标签：Claude Code

共 17 篇相关文章

IT 累计浏览 148

我的 Claude Code 常用 SKILLS 和工具

作者基于长期使用Claude Code的经验，分享了常用的SKILLS和工具。SKILLS分为个人和工作两类：个人开发方面，agent-notifier实现在Agent任务完成时发送IM通知；kami可生成网页、简历、PPT等多种页面，展示其审美风格；ponytail以懒编程为核心，通过YAGNI原则、复用已有代码、优先使用标准库和原生特性来避免过度设计，支持lite、full、ultra三个强度级别；skilldeck提供可视化管理SKILLS的GUI工具，兼容命令行使用；web-access支持搜索引擎、网页抓取和浏览器CDP连接，实现带登录态的页面操作。工作场景中，generate-wiki适用于Java和gRPC项目一键生成静态wiki；starrocks-upgrade通过源码对比不同版本差异，评估StarRocks升级风险。工具方面，/tui fullscreen命令开启全屏模式，引入鼠标支持、无闪烁渲染和选中复制，增强文本编辑体验；statusLine接口允许通过自然语言描述自定义终端底部状态栏，显示模型、目录、Git分支、上下文使用率等信息，结合claude-hud插件提供更完整的监控。这些内容覆盖了从代码简化、页面生成到联网操作和版本管理的多种实用功能，体现了工具对开发流程的深度优化，旨在提升编码效率和终端交互体验。

IT 累计浏览 196

Ralph Loop：自主循环开发

Ralph Loop 是一种自主循环控制结构，旨在让 AI Agent 通过自指涉迭代完成任务。其核心理念源于 Geoffrey Huntley 对 AI 编码 Agent 行为的观察，这些 Agent 缺乏元认知但执着于尝试，类似《辛普森一家》中的 Ralph Wiggum。技术上，它基于 Bash while 循环，将固定 prompt 反复输入 AI，但每次迭代中 AI 读取自己上一轮修改的文件系统，形成自指涉反馈，从而持续改进代码。Anthropic 的 ralph-wiggum 插件实现了优雅的会话内循环，利用 Claude Code 的 Stop Hook 机制在 Agent 试图退出时拦截，并注入相同 prompt 继续迭代。循环状态仅由一个 Markdown 文件管理，包含迭代次数、最大迭代和完成承诺。退出条件分为两类：Completion Promise，通过语义匹配任务完成信号；以及 Max-Iterations，作为安全上限防止无限循环。相比外部进程循环，会话内设计保持了上下文连续性，支持实时人工干预。Ralph Loop 将 AI Agent 从一次性助手转变为循环迭代的初级工程师，提高了开发效率，但需谨慎设置参数以避免资源浪费。

IT 累计浏览 96

gstack 方法论：虚拟工程团队

gstack方法论通过虚拟工程团队概念革新AI辅助软件开发。它将AI代理组织成结构化团队，定义23个专家角色，每个角色由Markdown文件指定认知模式和职责。核心设计基于角色化、流程化和自动化：角色化使代理以专业人格执行任务，如YC合伙人审查产品想法；流程化通过七阶段Sprint强制执行，包括Think、Plan、Build、Review、Test、Ship、Reflect，确保阶段间产出流转；自动化利用Claude Code的PreToolUse hooks实现质量门控，如未通过代码审查则阻止commit。系统安装便捷，通过git clone和setup脚本快速部署，支持团队模式和多代理宿主如Claude Code、OpenAI Codex CLI等，确保版本同步。gstack解决了单个AI代理的局限，通过多角色协作提升开发效率与代码质量，适用于从产品发现到发布监控的完整生命周期，代表AI软件工程的重要进展。

IT 累计浏览 86

Harness Engineering：AI Agent 的工程实践

Harness Engineering 是 AI Agent 开发中的关键实践，专注于构建模型推理能力之外的控制基础设施，以确保 Agent 的安全性和可靠性。以 Anthropic 的 Claude Code 为例，其 Harness 系统通过 hooks 机制、权限模型和 Bash 沙箱，将大语言模型安全集成为可交付产品。系统包含 31 个生命周期事件、5 种 hook 类型（如 Command、HTTP、MCP Tool）和 4 层配置继承（Managed、User、Project、Local）。核心组件包括编排循环（控制 Agent 何时停止）、工具系统（管理工具调用权限）、安全护栏（权限模型和沙箱提供隔离）、上下文管理（通过 SessionStart hook 注入上下文）、配置管理（settings.json 多层继承）等。这些组件协同工作，覆盖从错误处理到子 Agent 编排的全方位工程需求。相比之下，OpenAI 的 Codex CLI 采用 Rust 内核设计，将安全约束编译进二进制文件，体现了不同技术路径。Harness Engineering 使 AI Agent 从对话模型转变为可靠产品，为开发生产级 Agent 提供了系统框架，涵盖安全、编排和可观测性等维度。

IT 累计浏览 81

Loop Engineering：从提示 Agent 到设计循环

本文围绕“Loop Engineering”这一新兴概念，系统阐述了AI Agent工作模式从“人提示Agent”到“设计自动提示Agent的循环”的范式转变。其核心在于，工程师的角色从直接与Agent对话、下达指令，转变为设计和维护一套自动化运行系统（Loop），使Agent能够按时间或条件自主执行任务，例如代码修复、CI维护和功能开发。Loop由五个关键组件构成：用于定时触发的Automations、保障并行工作不冲突的Git Worktrees、提供可复用知识的Skills、连接外部工具的Connectors与Plugins、以及实现写-查分离以提升可信度的Sub-agents。此外，持久化的State文件解决了跨运行会话的记忆问题。文章进一步将Loop定位在Harness（运行环境）之上，并指出Dynamic Workflows提供了确定性的编排模式，如扇出聚合、分类执行等，将Loop的概念转化为可执行的脚本。最后，文章梳理了Loop Engineering从ReAct循环、AutoGPT、Ralph Loop到产品化/goal命令及当前编排式Loop的演进历程，强调其根本价值在于将工程师的智力投入从重复性提示提升到构建和优化自动生产系统本身。

IT 累计浏览 83

Anthropic 官方插件：AI Agent 的领域知识插件

Anthropic 为 Claude Code 开发的 13 个官方插件，通过将静态领域知识动态化来增强 AI Agent 的能力。插件系统基于 hooks、agents 和 skills 三层基础设施，实现从代码审查到安全监控的全流程自动化。code-review 插件利用 4 个并行 Agent 进行本地 diff 审查，支持信心评分过滤噪音；feature-dev 插件将功能开发分为 7 个阶段，通过专门 Agent 探索代码库、澄清需求和设计架构；security-guidance 插件通过 PreToolUse hook 静默监控 9 类安全风险。其他插件如 pr-review-toolkit 提供多维度细粒度审查，commit-commands 自动化 Git 工作流。设计模式强调专用 Agent 并行协作、结构化阶段门控和 hook 驱动自动触发，体现了全书方法论如 Skills 系统、Ralph Loop 和 Harness Engineering。插件组合使用可定制开发工作流，提升 AI Agent 的可靠性和效率，适应复杂工程场景。

IT 累计浏览 107

套壳不丢人！我用Go+AI搓了一个Agent统一编排框架，ClaudeCode-Codex-Pi全被我包了

作者在智能体开发中，从langchain转向套壳Claude Code、Codex、Pi等现有AI Agent，认为套壳是高效利用现成工具的合理方式。这些Agent已发展为通用智能体，不仅能处理代码任务，还可用于多种场景。面对多个Agent各自为政、胶水代码繁杂的问题，作者用Go语言开发了agent-wrapper框架，提供统一编排层。通过简单API，一行代码即可注册和切换不同Agent，如Claude Code、Codex、Pi等。框架核心功能包括三道安全闸门：审批拦截允许自定义工具调用权限，如只读操作而拒绝写入；预算监控在Token消耗超阈值时自动中断，防止成本失控；上下文压缩和自动重试处理上下文超限，通过滑动窗口和摘要策略提升稳定性。此外，支持会话恢复，通过SessionID跨会话保持上下文连续性，便于跨进程或跨天持续任务。框架既支持命令行测试，也可作为Go库嵌入项目，实现零额外进程和协议开销。作者通过在故障分析产品中的实际应用，展示了如何专注于业务逻辑而非基础设施。最终，agent-wrapper解决了Agent集成的安全性、预算管理和跨平台问题，将实验性套壳转化为生产就绪的解决方案。

IT 累计浏览 122

Loop Engineering 实践：一次批量实现 8 个 issue，完成夔牛工具的开发

Loop Engineering（循环工程）是AI编程领域的前沿实践，由Anthropic的Boris Cherny等人倡导，核心思想是将编程工作从直接编写代码提升到设计自动化循环驱动编码代理。本文首先追溯Loop Engineering的演进历程：从2022年的ReAct学术循环到2023年AutoGPT的自主提示，再到2025年Ralph Loop的简单管道，最终发展为2026年支持循环间监督、并发执行和状态持久化的编排式Loop。作者基于此理念开发了goal-workflow开源工作流，其中/loop-it命令能批量处理GitHub issues，每个issue经历目标实现、代码审查、决策记录和提交合并四个阶段。技术实现包括使用.loop-state.json文件持久化循环状态以实现崩溃恢复，通过拓扑排序自动解析issue依赖关系确保执行顺序，引入split verifier机制让独立代理验证代码质量，并设计分级错误处理策略应对构建失败、测试红灯等常见问题。实战案例中，该工作流在一小时内完成kuiniu工具的8个feature开发，从PRD到代码合并全程自动化，展示了Loop Engineering在提升开发效率和自动化程度上的潜力。文章还对比了轻量级实现与更宏大编排系统的优缺点，强调状态管理和错误恢复在长链路任务中的关键作用。

IT 累计浏览 248

我做了一个 AI 版的 StarRocks 升级风险扫描工具，直接帮我定位到一个风险

文章介绍了一个基于AI的StarRocks升级风险扫描工具，解决跨版本升级中不兼容变更难以发现的问题。工具核心设计是源码全量扫描，对比新旧版本代码树，追踪间接调用链和集群特定风险，避免依赖不完整的Release Notes或PR差异。架构分为四阶段：数据收集阶段使用Git命令提取Commit并分类为四级；Commit Diff分析阶段由AI代理并行评估兼容性影响；深度影响分析阶段在源码中grep追踪调用链；报告综合阶段生成结构化风险报告。工具采用11个专项Scanner覆盖配置项、Session Variable、协议、存储格式等维度，并实现集群配置冲突检测，根据用户实际配置文件精确评估风险。设计哲学偏好误报而非漏报，通过多层级扫描确保关键变更不遗漏。工具显著提升升级安全性，但存在Scanner精度有限、运行时行为无法检测等局限性。

IT 累计浏览 102

CatReader 上线：重启 RSS 阅读

CatReader是一款基于AI的RSS阅读器，旨在解决信息过载问题，通过智能助手AskCat提供上下文感知的阅读体验。产品使用Claude Code和Codex进行Vibe Coding开发，初始版本为前端离线应用，缓存数据于浏览器，后续迭代增加了AI助手功能。为产品化给墨问会员，进行了前后端分离、独立桥接程序、数据分离、用户系统改造、跨域和安全处理等工程挑战。技术栈涉及AI辅助开发、RSS桥接、知识库构建和智能交互，如快捷键支持和记忆系统。文章类型为产品发布和方法论分享，强调AI时代如何高效获取一手信源，并探讨从个人工具到生产系统的复杂性。整体聚焦于AI在软件开发中的应用实践。

IT 累计浏览 100

Claude Code Subagents 快速开始

Claude Code Subagents是该AI开发平台内置的功能模块，旨在提升任务执行效率与上下文管理能力。这些子代理本质上是定制化的AI助手，每个都预设了独立的系统提示、可用工具集及专属的上下文窗口。这种设计允许开发者针对特定任务（如代码审查、错误排查、文档生成）创建高度专业化的代理。通过调用这些专注于单一领域的代理，系统能够更精确地理解任务需求，避免主模型上下文信息的混乱与过载，从而在处理复杂或专业化工作流时实现更优的性能和更清晰的思维链。该功能的核心价值在于将宏观的AI能力分解为微观的、可编排的专业单元，增强了Claude Code作为开发助手的灵活性和问题解决深度。

IT 累计浏览 126

了解 Claude Code 的提示词工程

Claude Code 之所以在众多同模型的编程工具中脱颖而出，其关键差异之一在于其内部复杂且经过精心设计的提示词工程。通过截取分析其实际发送的提示词，可以清晰地看到其三层结构：系统层、消息层和工具层。系统层为Claude Code设定了“Anthropic官方CLI软件工程师”的核心人设，并包含严格的行为准则，例如拒绝破坏性任务。此外，该层为每个项目目录都配置了基于文件的记忆系统，以保存上下文信息。一个值得注意的细节是，Claude Code会在请求头中加入一个动态变化的参数，这使得其他工具若不特殊处理会导致缓存失效。消息层不仅包含用户的历史对话，还会注入用户安装的所有工具的详细说明。例如，安装hyperframes框架会带来大量特定技能的提示词，显著增加上下文长度。同时，系统会将用户的邮箱、当前日期等信息作为上下文提供给模型。工具层则定义了模型可调用的具体工具及其使用方法，如鼓励使用子Agent处理复杂任务，以及如何通过提问工具向用户获取澄清信息。该层被巧妙地置于消息层之后，这可能是为了对抗其他模型的缓存机制。整个提示词架构展现了Claude Code如何通过精细的工程设计来引导模型行为、管理上下文并提升任务完成质量。

IT 累计浏览 112

手搓一个 Agent 驱动的项目 Wiki 生成方案

作者在项目文档生成实践中，发现传统RAG方案如deepwiki在处理确定性结构（如目录、接口列表）与不确定性分析（如架构总结、ER图）时存在局限。其核心思路是：将确定性信息（如行号、Proto文件）明确处理，仅将归纳、推理等任务交由LLM，以实现各取所长。然而，deepwiki的独立页面架构难以满足基于已生成内容进行汇总的需求。为此，作者转向基于Claude Code的方案。该工具采用工具驱动检索机制，通过Read、grep、LSP等确定性工具链精准定位代码，而非依赖向量化索引。这使生成的Wiki内容更准确可控，并可复用为跨项目Skill。尽管需要多轮调试且自动化程度较低，但其在内容质量、尤其是跨文件关联分析上优势明显。文章最终提出互补策略：项目初期用deepwiki快速搭建框架，成熟阶段则用CC方案精细打磨可控的文档体系。

IT 累计浏览 96

Claude Code 从 AWS Bedrock 切换到 Team 订阅指南

当用户需要将Claude Code的认证方式从AWS Bedrock切换至Team订阅时，关键障碍在于Bedrock配置会完全禁用/login与/logout命令，且认证优先级更高，导致订阅认证无法生效。切换的核心是必须彻底清除所有Bedrock相关配置，无论其存储在环境变量还是~/.claude/settings.json文件的env字段中。具体操作需分步进行：首先检查并识别配置来源，然后删除settings.json中或环境变量里所有如CLAUDE_CODE_USE_BEDROCK、AWS_REGION等专用键值。清理完成后重启Claude Code，此时方可通过浏览器授权登录Team订阅账户。成功切换后，启动界面应显示订阅计划名称而非AWS ARN标识。需注意，代理设置可能需调整以兼容新端点，且Team计划的用量额度在网页端与客户端共享。本地CLAUDE.md等文件内容不受认证变更影响。理解其认证优先级机制有助于确保订阅凭证正确生效。

IT 累计浏览 194

SmartPerfetto 架构文章 Q&A：8 个深度技术问答

文章深入解析了SmartPerfetto架构的核心设计哲学，重点阐述了其在确定性约束与Agent自主性之间的平衡策略。关键机制在于三层配合：Strategy文件以声明式规则定义分析必须完成的步骤与硬性约束，Planning Gate强制Agent在执行前提交计划以确保规划纪律，而Verifier则在事后对关键分析动作进行多维度检查与纠错。这使得系统对核心分析路径（如滑动卡顿的根因深钻）施加强约束，而在探索性环节保留灵活度。文章澄清了Agent与Workflow的本质区别，指出决策权分配应因环节而异。SmartPerfetto在数据收集阶段采用类似SOP的确定性策略（Workflow），而在需要因果推理和归纳的归因阶段充分信任LLM的自主能力（Agent）。其最终架构选择基于Claude Agent SDK，并叠加了场景分类、策略注入、验证纠错等自建约束层，而非固定控制流的ReAct或LangGraph。这一选择源于性能分析路径的不可预测性，使LLM能根据运行时数据自主选择分析路径，同时通过约束框架确保分析深度与完整性，定义了由观测能力、约束框架与反馈质量共同决定的Agent能力边界。

IT 累计浏览 112

别再傻等了，给 Claude Code 装个通知铃铛

这篇讲的是作者在使用Claude Code这类AI Agent时发现的一个痛点：任务跑在后台，总忍不住去查看状态，或者错过了需要授权的交互提示，导致效率低下。他先是试了让LLM在任务完成时播放提示音，但发现这个“软提示”方案极不靠谱——LLM不会100%遵循指令，长对话还会压缩丢掉提示词，什么算“任务完成”也没个准谱。于是他转向了确定性的“硬触发”方案：利用各平台的Hook机制，开发了`agent-notifier`这个SKILL。它能统一监听Claude Code、Copilot CLI、Cursor等多个平台的事件（如任务空闲、需要授权），然后并发地将通知发送到声音、系统通知、Telegram、邮件等多种渠道。整个设计很巧妙，纯用Python标准库实现零依赖，拿过来就能用。核心是统一事件模型加并发分发，单个渠道失败也不影响其他。本质上是把通知这个“该确定的事”从不靠谱的LLM手里，交给了确定的Agent脚本去执行，最终实现了可靠的自动提醒。

IT 累计浏览 114

全程用 Claude Code 搓了一个 macOS 原生应用：SkillDeck

文章作者因在多个AI编程助手（Claude Code、Codex、Gemini CLI、Copilot CLI）间切换时面临Skills管理分散、安装更新繁琐的问题，决定利用Claude Code全程辅助开发一款名为SkillDeck的macOS原生应用。该应用提供了统一的图形化界面，核心功能包括：三栏式仪表盘支持搜索与按Agent过滤；集成Skills市场实现一键安装；通过对比tree hash实现更新检测；提供SKILL.md编辑器；以及通过开关控制Skill在不同Agent间的symlink分配，实现一份Skill多处共享。开发过程体现了AI编程辅助跨语言开发的巨大潜力——作者虽无Swift与macOS开发经验，但通过清晰的需求提出、代码测试与问题反馈，借助AI完成了完整应用的开发。文中总结了多项AI编程实践技巧：每个功能在新对话中进行以避免上下文干扰、将AI生成的复杂分析结果保存为文档以节约token、利用`--resume`恢复会话但不宜长期依赖、以及通过`CLAUDE.md`文件设定开发规范（如Git分支策略、测试要求）来约束AI行为。项目已开源，旨在解决多AI代理下Skills生命周期管理的痛点。