Claude Code 教程：详解 CLAUDE.md 到 Hooks 高效应用

type

status

date

slug

summary

核心概念：Agent 与 ChatBot 的本质区别

在深入具体工具之前，我们必须理解大模型的工作原理：上下文即一切。AI 的能力与输出质量，本质上是由输入给它的上下文决定的。

传统的 ChatBot（如网页版聊天机器人）高度依赖用户“喂”数据，你给它什么材料，它就基于什么材料生成回复。而 Agent（智能体）则不同。在给定初始目标、背景和约束条件后，Agent 会自主构建上下文。它能够自己搜索网页、读取本地代码库、调用外部工具，如果发现信息不足，还会自动折返继续寻找。

对于 Agent 而言，如何精准、高效地在不同阶段注入所需的上下文，是决定其工作效率的关键。为此，Claude Code 设计了一套完整的上下文注入体系。

全局说明书：CLAUDE.md 与 Rules 的协同配合

在 Claude Code 启动时，系统会自动读取项目根目录下的 CLAUDE.md 文件。这类似于 ChatGPT 的自定义指令（Custom Instructions）或 API 调用中的 System Prompt。

CLAUDE.md 适合存放全局生效的“事实”，例如项目的目录结构、构建命令、测试指令以及核心编码规范。然而，CLAUDE.md 是全局加载且全程占用 Token 的。这意味着你写的每一行规则，无论当前任务是否用得上，都会消耗上下文窗口。

为了避免 CLAUDE.md 恶性膨胀，我们可以引入 Rules（路径限制规则）。Rules 是存放在 .claude/rules/ 目录下的 Markdown 文件。通过在文件头部添加 YAML 配置，你可以限定规则仅在处理特定路径的文件时生效：

通过这种方式，只有当 Claude 读取 API 相关文件时，校验规则才会被注入上下文，从而极大地节省了 Token 资源。

流程与隔离：Skills 与 Subagents 的妙用

许多开发者容易混淆 Skills（技能）与 Subagents（子代理）的概念。

Skills 存放在 .claude/skills/ 目录下。它的核心设计非常聪明：在启动时，Claude 只会加载 Skill 的名称和描述（仅占用几十个 Token），只有当用户手动触发（如输入 /code-review）或 Claude 自动匹配到相关任务时，才会将完整的流程指令加载到上下文中。需要注意的是，Skill 适合存放“流程”而非“事实”，例如部署清单、发布流程或代码审查清单。

Subagents 则存放在 .claude/agents/ 目录下，它是一个完全独立的助手。与在主线程中执行的 Skills 不同，Subagent 会另起一个独立的对话窗口运行任务。

这意味着，即使一个 Subagent 进行了 50 次搜索、读取了上百个文件，主会话的上下文也不会被污染，主会话最终只会接收到 Subagent 汇总的结论。这对于日志分析、依赖审计等“重度消耗上下文”的脏活累活来说，是极佳的解决方案。

确定性执行：Hooks 与安全护栏

在大模型应用中，仅仅依靠提示词（Prompt）来做安全防护是不靠谱的。在长会话或复杂的 Prompt Injection（提示词注入）攻击下，AI 很容易忽略“不要删除文件”等约束。

Hooks 则是完全绕过上下文窗口的确定性执行脚本。它在外部运行，不依赖模型的逻辑判断。Claude Code 提供了八种 Hook 事件，覆盖了从会话启动到工具执行的完整生命周期：

PreToolUse：在工具执行前触发，可用于拦截危险命令（如 rm -rf），返回 exit code 2 即可直接阻止执行。

PostToolUse：在工具执行后触发，例如在写入文件后自动运行 Prettier 格式化代码。

SessionStart：会话启动时自动注入 Git 状态或 TODO 列表。

Stop：回复完成时检查测试是否通过，决定是否让 Claude 继续执行。

通过配置 Hooks，开发者可以为 AI 编码设立一道坚不可摧的“硬护栏”。

动态工作流：协调多 Agent 的大规模编排

随着任务复杂度的提升，Anthropic 引入了 Dynamic Workflows（动态工作流） 能力。它允许 Claude 自主编写编排脚本，协调多个 Subagent 并行工作，从而解决 AI 代理常见的“偷懒”（Agentic laziness）、“自我偏好偏见”（Self-preferential bias）以及“目标漂移”（Goal drift）等问题。

在动态工作流中，常见的编排模式包括：

扇出与汇总（Fan-out-and-synthesize）：将复杂任务拆解为多个子任务并行处理，最后由主 Agent 汇总。

对抗性验证（Adversarial verification）：为执行 Agent 配备一个专门的验证 Agent，进行严格的输出审查。

循环直至完成（Loop until done）：持续循环执行并验证，直到满足预设的终止条件。

这种动态编排能力，使得 Claude Code 能够胜任如“将整个模块从旧语言重构为新语言”等系统级的大型工程任务。

总结与建议

高效使用 Claude Code 的核心原则在于：需要的时候出现，不需要的时候消失。将静态事实写入 CLAUDE.md，将局部约束写入 Rules，将复杂流程封装为 Skills，将重度任务交给 Subagents，并用 Hooks 筑起安全防线。

如果你正在寻找实用的 Claude教程，或者希望在国内无障碍地使用 Claude官方 级别的服务，不妨访问 Claude镜像站。这里不仅提供稳定的 Claude国内使用 渠道，更能让你第一时间体验到 Claude 3.5 Sonnet 等顶尖模型在编程辅助上的惊艳表现。立即开启你的高效 AI 编码之旅吧！