70万行C#代码库，核心开发者毕业离开，功能模块搁置三年没人敢碰。华盛顿大学MacCoss实验室的首席开发者Brendan MacLean，用Claude Code在两周内完成了这个"烂尾工程"。他的方法不是让AI更聪明，而是像带实习生一样，给AI建一套完整的上下文体系。这篇文章拆解他的具体做法，同时对比OpenAI同一天发布的Symphony并行编排方案。

核心思路：像带实习生一样带AI

Brendan的洞察很朴素：每次带新人进实验室，新人都不知道项目全貌、代码关系和潜规则。区别在于，新人会慢慢学会，而Claude每次对话结束就全忘了。

所以他的核心策略是：把隐性知识变成AI可读的显性资产。

三层上下文体系

第一层：CLAUDE.md -- 项目地形图

Brendan建了一个独立的代码仓库 pwiz-ai，专门存放给AI看的上下文。根目录下的 CLAUDE.md 是"地形图"，告诉Claude：

• 项目是什么、做什么用
• 代码库结构
• 编译方式
• 测试流程

项目地址：github.com/ProteoWizard/pwiz-ai

关键原则：CLAUDE.md解决的是"知道在哪"的问题，不解决"知道怎么干活"的问题。

第二层：Skills -- 专业知识库

真正的专业知识存放在skills里。比如Brendan写了一个debugging skill，描述是"在排查bug、失败或意外行为时始终加载"，强制Claude在动手之前先做根因分析，而不是盲猜试错。

第三层：MCP -- 让AI看到真实数据

通过MCP（Model Context Protocol）集成，让Claude能读取真实的测试数据、异常报告和用户工单。三层上下文叠满，交互的起点从"空白"变成"理解"。

实战效果

上下文建好之后，Brendan开始清理积压多年的技术债：

• 三年烂尾模块：Java写的测试管理模块，技术栈和主体C#完全不同。用Claude Code一天搞定。
• 2000多张教程截图：以前全靠手动维护，现在全部自动化，近乎100%可复现。
• 每日自动日报：Claude自动生成，汇总夜间测试失败、异常和未解决的工单。
• 全新功能面板：实验室里原本对AI编程工具最不感冒的开发者，用Claude Code构建并发布了一个全新的数据可视化面板。

OpenAI的方案：Symphony

同一周，OpenAI发布了开源项目Symphony（GitHub上已获超1.8万颗Star）。

项目地址：github.com/openai/symphony

Symphony的思路完全不同：把Linear项目看板变成AI编程的控制中心。每个Open状态的Issue自动分配一个Agent，Agent在独立工作区持续运行，崩了自动重启。

部分团队上线Symphony头三周，成功merge的PR数量暴涨了500%。

两条路线怎么选

共同发现：以前靠口口相传和肌肉记忆的东西，现在必须白纸黑字写成文档，AI才能接得住。不管走哪条路线，把隐性知识变成显性资产这一步都绕不过去。

给你的行动建议

如果你正在用AI辅助编程，不管用哪个工具，这三件事现在就可以做：

1. 写一份CLAUDE.md（或对应的上下文文件）：项目结构、编译方式、测试流程、红线规则，一条一条列清楚。
2. 把常见操作写成Skill：比如调试流程、代码审查清单、部署步骤，让AI不是每次从零开始。
3. 定期整理文档：代码迭代了7、8轮，文档还是1.0版本的情况太常见了。过期的文档比没有文档更危险。