前言

随着 AI 编程助手逐步普及，基于 CLI 的 Agent 工具如 Claude Code、Gemini CLI、Codex CLI、Cursor CLI、Copilot CLI 等层出不穷。很多开发者把关注点集中在输出风格或交互界面，却往往忽视了工具背后的最佳实践与深度运营。接下将系统梳理 Claude Code 的高级功能与实践经验，为个人与团队在 CI/CD、AI 自动化研发、复杂工程管理中“用好、学深、扩展易”提供一站式参考。

---

1. CLAUDE.md：智能体行为的核心基线

• CLAUDE.md 是 Claude Code 的“规则大脑”，对齐所有重要工具与 API 入口。
• 只记录主流（如只覆盖 30% 工程师日常所需）工具/API，避免百科全书式堆砌，冗余文档外置。
• 工具文档如不能简明精练表达，即不应被写入 CLAUDE.md，反推促使工具本身进一步优化。

2. 技巧与反模式：为智能体设好护栏

• 优先设定限制，而非冗长说明，从 Claude 常犯错出发补充说明。
• **少用负面约束，多给替代方案。**如“禁止使用 X”应同时给出合理可行的替代做法。
• 用简明 Bash 包装器教 Agent 工具用法，精简整体 API。
• 文档应以“为何、何时”查阅为主，逐步培养 Agent 自主查阅和决策能力。

一个简化的示例

# Monorepo

## Python
- 总是...
- 使用 <command> 进行测试
... 还有10条 ...

## <内部 CLI 工具>
... 10个要点，聚焦于80%的使用场景 ...
- <使用示例>
- 总是...
- 禁止 <x>，优先使用 <Y>

对于 <复杂用法> 或 <错误>，请参阅 path/to/<tool>_docs.md
...

最后，我们会将这个文件与一个 AGENTS.md 文件保持同步，以确保与其他我们工程师可能在使用的 AI IDE 兼容。

参考：

AI 无法读懂你的文档
AI 驱动的软件工程
Cursor（AI IDE）的工作原理

3. 上下文管理：清理、持久记忆与重启

• 不依赖自动 /compact，因为其压缩不透明易出错。
• 简单重启采用 /clear+/catchup 组合。
• 针对大型多轮复杂任务，采用 “记录至 .md + 清理上下文 + 读取持久记忆” 方法，实现 Agent 的持久“外部记忆”。
• 明确及时清理会话旧上下文，为新任务腾出空间。

建议在编码会话中至少运行一次 /context ，来了解你那 200k token 的上下文窗口是如何被使用的（即使是 Sonnet-1M，我也不相信完整的上下文窗口能被有效利用）

可以把它想象成磁盘空间，随着你开发一个功能，它会逐渐被填满。几分钟或几小时后，你就需要清除消息（紫色部分）来腾出空间继续工作.

CCometixLine 超绝观测 Context Window

三个主要的工作流程：

• /compact (避免使用) 我尽可能避免使用这个命令。它的自动压缩过程不透明、容易出错，而且优化得不好。
• /clear + /catchup (简单重启) 这是我的默认重启方式。我用 /clear 清除状态，然后运行一个自定义的 /catchup 命令，让 Claude 读取我当前 git 分支中所有已更改的文件。
• “记录并清除” (复杂重启) 用于大型任务。我让 Claude 把它的计划和进展输出到一个 .md 文件中，然后用 /clear 清除上下文，接着通过让它读取那个 .md 文件来开始一个新的会话并继续工作。

核心要点：
不要相信自动压缩。对简单的重启使用 /clear，对复杂任务使用“记录并清除”的方法来创建持久的外部“记忆”。

---

4. 斜杠命令：极简交互，拒绝命令堆砌

• 自定义命令只保留高频与个人常用，如 /catchup（处理当前分支变动）、/pr（自动清理并生成 PR）。
• 不建议面向团队堆砌复杂命令清单。Agent 应智能化理解自然语言指令。

5. SubAgent 子代理：主-克隆模式优于主导-专家

• SubAgent 可节省上下文，但切断了主 Agent 的全局视角。
• 推荐主-Agent 动态克隆子 Agent 以分工任务，让主控 Agent 自主调度，而不是固定、僵化的“主导-专家”模型。

6. 会话恢复与历史利用

• 利用 claude --resume 和 claude --continue 快速恢复任意会话。
• 企业可批量分析历史日志，定位异常/改进文档/升级工具，构建自我改进闭环。

7. 钩子机制：防呆护栏与流程检查

• 企业项目建议“提交时阻断”。所有测试未通过时，禁提代码，促使 Agent 循环修补直至通过。
• 提示型钩子仅作软提示，尽量避免“写入时阻断”，以免 Agent 被中途打断，团队优化建议只在最终产出阶段强制检查。

8. Plan 模式：大型变更必备“提前对齐规划”

• 复杂变更前先与 Agent 达成细致的实现规划，明确里程碑与中间检查点，保障最后产出稳定可靠。
• 支持企业自定义规划工具，自动对齐技术架构、安全与工程最佳实践，提升交付一致性。

9. Skills 技能与 MCP 协议

• 推荐“Skill 脚本化”方式（原生 CLI 工具/脚本优先），MCP 仅以安全网关角色保留，为高风险操作加设隔离和数据安全。

• 逐步演进“三阶段模型”：单次提示→工具调用→脚本化智能体，推动 Agent 动态、灵活完成实际工程工作。

  单次提示：所有上下文放一块，简单但脆弱；

  工具调用：提取工具与功能为 Agent 控制入口；

  脚本化/Skills：Agent 能直接操纵 CLI、脚本、环境，扩展性最强。

10. Agent SDK 与 GitHub Action

• SDK 适合：自动批量处理、团队工具集成、原型开发。
• GHA（GitHub Action）适合：全流程日志审计、自动化 PR、数据抽样优化工程实践。
• 建议团队定期运营 GHA 日志，形成自我进化闭环（错误→文档/工具迭代→新 Agent）。

11. settings.json 高级定制

• 慎用/善用代理和超时配置，优先支持长时间复杂命令。
• 动态调整 API key 与权限配置，便于企业按用量分级、定制合规管理。

---

结语

Claude Code 功能繁多，唯有亲自实践、不断小结，方能榨干其价值。本质上优化的不是工具，而是你的工程协作和自动化流程。你的配置、文档与技能培养，是 AI Agent 持续进化最有效的核心驱动力。

原文： https://blog.sshh.io/p/how-i-use-every-claude-code-feature