Matt Van Horn 的 22 个 Claude Code 黑客技巧：让 AI 写 plan.md 但不读 plan.md¶

Ch09.035 Matt Van Horn 的 22 个 Claude Code 黑客技巧：让 AI 写 plan.md 但不读 plan.md¶

📊 Level ⭐⭐ | 13.4KB | entities/matt-van-horn-claude-code-workflow-philosophy.md

摘要¶

Matt Van Horn（EveryInc，Python/Go 顶级项目贡献者）的 Claude Code 22 个黑客技巧，核心哲学：让 AI 写 plan.md 但不读 plan.md；6 个 cmux 标签页并行；用 Agent Cookie 让 Agent 登录真实世界服务；彻底放弃 IDE。

不只是一份技巧清单，而是一套完整的 Agent 时代开发者工作流哲学 —— 人类 = 信号/品味/方向，智能体 = 执行/产量。

核心反直觉¶

• 80% 计划 + 20% 执行（传统相反）。思考过程全在 plan.md，执行是机械的
• 强制生成 plan.md 是为了让智能体不偷懒 —— 写计划迫使它研究、承诺方法、列验收标准
• 不读 plan.md —— 扫一眼标题就 /ce-work，内联提问 TLDR / eli5
• 直接索要交付物会偷工减料。让它先计划如何生成交付物，再执行 —— 每次都是深度版本

22 个黑客技巧（六大类别）¶

A. 计划循环（CE 系列）¶

1. /ce-plan 永远第一步 —— 任何想法（产品/bug/截图/Slack）都先 plan.md
2. 不读 plan.md —— 300 行 markdown 是智能体的作业
3. /ce-plan 不只用于代码 —— 让第一个 plan 成为「关于计划的计划」

B. 输入与并行¶

1. 彻底接受语音 —— LLM 能填补转录错；Mac: Monologue/Wispr Flow + 鹅颈麦
2. cmux 4-6 个标签页 —— 并行：1 个写计划 / 1 个构建 / 1 个跑 last30days / 1 个修 bug
3. 终端默认进入 Claude —— 新标签页直接打开智能体

C. 远程与权限¶

1. 远程控制 + AgentMail 邮箱 —— 邮件触发新会话，白名单 DKIM/SPF 闸门
2. 危险地跳过权限 —— bypassPermissions + skipDangerousModePermissionPrompt + 声音钩子 afplay Blow.aiff

D. 引擎分工¶

1. Codex 负责构建，Claude 负责计划 —— 三种方式不离开 Claude 把工作交给 Codex；两个 200 美元订阅 = 一整个辅助引擎
2. 计划前先研究 —— /last30days <topic> 并行搜索 9 平台
3. Granola + 原始转录稿 —— 不先总结，整个乱糟糟的转录稿直接喂

E. 内容与信号¶

1. 人类信号 —— 稀有且有价值的不是打字速度，是判断力
2. HyperFrames 制作视频 —— 视频 = HTML + script.md
3. 笔记即知识库 —— Bear/Obsidian + gbrain/supermemory

F. 工程基础设施¶

1. 远程工作（Mac mini） —— Mosh + Tmux + Hermes + OpenClaw + Agent Cookie 同步
2. Proof 分享 plan —— 人能读 + 评论回流智能体循环
3. 编写自己的技能 —— 做超过 2 次的事 → 技能；让智能体读 CE 这种优秀技能模仿结构
4. 为热爱项目做贡献 —— 真正宝贵的是人
5. M5 Max 64GB + 永不休眠 —— sudo pmset -a disablesleep 1
6. Printing Press 真实 CLI —— 智能体跑腿：车辆预热/超市下单/订机票
7. 诚实的部分 —— 成瘾 是真问题，不是休息
8. 这篇文章就是这样写出来的 —— cmux + Claude + 语音 + Proof

关键哲学提炼¶

「直接索要交付物，它会偷工减料。让它先计划如何生成交付物，再执行该计划，每次都能做出深度版本。」

「智能体本该替人类做所有的工作。但相反，所有的朋友都在比以往任何时候更努力地工作。陷阱不在于空荡的发布，而在于整个人消失在构建过程中，失去了身边的人。」

工具栈速查¶

与现有实体的关系¶

• 与 Claude Code 1 周年回顾 互补：1 周年是时间线 + 团队视角；本文是开发者工作流哲学
• 与 Harness Engineering 核心模式 互补：CE plan.md 循环是 harness engineering 的具体实现
• 与 工作流 Skill 模式 呼应：「任何做超过 2 次的事 → 做成技能」是 SkillOS 哲学的实战版
• 与 Hermes 自进化 平行：Matt 用 OpenClaw + Hermes 跑远程工作
• 与 Agent 六机制 呼应：「先 plan 后 work」是六机制中"计划-执行分离"的具体实现

工程可复现项¶

• /ce-plan + /ce-work 双技能：是 Compound Engineering 插件（EveryInc/compound-engineering-plugin）的入口
• CE plan.md 结构：问题诊断 + 解决方法 + 修改文件清单 + 验收标准复选框
• 6 标签页并行 + 声音钩子：唯一分辨 6 个会话完成方式
• Agent Cookie：将真实浏览器会话交给 CLI，是「智能体登录服务」的关键
• /last30days：并行 9 平台研究，决策前必跑

→ 原文存档

深度分析¶

核心观点：80% 计划 + 20% 执行是 AI 时代人机协作的结构性反转¶

传统软件工程中，开发者的时间大量投入"执行"（写代码、调试），计划只是前期铺垫。Matt Van Horn 的实验揭示了一个结构性反转：当 AI 能承担高质量执行时，人类的价值迁移到计划质量本身。写计划强迫 Agent 研究、承诺方法、列出验收标准——这是防止 Agent 偷懒的机制，而不是给人类自己看的文档。Agent Self Improvement Six Mechanisms 中的"计划-执行分离"与此呼应，但本文的贡献在于将这个原则 operationalize 为日常工具使用行为（每件事都先 /ce-plan）。

技术要点："让 AI 写 plan.md 但不读 plan.md"本质是委托-代理最优分离¶

这个看似反直觉的做法有深刻的工程逻辑：plan.md 是 Agent 的作业而非人类的阅读材料。人类只需要扫一眼标题判断方向，然后 /ce-work 内联提问 TLDR/eli5。这意味着人类扮演的是评审者而非消费者——计划的生产者和计划的执行者是同一个 Agent，但人类只消费计划的摘要而非完整内容。这与 Harness Engineering Core Patterns Claude Code 中描述的 Harness Engineering 原则一致：人类定义验收标准，Agent 负责实现路径。

实践价值：cmux 6 标签页并行 + 声音钩子是分布式认知的物理实现¶

传统 Terminal 工作流是单线程的（一个任务完成后再开始下一个）。Matt 的 cmux 配置实现了真正的并行多 Agent 工作流：每个标签页是不同的认知进程，声音钩子（afplay Blow.aiff）是完成信号的人机交互协议。这个模式的深层洞察：完成感知不是眼睛盯着进度条，而是听觉信号触发的注意力路由。这与 Llm Observability 4 Layer Model 中的"交互控制系统"概念相通——但这里是声音驱动的，而非仪表盘驱动的。

深层博弈：Agent Cookie 让 CLI "登录真实世界"是 Agent 工具调用能力的质变¶

Agent Cookie（将真实浏览器会话交给 CLI）解决了 AI Agent 落地最难的最后一公里：如何让 Agent 操作需要身份验证的第三方服务。在此之前，Agent 的工具调用被限制在"无状态 API 调用"。Agent Cookie 将 session/cookie 级别的上下文引入 CLI，这是从"函数调用"到"身份感知操作"的质变，也是 Matt Printing Press（车辆预热/超市下单/订机票）的技术基础。

技术判断：成瘾是真实风险，而非边缘警告¶

Matt 坦诚提到"成瘾是真实问题，不是休息"，这个判断值得认真对待。AI coding 的反馈循环（快速产出 → 即时满足 → 更大目标）在神经机制上与游戏/社交媒体类似，但产出的社会价值完全不同。这不是道德说教，而是可持续性问题。当"努力工作"变成了 Agent 代为执行、人类负责批准的状态时，职业身份的瓦解可能比工作效率的提升来得更快。这与 Agentic Ai System Architecture Harness Skill Mcp 中讨论的"AI 影子采纳率"问题（77.55% 管理者无法分辨 AI 使用）形成微观-宏观对应：成瘾是个人层面的影子采纳，影子采纳是组织层面的成瘾。

实践启示¶

1. 所有任务都从 /ce-plan 开始，哪怕只是"写一个脚本"：计划不是给人类看的文档，而是强迫 Agent 做深度研究的机制。直接索要交付物 → 偷工减料版本；先 plan 如何生成交付物 → 每次都是深度版本。这个原则与 Skill Writing Patterns Best Practices 中"做超过 2 次的事 → 做成技能"的精神一致：都是将重复行为升级为系统性工程。

2. 6 标签页并行是 Agent 时代的"多线程"：设置 cmux 为 4-6 个标签页，分别运行 /ce-plan（研究）、/ce-work（构建）、/last30days（研究）、修 bug（调试）。用声音钩子区分完成信号（不同 tab 完成后播放不同声音）。这是分布式认知的物理实现，让人类同时"监控"多个 Agent 进程而不过载。

3. 语音输入将瓶颈从打字速度切换到判断力：Mac 上用 Monologue/Wispr Flow + 鹅颈麦，语音转文字 + LLM 纠错。核心洞察：LLM 能填补转录错误——这意味着语音输入的质量下限由 LLM 的容错能力决定，而非麦克风质量。这个模式将人类的竞争优势锁定在"判断力"而非"执行速度"，这正是 Agent 时代最稀缺的资源。

4. 构建自己的技能库作为复利资产：任何做超过 2 次的事 → 做成技能。Skill Writing Patterns Best Practices 是技能编写的最佳实践，Matt 的实践进一步说明：让 Agent 读优秀技能（如 CE 体系）模仿结构，是技能积累的正向飞轮。每一次技能封装都是可复用资产的下一次复利。

5. 警惕"整个人消失在构建过程中"：Matt 的警告值得每个 Agent 时代工程师认真对待：Agent 本该替人类工作，但相反所有人都在比以往更努力地工作。破解方法：有意识地保留"非 AI 时间"——与人的真实连接、线下的身体感知、离开屏幕的判断力训练。Agent 是强大的，但判断力只有在持续使用中才能保持锐度。