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 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。

本文介绍 AI 编程工程化中的 Skill 机制，通过打包完整的 Prompt 工作流让 AI 具备专业能力。与 Command 不同，Skill 可被社区分发安装，适用于用户不熟悉的领域（如安全审查、性能优化），让 AI 继承专家经验，突破个人 Prompt 能力上限。

本文介绍 AI 编程工程化中的 Hook 机制，通过在 AI 调用工具前后自动执行 Shell 脚本实现操作检查。可配置自动代码格式化、保护敏感文件、记录操作日志等功能，确保规则被严格执行，避免人工遗漏，是 AI 协作中的自动检查站。

本文介绍 AI 编程工程化中的 Skill 机制，通过打包完整的 Prompt 工作流让 AI 具备专业能力。与 Command 不同，Skill 可被社区分发安装，适用于用户不熟悉的领域（如安全审查、性能优化），让 AI 继承专家经验，突破个人 Prompt 能力上限。

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 编程工程化体系中的 Command 机制，通过创建 .md 文件将常用 Prompt 封装为/命令名快速触发。Command 分个人全局和项目级两层，适用于生成 commit message、代码 review、部署检查等场景。