AI 编程实战指南：核心概念梳理与 Claude Code 高效技巧

一、AI 编程核心概念梳理

什么是"上下文"？

上下文（Context）就是大模型与你交流时产生的"记忆"。当上下文接近上限时，系统会自动进行压缩处理。理解上下文的本质，是理解以下所有概念的基础。

与 AI 交流的路径可以抽象为三个维度：

七大核心概念对比

各概念详解

Rules（规范）：最基础的规则层，作用于全局或特定文件类型（如 java.md、doc.md、git.md）。一次性全部加载，是 AI 行为的底层约束。

Commands（命令/快捷键）：类似快捷指令，在需要时手动触发，例如 /commit、/bug-fix。只在被调用时加载，不占用常驻上下文。

MCP（Model Context Protocol，开门钥匙）：连接外部工具和服务的协议层。启动时加载所有 MCP 方法描述，AI 根据描述自动判断何时调用，相当于给 AI 配备了访问外部世界的"钥匙"。

SubAgents（子代理）：以异步、独立上下文的方式运行的代理。与主代理隔离，适合执行与主流程关联性不大的任务，同时支持并行执行，有效节省主上下文空间。

Hooks（钩子/生命周期）：绑定在特定生命周期事件上，条件触发时必定执行，无需手动调用，适合做自动化流程控制。

Skills（技能）：最灵活的封装单元，也是唯一具备连接外部能力的功能。按需加载、支持复用和分享，是提高工作效率的利器（详见第二章）。

Modes（模式）：控制与 AI 交流方式的内置模式（如 Plan 模式、普通对话模式），通过切换或 / 命令激活。

推荐脚手架配置参考

• happy-coding-agent
• everything-claude-code

二、Agent Skills：从零上手指南

Skills（技能） 是 AI 编程工具中最值得深度利用的功能之一。它的核心价值在于：复用 + 分享。任何重复出现的操作流程，都应该总结成命令或技能，这是提高效率非常好的方式。

去哪里找现成技能？

• claudemarketplaces.com
• skillsmp.com
• skills.sh

如何安装技能？

最推荐的安装方式是通过命令行执行：

npx skills add <owner/repo>

例如安装 Vercel 官方技能库中的特定技能：

npx skills add  --skill find-skills

如何创建技能？

有两种路径：

手动创建：通过对话方式，描述你想封装的流程，让 AI 帮你生成技能文件。

自动学习创建：

• 利用 everything-claude-code 项目中的 Hooks 配置，可以让 AI 自动学习并创建技能；
• 类似 Codex App 的方式，通过定时器定期触发学习，持续积累个人技能库。

三、Claude Code 团队内部的 10 条 AI 编程技巧

以下是 Claude Code 团队内部分享的实战经验，直接来自一线使用。

技巧 1：用 Git Worktree 实现并行开发

Git Worktree 允许你在同一个代码库中同时维护多个工作目录，从而实现多个功能并行开发。

使用建议：

• 许多 AI 编程工具（如 Cursor、Codex App 等）已支持可视化切换 Worktree；
• 前提是先把项目框架搭好，公共模块和函数梳理清楚，否则并行开发容易造成引用混乱和代码重复；
• 如果自己难以同时管理多个功能线，建议保持单分支模式，减轻心智负担。

更简单的替代方案（OpenClaw 作者 Peter 的方式）：将项目 clone 到不同目录，checkout 出不同的分支，直接并行开发，简单高效。

技巧 2：复杂任务优先用 Plan 模式

Plan 模式最重要的目的是让 AI 真正理解你的意图。

如果你能清晰描述以下内容，可以跳过 Plan 模式直接执行：

• 功能场景
• 影响范围
• 技术方案/框架

否则，建议先进入 Plan 模式，与 AI 反复沟通，直到对计划感到满意再执行。

推荐插件：planning-with-files，可帮助从 Plan 无缝过渡到执行阶段。

技巧 3：持续迭代 CLAUDE.md / AGENTS.md

CLAUDE.md 是每次启动对话都会自动加载的文件，是 AI 最重要的"长期记忆"。

应该写什么内容？ 内容不需要一蹴而就，慢慢积累即可，长度尽量精简。通常包括：

• 常用 Bash 指令：让 AI 像开发者一样操作命令行；
• 代码风格规范：确保 AI 写的代码符合团队标准；
• UI 与内容设计准则；
• 核心技术实现流程：状态管理、日志、错误处理、功能门控、调试等；
• PR 模板：规范提交代码时的文档格式。

减少篇幅的技巧：通过引用方式代替直接书写，例如：

# 项目核心上下文

## 1. 项目全貌
- 项目简介: 详见 @README.md

## 2. 工程规范
- API 接口规范: 参考 @docs/api-guide.md
- Git 提交与分支策略: 严格遵循 @docs/git.md

## 3. 开发者偏好
- 我的专属配置: @~/.claude/my-project-notes.md

如何更新 CLAUDE.md？ 有两种方式：

1. 在对话中直接输入："更新 Claude.md 文档，避免下次犯同样的错误"，AI 会自动总结并补充；
2. 创建一个专属技能，通过简短提示词（如"更新 Claude.md"）触发，更系统化地管理记忆积累。

Claude Code 官方项目的 CLAUDE.md 大约只有 2.5k tokens，可作为长度参考。

技巧 4：创建并积累自定义技能（Skills）

详见第二章，此处不赘述。核心理念：任何重复的流程都值得封装成技能。

技巧 5：让 Claude 自己修复 Bug

遇到 Bug 时，直接让 Claude 定位并修复，而不是自己去排查。充分发挥 AI 的调试能力，把精力放在更高层次的决策上。

技巧 6：提升提示词能力

提示词质量直接决定 AI 输出质量。好的提示词应该：

• 描述清晰的功能场景和预期结果；
• 给出必要的上下文和约束；
• 对复杂任务分步拆解。

持续打磨提示词是 AI 编程效率提升的核心功夫之一。

技巧 7：终端与环境配置

推荐使用 Zed 或 Warp 作为终端，对中文支持较好，适合中文开发者。

特别推荐语音输入：语音输入能让提示词更加丰富自然，大幅降低输入门槛，是被严重低估的效率工具。

技巧 8：善用子代理（SubAgents）

子代理的两大优势：

1. 上下文隔离：子代理与主代理独立运行，不占用主上下文空间。适合处理与主流程关联性不大的任务；
2. 并行执行：多个子代理可同时运行，加快整体任务进度。

合理拆分任务，把适合异步处理的部分交给子代理，是进阶使用 Claude Code 的重要技巧。

技巧 9：用 Claude 做数据分析

Claude 不只是代码助手，也是强大的数据分析工具。可以用它来处理和解读数据、生成分析报告，充分挖掘其在数据层面的潜力。

技巧 10：用 Claude Code 来学习

Claude Code 本身也是一个极好的学习工具。在使用过程中，通过与 AI 的交互，你可以快速理解新技术、新框架，边做边学，让 AI 成为你的实时导师。

总结