7天，35篇内容，从选题到发布全自动。不是概念验证，是真跑了一周的生产环境。

Claude Code 上周更新到 v2.1.76，同时 Anthropic 把 100万 token 上下文正式开放了，不加价。一句话：现在是上手 Claude Code 最好的时机。这篇不写代码，只讲操作。你跟着打开终端，5分钟就能把这些新功能用起来。

用过 Claude Code 的人都知道一个痛点：你告诉它"每次改完文件跑一下 Prettier"，它有时候记得，有时候忘。你说"别碰 .env 文件"，它大多数时候听话，偶尔手一滑就给你改了。这不是 Claude Code 的 Bug，是 LLM 的本性——概率模型，天生不确定。Hooks 就是解决这个问题的。它是 Claude Code 内置的生命周期脚本，在特定节点自动执行，不依赖 AI 的

claude-context解决了一个很实际的问题：大型代码库下AI编程工具的上下文效率。配置过程不复杂，Claude Code一条命令就能搞定，其他工具也就是改一个JSON配置文件的事。实际效果取决于项目规模。10万行以上的项目，Token节省在70%左右，搜索准确率提升明显。小项目收益不大，不用专门折腾。项目地址：github.com/zilliztech/claude-context如果你在

用把你的 API 调用包成函数给每个函数写好 type hint 和 docstring配置 Claude Code 或 Cursor 的 MCP 连接对话里直接用MCP 的 Python SDK 文档在 https://github.com/modelcontextprotocol/python-sdk ，FastMCP 的 API 在 https://gofastmcp.com/getting

Skills 门槛低，写一个 Markdown 文件就能用。但要写好有讲究——description 的措辞、步骤的拆分粒度、边界条件的处理，都影响 AI 的执行效果。如果你已经在用 Claude Code 或 Cursor，建议先装两三个 trending 上的 Skill 感受一下，然后按自己的工作流写几个。比起每次从零跟 AI 解释需求，Skill 能把重复的沟通成本降下来。GitHub T

用 Claude Code 写代码的人大概都遇到过这种情况：让它理解一个大项目的代码结构，Explore Agent 要跑一两分钟，期间疯狂调用 grep、find、Read，光 token 就烧掉好几万。上周我在 GitHub Trending 上看到一个叫 CodeGraph 的工具，作者的思路很直接——既然 Agent 每次都要从头扫描文件来理解代码，那为什么不提前把代码的符号关系建好索引？

MXC解决的问题很明确：AI Agent需要执行代码和调用工具，但不应该有无限制的系统访问权限。目前这个项目还是alpha阶段，API会变，策略可能过于宽松，macOS和Windows的部分功能还没补齐。但整体方向对路——用声明式策略 + 操作系统级隔离来管控Agent行为，比在应用层做权限检查靠谱得多。如果你在做Agent相关的开发，建议现在就开始跟进这个项目，至少把SDK跑起来试试。等到需要上

官方那6个插件覆盖不了所有场景。好消息是你可以从零写一个。我给自己的团队写了一个"内容运营"插件，接了飞书多维表格和 Google Analytics，用来做每天的内容数据复盘。

Agent 写代码的时候就能查你们自己的文档，不用它去猜你的 API 长什么样。如果你还在用 Intel Mac，短期替代方案是 Cursor 或 Windsurf——它们能读 .xcodeproj，也有 Agent 功能，只是没有模拟器和 Preview 的深度集成。苹果自家的 SDK 补全很好，但你用 Alamofire、SnapKit 这些三方库的时候，本地模型的建议经常不对。遇到拿不准的地