我是码哥，可以叫我靓仔。书接上回，码哥上一篇《纠正误区：这才是 SpringBoot Redis 分布式锁的正确实现方式》分享了分布式锁如何从错误到残缺，再到青铜版本的高性能 Redis 分布式锁代码实战，让你一飞冲天。这是我们最常用的分布式锁方案，今天码哥给你来一个进阶。Chaya：「码哥，上次的分布式锁版本虽然好，但是不支持可重入获取锁，还差一点点意思。」Chaya 别急，今日码哥给你带来一个

问题在于，你不可能穷举所有的 X，而且「不要做 X」「不要做 Y」「不要做 Z」堆在一起，Claude 要在这个「禁令列表」里工作，认知负担很高，反而可能导致它在「有没有违反某条禁令」这件事上花太多注意力，而不是在「把这个任务做好」这件事上。这条规则改变的不是 Claude 的能力，而是它的行为模式——从「默认执行」改为「先对齐再执行」。需要老实说的是：这四条规则对于复杂的大型任务效果最明显，对于

它解决一个很具体的问题：Claude Code 每个会话是独立的，你在昨天的会话里和 Claude 讨论了某个模块的设计决策、踩了一个坑、确认了一个命名规范——今天新开一个会话，这些全没了。坦白说，我踩过这个坑。这个官方工具在这里是有意义的：它帮你构建自己的 skill，并且能做 A/B 测试，测量你的 skill description 激活率（经过优化后，激活率可以从 20% 提升到 90%）

这些经历让我比较清楚一件事：工具和框架会变，模型会迭代，但「把复杂任务拆清楚、把上下文给准确、把风险拦住、把经验沉淀下来」这套思维方式不会过时。会用工具的人很多，会把工具改造成自己工作流的人很少。我在 InfoQ 和公众号写文章的这几年，以及在腾讯云架构师同盟社区里接触的工程师，用 AI 工具用得比较系统的那批人，现在交付速度和质量都跟两年前不一样了。重构遗留代码、补单测、系统化 Debug、Co

如果 Skill 教的是你公司的内部规范、你用的特定工具（比如你们内部的监控平台、特定版本的 SDK 用法），那有价值。而一个 Skill 如果在教 Claude 你公司/团队的特定约定、你使用的内部工具的交互方式、你工作流里独特的判断逻辑——这才是真正的 context 投资。其中前五个维度大多数 Skill 都能得不错的分数（它们高度相关，可以理解为"写得好不好"），但新颖性独立变化——写得好

后续第 22 讲「打造你的专属 AI 工作流」会再次用到今天建立的记忆体系——到时候你会发现，今天存进去的那 5 条个人信息，能让 AI 在完全陌生的场景里依然准确理解你。当会话结束，它会把这次对话里有价值的内容——你的请求、AI 的操作、文件的改动、你的偏好表达——用 AI 压缩成摘要，存进数据库。更烦的是，我在上一个对话里刚告诉 AI"帮我改成短句，别用那么多长段落"，它改了，改得很好。——如

我们的建议是控制在 20 个以内——不是怕失效，而是工具太多 Claude 的工具选择质量会变差，20 个以内是它能精准匹配工具的舒适区。受影响最大的是工具数量较多的服务——community 反馈里，10 个工具的 server 几乎从不出问题，50 个工具的 server 偶发失败，169 个工具的 server 是高频失败。我们搭的 MCP Server 暴露了 60 个工具，Claude

这个是真正的"重武器"。你的团队有 30 个常用工作流，不需要每次 session 都全部加载进 context，只在真正需要的时候才触发，既省 Token 又不干扰 Claude 的注意力。命令会先执行，把真实的 PR 数据注入到 Skill 内容里，然后 Claude 拿到的是包含完整 PR 上下文的提示词，不需要你手动粘贴任何东西。两者的区别在于：差的 description 描述的是"这个

本文关键词: ["Claude Code Skills", "superpowers Claude Code", "Claude Code 开源", "AI 编程工作流", "Claude Code 技巧", "anthropics skills"] platform: "掘金 / 个人博客" source: "GitHub Trending + GitHub obra/superpowers +

如果你的项目要兼容多个 AI 工具（比如同时用 Claude Code 和 Cursor），可以把通用规范放 AGENTS.md，Claude 专属配置放 CLAUDE.md。：如果你在子目录和根目录的 CLAUDE.md 里写了矛盾的指令（比如根目录说「用 ESLint」，子目录说「用 Biome」），Claude 会优先听离当前工作目录更近的那个。：如果 CLAUDE.md 里的指令有歧义，不