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。
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：
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 prettier 或 eslint --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。
