量化模糊感觉,排除变量干扰,定位根因,固化预防。/doctor是起点,不是终点。它给你全局视图,但具体问题需要深入排查--debug给了你显微镜,但不是所有问题都需要这个级别的细节--bare是控制变量法的终极工具——关掉一切配置,看问题是否依然存在上下文管理是预防质量退化的最有效方法——不要等到 90% 才压缩,70% 就是信号记住:一个好的排查习惯比任何工具都重要。每次遇到问题时,不要先说"今

如果说 Claude Code 是一位全能工程师,Sub-agents 就是你雇佣的专业分包团队。你把大任务拆解成小任务,分配给不同专业、不同成本模型的子代理并行执行,最后汇总结果——效率不是线性提升,而是指数级的。

Claude Code 的安装本身很简单——本质上就是加一个 API Key。API Key 获取：需要区分 Claude.ai 订阅和 API 控制台网络连通性：部分网络环境可能无法直接访问 Anthropic API，需要自行解决权限问题：npm 全局安装时可能遇到权限错误，nvm 是最佳解决方案安装完成后运行验证，确保所有配置正确。如果一切正常，你已经准备好了——下一节我们将进行第一次真正的

Skills 的质量不取决于"写了多少"，而取决于"Agent 能用上多少"。让 Agent 先看到最重要的 20%，需要时再看到剩下的 80%。分层设计：Layer 0-3 各有定位，不混不杂精确触发：该加载时才加载，不该加载时别添乱Gotchas 驱动：最具价值的不是"最佳实践"，而是"最常见的翻车现场"可测试可版本化：Skill 也是代码，需要测试、需要版本管理、需要变更日志当你开始用"工程

上下文工程（Context Engineering）是 2025-2026 年 AI 工程化领域最重要的概念之一。如果 Prompt Engineering 是"遣词造句"，那 Context Engineering 就是"版面设计"——决定 AI 在推理时能看到什么、看不到什么。本章系统讲解 Claude Code 中的上下文工程四操作、缓存机制和实战策略。

理解 Git Worktree 的核心原理:一个仓库,多个工作目录掌握命令创建隔离的 AI 工作区学会同时运行 3-5 个并行 Claude Code 会话的生产力模式掌握 Worktree 协作模式下的分支管理和资源冲突处理建立安全的并行开发 + 合并策略传统 Git 工作流中,你在一个分支上工作。如果想切换到另一个分支,必须或 ,把工作区的文件全部替换。这带来两个问题:切换成本高:如果当前有未

MCP (Model Context Protocol) 是 AI 时代的 "USB-C 接口"——一套标准化的协议,让任何 AI 应用(包括 Claude Code)能够安全、统一地连接任何外部工具、数据源和服务。学会配置 MCP,你就解锁了 Claude Code 操作整个数字世界的能力。

Hooks 是 Claude Code 的"强制执行层"。如果 CLAUDE.md 是建议,Hooks 就是规则。它让你在 AI 行动的每一个关键节点上插入自定义的检查和转换逻辑,真正做到"AI 按你的规矩办事"。

如果说 CLAUDE.md 是 Claude Code 的"系统提示词",那么多层配置架构就是这套系统的"继承体系"。掌握它,你就能精确控制 AI 在不同项目、不同目录、甚至不同子模块中的行为。

Plan Mode 是 Claude Code 最被低估的功能之一。强制性的"先看后改":在你动任何代码之前,系统性地扫描影响范围,这是人类也做不到的全面性可审查的决策节点:计划文档给了你一个明确的"确认点",防止 AI 在你没注意的时候做错了方向团队的沟通媒介:一份好的 Plan 文档本身就是团队的异步沟通工具探索先行。在 Claude Code 的世界里,花 5 分钟做探索和规划,往往能省下后