本文以 PromptHub 为实战项目，演示如何从 PRD、UI 设计和 Cloudflare 全栈骨架出发，逐步配置 Rule、Command、Subagent、Skill、MCP、Hook 与 Plugin，并让主 AI 基于项目现状自主规划、持续验证和提交。

本文介绍 AI 编程工程化中的 Subagent 机制，通过创建独立上下文的专属助手实现任务分治。用户可通过/agents 菜单或创建 Markdown 文件自定义 Subagent，配置模型、权限和触发条件，突破单一 AI 的上下文限制，提升复杂任务处理效率。

本文介绍了 Claude Code 中的 Rule（CLAUDE.md）机制，通过全局、项目、目录三层规则为 AI 设定技术栈、编码规范和行为边界，从而让 AI 按团队约定工作。合理编写 Rule 能显著提升 AI 协作效率，是 AI 编程工程化最简单却最有效的一步。

本文分享了AI编程工具Claude Code的工程化实践，提出7个核心概念：Rule（规范约束）、Command（快捷指令）、Skill（扩展能力）、Hook（自动检查）、Subagent（任务拆分）、MCP（外部连接）和Plugin（组合应用）。作者建议从Rule开始逐步配置，通过这套体系将AI编程从混乱无序转变为高效可控的开发流程，显著提升生产力。

本文介绍 AI 编程工程化中的 MCP（模型上下文协议）机制，作为 AI 与外部工具间的 USB 接口标准。通过 MCP Server，AI 可连接 Figma、数据库、GitHub、Jira 等工具，实现设计稿转代码、自然语言查数据库、自动处理 Issue 等功能。

本文介绍 AI 编程工程化中的 Plugin，把 Rule、Skill、Subagent、MCP、Hook 等单个能力打包成可安装分发的“能力包”。

本文介绍 AI 编程工程化中的 MCP（模型上下文协议）机制，作为 AI 与外部工具间的 USB 接口标准。通过 MCP Server，AI 可连接 Figma、数据库、GitHub、Jira 等工具，实现设计稿转代码、自然语言查数据库、自动处理 Issue 等功能。

本文介绍 AI 编程工程化中的 Plugin，把 Rule、Skill、Subagent、MCP、Hook 等单个能力打包成可安装分发的“能力包”。

本文介绍 AI 编程工程化中的 MCP（模型上下文协议）机制，作为 AI 与外部工具间的 USB 接口标准。通过 MCP Server，AI 可连接 Figma、数据库、GitHub、Jira 等工具，实现设计稿转代码、自然语言查数据库、自动处理 Issue 等功能。

本文介绍 AI 编程工程化中的 Subagent 机制，通过创建独立上下文的专属助手实现任务分治。用户可通过/agents 菜单或创建 Markdown 文件自定义 Subagent，配置模型、权限和触发条件，突破单一 AI 的上下文限制，提升复杂任务处理效率。