Claude Code 使用进阶：如何判断一个人的 AI 编程能力？

用 AI 写代码这件事，门槛确实在不断变低，但真正能把 Claude Code 这种 Agent 玩转的人，跟只会复制粘贴的人完全不是一个量级。

我最近在研究 Promptster 团队开源的那套评估标准，非常有意思。他们不只是在看你写了多少行代码，而是在拆解一个“AI 熟练工程师”的核心能力模型。如果你还在觉得 AI 给出的代码总是不对劲，或者上下文总是乱套，可能不是模型的问题，而是你的 Context Management（上下文管理）出了问题。

根据他们的 Rubric（评价标准），衡量一个人用 Claude Code 的水平，核心在于以下几个维度的实操能力：

核心评估维度

上下文控制

- 低级玩家表现：把整个工程全塞进去，导致 Token 爆炸或干扰
- 高级玩家表现：精准定位文件，利用文件系统指令引导 Agent

指令质量

- 低级玩家表现：模糊的自然语言，如 "fix this bug"
- 高级玩家表现：带有领域知识的约束，明确输入输出预期

迭代逻辑

- 低级玩家表现：一次性要求完成大功能，失败后反复重试
- 高级玩家表现：拆解任务流，通过小步快跑的指令进行验证

工程素养

- 低级玩家表现：完全依赖 AI 生成，不看逻辑，直接 Commit
- 高级玩家表现：结合 DORA 指标，利用 AI 辅助测试与重构

实战中的避坑指南

作为从设计转过来的开发者，我最直观的感受就是：AI Agent 极其吃“上下文环境”的质量。

如果你在用 Claude Code 时发现它开始胡言乱语，不要只会不停地敲 Enter 让它重新生成，试试通过以下方式调整你的工作流：

1. 明确边界：不要指望它能理解你脑子里没写出来的逻辑。在执行复杂重构前，先用注释或者简单的文本描述你的逻辑路径。
2. 管理 Context：如果你发现 Agent 陷入了死循环，最有效的手段是手动清理当前的会话上下文，或者通过精准的指令限制它读取的文件范围。
3. 验证闭环：不要把 AI 当成黑盒。每一次 Agent 完成任务，必须配合单元测试。

如果你对如何量化团队的 AI 编程能力感兴趣，可以直接看这个开源的评估标准，里面对 AI Agent 的使用规范写得很细：

https://github.com/promptster-ai/rubric

对于我们这种追求极致开发体验（DX）的人来说，Claude Code 不是替代品，它更像是一个需要你精准指挥的“初级程序员”。你指挥得越烂，它的产出就越像垃圾。