这一步通常意味着：你要自己查资料、比对来源、做笔记。而在这里，Claude Code 把这些全部前置完成，你只是在最后看“思路对不对”。这就是为什么 Greg 会说：‘honestly， so I could use it for myself.’——这是已经能进自己工作流的级别了。

这不是炫技 demo，而是一种新的 AI 使用范式

到视频中后段，你能明显感觉到一个变化：他们不再纠结“它能不能做到”，而是在想“那我们要不要再 spin off 一个 30 天窗口？”

这其实暴露了一个信号：当 AI 的能力稳定到某个阈值后，讨论重点会从“功能”转向“组合”。不同时间窗口、不同研究角度、不同 prompt best practices，本质上是在搭一套“思考积木”。

Greg 最后轻描淡写地说了一句：‘OK， let’s just do the demo.’ 但对真正的 AI 从业者来说，这句话背后意味着：demo 已经不是展示能力，而是验证工作流。

如果你现在还只是把 Claude 当成“更聪明的 ChatGPT”，那你和视频里那种用法之间，差的不是模型版本，而是一整套认知。

总结

这期视频最值得带走的，不是某一句金句，而是一个判断标准：当你用 AI 时，是不是已经懒到连“读研究”这一步都不想做了？如果是，那你就需要的不是更努力，而是更聪明的工作流。

一个可执行的行动建议是：下次做研究或写代码时，直接给 Claude Code 一个明确的问题 + 时间窗口（比如最近 30 天），让它跑完整流程，你只做最终判断。你会很快发现，AI 真正改变的不是效率，而是你参与工作的深度。

留给你一个问题：当 AI 能替你完成 80% 的思考准备，你还打算把时间花在哪 20% 上？

关键词： Claude Code， AI搜索， 工作流优化， 提示词技巧， AI研究

事实核查备注： 需要核查：视频实际时长；Claude Code 是否官方支持实时 web search；“last 30 days”是否为原话或界面选项；Greg Isenberg 的原始表述语境