3月27日-(Taku团队+.claude/文件夹+AI快速开发+Qclaw)

Taku

你在 Taku 里生成出来的所有东西,不管是 Agent、工具还是纯软件脚本,底层共享一套统一的通讯协议,可以相互调用。

Harness

Agent Harness 是包裹在 AI 模型外面的那一整层软件基础设施,负责管理模型的生命周期、上下文、工具调用、状态持久化和错误恢复

模型提供推理能力,Harness 提供推理之外的一切

LangChain 的文章里有一个说法:模型是 CPU,上下文窗口是内存,Agent Harness 就是操作系统

三层 Harness

第一层:Runtime

当我们从github中拉取项目A的时候,这个项目有数据库,Redis

我们现在Taku上做了一个视频剪辑APP,项目B

现在我们堆Taku说,把B项目的视频生成skil拼接到A中,这样A就有了视频功能

Taku 的 Runtime 想解决的就是这个环节。生成完直接能跑,跑完直接能用

第二层:统一的后端通讯协议

在 Claude Code 或者 OpenClaw 里面,情况也类似。你生成了三个项目,三个项目的后端是各自独立的。你想让项目 A 调用项目 B 的能力,需要自己手动配置

OpenClaw 的 skill 体系能做的事情也是有边界的,很多投资人以为 skill 什么都能做,实际上限制不少

Taku 定了一套 Protocol:所有在 Taku 生态内生成出来的东西,后端都有一套统一的对 agent 接口

不管它是一个 Multi-agent 系统、一个纯软件脚本、还是一个 AI skill,主 Agent 都可以无缝调用

第三层:跨应用的 context 和记忆共享

你在某个应用里积累的数据、使用习惯、定义的规则,会自动同步给所有相关的应用

官方地址:https://taku.ai/(还在测试中)

AI加快开发流程的内循环外循环

要点速览:

  • AI 编码工具加速了开发者的**"内循环"** (写代码、调试),但代码审查、CI/CD、部署等**"外循环"**没有改善,整体交付速度提升有限
  • 代码产出增加但审查流程没跟上,等于往堵塞的管道里灌更多水
  • 组织流程债务(不再产生价值的会议、签批、旧流程)在 AI 时代变得格外刺眼
  • 100% 的 AI 工具采用率 + 0% 的交付改善,完全可能发生
  • Forsgren 给 CTO 的建议:追踪 Developer Flow,减少开发者被打断的频率

内循环是开发者个人的工作:写代码、跑本地测试、调试。AI编码这类工具在这个环节效果很好,确实加速了个人编码效率。

但写完代码之后呢?代码要进入审查队列等人来看,要过 CI/CD 流水线(自动化构建和测试的系统),要跑安全扫描,最后才能部署到生产环境。这就是外循环

AI 加速的是内循环,但真正的瓶颈在外循环;工具采用率不等于价值交付;度量开发者体验,而不只是度量代码产出。

Qclaw

腾讯的openclaw小龙虾

官网地址:https://qclaw.qq.com/

一个方便的小龙虾,现在每天有1000万token,方便我们学习

其内置了许多方便的通道

.claude/文件夹剖析

.claude文件夹是控制Claude在项目中运行行为的核心中枢。其中存放着你的指令、自定义命令、权限规则,还有Claude在各会话中留存的记忆。只要弄清楚各类文件的存放位置和用途,你就能按照团队需求,量身配置Claude Code的运行模式。

两个文件夹

第一个位于你的项目内部,第二个位于你的主目录中

项目级文件夹保存团队配置。你将其提交到git。团队中的每个人都能获得相同的规则、相同的自定义命令和相同的权限策略。

全局的~/.claude/文件夹保存着你的个人偏好和机器本地状态,如会话历史和自动记忆。

CLAUDE.md:Claude的使用手册

这是整个系统中最重要的文件。当你启动Claude Code会话时,它读取的第一个文件就是CLAUDE.md。它会直接将其加载到系统提示中,并在整个对话过程中牢记于心。

简单来说:无论你在CLAUDE.md中写什么,Claude都会遵循。

在项目根目录下的CLAUDE.md是最常见的设置。但你也可以在~/.claude/CLAUDE.md中设置一个用于全局偏好设置,这些设置将适用于所有项目,甚至可以在子目录中设置一个用于特定文件夹规则的CLAUDE.md。Claude会读取所有这些文件并将它们合并。

要写:

  • 构建、测试和代码检查命令(npm run test、make build等)
  • 关键架构决策("我们使用带有 Turborepo 的单仓库")
  • 非显而易见的陷阱("TypeScript严格模式已开启,未使用的变量会被视为错误")
  • 导入约定、命名模式、错误处理风格
  • 主要模块的文件和文件夹结构

不要写:

  • 任何属于代码检查器或格式化器配置的内容
  • 你已经可以链接到的完整文档
  • 解释理论的长段落

保持CLAUDE.md文件行数不超过200行。超过这个长度的文件会占用过多上下文,Claude遵循指令的能力实际上会下降。

用于个人自定义设置的 CLAUDE.local.md 文件

在项目根目录中创建 CLAUDE.local.md 文件。Claude 会连同主文件 CLAUDE.md 一并读取该文件,且该文件会被自动纳入Git忽略列表,确保你的个人设置不会提交到代码仓库中。

rules/文件夹:可扩展的模块化指令

LAUDE.md 适用于单个项目。但随着团队规模扩大,你的 CLAUDE.md 文件会变成 300 行的大文件,无人维护,也没人查看。

rules/ 文件夹可以解决这个问题。

.claude/rules/ 目录下的所有 Markdown 文件都会与你的 CLAUDE.md 一同自动加载。你无需使用一个庞大的文件,而是可以按照业务范畴拆分指令:

复制代码
.claude/rules/
├── code-style.md
├── testing.md
├── api-conventions.md
└── security.md

核心优势在于路径限定规则。在规则文件中添加一段YAML前置元数据,该规则便仅在Claude处理匹配文件时生效

commands/ 文件夹:用于存放自定义斜杠命令

开箱即用,Claude Code 有内置的斜杠命令,如 /help 和 /compact。commands/ 文件夹允许你添加自己的命令。

.claude/commands/ 中的项目命令会被提交并与团队共享。如果希望命令不受项目限制、在所有场景中生效,请将其放置在 ~/.claude/commands/ 目录下,这类命令会以 /用户:命令名称 的形式展示。

实用的个人命令示例:每日站会辅助命令、按照自定义规范生成提交信息的命令、快速安全扫描命令。

skills/文件夹:按需使用的可复用工作流

技能是Claude可以自行调用的工作流程,当任务与技能描述匹配时,无需你输入斜杠命令。命令等待你的操作,而技能则会观察对话,并在时机合适时采取行动。

每个技能都存放在其自己的子目录中,并配有一个SKILL.md文件:

复制代码
.claude/skills/
├── security-review/
│   ├── SKILL.md
│   └── DETAILED_GUIDE.md
└── deploy/
    ├── SKILL.md
    └── templates/
        └── release-notes.md

agents/文件夹:专门的子agent角色

当一项任务足够复杂,需要专业专家来处理时,你可以在.claude/agents/中定义一个子代理角色。每个代理都是一个markdown文件,有自己的系统提示、工具访问权限和模型偏好:

复制代码
.claude/agents/
├── code-reviewer.md
└── security-auditor.md

settings.json:权限和项目配置

.claude/ 目录下的 settings.json 文件控制着 Claude 被允许和不被允许做的事情。在这个文件中,你可以定义 Claude 可以运行哪些工具、可以读取哪些文件,以及在运行某些命令之前是否需要询问。

一个实用的入门设置

步骤1. 在Claude Code中运行 /init。它会通过读取你的项目生成一个初始的CLAUDE.md文件。将其编辑精简至要点。

步骤2. 添加.claude/settings.json 文件,并根据你的技术栈添加合适的允许/拒绝规则。至少要允许运行命令,拒绝读取.env 文件。

步骤3.为你最常执行的工作流程创建一两个命令。代码审查和问题修复是不错的起点。

步骤4. 随着项目的发展,CLAUDE.md文件变得拥挤时,开始将指令拆分为.claude/rules/文件。在合理的情况下,按路径对其进行范围界定。

步骤5. 添加一个 ~/.claude/CLAUDE.md 文件,其中包含你的个人偏好。这可能是类似 "总是在实现之前编写类型" 或 "更喜欢函数式模式而非基于类的模式" 这样的内容。

相关推荐
Elastic 中国社区官方博客5 小时前
Elasticsearch BBQ:一场教科书式的向量搜索 “弯道超车”
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
极光代码工作室5 小时前
基于深度学习的中文文本情感分析系统
人工智能·python·深度学习·神经网络·nlp
乐鑫科技 Espressif5 小时前
乐鑫发布 ESP32-S31:高性能多协议双核 RISC-V,面向 AI 智能交互
人工智能·mcu·esp32·乐鑫科技
智慧化智能化数字化方案5 小时前
数字化转型——解读107页企业数字化转型整体规划-技术篇【附全文阅读】
大数据·人工智能·企业数字化转型整体规划
龙侠九重天5 小时前
使用 OpenClaw 进行数据分析和可视化
大数据·人工智能·python·ai·信息可视化·数据分析·openclaw
星爷AG I5 小时前
16-6 问题解决(AGI基础理论)
人工智能·agi
树獭非懒5 小时前
Google A2UI:让 AI 智能体「开口说界面」
前端·人工智能·后端
AI职业加油站5 小时前
数字时代先机:大数据采集工程师
大数据·人工智能·机器学习·职场和发展
王哥儿聊AI5 小时前
微软开源神器MarkItDown:一键把PPT/PDF/Excel转成markdown,LLM直呼内行!
人工智能·深度学习·microsoft·机器学习·开源·powerpoint