Claude Code 实战：AI这么强了，为什么还在发明新概念

粗活儿更容易，但细活儿更快。

很多人看来，AI给这个世界带来的剧变已经黑云压城，他们正快马加鞭地追赶，但仍有相当一部分人没有这个认识，或浅尝辄止。

AI可以回答问题，可以帮忙干活，技术门槛被抹平后，还靠什么拉开差距？

如果只会发指令，等同于AI时代的“刀耕火种”，仍处于生产力的末端，还需要做哪些探索呢？读罢本文，你会有自己的理解。

Skill

我一开始以为，安装好Claude Code直接使用就行。后来发现自己总在进行重复操作：每次提交代码前都要提醒进行lint检查，每次新建组件都要交代一遍项目规范，每次查数据都要手动复制SQL结果并粘贴给Claude Code……

一旦重复超过3次，就该想办法自动化了。

skill是最容易上手的扩展机制，做法很简单：在.claude/skills/目录下创建一个文件夹，存放一个SKILL.md文件，Claude Code就会根据上下文自动加载该文件中的指令。

.claude/skills/
├── react-component/
│   └── SKILL.md    # 创建React组件的规范和步骤
├── fix-issue/
│   └── SKILL.md    # 修复bug的标准流程
└── deploy-preview/
    └── SKILL.md    # 部署预览环境的步骤

通过/skill-name命令可以手动调用某个skill，Claude Code也会根据对话内容自动判断是否加载相应的skill。

比如，你说：“帮我创建一个新的React组件”，Claude Code就会自动加载react-component skill中的规范。

两种类型的skill

知识型skill：告诉Claude Code“这个项目里的事情应该怎么做”，比如API规范、编码风格、项目约定。

工作流型skill：告诉Claude Code“遇到特定任务按什么步骤执行”，比如/fix-issue（修复bug的标准流程）、/review-pr（代码审查流程）。

安装别人的skill

skill可以共享，你甚至不需要去它存放的地方找。

Boris就公开了他常用的skill集合。你告诉Claude Code：“帮我安装Boris的skill集合”，它就会自动找到对应的公开仓库，把SKILL.md下载到本地的~/.claude/skills/boris/目录下。

安装后，你就拥有了Boris日常使用的工作流，包括他的commit规范、PR模板、代码审查标准等。

社区正在不断贡献新的skill，你可以在Claude Code中通过/plugin命令浏览。

Hook

hook不是新概念，在编程领域很常见，常译为“钩子”，即在某个节点触发某种行为。

skill有一个天然的局限：它本质上是对Claude Code的“建议”。Claude Code会尽量遵守，但遵从率不是100%，尤其是在长对话的后期，它可能忘了。

hook就是为了解决这个问题。它支持多个触发时机。

• 调用工具前/后
• 需要用户授权时
• 完成一个对话回合时
• 上下文被压缩后

一个很典型的场景是，Claude Code会在一个复杂任务中途停下来问“要继续吗？”。Stop hook可以检测这种情况，自动让Claude Code继续执行，适合无人值守的批处理场景。

同样，你不需要从零开始写hook，告诉Claude Code：“帮我写一个hook，每次编辑文件后自动运行eslint”，它会帮你生成配置并写入.claude/settings.json文件。

MCP

skill和hook的操作，都还是在项目内部，如果你需要触达外部，比如，让Claude Code查数据库、调用API、读取设计稿，MCP就派上用场。

MCP（Model Context Protocol）是Anthropic推出的开放标准，像一个USB插口一样，能让AI工具连接外部数据源和服务。

1.添加MCP服务器（Slack为例）

代码如下：

# 添加一个MCP服务器
claude mcp add slack -- npx -y @modelcontextprotocol/server-slack
# 查看已安装的MCP
claude mcp list

添加后，MCP服务器的能力会以“工具”的形式提供给Claude Code。

2.实用MCP推荐

Boris有一个经典用法：他给Claude Code接上Slack MCP，当有人在Slack里报告bug时，Claude Code会自动读取bug描述、找到相关代码、尝试修复、提交PR，然后在Slack里回复“已修复，PR链接在这里”。整个过程不需要人工介入。

不要一开始就试图搭建一套完整的扩展体系。从你最不想再做的那个重复操作开始：总在口述规则？写个skill。总忘记进行lint检查？加个hook。总在手动倒腾数据？接个MCP。一个一个地添加，慢慢地，你的Claude Code就会变成一个为你量身定制的工作台。

Harness工具链

讲了这么多具体操作，现在值得建立一个全局视角。Claude Code的所有能力，可以归入3个层次。

prompt层：你在终端输入的每一句话，比如“帮我加一个登录页面”“修复这个bug”等。大多数初学者的全部交互停留在这一层。

context层：Claude Code在回答之前所“看到”的所有信息，包括CLAUDE.md文件、项目的文件结构、Git提交历史、package.json中的依赖列表等。这些信息不需要你每次重复提供，Claude Code会自动读取。上篇文章提到的CLAUDE.md，就是在优化这一层。

harness层：你搭建的自动化环境。skill把常用工作流封装成可复用的指令；hook让特定事件自动触发操作；MCP可以连接外部服务；Agent Teams让多个Claude Code智能体并行协作。这一层的特点是一旦搭建完成，就一直工作，不需要你每次手动触发。

Claude Code的表现，就取决于这3层的综合质量。如果读完本书只记住一件事，那么请记住：尽量把信息沉淀到context层，把重复操作交给harness层，只在prompt层处理真正需要临时决策的事情。

一个完整的harness什么样，以作者的写作项目为例：

~/Documents/写作/
├── CLAUDE.md              ← 路由器：根据任务关键词分发到子目录
├── 01-公众号写作/
│   ├── CLAUDE.md          ← 写作风格、审校规则、发布流程
│   └── 项目/
│       └── 2026.03-某项目/
│           └── README.md  ← 项目状态和文件说明
└── .claude/
    └── skills/
        ├── huashu-proofreading/   ← 三遍审校
        ├── huashu-research/       ← 结构化调研
        └── huashu-image-upload/   ← 配图

勤奋的协作者

Boris曾公开表示，自己超过90%的代码由Claude Code生成。

他的日常工作更多是描述需求、审查输出、做架构决策，更像是一名有技术判断力的产品经理。

这意味着关键能力正在发生转移。

旧能力（重要性下降）：编码能力、框架与API记忆能力、手动调试技巧、代码模板积累

新能力（重要性上升）：需求拆解能力、架构判断力、输出质量、评审能力、产品品味

所以，顺应发展的当务之急，是不再死守阵地，对技术的细枝末节过多投入，而是懂得交给AI更多的任务，同时教会AI怎么做。