拆解 Claude Code：从底层机制到 10 倍效率的实战指南

为什么有人用它效率翻十倍，有人却觉得不过如此？答案藏在它的工作原理里。

第一章：两个程序员的故事

先讲个我身边真实发生的事。

上个月，团队接到一个需求：把项目里所有 REST API 的鉴权方式从 session-based 迁移到 JWT。涉及十几个路由文件、中间件改造、测试用例更新------典型的中等规模重构。

程序员 A 的做法是这样的：

shell 复制代码

> 打开 src/middleware/auth.ts，把 session 验证逻辑替换成 JWT 验证
（Claude Code 改完了）
> 现在打开 src/routes/user.ts，把里面的 req.session.userId 改成从 JWT 中解析
（改完了，但报错了）
> 报错了，req.user 是 undefined，你帮我修一下
（修了，又报错了）
> 测试也挂了，帮我修测试...

两个小时后，A 终于改完了。过程中他发了 30 多条消息，每次都在告诉 Claude Code 下一步该做什么，像在操控一个遥控车------左转、右转、前进、停。

程序员 B 只发了一条消息：

markdown 复制代码

> 将项目的认证方式从 session-based 迁移到 JWT。要求：
> 1. 使用 jose 库替代现有的 session 逻辑
> 2. 保持所有现有 API 的接口契约不变
> 3. 确保所有测试通过
> 4. 参考 CLAUDE.md 中的错误处理规范

Claude Code 进入了规划模式，先扫描了整个项目结构，列出了所有需要改动的文件，给出了迁移方案。B 审批后，它自主执行------读文件、改代码、跑测试、发现问题、自己修复------20 分钟搞定。

差距不在 prompt 技巧。

A 和 B 的区别在于：A 把 Claude Code 当作了一个"更聪明的自动补全"，而 B 把它当作一个自主代理系统（Agentic System）。

这个区别至关重要。

想象一下：你的团队来了一位新同事。他是个资深工程师------能力极强、精力无限、学习速度惊人，但刚入职第一天，还不了解你们的代码库、规范和偏好。

你会怎么和他协作？

你绝对不会站在他身后，指着屏幕说"在第 42 行加一个 if 语句"。你会给他看架构文档、告诉他项目规范、描述要实现的目标，然后让他自己去探索、规划、执行。

Claude Code 就是这位新队友。

本文的一切，都是关于如何与这位新队友高效协作。我会拆解它的每一个核心工作机制，然后从机制推导出最佳实践。读完后，你不只知道"该怎么做"，更知道"为什么要这么做"。

第二章：核心机制剖析

2.1 Agent Loop --- 心跳循环

它不是搜索引擎，它是一个循环

大多数人第一次用 Claude Code，脑子里的模型是这样的：

复制代码

输入 prompt → 获得输出

就像 Google 搜索一样，一问一答。

但 Claude Code 的真实工作方式完全不同。它的核心是一个 Agent Loop（代理循环）：

flowchart LR A["🎯 理解任务"] --> B["🔍 收集上下文"] B --> C["📋 制定计划"] C --> D["⚡ 执行行动"] D --> E{"✅ 验证结果"} E -- "通过" --> F["🏁 任务完成"] E -- "失败/发现问题" --> B style A fill:#4A90D9,color:#fff,stroke:none style B fill:#7B68EE,color:#fff,stroke:none style C fill:#E67E22,color:#fff,stroke:none style D fill:#27AE60,color:#fff,stroke:none style E fill:#F39C12,color:#fff,stroke:none style F fill:#2ECC71,color:#fff,stroke:none

Agent Loop 的核心：不是"一问一答"，而是"自主迭代直到完成"。失败后不会停下来等你------它会自己回到收集上下文阶段重新来过。

这个循环会一直转下去，直到任务完成或者需要你的输入。

一个看起来简单的用户请求------"给用户列表页面加个搜索功能"------在背后可能触发 50 次以上的工具调用：

sequenceDiagram participant U as 👤 用户 participant CC as 🤖 Claude Code participant FS as 📁 文件系统 participant T as 🧪 测试 U->>CC: "给用户列表加搜索功能" rect rgb(240, 245, 255) Note over CC,FS: 🔍 第一阶段：探索 CC->>FS: Glob("**/user*.*") FS-->>CC: 找到 5 个相关文件 CC->>FS: Grep("UserList") FS-->>CC: 定位组件位置 CC->>FS: Read(UserList.tsx) FS-->>CC: 理解现有代码结构 end rect rgb(240, 255, 240) Note over CC,FS: ✏️ 第二阶段：执行 CC->>FS: Edit(UserList.tsx) --- 添加搜索组件 CC->>FS: Edit(useUsers.ts) --- 添加过滤逻辑 CC->>FS: Write(SearchBar.tsx) --- 创建搜索栏组件 end rect rgb(255, 245, 240) Note over CC,T: 🧪 第三阶段：验证 + 自动修复 CC->>T: Bash("pnpm test") T-->>CC: ❌ 类型错误 CC->>FS: Read(错误日志) CC->>FS: Edit(types.ts) --- 修复类型 CC->>T: Bash("pnpm test") T-->>CC: ✅ 全部通过 end CC->>U: "搜索功能已完成，所有测试通过 ✅"

整个过程用户只发了一条消息 ，Claude Code 自主完成了探索→执行→验证→修复→再验证的完整循环。

回到新队友的比喻：一个优秀的工程师拿到任务后，不会闷头就写代码。他会先看现有代码怎么写的，理解项目结构，想个方案，写代码，跑测试，发现问题再调整。Agent Loop 就是在模拟这个过程。

所以：用意图描述任务，而非指令式步骤

理解了 Agent Loop，你就明白为什么 B 程序员的做法更好了。

当你给出指令式步骤（"打开这个文件，改第 42 行"），你实际上在短路 Agent Loop。你把一个能自主迭代的系统降级成了一个执行机器人。

当你给出意图式描述（"迁移到 JWT，保持测试通过"），你在激活完整的 Agent Loop。Claude Code 会自主决定该读哪些文件、该以什么顺序修改、该怎么验证。

反例 ❌：

bash 复制代码

打开 src/auth.ts，找到第 23 行的 validateToken 函数，
把 jsonwebtoken 的 verify 调用换成 jose 的 jwtVerify，
然后打开 src/types.ts 更新类型定义...

正例 ✅：

复制代码

将 token 验证从 jsonwebtoken 迁移到 jose 库。
要求：保持现有的 validateToken 接口不变，确保所有测试通过。

第二种写法更短，但效果更好。因为你把"怎么做"的决策权交给了 Agent Loop------它比你更清楚当前代码的具体状态。

口诀：说目的地，不说路线。

2.2 工具系统 --- 十八般武艺

它带了一整套工具箱

你的新队友第一天上班，不是空手来的。他带了一整套专业工具箱，里面有十几种精挑细选的工具：

graph TB subgraph explore["🔍 探索类 --- 了解情况"] Read["Read
读文件"] Glob["Glob
找文件"] Grep["Grep
搜内容"] end subgraph modify["✏️ 修改类 --- 改东西"] Write["Write
创建文件"] Edit["Edit
精确编辑"] end subgraph orchestrate["🎭 编排类 --- 组织工作"] Task["Task
子代理"] TaskCreate["TaskCreate
任务跟踪"] end subgraph execute["⚡ 执行类 --- 外界交互"] Bash["Bash
运行命令"] Web["Web
网络访问"] MCP["MCP
外部工具"] end style explore fill:#E8F4FD,stroke:#4A90D9,color:#333 style modify fill:#FDF2E8,stroke:#E67E22,color:#333 style orchestrate fill:#F0E8FD,stroke:#7B68EE,color:#333 style execute fill:#E8FDE8,stroke:#27AE60,color:#333

探索类 ：Read （读文件内容）、Glob （按模式匹配找文件，如 **/*.tsx）、Grep（搜索代码内容）
修改类 ：Write （创建/覆写文件）、Edit（精确编辑文件片段，只发 diff）
编排类 ：Task / 子代理 （派分身并行工作）、TaskCreate（任务列表跟踪进度）
执行类 ：Bash （跑测试、装依赖、Git 等）、WebFetch / WebSearch （网络访问）、MCP（连接外部工具）

关键洞察在这里：Claude Code 的系统提示中有明确的工具选择规则。 比如，它被要求"读文件用 Read 而不是 cat"、"搜索用 Grep 而不是 grep 命令"、"编辑用 Edit 而不是 sed"。这些不是随意的偏好------专用工具比通用 Bash 命令更可靠、更可预测、也更方便你审查。

而且，模型会根据任务自主编排工具链。当你说"找到所有使用废弃 API 的地方并更新"，它自然会触发这样的链：

flowchart LR A["Glob\n找候选文件"] --> B["Grep\n定位使用位置"] B --> C["Read\n理解上下文"] C --> D["Edit\n逐个替换"] D --> E["Bash\n跑测试验证"] style A fill:#E8F4FD,stroke:#4A90D9,color:#333 style B fill:#E8F4FD,stroke:#4A90D9,color:#333 style C fill:#E8F4FD,stroke:#4A90D9,color:#333 style D fill:#FDF2E8,stroke:#E67E22,color:#333 style E fill:#E8FDE8,stroke:#27AE60,color:#333

你不需要告诉它用哪个工具------它自己会选。

所以：用匹配工具能力的方式描述任务

知道队友会什么，你才能更好地给他派任务。

反例 ❌：

复制代码

帮我手动检查这 20 个文件里有没有用 deprecated API

（这会让 Claude Code 一个个 Read，慢且低效）

正例 ✅：

scss 复制代码

找到项目中所有调用 oldApi.fetchData() 的地方，
替换为 newApi.getData()，并确保类型兼容

（这自然触发 Grep 批量搜索 → Edit 批量替换的高效路径）

再比如，如果你知道它有 WebSearch 工具，你可以这样：

复制代码

使用 jose 库替换 jsonwebtoken 实现 JWT 验证。
如果你不确定 jose 的 API 用法，可以查阅其文档。

口诀：知道队友会什么，才能用好队友。

2.3 记忆系统 --- 记忆宫殿

这是全文最重要的一节。如果你只记住一件事，就记住这个。

四层记忆体系

新队友的记忆不是铁板一块，它有层次。Claude Code 有一套精心设计的四层记忆体系：

graph TB subgraph L1["🏛️ 第一层：CLAUDE.md --- 长期记忆"] direction LR C1["📖 项目根目录 CLAUDE.md"] C1D["会话启动时最先加载\n始终在上下文中，不会被压缩"] end subgraph L2["💬 第二层：对话上下文 --- 工作记忆"] direction LR C2["🗣️ 当前会话交互"] C2D["你说的话 + AI 回复 + 工具输出\n会过期，会被自动压缩"] end subgraph L3["📐 第三层：.claude/rules/ --- 模块化规则"] direction LR C3["📏 条件加载的规则文件"] C3D["处理 .tsx 时加载前端规范\n处理 .go 时加载 Go 规范"] end subgraph L4["📝 第四层：Auto-Memory --- 自动记忆"] direction LR C4["🧠 AI 自己的学习笔记"] C4D["跨会话持久化\n权重低于前三层"] end L1 --- L2 --- L3 --- L4 style L1 fill:#DCEEFB,stroke:#2980B9,stroke-width:3px,color:#333 style L2 fill:#E8F8F5,stroke:#27AE60,stroke-width:2px,color:#333 style L3 fill:#FEF9E7,stroke:#F1C40F,stroke-width:2px,color:#333 style L4 fill:#FDEDEC,stroke:#E74C3C,stroke-width:1px,color:#333

优先级从上到下递减：CLAUDE.md 的指示权重最高，Auto-Memory 最低。越上层越可靠，越持久。

用公司来类比：

记忆层	公司类比	持久性	可靠性	你能控制吗
CLAUDE.md	公司工程师手册	★★★★★ 永不丢失	★★★★★	✅ 完全控制
对话上下文	今天站会笔记	★★☆☆☆ 会被压缩	★★★★☆	⚠️ 部分控制
.claude/rules/	特定场景 Runbook	★★★★☆ 按需加载	★★★★☆	✅ 完全控制
Auto-Memory	员工个人笔记	★★★★☆ 跨会话	★★★☆☆	❌ AI 自主

CLAUDE.md：你 ROI 最高的投入

在所有四层中，CLAUDE.md 是你能控制的、影响最大的一层。 它之所以重要，是因为三个特性：

首先加载 --- 在 Claude Code 做任何事情之前，它就已经读了 CLAUDE.md
始终在场 --- 不管上下文怎么压缩、怎么 compact，CLAUDE.md 永远在
全局影响 --- 它影响 Claude Code 在这个项目中的所有行为

而且它支持分层------就像 CSS 的层叠规则，越具体的越优先：

graph TB subgraph scope["CLAUDE.md 分层加载机制"] direction TB G["🌍 ~/.claude/CLAUDE.md\n个人偏好（全局生效）\n例：偏好 Vim 键位、暗色主题"] P["📦 项目根目录/CLAUDE.md\n项目规范（团队共享）\n例：技术栈、架构原则、代码规范"] M["📂 src/api/CLAUDE.md\n模块规范（特定目录生效）\n例：API 设计规范、错误码定义"] end G -->|"被项目层覆盖"| P P -->|"被模块层覆盖"| M style G fill:#f0f0f0,stroke:#999,color:#333 style P fill:#DCEEFB,stroke:#2980B9,color:#333 style M fill:#D5F5E3,stroke:#27AE60,color:#333 style scope fill:#fff,stroke:#ddd,color:#333

越具体的层级优先级越高 ：如果项目 CLAUDE.md 说"用 tabs 缩进"，但 src/api/CLAUDE.md 说"用 2 spaces"，那么在 src/api/ 目录下工作时，2 spaces 生效。

很多人把 CLAUDE.md 写成了流水账，或者压根没有。这就像招了个资深工程师却不给他看任何文档，让他自己猜你们的规范------他当然也能干活，但效率和质量会大打折扣。

一个真实的 CLAUDE.md 示例

markdown 复制代码

# Project: E-Commerce Platform

## Tech Stack
- TypeScript + React 18 + Next.js 14 (App Router)
- Tailwind CSS (no CSS modules)
- Prisma ORM + PostgreSQL
- Vitest for unit tests, Playwright for E2E

## Architecture Principles
- Feature-based directory structure: src/features/{feature}/
- Each feature has: components/, hooks/, api/, types.ts, index.ts
- Shared code goes in src/shared/ (not src/utils/ or src/common/)
- Server Components by default; only use "use client" when needed

## Code Conventions
- Prefer named exports over default exports
- Use Zod for all runtime validation (API inputs, form data, env vars)
- Error handling: use Result<T, E> pattern, never throw in business logic
- Database queries only in src/features/*/api/ (never in components)

## Testing Requirements
- Every new feature needs unit tests (Vitest)
- API routes must have integration tests
- Run tests before any commit: `pnpm test`
- E2E tests for critical flows: `pnpm test:e2e`

## Git Conventions
- Conventional commits: feat/fix/refactor/docs/test
- Branch naming: feature/xxx, fix/xxx, refactor/xxx
- Squash merge to main

## Common Gotchas
- Prisma needs `npx prisma generate` after schema changes
- Next.js middleware runs on edge runtime (no Node.js APIs)
- TailwindCSS v4 uses CSS-based config, not tailwind.config.js

注意几个要点：

50-200 行是理想长度 --- 精炼但全面，不要写成万字文档
定义原则，不定义细节 --- "使用 Zod 做校验" ✅，"Zod schema 用这种格式写" ❌
包含"常见坑" --- 这些是新人最容易踩的，也是 Claude Code 最容易犯的
可以被 Git 追踪 --- 把它当作项目文档的一部分，团队共享

所以：写宪法，而非写代码

如果你今天只做一件事来提升 Claude Code 体验，就是给你的项目写一份 CLAUDE.md。

这不是一次性工作。它应该随着项目演进持续更新------就像一份活的工程师手册。

当你发现 Claude Code 反复犯同一个错误，不要每次在对话里纠正它。把正确的做法写进 CLAUDE.md，一劳永逸。

反例 ❌：

markdown 复制代码

> 记住，我们项目用 pnpm 不用 npm
> （下次新会话又得说一遍）

正例 ✅：

markdown 复制代码

# CLAUDE.md
## Package Manager
- Use pnpm exclusively (never npm or yarn)
- Lock file: pnpm-lock.yaml

口诀：写好入职文档，新人自然好用。

2.4 子代理架构 --- 分身术

它能分身

你的新队友有一项特殊能力：分身术。

当面临复杂任务时，Claude Code 可以派生出多个子代理（Sub-agents），每个子代理有独立的上下文窗口，互不干扰，并行工作。

目前有几种类型的子代理：

Explore 代理 --- 只读，专门用来快速探索代码库。不能修改文件，只做调查
Plan 代理 --- 设计方案。像架构师一样分析问题，输出结构化的实施计划
通用 Task 代理 --- 能使用全部工具，执行具体任务

一个典型的场景：你报告了一个 bug，Claude Code 不确定根因在哪。它可以同时派出三个 Explore 代理：

sequenceDiagram participant U as 👤 用户 participant M as 🤖 主代理 participant S1 as 🔍 子代理 1 participant S2 as 🔍 子代理 2 participant S3 as 🔍 子代理 3 U->>M: "订单金额计算有 bug" par 三路并行调查 M->>S1: 调查数据库查询 Note right of S1: 独立上下文窗口
读取 SQL、分析查询逻辑 and M->>S2: 检查 API 数据转换 Note right of S2: 独立上下文窗口
追踪数据流转过程 and M->>S3: 检查前端状态管理 Note right of S3: 独立上下文窗口
排查 race condition end S1-->>M: "数据库查询正常 ✅" S2-->>M: "发现：货币转换丢失精度 ❌" S3-->>M: "前端状态正常 ✅" M->>U: "根因定位：API 层货币转换使用了
浮点数运算导致精度丢失，建议改用 Decimal"

三个调查同时进行，最后主代理汇总结论，定位到问题所在。这比串行调查快了三倍。

每个子代理有自己的上下文窗口，这意味着主代理的上下文不会被大量调查结果污染。子代理完成后，只把结论汇报回来------就像团队开完调查后，在站会上各自汇报一句结论，而不是念自己的全部调查笔记。

所以：设计可并行化的任务

了解了分身术，你就可以主动设计适合并行处理的任务。

反例 ❌：

复制代码

先查一下 userService 有没有问题，
然后再查 orderService，
最后查 paymentService

（这强制了串行，一个一个来）

正例 ✅：

markdown 复制代码

调查以下三个服务中哪个导致了订单金额计算错误：
1. userService 中的折扣计算
2. orderService 中的价格汇总
3. paymentService 中的货币转换
分别检查后给出结论。

（Claude Code 可能会并行派出子代理调查）

不过要注意，不是所有任务都适合并行。如果步骤之间有依赖关系（后一步依赖前一步的结果），强行并行反而会出问题。

口诀：分而治之，并行调查。

2.5 上下文窗口管理 --- 桌面大小问题

桌面就这么大

现在想象你队友的工作桌面。

这张桌面的面积是固定的------所有正在处理的信息都得放在上面：读取的文件内容、你们的对话记录、工具调用的输出、系统提示、CLAUDE.md......

这就是上下文窗口（Context Window）。

当桌面快满了，Claude Code 会自动做一件事：把最早的对话和工具输出压缩成摘要，推到桌面边缘。核心信息保留，但细节丢失了。

graph LR subgraph before["😰 上下文快满了"] direction TB B1["📖 CLAUDE.md"] B2["⚙️ 系统提示"] B3["💬 早期对话（细节）"] B4["📄 读取的文件内容"] B5["💬 中期对话（细节）"] B6["🔧 工具输出（大量）"] B7["💬 最近对话"] end before -- "/compact" --> after subgraph after["😊 压缩后腾出空间"] direction TB A1["📖 CLAUDE.md ← 不变"] A2["⚙️ 系统提示 ← 不变"] A3["📝 历史摘要（压缩）"] A4["💬 最近对话"] A5["🆓 空闲空间（可继续工作）"] end style before fill:#FFF5F5,stroke:#E74C3C,color:#333 style after fill:#F0FFF0,stroke:#27AE60,color:#333 style B1 fill:#DCEEFB,stroke:#2980B9,color:#333 style A1 fill:#DCEEFB,stroke:#2980B9,color:#333 style A5 fill:#E8FDE8,stroke:#27AE60,color:#333

你也可以主动管理桌面：

/compact --- 手动压缩。把对话细节压缩成摘要，腾出空间。就像把散落的笔记整理成一张提纲
/clear --- 彻底清空。只保留 CLAUDE.md 和系统提示，其他全部丢弃。就像收拾好桌面开始全新工作

这里有一个关键细节：CLAUDE.md 永远不会被压缩或清除。 不管你 compact 还是 clear 多少次，CLAUDE.md 始终在场。这就是为什么它是记忆系统中最可靠的一层。

上下文窗口管理不当的后果很明显：

信息丢失 --- 早期对话被压缩后，Claude Code 可能"忘记"之前讨论过的设计决策
性能下降 --- 上下文塞得越满，模型的注意力越分散，输出质量下降
成本增加 --- 更长的上下文意味着更多的 token 消耗

所以：保持"上下文卫生"

就像保持桌面整洁一样，上下文窗口需要主动维护。

原则一：一个对话处理一个逻辑任务

不要在同一个对话里又改 bug 又加功能又重构------这会把上下文搅成一锅粥。完成一个任务后，开新对话。

原则二：阶段间主动 /compact

如果一个任务确实需要多个阶段（比如先调查再实施），在调查完成、开始实施前，用 /compact 压缩调查阶段的细节，保留结论。

原则三：选择性读文件

不要让 Claude Code 读取整个大文件"了解一下"。先用 Glob + Grep 定位关键部分，再只读必要的片段。

反例 ❌：

css 复制代码

读一下 src/ 目录下所有的文件，了解一下项目结构

（这会把上下文塞满文件内容，几个大文件就占了大半桌面）

正例 ✅：

vbnet 复制代码

项目使用 Next.js App Router 架构。
请找到与用户认证相关的路由和中间件文件，理解当前的认证流程。

（Claude Code 会用 Glob + Grep 精准定位，只读必要的文件）

原则四：关键信息放 CLAUDE.md

任何你不希望 Claude Code "忘记"的信息------项目规范、架构决策、常见陷阱------都应该放进 CLAUDE.md，而不是靠对话上下文记住。

口诀：保持桌面整洁，重要的东西钉在墙上（CLAUDE.md）。

2.6 权限模型 --- 安全带

有风险的事会举手确认

你的新队友虽然能力强，但不是横冲直撞的莽夫。

Claude Code 内置了一套分级权限模型。工具按风险级别分类：

graph LR subgraph low["🟢 低风险 --- 自动放行"] L1["Read"] L2["Glob"] L3["Grep"] end subgraph mid["🟡 中风险 --- 可配置"] M1["Edit"] M2["Write"] M3["Bash（已知命令）"] end subgraph high["🔴 高风险 --- 必须确认"] H1["rm -rf"] H2["git push --force"] H3["Bash（未知命令）"] end style low fill:#E8F5E9,stroke:#43A047,color:#333 style mid fill:#FFF8E1,stroke:#F9A825,color:#333 style high fill:#FFEBEE,stroke:#E53935,color:#333

当 Claude Code 要做有风险的事情时，它会暂停循环，举手确认：

bash 复制代码

Claude Code 想要执行: rm -rf build/
是否允许？[y/n]

你可以在 settings.json 中配置信任级别：

默认模式 --- 大部分修改操作需要确认
信任项目 --- 放宽常见操作（如 Edit、运行测试），但高危操作仍需确认
Yolo 模式 --- 几乎不需要确认（适合实验性项目，不建议用于生产代码）

系统提示中写得很明确：Claude Code 的行为准则是优先安全 ------它永远不会主动提交包含 .env 的文件、不会未经确认 force push、不会删除看起来像用户工作的分支。即使你授权了"推送代码"，它也只认为这次授权有效，下次还会再问。

所以：信任但验证

对于成熟项目：在 settings 中放宽常见操作的权限------每次 Edit 都要确认会打断 Agent Loop 的流畅性，让你的队友干活缩手缩脚。

对于敏感操作：保留审批。数据库操作、部署脚本、Git push 等，永远值得多看一眼。

实用配置建议：

json 复制代码

// .claude/settings.json
{
  "permissions": {
    "allow": [
      "Edit",
      "Write",
      "Bash(pnpm test)",
      "Bash(pnpm lint)",
      "Bash(pnpm build)"
    ]
  }
}

允许编辑文件和运行测试 / lint / 构建这类安全的命令，但其他 Bash 操作仍需确认。

口诀：配好信任级别，常规放行，敏感必审。

2.7 规划模式 --- 先谋后动

让队友先戴上"架构师帽"

有时候你不想让队友直接动手改代码。你想先听听他的方案。

规划模式（Plan Mode） 就是这个"架构师帽"。用 Shift+Tab 即可切换。

进入规划模式后，Claude Code 的行为发生根本变化：

flowchart LR subgraph plan["🎩 规划模式（Shift+Tab）"] direction TB P1["✅ Read --- 读文件"] P2["✅ Glob --- 找文件"] P3["✅ Grep --- 搜内容"] P4["✅ 分析 + 设计方案"] P5["❌ Edit / Write"] P6["❌ Bash"] end User["👤 用户"] -- "Shift+Tab\n进入规划" --> plan plan -- "输出方案" --> Review{"👤 审批方案"} Review -- "✅ 同意" --> Exec["⚡ Agent Loop 执行"] Review -- "❌ 调整" --> plan style plan fill:#FFF8E1,stroke:#F9A825,color:#333 style P5 fill:#FFEBEE,stroke:#E53935,color:#333 style P6 fill:#FFEBEE,stroke:#E53935,color:#333 style Exec fill:#E8F5E9,stroke:#43A047,color:#333

它变成了一个纯粹的分析者和规划者------只看不动手。

这特别适合两类场景：

场景一：大规模重构

"我想把项目从 Redux 迁移到 Zustand"------这种涉及几十个文件的变更，你绝对不想让它直接开干。先进规划模式，让它分析依赖关系、列出所有需要改动的地方、给出迁移步骤和风险评估。你审批方案后，再让它执行。

场景二：不确定的问题

"应用启动越来越慢，帮我分析原因"------你不确定问题在哪，让 Claude Code 先以只读方式调查，给出分析报告，然后你根据报告决定下一步。

规划模式的输出通常是结构化的：

markdown 复制代码

## 迁移方案

### 影响范围
- 12 个文件需要修改
- 3 个 store 需要重写
- 所有 useSelector 调用需要替换

### 执行步骤
1. 安装 zustand，移除 redux 相关依赖
2. 将 Redux store 逐个转换为 Zustand store
3. 替换组件中的 useSelector/useDispatch
4. 更新测试
5. 运行全量测试验证

### 风险点
- middleware 逻辑需要手动重写（不能自动转换）
- 异步 action 的处理方式有差异

你审批这个方案后，Claude Code 就会按步骤执行，遇到问题还会回来汇报。

所以：超过 3 个文件的变更，先谋后动

这是一条简单有效的经验法则：

改 1-3 个文件 → 直接描述意图，让 Agent Loop 跑
改 3+ 个文件 → 先进规划模式，审批方案再执行
架构级变更 → 必须规划模式，甚至可以要求多轮规划

反例 ❌：

arduino 复制代码

把所有的 class 组件重构成函数组件
（直接执行，可能改一半出问题，中间状态很难恢复）

正例 ✅：

arduino 复制代码

[规划模式]
分析项目中所有的 class 组件，评估重构为函数组件的影响范围和风险，
给出分批重构的方案。

口诀：架构师帽先戴上，方案敲定再开工。

2.8 Hooks 系统 & MCP 集成 --- 自动化与扩展

Hooks：自动化质量门禁

你可以为 Claude Code 的工具调用设置自动触发的脚本------就像 Git hooks，但更细粒度。

json 复制代码

// .claude/settings.json
{
  "hooks": {
    "afterEdit": ["npx prettier --write $FILE"],
    "beforeBash": ["echo '正在执行: $COMMAND'"],
    "afterWrite": ["npx eslint --fix $FILE"]
  }
}

每次 Claude Code 用 Edit 工具修改文件后，自动跑 Prettier 格式化。每次 Write 创建新文件后，自动跑 ESLint 修复。

Hooks 的价值在于一劳永逸。你不需要每次告诉 Claude Code "改完记得格式化"------配好 Hook，它自动就做了。

MCP：给队友开更多权限

MCP（Model Context Protocol） 是一个标准化协议，让 Claude Code 连接外部工具和服务。通过 MCP，你的新队友不再局限于本地文件操作，而是能触达完整的工作流：

连接 Jira / Linear --- 直接读取和更新任务状态
连接 Slack --- 发消息、查讨论
连接 数据库 --- 查询数据辅助调试
连接 Figma --- 读取设计稿信息
连接自定义内部工具 --- 任何你能写 API 的东西

比如，你可以告诉 Claude Code：

复制代码

看一下 JIRA-1234 的需求描述，然后实现它

它会通过 MCP 读取 Jira 任务，理解需求，然后在本地实现代码。

最佳实践

配置 Hooks 实现自动化质量门禁 --- 格式化、Lint、类型检查，让它们自动在 Claude Code 操作后运行
通过 MCP 扩展 AI 的工具链 --- 把你日常工作流中的工具都接进来，减少手动切换

口诀：Hooks 设了就忘，MCP 越多越强。

2.9 系统提示 --- 隐形之手

110+ 条内置直觉

你的新队友受过优秀的工程教育。

Claude Code 的系统提示中有 110 多条精心设计的行为规则，覆盖方方面面：

安全规则：

永远不提交 .env、credentials.json 等敏感文件
破坏性 Git 操作（force push、reset --hard）必须确认
不猜测或生成 URL，除非明确是编程辅助

工具偏好：

读文件用 Read，不用 cat
搜索用 Grep，不用 grep 命令
编辑用 Edit，不用 sed
这些规则确保操作可预测、可审查

代码风格：

修改前先读代码（"不要改你没读过的代码"）
优先编辑已有文件，避免创建不必要的新文件
避免过度工程化------只做要求的事情，不画蛇添足
不要在没改的代码上加注释、类型注解或 docstring

Git 操作规范：

优先创建新 commit，不 amend 已有的
用具体文件名 add，不用 git add -A
提交前要看 diff 和 log
绝对不 skip hooks（--no-verify）

这些规则你无法修改------它们是系统级别的。但好消息是：CLAUDE.md 可以扩展甚至覆盖部分行为。

比如系统提示说"不要主动提交"，但你可以在 CLAUDE.md 里写：

markdown 复制代码

## Workflow
- After completing a change, always commit with a descriptive message

Claude Code 会遵守你在 CLAUDE.md 里的指示，即使它和系统提示的默认行为不同。

但有些规则你不应该尝试覆盖------比如安全相关的规则。强行让 Claude Code 提交 .env 文件或 force push 到 main，它会拒绝或至少强烈警告。这些是安全底线。

所以：顺势而为，不要逆流

理解了系统提示的存在，你就能解释很多"奇怪"的行为：

"为什么它总是先读文件再改？" --- 因为系统提示要求"修改前先读"
"为什么它不用 sed 而用 Edit？" --- 因为系统提示规定了工具偏好
"为什么它创建 commit 不用 --amend？" --- 因为系统提示说"优先新 commit"

这些不是 bug，是特性。它们让 Claude Code 的行为更安全、更可预测。

反例 ❌：

复制代码

用 sed 命令替换文件中的所有 oldFunction 为 newFunction

（你在要求它逆着系统提示的偏好工作，它可能还是会用 Edit）

正例 ✅：

复制代码

把项目中所有的 oldFunction 调用替换为 newFunction

（让它自己选择最佳工具------它会用 Grep 找到所有位置，然后用 Edit 逐个替换）

口诀：借力不对抗，理解默认值。

2.10 透视实例 --- 一次请求的完整生命周期

前面九节讲的都是"原理"。现在，我们把所有原理串成一条线------用一个真实例子，逐帧回放 Claude Code 处理一次请求时，到底发生了什么。

包括：发给大模型的数据结构长什么样、每一轮循环做了什么决策、你的 CLAUDE.md 如何影响行为。

场景设定

你在一个 Next.js 电商项目里，输入了这条消息：

复制代码

用户列表页的搜索功能有 bug：输入中文后搜索结果为空。请修复。

项目根目录有一份 CLAUDE.md：

markdown 复制代码

# E-Commerce Platform
## Tech Stack
- TypeScript + Next.js 14 (App Router)
- Prisma ORM + PostgreSQL
## Code Conventions
- Use Zod for runtime validation
- Error handling: use Result<T, E> pattern
## Testing
- Run `pnpm test` before finishing

下面是 Claude Code 背后真实发生的事情。

第 0 步：组装第一次 API 请求

你按下回车的那一刻，Claude Code 客户端并不是直接把你这句话扔给模型。它先组装一个完整的请求体。简化后大致长这样：

jsonc 复制代码

// 发送给 Claude API 的第一次请求
{
  "model": "claude-sonnet-4-20250514",
  "max_tokens": 16000,
  "system": [
    {
      // 🔵 系统提示（2.9 节讲的"隐形之手"，110+ 条规则）
      "type": "text",
      "text": "You are Claude Code, Anthropic's official CLI...\n
        - Do NOT use Bash to run commands when a dedicated tool exists\n
        - Read files with Read, not cat\n
        - Edit files with Edit, not sed\n
        - In general, do not propose changes to code you haven't read\n
        - Avoid over-engineering...\n
        ..."
    },
    {
      // 🟢 CLAUDE.md（2.3 节讲的"宪法"，始终注入系统提示）
      "type": "text",
      "text": "<claude-md>\n# E-Commerce Platform\n## Tech Stack\n
        - TypeScript + Next.js 14 (App Router)\n
        - Prisma ORM + PostgreSQL\n
        ## Code Conventions\n- Use Zod for runtime validation\n
        ## Testing\n- Run `pnpm test` before finishing\n
        </claude-md>"
    }
  ],
  // 🔧 工具定义（2.2 节讲的"工具箱"，告诉模型它有哪些能力）
  "tools": [
    {
      "name": "Read",
      "description": "Reads a file from the local filesystem...",
      "input_schema": {
        "type": "object",
        "properties": {
          "file_path": { "type": "string" },
          "offset": { "type": "number" },
          "limit": { "type": "number" }
        },
        "required": ["file_path"]
      }
    },
    {
      "name": "Glob",
      "description": "Fast file pattern matching...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Grep",
      "description": "Search tool built on ripgrep...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Edit",
      "description": "Performs exact string replacements in files...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Bash",
      "description": "Executes a bash command...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Task",
      "description": "Launch a new agent to handle complex tasks...",
      "input_schema": { "..." : "..." }
    }
    // ... 共 12+ 种工具
  ],
  // 💬 对话消息（2.5 节讲的"上下文窗口"，此时只有用户这一条）
  "messages": [
    {
      "role": "user",
      "content": "用户列表页的搜索功能有 bug：输入中文后搜索结果为空。请修复。"
    }
  ]
}

graph TB subgraph req["📦 第一次 API 请求的组成"] direction TB SP["⚙️ system prompt\n系统提示 110+ 条规则"] CM["📖 CLAUDE.md\n项目宪法（注入 system）"] TL["🔧 tools\n12+ 工具定义（JSON Schema）"] MS["💬 messages\n用户消息（目前只有 1 条）"] end style SP fill:#E8EAF6,stroke:#3F51B5,color:#333 style CM fill:#DCEEFB,stroke:#2980B9,color:#333 style TL fill:#FFF3E0,stroke:#FB8C00,color:#333 style MS fill:#E8F5E9,stroke:#43A047,color:#333

注意三个关键点：

CLAUDE.md 在 system 层级，和系统提示平级。这就是为什么它"始终在场"------它不是对话消息，不会被压缩
工具以 JSON Schema 定义。模型看到这些定义后，就"知道"自己能做什么。这是 2.2 节说的"工具箱"
messages 此刻只有用户的一条话。后续每轮循环都会往这里追加，这就是 2.5 节说的"上下文窗口越来越满"

第 1 轮：模型决定先探索（Agent Loop 启动）

Claude API 返回响应。模型没有直接开始改代码------它决定先了解情况（2.1 节说的"先看现有代码"）：

jsonc 复制代码

// Claude API 的第一次响应
{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "我来调查这个中文搜索的 bug。先定位搜索相关的代码。"
    },
    {
      // 模型选择了 Grep 工具（不是 Bash + grep 命令！遵守系统提示的工具偏好）
      "type": "tool_use",
      "id": "tool_01",
      "name": "Grep",
      "input": {
        "pattern": "search|filter|query",
        "glob": "**/user*",
        "output_mode": "files_with_matches"
      }
    },
    {
      // 并行调用！同时用 Glob 找相关文件（2.2 节：模型自主编排工具链）
      "type": "tool_use",
      "id": "tool_02",
      "name": "Glob",
      "input": {
        "pattern": "src/**/search*.{ts,tsx}"
      }
    }
  ]
}

注意：一次响应中包含了两个并行的工具调用。模型判断这两个搜索互不依赖，所以同时发出。这不是偶然------系统提示明确要求"如果多个工具调用没有依赖关系，并行发出"。

Claude Code 客户端执行这两个工具，把结果追加到 messages 中：

jsonc 复制代码

// 客户端追加工具结果到 messages
{
  "role": "user",  // 工具结果以 user 角色返回
  "content": [
    {
      "type": "tool_result",
      "tool_use_id": "tool_01",
      "content": "src/features/users/hooks/useUserSearch.ts\nsrc/features/users/components/UserList.tsx"
    },
    {
      "type": "tool_result",
      "tool_use_id": "tool_02",
      "content": "src/features/users/components/SearchBar.tsx"
    }
  ]
}

此时 messages 数组有 3 条消息：用户原始请求 → 模型的工具调用 → 工具执行结果。上下文窗口开始填充。

第 2 轮：精准读取关键文件

客户端把更新后的 messages 再次发送给 Claude API（这就是 Agent Loop 的"循环"------每一轮都是一次完整的 API 调用）。

模型看到搜索结果，决定读取最可疑的文件：

jsonc 复制代码

// 第二次 API 响应
{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "找到了 3 个相关文件。先看搜索 hook 的实现。"
    },
    {
      "type": "tool_use",
      "id": "tool_03",
      "name": "Read",
      "input": {
        "file_path": "/project/src/features/users/hooks/useUserSearch.ts"
      }
    }
  ]
}

客户端执行 Read，返回文件内容（假设是这样的代码）：

jsonc 复制代码

{
  "type": "tool_result",
  "tool_use_id": "tool_03",
  "content": "     1→import { useState, useMemo } from 'react'\n
     2→\n
     3→export function useUserSearch(users: User[]) {\n
     4→  const [query, setQuery] = useState('')\n
     5→\n
     6→  const filtered = useMemo(() => {\n
     7→    if (!query) return users\n
     8→    const q = query.toLowerCase()\n
     9→    return users.filter(u =>\n
    10→      u.name.toLowerCase().includes(q) ||\n
    11→      u.email.toLowerCase().includes(q)\n
    12→    )\n
    13→  }, [query, users])\n
    14→\n
    15→  return { query, setQuery, filtered }\n
    16→}"
}

messages 数组已有 5 条消息。 文件内容全部进入上下文窗口。这就是为什么"选择性读文件"很重要------每读一个大文件，桌面空间就少一块。

第 3 轮：定位 Bug 并修复

模型分析了代码，发现了问题------toLowerCase() 对中文无效（中文没有大小写概念，但问题在于某些环境下 toLowerCase() 可能改变 Unicode 字符）。但更关键的是，真实 bug 可能在于搜索是前端过滤，而数据源中 u.name 的中文编码有问题。

模型决定进一步确认：

jsonc 复制代码

// 第三次 API 响应 --- 继续调查
{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "搜索逻辑看起来基本正确。但 toLowerCase() 对中文搜索没有意义，
               而且可能受 locale 影响。让我检查数据获取端，
               看是否有编码或 normalize 的问题。"
    },
    {
      "type": "tool_use",
      "id": "tool_04",
      "name": "Grep",
      "input": {
        "pattern": "fetchUsers|getUsers|findMany.*user",
        "glob": "src/features/users/api/**",
        "output_mode": "content",
        "-A": 5
      }
    }
  ]
}

Grep 返回了 API 层的代码，模型发现问题：

jsonc 复制代码

{
  "type": "tool_result",
  "tool_use_id": "tool_04",
  "content": "src/features/users/api/getUsers.ts:
     8→export async function getUsers(query?: string) {
     9→  const where = query
    10→    ? { name: { contains: query, mode: 'insensitive' } }
    11→    : {}
    12→  return prisma.user.findMany({ where })
    13→}"
}

现在模型看清了全貌：搜索有两条路径 ------前端过滤（useUserSearch）和后端查询（getUsers）。前端的 includes 对中文实际上是有效的，问题大概率在后端这边 ------Prisma 的 contains 配合 mode: 'insensitive' 在 PostgreSQL 上对中文支持有问题（PostgreSQL 的 ILIKE 对非 ASCII 字符的行为取决于 locale 配置）。

第 4 轮：执行修复

模型确认了根因，现在开始修复。注意它如何遵守 CLAUDE.md 的规范：

jsonc 复制代码

// 第四次 API 响应 --- 执行修复
{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "找到根因了。问题在后端：Prisma 的 `contains` + `insensitive` 模式
               在 PostgreSQL 上对中文不可靠。\n\n
               修复方案：改用 Prisma 的原生查询进行 Unicode 安全的模糊搜索，
               同时修复前端搜索使用 normalize 来确保一致性。"
    },
    {
      "type": "tool_use",
      "id": "tool_05",
      "name": "Edit",  // 系统提示要求用 Edit 而非 sed
      "input": {
        "file_path": "/project/src/features/users/api/getUsers.ts",
        "old_string": "  const where = query\n    ? { name: { contains: query, mode: 'insensitive' } }\n    : {}",
        "new_string": "  const where = query\n    ? {\n        OR: [\n          { name: { contains: query } },\n          { name: { contains: query.normalize('NFC') } },\n          { email: { contains: query } },\n        ],\n      }\n    : {}"
      }
    },
    {
      "type": "tool_use",
      "id": "tool_06",
      "name": "Edit",  // 并行修复前端
      "input": {
        "file_path": "/project/src/features/users/hooks/useUserSearch.ts",
        "old_string": "    const q = query.toLowerCase()\n    return users.filter(u =>\n      u.name.toLowerCase().includes(q) ||\n      u.email.toLowerCase().includes(q)\n    )",
        "new_string": "    const q = query.normalize('NFC')\n    return users.filter(u =>\n      u.name.normalize('NFC').includes(q) ||\n      u.email.normalize('NFC').includes(q)\n    )"
      }
    }
  ]
}

这里模型做了两个关键决策：

用 Edit 而不是 Write --- 系统提示偏好精确编辑而非覆写整个文件

两个 Edit 并行发出 --- 两次编辑互不依赖，所以同时执行

第 5 轮：自动验证（遵守 CLAUDE.md）

修复完成后，模型没有停下来向你汇报 ------因为 CLAUDE.md 写了 Run pnpm test before finishing。这条规则被注入了 system 层级，模型会严格遵守：

jsonc 复制代码

// 第五次 API 响应 --- 运行测试
{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "两个文件已修复。按照项目规范，先跑一下测试。"
    },
    {
      "type": "tool_use",
      "id": "tool_07",
      "name": "Bash",
      "input": {
        "command": "cd /project && pnpm test --filter='**/users/**'",
        "description": "Run user module tests",
        "timeout": 30000
      }
    }
  ]
}

假设测试通过了：

jsonc 复制代码

{
  "type": "tool_result",
  "tool_use_id": "tool_07",
  "content": "✓ useUserSearch - filters by Chinese characters (3ms)\n
              ✓ useUserSearch - filters by email (2ms)\n
              ✓ getUsers - returns filtered results (15ms)\n
              Tests: 3 passed, 3 total"
}

第 6 轮：汇报结果（循环结束）

测试通过，Agent Loop 终于结束。模型生成最终回复：

jsonc 复制代码

// 第六次 API 响应 --- 最终回复（无工具调用 = 循环结束）
{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "已修复中文搜索 bug。\n\n
               **根因**：两个问题叠加\n
               1. 后端 Prisma 的 `insensitive` 模式对中文不可靠，改为直接 `contains` 匹配\n
               2. 前端的 `toLowerCase()` 对中文无意义，改为 `normalize('NFC')` 确保 Unicode 一致性\n\n
               **改动文件**：\n
               - `src/features/users/api/getUsers.ts` --- 修复后端查询\n
               - `src/features/users/hooks/useUserSearch.ts` --- 修复前端过滤\n\n
               所有相关测试已通过 ✅"
    }
  ]
}

没有 tool_use 块 = Agent Loop 终止。 这是循环结束的标志------模型认为任务完成了，不再需要调用任何工具。

全景回顾：一次请求背后的完整数据流

sequenceDiagram participant U as 👤 你 participant CC as 🖥️ Claude Code 客户端 participant API as ☁️ Claude API Note over CC: 组装请求：system prompt
+ CLAUDE.md + tools + messages U->>CC: "中文搜索 bug，请修复" rect rgb(240, 245, 255) Note over CC,API: 🔄 第 1 轮 --- 探索 CC->>API: messages: [user_msg] API-->>CC: Grep + Glob（并行） Note right of CC: 执行工具，追加结果到 messages end rect rgb(240, 245, 255) Note over CC,API: 🔄 第 2 轮 --- 深入调查 CC->>API: messages: [user_msg, asst_1, tool_results_1] API-->>CC: Read(useUserSearch.ts) Note right of CC: 执行工具，追加结果到 messages end rect rgb(240, 245, 255) Note over CC,API: 🔄 第 3 轮 --- 追查根因 CC->>API: messages: [...之前所有, asst_2, tool_results_2] API-->>CC: Grep(API 层代码) Note right of CC: 执行工具，追加结果到 messages end rect rgb(255, 248, 240) Note over CC,API: ✏️ 第 4 轮 --- 修复代码 CC->>API: messages: [...之前所有, asst_3, tool_results_3] API-->>CC: Edit × 2（并行） Note right of CC: ⚠️ 可能触发权限确认 end rect rgb(240, 255, 240) Note over CC,API: 🧪 第 5 轮 --- 运行测试（遵守 CLAUDE.md） CC->>API: messages: [...之前所有, asst_4, tool_results_4] API-->>CC: Bash("pnpm test") end rect rgb(245, 240, 255) Note over CC,API: ✅ 第 6 轮 --- 汇报结果（无工具调用 = 循环结束） CC->>API: messages: [...之前所有, asst_5, tool_results_5] API-->>CC: 纯文本回复（无 tool_use） end CC->>U: 展示修复结果 + 改动摘要

从这个例子中看到的所有原理

回顾一下这个例子中体现的全部机制：

原理	在例子中的体现
Agent Loop	6 轮 API 调用自主循环，从探索到修复到验证，用户只说了一句话
工具系统	模型自主选择 Grep→Read→Edit→Bash 的工具链；用 Edit 而非 sed（系统提示偏好）
并行工具调用	第 1 轮 Grep+Glob 并行，第 4 轮两个 Edit 并行
CLAUDE.md	注入 system 层级；`pnpm test` 规则让模型在修复后自动跑测试
系统提示	"修改前先读代码" → 模型先 Read 再 Edit；"用 Edit 不用 sed" → 遵守工具偏好
上下文窗口	messages 每轮追加，从 1 条增长到 11 条；文件内容全部进入上下文
权限模型	Edit 操作可能触发用户确认；Bash 执行测试命令需要权限放行
意图式描述	用户说"修复中文搜索 bug"，没有指定步骤，模型自主完成全部决策

关键 takeaway：你看到的 Claude Code 界面上的每一行输出，背后都是一次完整的 API 往返。那个看起来"在思考"的光标闪烁，就是客户端在等待 API 响应、执行工具、把结果追加到 messages、再次发送......这就是 Agent Loop 的心跳。

第三章：范式总结 --- 文档驱动开发

把前面所有机制和实践汇聚在一起，我们得到了一个统一的工作范式。

我叫它文档驱动开发（Document-Driven Development，DDD）。

旧模式 vs 新模式

旧模式：人写代码，AI 辅助片段。

你是司机，AI 是导航 GPS。你决定方向盘怎么打，AI 只是建议"前方 200 米左转"。写代码的主体还是你，AI 提供自动补全、代码建议、解答问题。

新模式：人定义"做什么"，AI 实现"怎么做"。

你是工程经理，AI 是执行工程师。你定义目标、约束、标准和验收条件。AI 自主探索代码库、制定方案、编写代码、运行测试、迭代修复。

这不是偷懒或推卸责任。恰恰相反------定义好"做什么"比亲手"怎么做"更难。它要求你有清晰的架构思维、完善的规范体系、精准的需求描述能力。

角色转变

从 "使用 AI 的编码者" 到 "指挥 AI 的工程经理"。

工程经理不会亲手写每一行代码，但他确保：

团队有清晰的规范（CLAUDE.md）
任务被清晰定义（意图式描述）
方案在执行前被审批（规划模式）
执行过程有质量保障（Hooks + 权限模型）
产出被验证（测试 + 审查）

完整 DDD 工作流

flowchart TB S1["📖 Step 1\n编写 CLAUDE.md"] S2["🎯 Step 2\n意图式描述任务"] S3{"📐 需要改 3+ 文件？"} S3Y["🎩 Step 3\n进入规划模式\n审批方案"] S4["⚡ Step 4\n让 Agent Loop 自主执行"] S5{"✅ 结果满意？"} S5N["💬 Step 5\n意图式反馈迭代"] S6["🧹 Step 6\n/compact 或新对话\n更新 CLAUDE.md"] S1 --> S2 S2 --> S3 S3 -- "是" --> S3Y S3 -- "否" --> S4 S3Y --> S4 S4 --> S5 S5 -- "否" --> S5N S5N --> S4 S5 -- "是" --> S6 S6 -. "下一个任务" .-> S2 style S1 fill:#DCEEFB,stroke:#2980B9,color:#333 style S2 fill:#E8F4FD,stroke:#4A90D9,color:#333 style S3 fill:#FEF9E7,stroke:#F1C40F,color:#333 style S3Y fill:#FFF8E1,stroke:#F9A825,color:#333 style S4 fill:#E8F5E9,stroke:#43A047,color:#333 style S5 fill:#FEF9E7,stroke:#F1C40F,color:#333 style S5N fill:#FDE8E8,stroke:#E74C3C,color:#333 style S6 fill:#F3E8FD,stroke:#8E44AD,color:#333

Step 1：编写优秀的 CLAUDE.md

项目开始的第一件事。定义技术栈、架构原则、代码规范、测试要求、常见陷阱。这是你 ROI 最高的时间投入。

Step 2：用意图式描述定义任务

不要说"打开文件 A，在第 X 行加 Y"。说"实现 Z 功能，确保满足 W 约束"。

Step 3：复杂任务先进规划模式

超过 3 个文件的变更，按 Shift+Tab 进入规划模式。审批方案后再让 Claude Code 动手。

Step 4：让 Agent Loop 自主执行

方案审批后，放手让它跑。它会自己读文件、改代码、跑测试、修 bug。不要中途打断------除非你发现方向性错误。

Step 5：审查结果、反馈迭代

Agent Loop 完成后，审查变更。如果有问题，用意图式描述反馈（"这里的错误处理不符合我们的规范，请按 CLAUDE.md 中的 Result<T, E> 模式修改"），而不是手动指定修改。

Step 6：任务间管理上下文

一个任务完成后，/compact 或开新对话。保持上下文窗口干净。把本次工作中发现的重要模式更新到 CLAUDE.md。

第四章：速查表

10 对"机制→实践"的快速参考：

机制	核心洞察	最佳实践	一句话口诀
Agent Loop	它会自主迭代	意图式描述	说目的地，不说路线
工具系统	它有专业工具箱	匹配工具描述任务	知道队友会什么
CLAUDE.md	它先读手册	写宪法而非写代码	写好入职文档
子代理	它能分身	设计并行任务	分而治之
上下文窗口	桌面有限	上下文卫生	保持桌面整洁
权限模型	风险操作会确认	信任但验证	配好信任级别
规划模式	可以只看不动手	先谋后动	架构师帽先戴上
Hooks	支持自动化	自动化质量门禁	设了就忘
MCP	能用外部工具	扩展工具链	给它开权限
系统提示	有内置直觉	顺势而为	借力不对抗

快速行动清单：

给项目写一份 CLAUDE.md（今天就做）
下次需求描述从"打开文件改第 X 行"改为"实现 Y 功能"
尝试一次规划模式（Shift+Tab）
配置一个 Hook（比如 Edit 后自动格式化）
完成一个任务后试试 /compact

第五章：回到那两个程序员

现在回头看开篇的故事，你应该能解释一切了。

程序员 A 的问题不是 prompt 写得差，而是他的心智模型错了。他把 Claude Code 当成一个需要逐步指令的"遥控车"，结果：

短路了 Agent Loop --- 每条消息都在告诉它下一步做什么，剥夺了它自主迭代的能力
没有 CLAUDE.md --- 每次新会话都要重新交代项目规范
没用规划模式 --- 直接让它改跨多个文件的代码，没有方案审批就开工
上下文被污染 --- 来回纠错的对话塞满了上下文，降低了后续输出的质量

程序员 B 做对了每一件事：

意图式描述 → 激活了完整的 Agent Loop
引用了 CLAUDE.md → 规范一开始就到位
不啰嗦 → 上下文保持干净
信任 Agent Loop → 给出目标后放手让它跑

差距不是 10% 的 prompt 优化，是 10 倍的范式升级。

最后一句话

最好的 prompt 根本不是 prompt------而是一份写得好的 CLAUDE.md、一个清晰的意图、和让 Agent Loop 自己跑起来的智慧。

现在就去给你的项目写一份 CLAUDE.md 吧。

这一个动作，比任何 prompt 技巧合集都更能改变你的 Claude Code 体验。