Claude Code自用skill／mcp分享——我的AI开发工作流

Claude Code自用skill／mcp分享------我的AI开发工作流

我的 Claude Code 扩展全家桶：从代码知识图谱到 AI 开发工作流

本文介绍我在 Claude Code 中自己安装的扩展：codebase-memory（MCP + Skill + Hooks 一整套） 、Matt Pocock Skills 套装（19 个） 、3 个自写中文 Skill（bat-run / bat2ps1 / drawio） ，以及 2 个前端美化 Skill（frontend-design / ui-ux-pro-max） 。

不包含 Claude Code 自带的 skill，也不包含未安装的插件。

总览：四大块扩展
codebase-memory：把代码库变成一张可以"查"的知识图谱
[Matt Pocock Skills 套装（19 个）](#Matt Pocock Skills 套装（19 个）)
[自写中文 Skill：bat-run / bat2ps1 / drawio](#自写中文 Skill：bat-run / bat2ps1 / drawio)
[前端美化 Skill：frontend-design / ui-ux-pro-max](#前端美化 Skill：frontend-design / ui-ux-pro-max)
[两种调用方式：AI 自主调用 vs 用户 / 命令](#两种调用方式：AI 自主调用 vs 用户 / 命令)
速查总表

1. 总览：四大块扩展

扩展	组成	一句话概括
codebase-memory	MCP 服务器 + Skill + 3 个 Hooks	把代码库索引成知识图谱，用结构化查询替代 grep
Matt Pocock Skills 套装	19 个 Skill	一套从想法 → PRD → 拆单 → 实现 → 评审 → 交接的完整开发方法论
自写中文 Skill	3 个 Skill	Windows 批处理工具链（bat-run / bat2ps1）+ 画图（drawio）
前端美化 Skill	2 个 Skill	设计品味 + 设计规则数据库（frontend-design / ui-ux-pro-max）

2. codebase-memory：把代码库变成一张可以"查"的知识图谱

这是我这套扩展里最底层、最"基建"的一块。它由三部分组成，分工明确：

2.1 MCP 服务器（数据层）

配置文件在 ~/.claude/.mcp.json，运行 codebase-memory-mcp.exe。核心能力：把整个仓库索引成一张知识图谱（函数、类、路由、模块之间的调用关系、依赖关系、HTTP 调用等），然后提供 14 个 MCP 工具供 AI 查询。

14 个工具一览：

类别	工具	作用
索引管理	`index_repository`	把仓库索引进知识图谱（full/moderate/fast 三种模式）
	`index_status`	查看某个项目的索引状态
	`list_projects`	列出所有已索引的项目
	`delete_project`	删除索引
	`ingest_traces`	灌入运行时 trace 数据，增强图谱
代码发现	`search_graph`	三种模式搜索：自然语言 BM25、名字正则、语义向量（跨词汇找到"发送"这类语义）
	`search_code`	图增强版 grep：去重到函数级、按结构重要性排序
	`get_code_snippet`	精确读取某个符号的源码
关系追踪	`trace_path`	调用链/数据流/跨服务追踪（支持风险分级）
	`query_graph`	直接写 Cypher 查图，做复杂多跳分析
架构分析	`get_architecture`	架构总览：包、依赖、入口、热点、Leiden 聚类出的"真实模块"
	`get_graph_schema`	图的节点/边类型定义
	`detect_changes`	把 git diff 映射到受影响的符号，做影响分析
知识沉淀	`manage_adr`	创建/更新架构决策记录（ADR）

关键价值 ：官方说明里给过一个对比------图工具返回精确结构结果只需约 500 tokens ，而用 grep 扫全库要 ~80K tokens。也就是说，以前 AI 理解一个代码库靠"翻文件"（又慢又费 token），现在靠"查图"（又快又准）。

2.2 Skill（使用层）

~/.claude/skills/codebase-memory/SKILL.md 定义了 AI 应该怎么用这些工具，核心是几张速查表：

决策矩阵 ：遇到什么需求调什么工具。比如"谁调用了 X？"→ trace_path(direction="inbound")；"找死代码"→ search_graph(max_degree=0, exclude_entry_points=true)；"本地改动影响哪些模块？"→ detect_changes()。
探索工作流 ：list_projects → get_graph_schema → search_graph → get_code_snippet，四步定位任何代码。
质量分析 ：高扇出/高扇入（min_degree=10）、死代码、重构候选，一条查询搞定。

2.3 Hooks（拦截层）

~/.claude/hooks/ 下 3 个 hook，保证这套体系被"强制执行"：

Hook	触发时机	作用
`cbm-code-discovery-gate`	PreToolUse（拦截 Grep / Glob）	在 AI 准备用传统搜索前介入，提示优先用知识图谱
`cbm-session-reminder`	SessionStart / Resume / Clear / Compact	会话每次启动都提醒 AI 使用这套工具链
`cbm-subagent-reminder`	SubagentStart	每个子代理启动时注入同样的使用规范

2.4 使用方式

AI 自主调用（自动触发）。 这个 Skill 没有 disable-model-invocation 标记，描述里列了触发词：探索代码库、理解架构、查调用链、找调用者、依赖分析、影响分析、死代码、重构候选、代码质量审计......只要对话里出现这类需求，AI 会自动切换到知识图谱工具，你不需要记任何命令。

注意：使用前需要先 index_repository 把项目索引起来（list_projects 能看到已索引的项目）。第一次会花一点时间建索引，之后所有查询都是秒级。

3. Matt Pocock Skills 套装（19 个）

这是一套以 TDD 和深模块设计 为核心、覆盖"想法 → 落地"全流程的开发方法论。它像一条流水线：上游产出文档，中游拆任务，下游实现，最后交接。

我按它们在流水线中的角色分成了 5 组介绍。

3.1 理念层（贯穿全局的"词汇"）

codebase-design（深模块设计） ------ 提供一套设计"深模块"的专用词汇（deep module、seam 等）。深模块 = 小接口、大行为、放在干净的接缝处。AI 自动调用：只要涉及模块设计、接口改善、找接缝、可测试性，它就会用这套语言。
domain-modeling（领域建模） ------ 主动打磨项目的领域模型（统一语言 + 术语表 + 架构决策）。AI 自动调用：当你在"改变"模型而不是"读"模型时触发。
writing-great-skills ------ 写高质量 Skill 的参考手册，核心概念是"可预测性"（让 AI 每次走同样的流程）。用户调用 ：/writing-great-skills。

3.2 计划层（把想法变清晰）

grilling（审讯式访谈） ------ 对你的一次性提问式拷问：AI 会一个问题一个问题地追问你的方案，直到双方达成一致，每个问题还会给出它的推荐答案。AI 自动调用：你说"帮我压力测试一下这个方案"或任何 grill 类触发词。
grill-me ------ 一个薄封装，就是"对我也来一轮 /grilling"。用户调用 ：/grill-me。
grill-with-docs ------ grilling 的升级版：边拷问边产出 ADR 和术语表文档。用户调用 ：/grill-with-docs。
to-prd ------ 把当前对话沉淀成一份 PRD 发布到项目的 issue 跟踪器，不访谈、只综合。用户调用 ：/to-prd。
to-issues ------ 把计划/PRD 拆成一个个"独立可领取"的 issue（垂直切片 / tracer bullet 方式）。用户调用 ：/to-issues。
triage（分诊） ------ 让 issue 和外部 PR 走过一套状态机（分类 → 验证 → 必要时拷问 → 写出 agent 可读的简报）。用户调用 ：/triage。
ask-matt（路由） ------ 你自己都不记得该用哪个 skill 时，问它："我现在这种情况，该走哪条流程？"它是整套技能的路由器 。用户调用 ：/ask-matt。

3.3 实现层（写代码）

tdd（测试驱动开发） ------ 红 → 绿循环的完整参考：什么是好测试、测试放哪、反模式、循环规则，每一步都该查。AI 自动调用：你想先写测试、提到 red-green-refactor、要集成测试时。
prototype（原型） ------ "一次性代码，回答一个问题 "。问题决定形态：验证状态模型、逻辑手感、UI 长什么样。AI 自动调用。
diagnosing-bugs（排障） ------ 硬 bug 和性能回退的诊断纪律，分阶段建立反馈回路。AI 自动调用：你说"诊断一下""debug 这个""这里挂了/抛异常/很慢"时。

3.4 治理层（让代码库变好）

code-review（双轴评审） ------ 对 HEAD 到某个固定点的 diff 做双轴评审：Standards （是否符合仓库文档化规范）和 Spec （是否符合原始 issue/PRD）。两个轴各跑一个并行子代理，互不污染上下文。AI 自动调用：评审分支、PR、WIP 改动。
improve-codebase-architecture ------ 扫描代码库找"加深机会"，输出一份可视化 HTML 报告，然后对你想做的项逐个拷问。用户调用 ：/improve-codebase-architecture。
setup-matt-pocock-skills ------ 首次使用前的一次性配置：给仓库建立 issue 跟踪器、triage 标签词汇表、领域文档布局。用户调用 ：/setup-matt-pocock-skills（其他工程 skill 的前置条件）。

3.5 交接层（跨会话）

handoff（交接） ------ 把当前对话压缩成一份交接文档，让新 agent 能接着干，还会建议该调用哪些 skill。用户调用 ：/handoff。
teach（教学） ------ 在 workspace 里建一个"教学空间"，跨多个会话追踪你的学习进度。用户调用 ：/teach。

3.6 发现层

find-skills ------ 帮你在开源 skill 生态里发现和安装新 skill。AI 自动调用：你问"有没有能 X 的 skill"时。

一句话记住这 19 个：想清楚了（grill→prd→issues→triage）再动手（tdd→prototype），写坏了能诊断（diagnosing-bugs），写完有人审（code-review），走了有人接（handoff）。 理念层（codebase-design / domain-modeling）贯穿始终。

4. 自写中文 Skill：bat-run / bat2ps1 / drawio

4.1 bat-run（.bat 的一键测试修复循环）

为 .bat 文件创建 .ps1 包装器，并自动执行测试 ；如果失败，自动修复重试，直到成功运行。本质是一个"创建 → 测试 → 修 → 再测"的自动化闭环。

使用方式 ：用户调用 /bat-run <path-to-bat-file>。
适用场景：手头有老的 .bat 脚本想在 Windows PowerShell 环境里稳定跑起来，又不想手动反复调试。

4.2 bat2ps1（.bat → .ps1 转换器）

为 .bat 文件创建功能完全等效 的 .ps1 包装脚本，自动生成在同目录下。保证功能等价是硬要求。

使用方式 ：用户调用 /bat2ps1 <path-to-bat-file>。
与 bat-run 的关系：bat2ps1 管"转换"，bat-run 管"转换 + 测试 + 修到能跑"。可以看成 bat-run 的一个子步骤被独立成了工具。

4.3 drawio（画图）

生成原生 .drawio 图表文件。支持三种编写方式：

Mermaid（简明文本，由 draw.io CLI 自动布局）
draw.io XML（直接写 XML）
可选 ELK 自动布局 ，并导出 PNG/SVG/PDF（导出文件里嵌入 XML，之后还能在 draw.io 里继续编辑），或生成一个直接在 draw.io 编辑器打开的浏览器 URL。
使用方式 ：AI 自动调用。只要对话里出现画流程图、架构图、ER 图、时序图、类图、网络图、线框图、UI 草图，或提到 draw.io/.drawio/导出 PNG/SVG/PDF，它就会自动接管。

5. 前端美化 Skill：frontend-design / ui-ux-pro-max

这组是我按"star 多、社区好评多"的标准，从 skills.sh 生态里挑出来装的。一个管品味（做出有辨识度的设计），一个管规则（查 84 种风格/192 套配色该怎么做）。两者互补：ui-ux-pro-max 保证"不犯错"（踩中所有坑），frontend-design 保证"不平庸"（不落入模板答案） 。

5.1 frontend-design（Anthropic 官方 · 设计品味）

来源：anthropics/skills（GitHub 166K star ，作为前端设计 skill 在 skills.sh 上 742K installs，该品类装机量第一）
定位：不是教你怎么"画得好看"，而是教 AI 怎么做"有观点、不模板化"的设计。把自己当小工作室的设计总监------这位客户已经拒过模板方案，他要的是独一无二的视觉身份。

核心思想：

在主题里找灵感：先定主题、受众、页面唯一任务，再从主题自身的世界（材质、器物、惯用语）里挖辨识度。
两个 pass 工作流 ：先产出设计计划（色板 4-6 个具名 hex、2+ 字体的排版体系、布局概念 + ASCII 线框、一个"签名元素"），然后对照需求自审------如果某部分像通用默认，就改掉再动笔。
识别 AI 生成的三大俗套（奶白底 + 衬线大字 + 陶土色点缀 / 近黑底 + 酸性绿·朱红点缀 / 报纸式细线排版），并刻意避开。
克制：把大胆用在一处（签名元素），其余保持安静；字体是页面的性格载体，文案也是设计材料。
它会批评自己的作品、必要时截图自检，并始终保证移动端适配、键盘焦点可见、尊重 reduced-motion。
使用方式 ：AI 自动调用。描述里覆盖了"构建新 UI / 重塑既有 UI / 审美方向 / 排版 / 不想像模板"等触发词，设计相关任务会自动加载。

5.2 ui-ux-pro-max（设计规则数据库 · 覆盖 22 个技术栈）

来源：nextlevelbuilder/ui-ux-pro-max-skill（GitHub 113K star ，skills.sh 上 301K installs）
定位：一个可搜索的 UI/UX 设计规则数据库，内置 84 种风格、192 套配色、74 组字体搭配、192 种产品类型、98 条 UX 指南、104 个图标条目、16 个 GSAP 动效预设、25 种图表类型 ，覆盖 React / Next.js / Vue / Nuxt / Svelte / Astro / SwiftUI / React Native / Flutter / Tailwind / shadcn/ui / Jetpack Compose / Angular / Laravel / JavaFX / WPF / WinUI / Avalonia / Uno / UWP / Three.js / HTML/CSS 共 22 个技术栈。

核心机制：

10 级优先级规则表：从 P1 Accessibility（对比度 4.5:1、键盘导航）→ P3 Performance（CLS<0.1、懒加载）→ P4 风格选择 → P6 排版配色 → P10 图表数据，每级带"必须做"和"反模式"两栏。AI 按优先级决定先检查什么。
搜索脚本 ：通过 python search.py "<query>" --domain <domain> 查具体规则，规则全文按需读取，不一次性全加载。
风格、配色、字体搭配、产品类型都有"推理规则"，不是死表，会结合产品类型推荐。
使用方式 ：AI 自动调用。描述覆盖"设计/构建/评审 UI、选色、排版、布局、无障碍、动效、数据可视化"，凡涉及界面视觉的都会触发。

5.3 怎么选？

你的需求	用哪个
想要有辨识度、惊艳的落地页/产品页	frontend-design（品味驱动）
要专业、不踩坑的 UI/UX 检查清单	ui-ux-pro-max（规则驱动）
不确定风格方向，想看 84 种风格 / 配色库	ui-ux-pro-max（先查库）
设计已成型，要"免于模板感"的评审	frontend-design（品味评审）
两个都上	让 ui-ux-pro-max 先把坑填平，再让 frontend-design 加一点"签名元素"

5.4 来源链接

skills.sh · frontend-design ------ 安装与装机量详情
skills.sh · ui-ux-pro-max ------ 安装与装机量详情
GitHub · anthropics/skills ------ Anthropic 官方 skills 仓库（166K star）
GitHub · nextlevelbuilder/ui-ux-pro-max-skill ------ ui-ux-pro-max 仓库（113K star）

6. 两种调用方式：AI 自主调用 vs 用户 / 命令

Claude Code 的 Skill 有两种调用机制，关键在于 frontmatter 里有没有 disable-model-invocation: true：

方式 A：AI 自主调用（自动触发）

没有 disable-model-invocation 标记的 Skill，会常驻在 AI 的工具清单里。AI 根据描述里的触发词判断要不要用------你不用记得命令，描述合适的需求就行。

属于这类的：

codebase-memory（探索/架构/调用链/死代码/审计等）
codebase-design（模块/接口/接缝/可测试性）
domain-modeling（统一语言/术语/决策）
grilling（压力测试方案）
tdd（测试优先/red-green-refactor/集成测试）
prototype（一次性验证代码）
diagnosing-bugs（诊断/debug/报错/变慢）
code-review（评审分支/PR/WIP）
find-skills（找新 skill）
drawio（任何画图需求）
frontend-design（设计新 UI/重塑旧 UI）
ui-ux-pro-max（选色/排版/无障碍/动效评审）

方式 B：用户 / 命令（手动触发）

带 disable-model-invocation: true 的 Skill 不会被 AI 自动调用，必须你主动输入斜杠命令。这类一般是"有副作用"或"高度依赖用户输入"的流程：

/grill-me、/grill-with-docs ------ 拷问我的方案
/to-prd、/to-issues、/triage ------ 产文档、拆任务、分诊
/improve-codebase-architecture ------ 架构体检报告
/setup-matt-pocock-skills ------ 一次性初始化
/handoff、/teach ------ 交接、教学
/ask-matt ------ 让 AI 帮我选流程
/writing-great-skills ------ 写 skill 的参考
/bat-run <file>、/bat2ps1 <file> ------ 批处理工具链

设计哲学：能自动的尽量自动 （省心），有副作用的必须手动 （防误触发）。比如 /to-issues 会真的往 issue 跟踪器里写东西，/handoff 会生成交接文档，这类必须你来拍板。

7. 速查总表

扩展	Skill / 组件	功能	调用方式
codebase-memory	MCP 服务器	14 个知识图谱查询工具	AI 自动（底层）
	Skill	工具用法速查表	AI 自动
	3 个 Hooks	拦截 Grep/Glob、注入使用规范	后台自动
Matt 套装	grilling	审讯式方案拷问	AI 自动（"压力测试这个方案"）
	grill-me	拷问我的方案	`/grill-me`
	grill-with-docs	拷问 + 产出 ADR/术语表	`/grill-with-docs`
	to-prd	对话 → PRD 发布到 tracker	`/to-prd`
	to-issues	PRD → 可领取的 issue	`/to-issues`
	triage	issue/PR 分诊状态机	`/triage`
	ask-matt	skill 路由器（选流程）	`/ask-matt`
	tdd	测试驱动开发	AI 自动（"先写测试"）
	prototype	一次性验证原型	AI 自动
	diagnosing-bugs	硬 bug 诊断纪律	AI 自动（"诊断/debug"）
	code-review	双轴并行评审	AI 自动（"review 这个分支/PR"）
	improve-codebase-architecture	架构体检 + HTML 报告	`/improve-codebase-architecture`
	codebase-design	深模块设计词汇	AI 自动
	domain-modeling	领域建模	AI 自动
	handoff	生成交接文档	`/handoff`
	teach	教学空间	`/teach`
	find-skills	发现新 skill	AI 自动（"有没有 X 的 skill"）
	setup-matt-pocock-skills	一次性初始化	`/setup-matt-pocock-skills`
	writing-great-skills	写 skill 参考	`/writing-great-skills`
中文自写	bat-run	.bat 包装 + 测试 + 修到能跑	`/bat-run <path>`
	bat2ps1	.bat → 等效 .ps1	`/bat2ps1 <path>`
	drawio	各种图 + 导出 PNG/SVG/PDF	AI 自动（"画个架构图"）
前端美化	frontend-design	设计品味 + 反模板化	AI 自动（"做个有辨识度的页面"）
	ui-ux-pro-max	设计规则库（84 风格/192 配色/22 栈）	AI 自动（"优化这个 UI"）

后记：这套组合的基本用法可以概括为------codebase-memory 负责"看懂代码" （AI 的底层地图），Matt 套装负责"做对事" （从想法到交接的完整方法论），两个前端美化 skill 负责"做得好" （品味 + 规则的组合拳），三个中文 skill 负责"解决身边的小麻烦" （Windows 批处理 + 画图）。四者层级不同、互不冲突，正好覆盖了 AI 编程的"知道在哪 → 知道怎么干 → 顺手把杂事办了 → 让成品更好看"。

新安装skill/mcp补充：

‍