实战 B2：Claude Code 日常开发工作流——深度调试、effort 策略与技术调研
实战教程系列 系列 B：B1 配置实战 | B2 日常开发 ← 本文 | B3 审查与重构 | B4 多 Agent | B5 大型项目
# Claude Code 日常开发
## 深度调试
- 错误栈到根因
- Effort 级别选择
- MCP 数据库查询
## /effort 策略
- 成本与质量平衡
- Effort 选择矩阵
- 实用升级法则
## /deep-research
- 技术选型调研
- 多 Agent 交叉验证
- 带引用的报告输出
案例 1：深度调试——从错误栈到根因
场景：生产环境偶发 "connection timeout" 错误。日志只有一句话：Error: read ECONNRESET。
传统调试 vs Claude Code
传统方式：你在 5 个文件之间跳转，手动追踪调用链，可能需要 30-60 分钟。
Claude Code 方式：
分析 src/server/ 目录中所有数据库连接相关的代码。
错误信息：Error: read ECONNRESET
发生位置：生产环境，偶发，无固定规律
技术栈：Go + PostgreSQL + pgx pool
请：
1. 追踪所有创建数据库连接的地方
2. 检查连接池配置——是否有超时设置不合理？
3. 检查是否有连接泄漏——查询后连接是否正确释放？
4. 检查重试逻辑——ECONNRESET 时是否正确重试？
5. 输出根因分析报告和修复建议
Claude Code 通过 MCP 连接直接查询数据库日志和连接池状态，10 分钟内定位根因：连接池的 MaxConnLifetime 设置超过了数据库服务器的 idle_in_transaction_session_timeout，导致服务器端关闭连接时客户端还在用。
Effort 级别选择
调试时用多少 effort？
简单 bug（空指针、类型错误） → /effort medium
偶发 bug（并发、超时） → /effort high
深层 bug（跨服务、数据一致性问题） → /effort xhigh
案例 2：/effort 策略——成本与质量的平衡
Effort 选择矩阵
| 任务 | Effort | 预估 Token | 预估时间 | 备注 |
|---|---|---|---|---|
| 代码解释 | low | 2K | 5s | 简单问答 |
| 写注释 | low | 3K | 10s | 机械任务 |
| 修简单 bug | medium | 8K | 30s | 日常修复 |
| 写单元测试 | medium | 10K | 45s | |
| 实现功能 | high | 25K | 2min | 默认级别 |
| 重构模块 | high | 40K | 3min | |
| 架构设计 | xhigh | 80K | 5min | 深度推理 |
| 安全关键代码 | max | 150K | 10min | 不计成本 |
| 大规模编排 | ultracode | 500K+ | 20min+ | 多 Agent |
实用法则
如果你不确定 → 用 high
如果结果不满意 → 升一级
如果成本太高 → 降一级
如果是机械任务 → low
案例 3：/deep-research——技术选型调研
场景：选型——用 tRPC 还是 GraphQL 做内部服务通信？
/deep-research Compare tRPC and GraphQL for internal service-to-service communication in a TypeScript monorepo.
Consider:
- Type safety across service boundaries
- Performance (latency, payload size)
- Developer experience (code generation, IDE support)
- Production adoption (case studies, known issues)
- Ecosystem maturity in mid-2026
Output a cited report with recommendations.
Claude Code 的 /deep-research 实际执行了一个 Dynamic Workflow：
flowchart TB
A[用户提问] --> B[多 Agent 并行搜索]
B --> C1[npm 趋势]
B --> C2[GitHub Issues]
B --> C3[技术博客]
B --> C4[HN 讨论]
C1 --> D[交叉验证]
C2 --> D
C3 --> D
C4 --> D
D --> E[Agent 独立投票]
E --> F[过滤低信度]
F --> G[输出报告]
- 多个 agent 从不同角度搜索（npm 趋势、GitHub issues、技术博客、Hacker News 讨论）
- 抓取并交叉检查来源
- 对每个声明投票——多个 agent 独立验证
- 过滤掉未通过交叉验证的声明
- 输出带引用的报告
输出包含引用的具体来源，可以直接放入技术方案文档中。
实操清单
- 用 Claude Code 做一次完整的深度调试：提供错误信息 + 相关文件 + 技术栈
- 根据任务复杂度选择合适的
/effort级别（简单→medium，复杂→high，深层 bug→xhigh） - 记录一次各 effort 级别的实际 token 消耗和耗时，建立自己的成本认知
- 运行
/deep-research做一次技术选型调研 - 对比
/deep-research的输出和手动 Google 的结果，评估可信度 - 在 CLAUDE.md 中添加
## Planning Conventions约定规划格式