高级工程师用 Claude Code，真正拉开差距的地方，不是让 AI 多写几行代码。

他们把自己的时间从敲代码这件事上抽出来，转向了更重要的部分：写清楚提示词，拆任务，做技术规划，审查结果，验证边界。代码本身反而成了最容易被 AI 接管的环节，难的是代码之外的那些判断。

一个比较成熟的工作流长这样：把一个任务拆给多个 Agent，每个 Agent 有明确的角色分工。一个负责头脑风暴，一个负责出技术方案，一个负责具体实现，一个负责 code review，还有一个专门从不同角度验证风险。所有过程都记录成 markdown，留痕可追溯。

这个方式不一定更快，甚至会有更多等待时间。但质量会上去，因为每个环节都有专门的 Agent 在盯着，不会出现一个 AI 从头糊到尾、前后矛盾的情况。

这里面真正的放大器是 git worktree。

它可以让你同时开多个 Claude Code 会话，每个会话在不同的分支或目录里处理不同任务。有人已经在同时跑四到八个 Claude Code 会话了。相当于你一个人同时指挥一支小团队，每个成员各干各的，互不干扰。

这就引出了一个有意思的变化。AI 时代新的工程能力，可能不只是会写代码。更关键的是，你能不能同时指挥多个 Agent，协调它们的产出，又不让整个系统失控。

这跟带团队其实是一回事。以前带人，你得分配任务、对齐上下文、review 产出、控制质量。现在带 Agent 也是同样的逻辑，只是对象从人变成了 AI。管理能力、拆解能力、质量判断力，这些东西的价值反而被放大了。

写代码这件事的门槛在降低，但工程这件事的门槛可能在升高。因为当代码变得廉价的时候，决定写什么代码、怎么组织、如何验证，这些能力就变成了真正的稀缺资源。

#How I AI##科技先锋官#