游乐游手机版
首页/AI教程/文章详情

Claude Code最佳实践 从能用到用得好的15个关键技巧

时间:2026-06-01 07:18
上下文管理需手动压缩并带提示词,回退优于修正;CLAUDE md控制在200行内作为项目指令;子袋里实现隔离分工;技能系统用触发场景描述并记录踩坑;Hooks自动格式化与安全拦截;工作流采用Plan-Execute-Review及小PR原则;权限用通配符或沙箱模式;搜索放弃RAG而用主动搜索;产品验证技能值得投资。

最近,GitHub 上有一个仓库火爆出圈——claude-code-best-practice,凭借 4.6 万星标直接登顶 Trending 榜首,成为 AI 编程领域的热门焦点。

Claude Code 最佳实践:从「能用」到「用得好」的 15 个关键技巧

作者 Shayan Rais 深入拆解了 Claude Code 的底层用法,全面覆盖记忆系统、子袋里(Subagents)、技能模块、Hook 机制等完整链路。在通读整份仓库后,我将最有价值的精华内容提炼出来,结合实战经验,整理成这份可直接上手的操作指南。

如果你已经在用 Claude Code 进行开发,以下技巧至少能让你的工作效率再提升一倍。

一、大多数人用错的第一步:上下文管理

Claude Code 的上下文窗口目前支持高达 100 万 token,听起来相当强大对吧?但实际情况是——

当上下文堆积到 30-40 万 token 时,模型的表现就已经开始明显下降了。

仓库中明确提到了一个核心概念:Context Rot(上下文腐烂)。模型并不会在塞满 100 万 token 后才突然变差,而是在那之前很早就开始丢失精度、遗忘指令、遗漏细节了。

如何应对?

手动执行 /compact,不要等到系统自动触发。

系统自动压缩时,上下文往往已经处于退化区间。正确的做法是:在上下文使用量达到 50% 左右时,主动执行一次 /compact

更优的做法是:带提示词的定向压缩。

例如输入 /compact 保留 auth 重构的上下文,丢弃之前调试测试的部分

有针对性地告知 Claude 哪些信息需要保留、哪些可以舍弃,压缩质量远高于无脑盲压。

还有一个反直觉的操作:Rewind 优于修正

当 Claude 的某次操作出现问题时,许多人的第一反应是在对话中继续纠正。但更好的做法是:连续按两次 Esc 回退到出错前的节点,然后重新给出指令。

原因很简单——失败的尝试会残留在上下文里,持续污染后续的判断。回退到干净状态重新开始,比在脏上下文里修补高效得多。

二、CLAUDE.md 文件:你的 AI 工程师「入职手册」

CLAUDE.md 是 Claude Code 的记忆核心——每次启动时自动加载的指令文件。但大多数人要么不写,要么写成了一篇冗长无效的文档。

最佳实践:控制在 200 行以内

Claude Code 创始人 Boris Cherny 在多次访谈中反复强调这个数字。HumanLayer 团队甚至把他们的 CLAUDE.md 压缩到了 60 行。

为什么?指令越长,被忽略的概率就越高。模型会在大量文本中逐渐「走神」。

核心原则:「任何开发者启动 Claude,说跑测试,第一次就能成功」

这是 Boris 给出的 CLAUDE.md 黄金标准。你的 CLAUDE.md 应该包含:

  • 项目的构建和测试命令
  • 代码风格和约定(精简版)
  • 必须遵守的硬性规则

不应该包含的是:可以从代码本身推断出来的信息,比如目录结构、函数列表、架构描述。Claude 自己会读取代码来理解。

防止指令被忽略的技巧

当你发现 Claude 总是无视某条规则时,用 XML 标签把它包起来:

所有 API 路由必须包含 rate limiting 中间件

条件触发式的指令,比全局式的「你必须做 X」更容易被模型遵守。

Monorepo 场景下的配置

在 monorepo 中,可以在不同子目录放置不同的 CLAUDE.md。Claude Code 会自动加载:

  • 祖先目录的 CLAUDE.md(向上查找)
  • 当前目录的 CLAUDE.md(立即加载)
  • 子目录的 CLAUDE.md(按需懒加载)

这样一来,前端、后端、基础设施各自拥有独立规则,互不干扰。

三、子袋里(Subagents):让 Claude 自己分工协作

这是 Claude Code 最被低估的功能之一。

子袋里 = 拥有独立上下文的自主执行单元。每个子袋里都可以有自己的工具权限、模型选择、记忆设置。

什么时候使用子袋里?

一句话判断:「这个工具的输出,我后续还需要原始数据,还是只需要结论?」

如果只需要结论——交给子袋里。它在隔离上下文中处理完毕,返回一个精简结果,完全不污染主对话。

实战场景

# .claude/agents/code-reviewer.md
---
name: code-reviewer
description: 审查代码变更,关注安全和性能
model: opus
tools: Read, Grep, Glob
---
审查以下变更,重点关注:
1. 安全漏洞(注入、XSS、敏感信息泄露)
2. 性能问题(N+1 查询、不必要的循环)
3. 边界条件处理

你可以同时启动多个子袋里并行处理不同任务——一个跑测试,一个审查代码,一个搜索相关文件——效率直接翻倍。

四、技能系统(Skills):教 Claude 学会你的业务

Skills 是 Claude Code 中最灵活的模块化知识单元。它是一个文件夹,而不只是一个文件。

.claude/skills/deploy-checker/
├── SKILL.md          # 技能定义和触发条件
├── references/       # 参考文档
├── scripts/          # 可执行脚本
└── examples/         # 示例

关键经验

1. 技能描述是「触发器」,不是「摘要」

错误写法:这个技能用于部署检查

正确写法:当用户要求部署、发布、上线、推送到生产环境时使用此技能

描述的作用是让 Claude 判断「什么时候该激活我」,所以要用触发场景来撰写。

2. 给目标和约束,不给步骤

不要在技能里写「第一步做 X,第二步做 Y」。Claude 不需要被手把手教。

写清楚目标是什么、边界在哪里就够了。过度指导反而会限制模型找到更优解的能力。

3. 建一个「踩坑记录」区域

在每个 SKILL.md 里添加一个 Gotchas 部分,记录已知的坑。例如:

## Gotchas
- 生产环境的数据库连接超时设置是 5s,不是默认的 30s
- iOS 端的推送证书每年 1 月需要更新
- staging 环境的 CDN 缓存是 1 小时,调试时记得清除

4. 用 !command 注入动态上下文

在 SKILL.md 中嵌入 shell 命令,技能加载时自动执行并注入结果:

当前 Git 分支和最近提交:
`!git log --oneline -5`

这样技能每次被触发时,都能获取实时信息。

五、Hooks:在 AI 执行循环之外加入你的规则

Hooks 是在 Claude 的 agentic 循环之外运行的事件处理器,支持 25 种事件类型。

实战例子:自动格式化

设置 PostToolUse Hook,在 Claude 每次写完文件后自动运行 prettiereslint --fix。Claude 不需要记住格式化规则,Hook 会自动处理。

实战例子:安全守卫

设置 PreToolUse Hook,拦截危险命令:

{
  "hooks": {
    "PreToolUse": [
      {
        "matcher": "Bash",
        "command": "检查命令是否包含 rm -rf, git push --force 等危险操作"
      }
    ]
  }
}

最酷的用法:Stop Hook

在 Claude 准备结束一轮对话时触发,可以让它:

  • 检查是否真的完成了所有任务
  • 运行一遍验证测试
  • 自动生成总结

六、工作流:高手都在用的开发模式

Plan → Execute → Review

Claude Code 创始人的工作流核心:永远从 Plan Mode 开始。

不要上来就让 Claude 写代码。先让它分析需求、拆分任务、输出计划。你确认计划后,再进入执行阶段。

更进阶的做法:把计划和执行放在不同的会话里。这样执行时的上下文是干净的,只有需求和计划,没有来回讨论的噪音。

小 PR 原则

Boris Cherny 的数据是:一天 141 个 PR,中位数 118 行。

大 PR 会让审查者疲劳,也会让 Claude 在处理时更容易出错。把大任务拆成一系列小的、可独立验证的 PR。

用第二个 Claude 审查第一个 Claude 的计划

启动一个子袋里,角色设定为「资深工程师」,让它审查主会话中 Claude 的实现计划。两个独立的上下文互相检查,能发现很多单一视角看不到的问题。

七、权限管理:安全与效率的平衡

很多人为了省事,直接开启 --dangerously-skip-permissions。这是一个坏习惯。

更好的替代方案

1. 通配符权限

在 settings.json 中配置:

{
  "permissions": {
    "allow": [
      "Bash(npm run *)",
      "Bash(git status)",
      "Bash(git diff *)"
    ]
  }
}

只放行你信任的命令模式,而不是全部跳过。

2. /sandbox 模式

数据显示 /sandbox 能减少 84% 的权限弹窗,同时保持安全边界。

3. Auto Mode

基于模型的安全分类器,自动判断操作是否安全。比全跳过安全得多,比手动确认方便得多。

八、搜索策略:为什么 Claude Code 放弃了 RAG

一个有趣的事实:Claude Code 团队曾经尝试过向量数据库和 RAG 方案,但最终放弃了。

他们发现 agentic search(基于 glob + grep 的主动搜索)效果更出色。

原因是模型可以根据搜索结果动态调整下一步搜索策略,而 RAG 的一次性检索往往不够精确。

这对你的启示是:不需要给 Claude Code 建索引或嵌入数据库,它自带的文件搜索能力已经是最优解。

九、产品验证技能:「值得花一周来打磨」

Boris 特别强调的一个方向:为你的产品构建专门的验证技能。

比如:

  • signup-flow-driver——自动走完注册流程,检查每一步
  • checkout-verifier——模拟下单到支付的全链路
  • api-health-checker——验证所有 API 端点的响应

这类技能的投资回报极高。写一次,每次改动后自动验证,省掉大量手动测试时间。

十、正在改变游戏规则的新功能

claude-code-best-practice 仓库还追踪了一些前沿功能:

  • Agent Teams:多个袋里并行在同一代码库上协同工作
  • Routines:在 Anthropic 云端自动执行任务(类似 GitHub Actions 但由 AI 驱动)
  • Chrome 扩展:直接在浏览器里用 Claude Code 调试前端
  • Voice Dictation:支持 20 种语言的语音输入,边说边写代码
  • Agent SDK:用 Python/TypeScript 构建生产级 AI 袋里的官方 SDK

写在最后

Claude Code 的能力边界远超大多数人的使用深度。上面这些实践,核心逻辑只有一条:

把 Claude 当成一个需要良好工作环境的工程师,而不是一个需要精确指令的工具。

给它清晰的上下文(CLAUDE.md),合理的分工(子袋里),可复用的知识(技能),自动化的流程(Hooks),以及安全的边界(权限管理)。

你在使用 Claude Code 时踩过什么坑?或者有什么独家技巧?欢迎在评论区分享交流。

来源:https://juejin.cn/post/7629601216138903558
上一篇OpenClaw实操指南30:AI文档处理技能包,搞定PDF/PPT/Word/Excel 下一篇故事路径完全指南:一步步掌握故事设计核心
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
内网RPA离线部署从依赖打包到7×24无人值守踩坑与避坑方案
AI教程 · 2026-07-02

内网RPA离线部署从依赖打包到7×24无人值守踩坑与避坑方案

这三年,内网RPA项目接了不下二十个。每次开局都像闯关——断网、缺依赖、多机同步、定时执行、批量分发、源码保护、AI离线化,八个坑一个比一个深。今天把这些实战经验整理出来,希望能帮正在内网搞自动化的兄弟们少踩点雷。 一、内网无网络环境怎么部署RPA流程:先搞清楚什么叫“真离线” 很多工具宣传“支持本

水利工程师用WorkBuddy写洪水报告效率提升3倍
AI教程 · 2026-07-02

水利工程师用WorkBuddy写洪水报告效率提升3倍

WorkBuddy开发者分享季 水利工程师AI提效实战:用WorkBuddy撰写洪水影响评价报告,效率提升3倍 WorkBuddy 效率 人工智能 开发工具 一、我是谁,为什么需要AI 先介绍一下自己——我是一名水利工程师,在湖南长沙的一家小型水利设计公司任职。当前行业环境不太

日志服务数据加工规则洞察仪表盘使用指南
AI教程 · 2026-07-02

日志服务数据加工规则洞察仪表盘使用指南

数据加工诊断仪表盘 想实时掌握日志服务加工功能的运行状态?直接从加工列表页点击那个“规则洞察”按钮,仪表盘就会立刻呈现出来。入口就在那儿,不绕弯子。 跳转后,你可以按作业名称、实例ID或源LogStore来筛选任务状态。比如下边这张图,展示的是当前实例ID(90c9d47714dbb807d47c1

基于RFID的固定资产管理系统技术架构与工程实践
AI教程 · 2026-07-02

基于RFID的固定资产管理系统技术架构与工程实践

固定资产管理难题是众多企事业单位的普遍困扰,资产数量动辄数千件,且广泛分布于不同部门、楼层乃至园区。传统人工盘点方式在工程维度上始终面临三大关键瓶颈:采集效率低下、数据闭环中断、状态同步滞后。使用条码枪逐一扫描标签,识别距离通常不超过30厘米,操作人员需逐个寻找并扫描,盘点效率完全受限于人力。面对5

WorkBuddy实战用AI搭建A股智能盯盘助手省心高效
AI教程 · 2026-07-02

WorkBuddy实战用AI搭建A股智能盯盘助手省心高效

炒股的朋友们想必都深有体会——每天重复盯盘、查行情、分析板块轮动,这一整套流程下来耗费大量精力。手动翻查数据不仅身心俱疲,还很容易错过关键买卖节点。今天我们就来聊聊如何打造一款趁手的盯盘工具,借助AI替你分担这些重复性工作。 背景:盯盘的核心痛点 股民都有同感——每天不只要查询单只股票的实时行情,还