本文系统梳理了 AI 编程中的核心概念（Rules / Commands / MCP / SubAgents / Hooks / Skills / Modes），介绍了 Agent Skills 的实际用法，并汇总了 Claude Code 团队内部分享的 10 条高效编程技巧。适合希望深度使用 AI 编程工具的开发者阅读。
一、AI 编程核心概念梳理
什么是"上下文"？
上下文（Context）就是大模型与你交流时产生的"记忆"。当上下文接近上限时，系统会自动进行压缩处理。理解上下文的本质，是理解以下所有概念的基础。
与 AI 交流的路径可以抽象为三个维度：
提示词加载方式 + 触发方式 + 连接外部的能力
七大核心概念对比
| 功能 | 一句话解释 | 提示词加载方式 | 触发方式 | 连接外部的能力 |
|---|---|---|---|---|
| Rules | 规范 | 一次性全部加载（全局规则），或按文件后缀加载特定规则 | 全局 或 按文件后缀匹配 | 无 |
| Commands | 快捷键 | 指定运行时加载 | 手动指定 | 无 |
| MCP | 开门钥匙 | 一次性加载所有 MCP 方法描述 | 按描述匹配 | 无 |
| SubAgents | 异步调用 | 独立上下文 | 根据描述/名称触发 | 无 |
| Hooks | 生命周期 | 无 | 根据配置的生命周期必定触发 | 无 |
| Skills | 封装 | 按需加载 | 通过名称/描述匹配，或手动指定 | 有 |
| Modes | 跟 AI 交流模式 | 内置 | 切换 或 / 命令 |
不确定 |
各概念详解
Rules（规范） ：最基础的规则层，作用于全局或特定文件类型（如 java.md、doc.md、git.md）。一次性全部加载，是 AI 行为的底层约束。
Commands（命令/快捷键） ：类似快捷指令，在需要时手动触发，例如 /commit、/bug-fix。只在被调用时加载，不占用常驻上下文。
MCP（Model Context Protocol，开门钥匙）：连接外部工具和服务的协议层。启动时加载所有 MCP 方法描述，AI 根据描述自动判断何时调用，相当于给 AI 配备了访问外部世界的"钥匙"。
SubAgents（子代理）：以异步、独立上下文的方式运行的代理。与主代理隔离，适合执行与主流程关联性不大的任务，同时支持并行执行，有效节省主上下文空间。
Hooks（钩子/生命周期）：绑定在特定生命周期事件上，条件触发时必定执行，无需手动调用，适合做自动化流程控制。
Skills（技能） ：最灵活的封装单元，也是唯一具备连接外部能力的功能。按需加载、支持复用和分享，是提高工作效率的利器（详见第二章）。
Modes（模式） ：控制与 AI 交流方式的内置模式（如 Plan 模式、普通对话模式），通过切换或 / 命令激活。
推荐脚手架配置参考
二、Agent Skills：从零上手指南
Skills（技能） 是 AI 编程工具中最值得深度利用的功能之一。它的核心价值在于：复用 + 分享。任何重复出现的操作流程，都应该总结成命令或技能，这是提高效率非常好的方式。
去哪里找现成技能？
如何安装技能？
最推荐的安装方式是通过命令行执行：
bash
npx skills add <owner/repo>例如安装 Vercel 官方技能库中的特定技能：
bash
npx skills add https://github.com/vercel-labs/skills --skill find-skills如何创建技能？
有两种路径：
手动创建：通过对话方式，描述你想封装的流程，让 AI 帮你生成技能文件。
自动学习创建：
- 利用
everything-claude-code项目中的 Hooks 配置，可以让 AI 自动学习并创建技能； - 类似 Codex App 的方式，通过定时器定期触发学习，持续积累个人技能库。
三、Claude Code 团队内部的 10 条 AI 编程技巧
以下是 Claude Code 团队内部分享的实战经验，直接来自一线使用。
技巧 1：用 Git Worktree 实现并行开发
Git Worktree 允许你在同一个代码库中同时维护多个工作目录，从而实现多个功能并行开发。
使用建议：
- 许多 AI 编程工具（如 Cursor、Codex App 等）已支持可视化切换 Worktree；
- 前提是先把项目框架搭好，公共模块和函数梳理清楚，否则并行开发容易造成引用混乱和代码重复；
- 如果自己难以同时管理多个功能线，建议保持单分支模式，减轻心智负担。
更简单的替代方案（OpenClaw 作者 Peter 的方式）：将项目 clone 到不同目录，checkout 出不同的分支，直接并行开发，简单高效。
技巧 2：复杂任务优先用 Plan 模式
Plan 模式最重要的目的是让 AI 真正理解你的意图。
如果你能清晰描述以下内容，可以跳过 Plan 模式直接执行：
- 功能场景
- 影响范围
- 技术方案/框架
否则，建议先进入 Plan 模式，与 AI 反复沟通，直到对计划感到满意再执行。
推荐插件 ：planning-with-files，可帮助从 Plan 无缝过渡到执行阶段。
技巧 3：持续迭代 CLAUDE.md / AGENTS.md
CLAUDE.md 是每次启动对话都会自动加载的文件，是 AI 最重要的"长期记忆"。
应该写什么内容？ 内容不需要一蹴而就，慢慢积累即可，长度尽量精简。通常包括：
- 常用 Bash 指令：让 AI 像开发者一样操作命令行；
- 代码风格规范：确保 AI 写的代码符合团队标准；
- UI 与内容设计准则；
- 核心技术实现流程：状态管理、日志、错误处理、功能门控、调试等；
- PR 模板：规范提交代码时的文档格式。
减少篇幅的技巧：通过引用方式代替直接书写，例如：
markdown
# 项目核心上下文
## 1. 项目全貌
- 项目简介: 详见 @README.md
## 2. 工程规范
- API 接口规范: 参考 @docs/api-guide.md
- Git 提交与分支策略: 严格遵循 @docs/git.md
## 3. 开发者偏好
- 我的专属配置: @~/.claude/my-project-notes.md如何更新 CLAUDE.md？ 有两种方式：
Claude Code 官方项目的 CLAUDE.md 大约只有 2.5k tokens，可作为长度参考。
技巧 4：创建并积累自定义技能（Skills）
详见第二章，此处不赘述。核心理念：任何重复的流程都值得封装成技能。
技巧 5：让 Claude 自己修复 Bug
遇到 Bug 时，直接让 Claude 定位并修复，而不是自己去排查。充分发挥 AI 的调试能力，把精力放在更高层次的决策上。
技巧 6：提升提示词能力
提示词质量直接决定 AI 输出质量。好的提示词应该：
- 描述清晰的功能场景和预期结果；
- 给出必要的上下文和约束；
- 对复杂任务分步拆解。
持续打磨提示词是 AI 编程效率提升的核心功夫之一。
技巧 7：终端与环境配置
推荐使用 Zed 或 Warp 作为终端，对中文支持较好，适合中文开发者。
特别推荐语音输入：语音输入能让提示词更加丰富自然，大幅降低输入门槛，是被严重低估的效率工具。
技巧 8：善用子代理（SubAgents）
子代理的两大优势：
- 上下文隔离：子代理与主代理独立运行，不占用主上下文空间。适合处理与主流程关联性不大的任务；
- 并行执行：多个子代理可同时运行，加快整体任务进度。
合理拆分任务，把适合异步处理的部分交给子代理，是进阶使用 Claude Code 的重要技巧。
技巧 9：用 Claude 做数据分析
Claude 不只是代码助手，也是强大的数据分析工具。可以用它来处理和解读数据、生成分析报告，充分挖掘其在数据层面的潜力。
技巧 10：用 Claude Code 来学习
Claude Code 本身也是一个极好的学习工具。在使用过程中，通过与 AI 的交互，你可以快速理解新技术、新框架，边做边学，让 AI 成为你的实时导师。
总结
| 维度 | 核心要点 |
|---|---|
| 概念理解 | Rules/Commands/MCP/SubAgents/Hooks/Skills/Modes 各有分工，Skills 是唯一具备外部连接能力的功能 |
| 技能使用 | 找现成技能 → 安装 → 自建积累，形成个人技能库 |
| 实战效率 | Plan 模式、CLAUDE.md 管理、SubAgents 并行是三大核心效率杠杆 |
| 长期成长 | 持续迭代 CLAUDE.md，积累个人技能库，用 Claude 学习新知识 |
AI 编程工具的本质，是帮助开发者将重复性工作自动化、将复杂意图精准传递给机器。理解核心概念、掌握高效技巧，才能真正释放 AI 编程的潜力。