大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



  从终端玩具到开发利器：我用了一年Claude Code，踩坑无数后总结的终极真香指南，文章基于一年实战经验，系统讲解如何通过配置、权限、子智能体、Hooks等机制，将Claude Code从简单代码工具升级为可控工程系统，核心在于规则设计与上下文管理。 

我的原则是，一个CLAUDE.md文件，最好短小精悍，控制在200行以内。官方文档说文件会全部加载，但经验告诉我，文件越短，它执行得越好。文件一长，不仅浪费宝贵的“上下文”空间，Claude还会“选择性失聪”，你说你的，它干它的。那多出来的内容放哪儿？放.claude/rules/里，或者直接用“@”引用文件。记住，CLAUDE.md越长，Claude越不鸟你。200行是我给自己定的天花板，不是官方硬性规定。

那CLAUDE.md里到底该写啥？写那些Claude光看代码看不出来的“为什么”。比如架构决策、历史遗留的教训、老板定的奇怪业务限制、代码风格偏好。千万别写啥API文档、哪个文件是干啥的，这些它自己看代码就能明白。我的全局CLAUDE.md文件，就只有短短4行，但就是这4行，救了我无数次，让我少说了几百句“不不不，我不是这个意思”：

GPT plus 代充 只需 145
- commit messages use conventional commits
- explain your plan before making changes, wait for my confirmation
- prefer simple solutions, no over-engineering
- don’t refactor files I didn’t mention

翻译过来就是：提交信息要规范；动手前先给个计划，等我点头；能用简单方法就别整那些花里胡哨的；我没让你动的文件，你就当它们不存在。

 # Ship Faster 

Architecture
- Next.js 16 App Router + Supabase + Stripe + Vercel

Off-limits
- Don't modify existing files in supabase/migrations/
- Don't delete .env.local
- Run stripe listen before changing payment webhooks

Current focus
- Refactoring onboarding flow, goal: fewer steps from signup to first payment











 

更高级的玩法是，把规则拆分到.claude/rules/文件夹里，每个文件开头用YAML格式写上它管哪部分代码。比如下面这个规则，只有当Claude动到src/api/目录下的文件时才会生效，既精准，又省了其他地方的空间：

 GPT plus 代充 只需 145--- 
paths: ["src/api//*.ts", "src/routes//*.ts"]
 
      
 
       
- All API handlers must include input validation
- Error responses use { error: string, code: number } format
- Every new endpoint needs an integration test in tests/api/



 







 
















      

 

这就像你给家里的不同区域贴标签：厨房不能打篮球，卧室不能吃火锅。规则越清晰，AI越不会乱来。Claude Code加载指令的层级有点绕，但大致优先级是：企业管理指令 > 项目指令（./CLAUDE.md或.claude/CLAUDE.md）> 用户全局指令（~/.claude/CLAUDE.md）> 文件夹规则（.claude/rules/和~/.claude/rules/）。我的做法很简单：全局文件管个人习惯，项目文件管项目事实，规则文件夹按目录分权限。三层各司其职，清清爽爽，绝不混在一起。

我常用的有三个模板：探索者（只读，快速搜代码）、规划者（只读，做研究分析）、执行者（全能，干复杂活）。自定义子智能体放在.claude/agents/文件夹里，比如下面这个代码审查员：

 --- 
name: code-reviewer
description: Code review agent, read-only
tools: Read, Grep, Glob, Bash
model: sonnet
 
        
 
         
You are a code reviewer. Check for: security vulnerabilities, performance issues, maintainability.
Only report problems. Don't modify code, don't suggest refactors.


 




 









 





























        

注意！子智能体会默认继承父会话的工具权限。如果你想让它真的“只读”，光在描述里写“只读”是没用的，必须在tools里明确只给它读的权限，否则它拿到大砍刀就乱砍了。

 GPT plus 代充 只需 145Goal: Reduce getUserData() response time from 800ms to under 200ms 
Constraints: Don't change the interface signature, don't add new dependencies, only touch this one function
Context: @src/services/user.ts#L45-L89
Verification: user.test.ts must all pass
Don't: Don't change the database schema, don't add a caching layer




 

有一次，我脑子一热，让Claude Code直接重构一个600行的路由文件。它干到一半，引入了循环依赖，然后它自作主张去修循环依赖，结果越修越乱，整个项目都开始报错。我气得按下了Ctrl+C，结果不仅任务没完成，之前半小时的上下文也全丢了。那次之后，但凡遇到复杂的任务，我一定先用“计划模式”。进入计划模式有三种方式：一是在启动时加参数claude --permission-mode plan；二是在会话中狂按Shift+Tab直到屏幕上出现“Plan Mode”；三是直接跟它说人话：“先别改代码，给我一个实现计划”。

在计划模式下，Claude只输出计划，不执行任何操作。这里最关键的一步是：按下Ctrl+G，它会用你的编辑器打开这个计划文本。你可以像修改自己的作业一样，删除不必要的步骤，增加你想到的约束条件，然后确认，Claude再执行更新后的计划。修改一个计划只需要一句话，而修改已经写错的代码，可能要花十倍的时间。

有一次，我正干得起劲，随手敲了个/context看了一眼上下文使用率，好家伙，78%！然后Claude就开始抽风，反复提出我们刚刚已经否决的方案，就像得了失忆症一样。那一刻我明白，“/compact”这个命令该成为我的日常习惯了。Claude Code支持非常大的上下文窗口，但一个塞得满满的上下文，并不会因为超过上限而“崩溃”，它只会因为“注意力涣散”而失效，质量急剧下降。我有五个管理上下文的策略：
1.  /clear：把一切都清掉，适合在切换完全不同任务时用。
2.  /compact [focus]：压缩历史，但保留关键点。适合在继续同一个任务时用。比如可以这样写：/compact keep: current task goal, completed steps, pending issues，告诉它在压缩时，要留住哪些东西。
3.  /context：随时查看上下文使用情况，心里有数。
4.  子智能体：把不同模块的任务交给不同的子智能体，别在主会话里“大锅乱炖”。
5.  压缩保留指令：在CLAUDE.md里告诉它，压缩时什么必须留下。

 # Compression instructions 
When compressing context, always keep:
- Complete list of modified files
- Test commands and results
- Key architecture decisions




 

Claude Code在上下文管理上其实有两套东西：一套是CLAUDE.md文件，另一套是自动记忆。在我的用法里，项目指令是用来共享项目事实和团队标准的，用户指令（~/.claude/CLAUDE.md）则是我个人偏好，跟着我走遍所有项目。自动记忆存在~/.claude/projects/ /memory/ 里，会话开始时，MEMORY.md的前200行会自动加载。你可以用/memory命令来查看加载了哪些文件、管理自动记忆。总之，学会给上下文“断舍离”，AI才能保持清醒的头脑。

有一天，Claude在修bug的时候，顺手把一个“看起来没用”的配置文件给删了。那个文件，是生产环境的密钥引用入口。我那个气啊，恨不得顺着网线过去给它一拳。那次之后，我花了半小时，仔仔细细地配置了.claude/settings.json，给它画了个“安全区”：

 GPT plus 代充 只需 145{ 
  "permissions": {
    



"deny": [
      



"Bash(rm -rf*)",
      



"Bash(*--force*)",
      



"Edit(.env*)",
      



"Edit(*.pem)"
    ],
    










"ask": [
      



"Bash(git push*)",
      



"Bash(npm publish*)",
      



"Edit(src/config/*)"
    ],
    










"allow": [
      



"Bash(npm run*)",
      



"Bash(git commit*)",
      



"Bash(git add*)",
      



"Read()"
    ]
  }
}






















 

 { 
  "hooks": {
    



"PostToolUse": [{
      



"matcher": "Edit|Write",
      



"hooks": [{"type": "command", "command": "jq -r '.tool_input.file_path' | xargs npx prettier --write"}]
    }]
  }
}
GPT plus 代充 只需 145class=

























"displaycode">
- 保护关键文件：禁止修改生产环境配置。这个hook在“PreToolUse”事件触发，用脚本检查，如果发现要改的是敏感文件，就退出码2，直接拦截掉。








{
  










"hooks": {
    



"PreToolUse": [{
      



"matcher": "Edit|Write",
      



"hooks": [{"type": "command", "command": ".claude/hooks/protect-files.sh"}]
    }]
  }
}






















 

 { 
  "hooks": {
    



"SessionStart": [{
      



"matcher": "compact",
      



"hooks": [{"type": "command", "command": "echo 'Use Bun, not npm. Run bun test before committing.'"}]
    }]
  }
}






















 

这个部分属于“进阶实验”，比较硬核，如果你只想用好Hooks，前面那章就够了。我这个逆向玩法，核心思想是让AI从我的修改里提取规则。流程是这样的：AI写一版草稿 -> 我把它改成满意的版本 -> 用observe.py记录这两个版本 -> improve.py对比它们，找出“我改了啥” -> 提取出规则，按置信度P0/P1/P2排序 -> 人工审查后，P0规则写回SKILL.md。下面这个python脚本干的事，就是记录AI的初稿和我的终稿：

 GPT plus 代充 只需 145# observe.py: record AI draft and my final version 
python3 observe.py record-original draft.md
# ...I make my edits...
python3 observe.py record-final final.md



 

然后improve.py就能自动对比，提取出修改模式，生成规则候选：

 # improve.py: extract rules from diff 
python3 improve.py auto --skill .
# Auto-compare, extract change patterns, generate rule candidates
# P0 (appeared 5+ times) pushed for human confirmation before writing
# P0 low-frequency, archived
# P2 logged only





 

 GPT plus 代充 只需 1450 23 * * * python3 ~/.ai-core/skills/scripts/improve.py auto --skill . 
 

 # Create an experiment worktree 
claude --worktree experiment/refactor-auth

# Or manually
git worktree add ../project-experiment feature/new-auth




 

然后，Claude就可以在这个实验目录里为所欲为，主线目录纹丝不动。如果实验失败了，执行git worktree remove，成本几乎为零。创建一个工作树只需要几秒钟，而一个失败的实验可能浪费你几小时。关于Git，我还有几条铁律：绝对不让Claude自动推送。它可以提交，但推送必须我确认，因为一旦推送到远端，想回滚就贵了。提交要频繁，每完成一个原子步骤就提交一次，这样万一出问题，可以用/rewind回到任意检查点。对破坏性操作保持警惕，比如git reset --hard、git push --force、rm -rf，批准前想清楚后果，这些操作没有后悔药。从PR里恢复上下文也很方便，用claude --from-pr 123就能自动加载某个PR的改动和讨论。总之，所有探索性任务、架构重构、拿不准的大改动，我都会扔进工作树里，给自己留条后路。

Claude Code默认就会做一定程度的推理，但思考的深度不应该总是拉到最满。对简单任务也用高深度思考，纯属浪费令牌，而且那个推理过程本身也会占用上下文，影响后续对话。有一次，我在设计一个复杂的权限系统，涉及多个角色、继承和动态规则。默认的思考深度产出的计划有明显漏洞。我切换到/effort high之后，它思考了将近一分钟，然后给了一个完全不同的架构，覆盖了我没想到的各种边界情况。调整思考深度很简单：

 GPT plus 代充 只需 145# Adjust reasoning depth 
/effort high    # deeper reasoning
/effort low     # simple tasks, save tokens


 

据我所知，官方调整推理深度的方式就是/effort命令。有时候，输入ultrathink也能让它在当前回合更深入思考，但我把它当成一个非正式的提示，不能保证每次都灵验。我的原则是：只有当改动涉及超过3个文件时，才提高思考深度。单文件修改，默认深度就够用了。架构设计、复杂bug诊断、需要多约束推理的任务，这些才值得多花点令牌，让AI多“烧烧脑”。

 claude mcp add supabase -- npx @supabase/mcp-server-supabase --project-ref $REF 
claude mcp add stripe -- node /tools/stripe-mcp/index.js

 

.mcp.json的配置是这样的：

 GPT plus 代充 只需 145{ 
  "mcpServers": {
    



"supabase": {
      



"command": "npx",
      



"args": ["@supabase/mcp-server-supabase", "--project-ref", "xxxxx"]
    },
    










"stripe": {
      



"command": "node",
      



"args": ["/tools/stripe-mcp/index.js"]
    }
  }
}






















 

连接上Supabase和Stripe之后，我只需要在对话里说“查一下最近7天的失败支付记录”，Claude就能直接去Stripe里查询，返回结果并分析。以前，我还得写个一次性脚本才能干这事。现在，这就成了一句日常对话。你可以用/mcp命令来管理服务器连接，禁用那些暂时不用的。我把每个服务器带来的上下文开销，当成一个实用的经验法则，而不是某个客户端一定会显示的数据。

 # Reviewer session instructions 
You are a code reviewer. Does this code have:
1. Hallucinated APIs (methods that don't exist)
2. Race conditions
3. Changes outside the task scope
Only report problems. Don't suggest fixes.
@src/auth/service.ts






 

这个部分，适合那些已经不满足于只用一种AI工具的高级玩家。如果你只用一种工具，也不跑自动化服务任务，那这章对你来说价值不大，可以直接跳到结尾。我遇到的问题是：Claude Code和Codex各自维护自己的规则。我在这边更新了提示词，忘了同步到那边，三周后两个系统的代码风格和决策逻辑就开始打架。我学到的教训是：唯一需要“单一数据源”的是知识层。我把~/.ai-core作为唯一的知识源头，里面只放共享的行为规则、共享的命令、共享的技能。每个工具从那里生成自己的配置。我现在是三系统分工：
- OpenClaw：负责调度、通知、Telegram交互。
- Codex：负责大规模重编码、跨文件重构。
- Claude Code：负责快速编辑、探索、交互式调试。

 GPT plus 代充 只需 145Keyboard Shortcuts 

Ctrl+C 取消当前输入或生成
Ctrl+G 在默认文本编辑器中打开
Ctrl+V 从剪贴板粘贴图片
Esc + Esc 回退或总结
Option+T / Alt+T 切换扩展思考模式
Shift+Tab 循环切换权限模式

斜杠命令

/compact [focus] 压缩对话，可附带聚焦指令
/clear 清除对话历史，释放上下文空间
/context 可视化显示当前上下文使用情况
/memory 编辑 CLAUDE.md 记忆文件，管理自动记忆
/rewind 回退到之前的检查点，或从选中的消息开始总结
/resume 恢复之前的对话
/effort [level] 设置模型思考深度级别
/init 用 CLAUDE.md 指南初始化项目
/mcp 管理 MCP 服务器连接和 OAuth 认证
/cost 显示令牌使用统计




















 

对了，/rewind这个命令救了我无数次，如果你发现AI开始犯傻，直接回滚一步，重新下指令。/init在新项目里特别好用，它会分析你的代码库，自动生成一个CLAUDE.md草稿。多数教程都在教你怎么写更好的提示词，但我觉得，真正的杠杆作用，在于那些没人会去读的文件——CLAUDE.md、settings.json、hooks。