号称 Shopify 2.3 万工程师背后的 Claude Code 配置
1. 先统一 AI 入口
Shopify 没把团队绑死在一个工具上，而是先做一层 LLM proxy。Claude Code、Copilot、Cursor 都从同一个 gateway 走，再接 OpenAI、Anthropic、Google
这样能统一看用量、控成本、做模型路由。以后换模型，工程师的工作流不用跟着重搭。
2. 大任务开 parallel agents
别把 Claude Code 当单个聊天框用。大任务拆成几块，开 2-3 个终端同时跑
一个 agent 改 auth，一个写 payment flow 测试，一个更新 API 文档。人负责看 diff、丢掉不靠谱的输出、合并能用的部分。
3. 架构问题用 critique loop
写代码可以并行，架构决策更适合让一个 agent 多轮自我审查
prompt 可以这样写：先给方案，再批判哪里会在 scale 时出问题，然后基于批判修订，再批判修订版，最后给每个决策的置信度
别急着拿第一版答案，让 Claude 先把自己的漏洞挑出来。
4. 让 Claude 访问真实系统
Shopify 开源了 shopify-dev-mcp，让 Claude Code 直接查最新文档、验证 GraphQL schema、跑 Shopify CLI，还能处理产品、metafields、themes、bulk operations
其他团队就接自己每天用的 MCP：GitHub、Slack、数据库、内部文档。
5. CLAUDE.md 提交到 git
把 CLAUDE.md 当团队共享上下文提交到 repo，让所有 agent 看到同一套项目规则
内容控制在 60 行以内，只放 stack、常用命令、目录结构、硬规则。原文特别提醒，塞太多标准会拖慢每一轮，因为这些内容每次都要进上下文。
6. 权限先收紧
agent 可以读文件、改代码、跑测试、lint、看 git status、看 diff、commit。
push、deploy、删库、rm -rf、读取 .env 和 secrets 这类动作直接禁止。默认可以接受编辑，但任何不可逆操作都留给人。
7. 把时间挪到策略验证
原文说 Shopify 的工程时间分配已经从 70% 执行、30% 策略，翻到 70% 策略、30% 执行
AI 写更多代码之后，人要花更多时间判断用户流程、需求是否成立、架构该怎么选。20% productivity gain 来自更快试 10 个方案，而不是更快敲完同一个方案。
1. 先统一 AI 入口
Shopify 没把团队绑死在一个工具上，而是先做一层 LLM proxy。Claude Code、Copilot、Cursor 都从同一个 gateway 走，再接 OpenAI、Anthropic、Google
这样能统一看用量、控成本、做模型路由。以后换模型，工程师的工作流不用跟着重搭。
2. 大任务开 parallel agents
别把 Claude Code 当单个聊天框用。大任务拆成几块，开 2-3 个终端同时跑
一个 agent 改 auth，一个写 payment flow 测试，一个更新 API 文档。人负责看 diff、丢掉不靠谱的输出、合并能用的部分。
3. 架构问题用 critique loop
写代码可以并行，架构决策更适合让一个 agent 多轮自我审查
prompt 可以这样写：先给方案，再批判哪里会在 scale 时出问题，然后基于批判修订，再批判修订版，最后给每个决策的置信度
别急着拿第一版答案，让 Claude 先把自己的漏洞挑出来。
4. 让 Claude 访问真实系统
Shopify 开源了 shopify-dev-mcp，让 Claude Code 直接查最新文档、验证 GraphQL schema、跑 Shopify CLI，还能处理产品、metafields、themes、bulk operations
其他团队就接自己每天用的 MCP：GitHub、Slack、数据库、内部文档。
5. CLAUDE.md 提交到 git
把 CLAUDE.md 当团队共享上下文提交到 repo，让所有 agent 看到同一套项目规则
内容控制在 60 行以内，只放 stack、常用命令、目录结构、硬规则。原文特别提醒，塞太多标准会拖慢每一轮，因为这些内容每次都要进上下文。
6. 权限先收紧
agent 可以读文件、改代码、跑测试、lint、看 git status、看 diff、commit。
push、deploy、删库、rm -rf、读取 .env 和 secrets 这类动作直接禁止。默认可以接受编辑，但任何不可逆操作都留给人。
7. 把时间挪到策略验证
原文说 Shopify 的工程时间分配已经从 70% 执行、30% 策略，翻到 70% 策略、30% 执行
AI 写更多代码之后，人要花更多时间判断用户流程、需求是否成立、架构该怎么选。20% productivity gain 来自更快试 10 个方案，而不是更快敲完同一个方案。
今天在 GitHub 上看到 Horizon 这个开源工具，用 AI 自动聚合、筛选和总结科技新闻，每天生成一份精选简报。
从多个来源抓取内容后，通过 AI 对每条新闻打分，只保留高质量内容，还会自动去重合并不同平台的相同新闻。
GitHub：http://github.com/Thysrael/Horizon
对筛选出的重要新闻，会搜索网络补充背景知识，收集社区讨论，最后生成中英双语的结构化报告。
目前已支持 Hacker News、RSS 订阅、Reddit、Telegram 频道和 GitHub 等多种来源。
同时可以配合 GitHub Actions 定时运行，实现自动发布到 GitHub Pages 作为每日简报网站。
互联网充电｜优质资源
优质内容｜内幕消息
有种预感，AI 接下来的发展对大龄程序员是重大利好
程序员之所以有35岁危机，是因为本职工作不如年轻人能卷。这种“靠个人时间堆积的 ‘卷’ ”在 AI Coding 带来的效率提升面前根本不够看。
除此之外，大龄程序员积累的多工种能力（比如 产品 + 前端 + 后端）可以快速转化为「指挥多工种 Agent 工作的能力」。
极端情况下，会出现“一个跨能力大龄打工人指挥多工种 Agent，独立完成产品的全生命周期”。
这种效率提升是 10x 以上的。毕竟，Agent 之间不用开会撕逼「狗头」
有人会问，年轻人不也能指挥 Agent 卷么？残酷的现实是，AI Agent 太好用了，很多公司已经不愿意培养新人了，新人已经失去了老人当年通过实践掌握各种能力的环境。
互联网充电｜优质资源
优质内容｜内幕消息
程序员之所以有35岁危机，是因为本职工作不如年轻人能卷。这种“靠个人时间堆积的 ‘卷’ ”在 AI Coding 带来的效率提升面前根本不够看。
除此之外，大龄程序员积累的多工种能力（比如 产品 + 前端 + 后端）可以快速转化为「指挥多工种 Agent 工作的能力」。
极端情况下，会出现“一个跨能力大龄打工人指挥多工种 Agent，独立完成产品的全生命周期”。
这种效率提升是 10x 以上的。毕竟，Agent 之间不用开会撕逼「狗头」
有人会问，年轻人不也能指挥 Agent 卷么？残酷的现实是，AI Agent 太好用了，很多公司已经不愿意培养新人了，新人已经失去了老人当年通过实践掌握各种能力的环境。
互联网充电｜优质资源
优质内容｜内幕消息
#出海运营秘籍👉@yunying23
在企业新媒体运营中，能真正把账号做活的，往往是待得住、懂行又有趣的老员工。年轻运营常因对公司底蕴一知半解，或因资历浅不敢突破，内容多是浮于表面的合规表达，缺了活人感；
而资深老员工，既摸透了公司的核心逻辑与文化底色，又有长期积累的话语权扛住试错阻力，再加上跟用户打磨多年的体感，能精准戳中受众的真实需求，这种“懂内核、敢表达、通人性”的复合优势，是新人短期内很难替代的。
在企业新媒体运营中，能真正把账号做活的，往往是待得住、懂行又有趣的老员工。年轻运营常因对公司底蕴一知半解，或因资历浅不敢突破，内容多是浮于表面的合规表达，缺了活人感；
而资深老员工，既摸透了公司的核心逻辑与文化底色，又有长期积累的话语权扛住试错阻力，再加上跟用户打磨多年的体感，能精准戳中受众的真实需求，这种“懂内核、敢表达、通人性”的复合优势，是新人短期内很难替代的。
