两位工程师如何借助 Claude Code 实现15人团队的交付效率
一个由 **2** 名工程师组成的团队，其产出效率堪比传统的 **15** 人团队。
Kora 团队
传统团队
“复利式工程” (Compounding Engineering) 是一种全新的工作模式。其核心在于，利用 AI 将研究、规划、编码到审查的整个流程自动化，使得每一项完成的任务都能为后续工作累积优势，从而实现效率的指数级提升。AI 不再仅仅是编码的辅助工具，而是贯穿整个工程生命周期的核心引擎。
团队通过语音转文字，将功能需求或一个模糊的想法直接输入 Claude Code。
Claude Code 自动研究现有代码库和网络上的最佳实践，然后提出一份详尽的实施计划。
工程师对 AI 提出的计划进行审查。这是确保方向正确、融入人类经验和直觉的关键环节。
计划一经批准，Claude Code 会自动创建包含所有细节的 GitHub Issue，并将其放入开发看板。
AI 代理根据 Issue 实现代码，并运行测试（如冒烟测试）来验证代码质量和功能的正确性。
Kieran Klaassen 基于其广泛的使用经验，对市面上的主流 AI 编码代理进行了评级。结果显示，Claude Code 凭借其强大的通用性和深度集成能力独占鳌头。
在 AI 的加持下，这个两人团队在一周内完成了惊人的工作量，覆盖了产品功能、错误修复和底层架构的全面推进。
成功并非完全依赖 AI，而是源于人类智慧与 AI 能力的深度融合。AI 负责执行和加速，人类则负责指导、审查和注入创造力。
借鉴《高产出管理》的理念，在 AI 生成实施计划的早期阶段就进行审查和修正，其成本远低于在编码完成后返工。
“Evals for Prompts” 是确保 AI 输出稳定可靠的关键。通过对提示词进行系统性评估，可以发现并让 AI 自行修复不稳定的输出，从而保证工作流的健壮性。
可靠的 AI 输出