如果你等不及读完这篇文章，现在就把这个提示词复制粘贴到你的 Claude Code / Codex / Grok 里，立刻就能用：
安装 XERJ（文档：
https://xerj.org/llms.txt ），索引这个项目的源代码，并设置参考编码：克隆并索引与我们正在构建的内容最接近的开源仓库，在编写代码之前搜索它们是如何解决问题的。
大多数人把 Claude Code 当成一个昂贵的实习生来用，而下面要讲的是如何让它每次交互都变得更聪明（真的）。
你交给它一个任务。它会问几个问题。它 grep 一下仓库，猜测你的代码是如何工作的，写一个实现，然后某个地方出错了。你粘贴错误信息。它重写。然后又有别的地方出错了。
每一次这样的交互，都是你花钱买的 token。
而且 Claude 通常卡住，并不是因为问题本身很难。它卡住是因为你让它重新发现了一个已经存在的答案，这个答案要么在你的仓库里，要么在一个开源项目里，那里已经有几千个开发者找到了所有的边界情况。
XERJ 对此进行了严格的测试。8 个编码任务，4 种编程语言，每种设置运行 16 次，token 数量直接从 Claude 的 -p 参数中提取。
从记忆中：260,916 个输出 token 从参考中：9,982 个输出 token
基于记忆解决了 16 个任务中的 11 个。基于参考解决了全部 16 个。
所以，请认真对待并读完下面的内容 ↓↓↓
你正在为这个循环付费
一个正常的会话是这样的。
你描述你想要什么。Claude 进行探索。它对你的模式、你的错误处理、你的数据形状做出一个假设。它基于这个假设编写代码。这个假设在某处是错误的，所以东西出错了，你解释错误，它重写，然后你再次循环，直到输出与你一开始脑海中想的一致。
人们把这个循环看作是 Claude 不擅长编码的表现。恰恰相反。Claude 非常擅长获取一个有效的示例，并将其适配到新的情况。这个循环之所以发生，是因为房间里没有示例，所以它把会话的前半部分都花在了重建一个示例上。
输出 token 是昂贵的，在 Claude 模型上，其定价大约是输入 token 的 5 倍。所以这个循环的每一圈都是按最高费率计费的。
提示词和参考不是一回事
提示词是一个指令。参考是证据。
你可以写两千字来精确描述这个东西应该如何表现，但 Claude 仍然需要将这些描述转化为实现，然后猜测你遗漏的所有东西。
一个有效的实现已经包含了那些你永远不会写下来的部分：
- 架构
- 错误处理
- 重试逻辑
- 两年前有人在生产环境中遇到的边界情况
- 一个函数为什么被那样拆分的原因
你没有在提示词中提到这些，因为你不知道它们很重要。
这里有一个最尖锐的例子。编译器最终会泄露一个方法名。它会告诉你这个函数叫 absorb 而不是 push，并为此向你收取 20 到 25 倍的 token 费用。但编译器永远不会泄露一个契约。你的工具链中没有任何东西会告诉你，这个结构在读取之前必须先被密封。这个规则存在于编写这个库的人的脑子里，以及函数体内部，再多的提示词编写也无法恢复它，因为你根本不知道它的存在。
这就是为什么这种方法能同时减少 token 消耗并提高质量。更多有用的上下文输入，更少的猜测，更少的重试。
测试结果说明了什么
与基于 grep 的设置相比，参考编码在相同的 8 个任务上使用了 2.7 倍更少的输出 token。各分支的总成本从记忆模式的 $11.18，到使用 grep 的 $3.27，再到使用参考的 $1.58。
Grep 看起来像是解决方案，但大多数情况下并非如此。Grep 告诉 Agent 去哪里看，然后 Agent 仍然需要将文件读入上下文才能理解它。本研究中的一个语料库为此消耗了 106 万个输入 token。更便宜的 token，但数量巨大，再加上你等待的每一个 Agent 交互轮次。
然后是更大规模的运行。为这项研究从头开始编写了 13 个库，跨越 5 种编程语言，每个库都能编译并通过自己的测试，每个库都携带一个编译器无法警告你的运行时规则。故意这样构建，因为你不能在模型已经记忆的代码上测试检索。
仅凭记忆：21 个任务中完成 1 个 使用检索：21 个任务中完成 21 个
成本是 $21.90 对比 $3.38。
这是一个完全不同的结果，而不仅仅是更便宜的结果。
其中最干净的一个例子是一个 Java 任务。构建一个仅追加的账本，在重放前密封，截断到某个检查点。仅凭记忆，它重新发明了整个东西，503 行，大约 36,000 个 token，截断语义错误，测试失败。交给它参考后，它写了四行代码。103 个 token。测试通过。
按编程语言划分的差异告诉你价值在哪里。Python 从 14,752 降到 214。C 从 18,792 降到 988。Java 从 27,108 降到 98。JavaScript 只从 4,300 降到 646，因为前缀树是一个已知的结构，模型已经大致知道答案了。
在日常工作中使用 XERJ 的开发者报告说，token 消耗大约减少了 5 倍。这是自我报告而非基准测试的结果，所以请将其视为最低水平，而非最佳水平。
为什么更长的提示词解决不了这个问题
有一段时间，面对糟糕的输出，答案总是一样的：写一个更好的提示词。添加更多上下文。解释架构。
有时这确实有效。
但是，提示词是你描述一个你尚未写出的解决方案。而参考是一个别人已经发布并调试过的解决方案。你无法通过描述来获得那个仅仅因为维护者在凌晨 3 点被限速而匆忙修补的重试逻辑。
代码已经在那里了。你不需要解释其中蕴含的决策。
找到参考才是真正的工作
这就是事情变得棘手的地方。
手动操作意味着打开 GitHub，浏览那些部分匹配的仓库，翻阅旧的 Pull Request，然后打开你八个月前的代码库，试图记住你给文件起了什么名字。等你找到一些可用的东西时，你可能已经自己把功能写完了。
所以，搜索必须成本低廉，否则没人会做第二次。
这就是 XERJ 的作用。它索引代码，让你能够根据你正在解决的问题进行搜索，而不是根据文件名或关键字，然后提取匹配的实现作为参考，你可以直接交给 Claude。 https://xerj.org
如何运行
1) 将安装提示词复制/粘贴到 Claude Code 会话中
安装 XERJ（文档：
https://xerj.org/llms.txt ），索引这个项目的源代码，并设置参考编码：克隆并索引与我们正在构建的内容最接近的开源仓库，在编写代码之前搜索它们是如何解决问题的。
2) 检查你的编码 Agent 的回复，并建议你要克隆作为参考的项目
无论你在构建什么，你总是知道还有谁在做同样的事情。在这个阶段，Claude Code 可能已经找到了一些项目，你可以根据自己的选择添加更多。5-10 个通常就足够了，但这取决于你在编码什么。
3) 制作下一个产品功能并检查结果
放手去做，享受（或不享受）新的结果。你随时可以回到浪费编码的老路上，但我相信你会立刻看到不同。
4) 保持其运行，并通过你的反馈帮助社区
你以这种方式完成的每一个任务，都会成为下一个任务的参考。这个库会不断累积。任何时候当...
何时跳过它
如果模型已经知道这些代码，那么这只是一个额外的开销，仅此而已。然而，这种情况并不常见。
他们也对此进行了测量，针对 Valkey 和 Memcached，这些是 Claude 肯定训练过的真实公共代码。仅凭记忆以 $1.49 的成本完成了 6 个任务中的 6 个。检索以 $4.40 的成本完成了 6 个任务中的 5 个。它排名最后，成本是什么都不做的三倍。
所以，分界线在于：一边是私有的、专有的或真正不熟悉的代码，另一边是模型已经“消化”过的所有代码。
如果你正在构建的东西以前从未被构建过，那么就没有什么可以指向的，你又回到了描述它的状态。
如果参考代码是基于你未使用的框架版本编写的，那么它的成本会超过它节省的成本。
如果任务只有四行代码，直接写就行了。
仍有待解决的问题
那 13 个库是为研究而构建的，这使得它们天生不熟悉，同时也规模较小。还没有人在真正的大型私有代码库上运行过这个测试。预期是差距会在这里扩大，因为 grep 的成本会随着代码树的大小而增加，而检索的成本保持不变，但这只是一个猜测，直到有人实际测量它。
上面的每一个数字都来自 XERJ 自己发布的基准测试，原始每次运行的数据都在他们的仓库里。 https://xerj.org/case-studies/reference-coding
核心要点
你不需要一个不同的模型，你也不需要离开 Claude Code。
你需要停止从零开始每一个任务，因为你正在构建的东西很可能已经存在于你的仓库里，或者存在于一个两年前就解决了这个问题的开源项目中。
如果别人已经解决了，就把他们的代码交给 Claude，让它基于此工作。而且这不会花费你任何东西，只是一个提示词而已。
