Claude Code神级技巧:让AI编程更省心


过去一年,AI 编程工具集中爆发——有的专注补全提示,帮开发者把代码写得更快;有的用对话交互驱动开发,一句话就能改代码;有的深度融入编辑器,AI 能力触手可及。这些工具都在解决同一个问题:如何降低"写代码"的门槛。 但当门槛降低之后,一个新的问题随之浮现——如何用好这些工具。工具本身的能力在那里,但体验好不好,很大程度上取决于是否掌握了正确的使用方式。 这篇文章整理了我在 Claude Code 上摸索出的一些实用技巧:如何让 AI 遵守项目规范、如何让重复操作自动执行、如何拦截危险操作、如何在长对话中保持回答质量。抛砖引玉,如有错误或疏漏,欢迎指正。


本文主要分享以下几个方面的实践:

  • CLAUDE.md配置:给 AI 立规矩,让它按照我们的方式工作

  • Hook 自动化:让重复操作强制执行,让危险操作强制拦截

  • 子代理与分支会话:隔离不需要的上下文,保持长对话质量

  • Skill 的妙用:封装高频操作,减少交互轮次

  • Token 消耗:底层优化 + 实践技巧的综合效果

  • 团队共享配置:搭建私有插件市场,一条命令开箱即用

  • 目前的短板:IDE 集成和模型切换的不足




01



如何用好 CLAUDE.md


CLAUDE.md是 Claude Code 的持久化配置文件,写在里面的规则会在每次会话启动时自动加载,相当于给 AI 一份"入职须知"。


但这份须知里该写什么?我在外网看到不少文章建议把项目技术栈写进去——"本项目使用 Go + gRPC + PostgreSQL"之类的。实测下来发现这样做意义不大:Claude Code 在编码时会自动读取项目文件、推断技术栈和依赖关系,不需要手动告诉它。除非是从零启动一个新项目,但这种情况下在对话中说一次就够了,没有必要写到 CLAUDE.md 里长期占用上下文。


那什么才值得写?我的结论是:写那些 AI 无法从代码中自行推断、又会反复影响协作效率的规则。下面用我实际遇到的三个场景来说明。


   1.1 场景一:AI 自作主张导致返工


有一次我让 Claude Code 重构某个目录下的一个模块,指定了"重写这个目录下的代码"。Claude Code 在分析过程中发现该目录下的代码依赖了另一个目录中的文件,但它认为那个文件不在我指定的范围内,就没有动它——直接按现有接口完成了重构。


结果我 Review 时才发现:那个被依赖的文件也需要一并调整,否则接口对不上。于是又要追加几轮对话让它补上,多花了时间和 Token。


当然,这里有我没说清楚的原因。但问题是:AI 在执行过程中其实已经发现了这个依赖关系,只是选择了"不确定就跳过"而不是"不确定就问我"。如果它当时停下来问一句"这个文件也需要一起改吗?",整个任务一轮就能完成。


于是有了我的第一条规则:

当你执行一项任务发现有任何执行细节不明确时,你必须向我提问,而不是自做主张。在我回答之后仍有不明确的执行细节时,你需要向我追问,直到了解了所有细节。


   1.2 场景二:AI 该看代码时反而来问我


Claude Code 启动后默认就有读取项目文件的权限,但有时候它会过于谨慎,在查看代码前先来征求意见——"我需要查看 xxx 文件来了解上下文,可以吗?"



这对我来说是不必要的打断。它本来就应该先了解上下文再做事,不用每次都请示。而且如果只有第一条规则(不确定就问),AI 有时候会问出一些通过读代码就能回答的问题——"这个函数的返回值是什么?""这个配置在哪里定义的?"。


于是有了第二条规则:

你可以在提问前查阅你需要了解的所有代码,并在了解了代码逻辑后再向我提问。


这条是对第一条的补充:允许 AI 先自行查阅代码,弄清楚上下文后再提问。这样它问出来的问题是真正需要我决策的问题,而不是它自己翻翻代码就能解决的事情。


   1.3 场景三:AI 执行了不该它做的操作


我参与的部分项目使用 Bazel 编译,开发环境下构建是自动进行的。但 Claude Code 不了解这个背景,经常在完成编码后自动去执行 go build 来验证代码——然而在 Bazel 环境下 go build 根本跑不通,白白浪费一轮操作。


类似的还有 .proto 文件:修改后是会自动生成对应的 Go 代码的。但如果不明确告诉 AI,它在改完 .proto 后会尝试手动修改生成的 .pb.go 文件,等于白费功夫。


于是有了第三条规则:

Proto文件(.proto)修改后,由我自行运行protoc生成Go代码。你只需要修改.proto文件本身,不需要手写或修改生成的Go代码。


这类规则的核心思路是:把"人工负责的操作"明确标注出来,让 AI 知道边界在哪里。类似的场景还有很多——比如数据库迁移文件只由人工手动执行、某些配置文件需要走审批流程不能直接改、测试环境的部署由 CI 负责不需要 AI 操心。

 

   1.4 总结:什么时候该写 CLAUDE.md


回顾这三条规则的产生过程,可以提炼出一个判断标准——当遇到以下情况时,就该把规则写进 CLAUDE.md:

  • AI 第二次犯同样的错误时——第一次可能是没说清楚,第二次就说明这是个需要持久化的规则

  • Code Review 中发现 AI 本应了解的项目规范时——比如哪些文件不该碰、哪些操作应该先问

  • 发现自己在重复输入上次会话中说过的同样的话时——重复出现的指令就不该每次手动输入

 

   1.5 规则的分层与渐进式加载


上面聊的是"写什么",接下来说说"放哪里"。Claude Code 的规则体系支持多层配置,不同层级的规则在不同时机加载:


CLAUDE.md: 每次会话都加载


CLAUDE.md 支持全局和项目两级:

  • 全局级(~/.claude/CLAUDE.md):所有项目共用的规则,比如"不确定就问"、"先看代码再提问"这类与具体项目无关的行为习惯

  • 项目级(项目根目录 CLAUDE.md):只在该项目中生效的规则,比如"Proto 文件只改不生成"、"本项目使用 Bazel 构建"

 

通用的工作习惯配一次全局生效,项目特有的约定跟着仓库走,团队成员 clone 下来就能用。


但CLAUDE.md 有一个特点:无论当前在操作什么文件,里面的规则都会被加载到上下文中。如果规则太多,就会占用 Token 额度、稀释注意力。

 

rules 目录:按需加载,渐进式披露


Claude Code 提供了 .claude/rules/ 目录,支持按文件匹配模式定义规则。和 CLAUDE.md 最大的区别是:rules 不会在会话启动时全部加载,而是只在 AI 操作到匹配文件时才生效。


这就是"渐进式披露"的设计——AI 在处理 Go 测试文件时才看到测试规范,在修改迁移文件时才看到迁移规则,其余时候这些规则对上下文完全透明、不占空间。


举个例子,假设希望 AI 在修改测试文件时遵守特定的测试规范:

---paths:["*_test.go","*_test.ts"]---
- 测试函数命名使用Test_功能_场景_预期结果格式- 每个测试用例必须包含setup、execute、assert三个阶段的注释分隔- mock数据统一放在testdata/目录下,不要内联


又或者,对数据库迁移文件加上保护规则:

---paths:["migrations/*.sql"]---
- 不要修改已有的迁移文件,只能新增- 每个迁移文件必须包含对应的回滚语句


此外,rules 文件还可以放在任意子目录中——.claude/rules/ 下支持递归发现,可以按 frontend/、backend/、infra/ 等模块组织规则文件。在大型项目中,不同团队维护各自目录下的规则,互不干扰。


相比之下,CodeBuddy 的规则只支持一级全局配置,没有按路径匹配或按子目录组织的能力,就显得没有那么灵活。

 

怎么选:CLAUDE.md还是 rules?


简单总结:


规则少的时候,全放 CLAUDE.md 就够了。规则多了之后,把文件类型相关的规范迁移到 rules 目录,既能保持 CLAUDE.md  精简,又不会丢失规范覆盖。




02



Hook 机制:从概率执行到强制执行


上一章的 CLAUDe.md 解决的是"AI 该怎么做"的问题——通过规则告诉它行为边界。但有一类需求,光靠规则是不够的:那些必须在特定操作后立即执行的动作,以及那些绝对不能让 AI 执行的操作。


比如可以在 CLAUDE.md 里写"每次操作完成后请执行 xxx 命令"。AI 大概率会照做——但"大概率"就意味着偶尔会忘。在长对话中、在复杂任务中、在它专注于某个逻辑问题时,这类附带操作经常被跳过。发现的时候往往是服务报错、编译失败,然后又得手动补一刀。


CLAUDE.md 里的规则本质上是"建议"——AI 会尽量遵守,但不保证 100% 执行。而 Hook 是"强制"——它在系统层面监听操作事件,条件满足就自动触发,不依赖 AI 的"记性"。


这就是标题说的"从概率执行到强制执行"。


   2.1场景一:文件变更后自动更新构建配置


我们项目使用 Bazel 进行编译,每次有文件新增或删除时,都需要更新各目录中的 BUILD.bazel。通常通过 gazelle 命令自动更新:

bazel run //:gazelle


在 Vibe Coding 过程中,经常改着改着就忘了执行这条命令,直到启动服务报错才发现,然后又得跑一遍命令再重新启动——费时费力。理想状态是:AI 每次新建或删除文件后,gazelle 自动跑一遍,不需要我操心。


Claude Code 的 Hook 机制可以监听工具调用事件,在特定操作发生后自动触发脚本。我的配置思路是:

  • 监听 PostToolUse 事件,匹配 Write 工具 → 检测文件创建

  • 监听 PostToolUse 事件,匹配 Bash 工具 → 判断是否执行了 rm 操作,检测文件删除


配置如下(~/.claude/settings.json):

{  // ... 其它配置省略  "hooks": {    "PostToolUse": [      {        "matcher": "Write",        "hooks": [          {            "type": "command",            "command": "/root/.claude/hooks/gazelle-on-new-file.sh"          }        ]      },      {        "matcher": "Bash",        "hooks": [          {            "type": "command",            "command": "/root/.claude/hooks/gazelle-on-delete-file.sh"          }        ]      }    ]  }}


以删除检测为例,脚本的完整逻辑如下:

#!/bin/bash# PostToolUse hook for Bash tool: run gazelle when a file is deleted under目标目录set -euo pipefail# 从 stdin 读取 Hook 传入的 JSON 数据INPUT=$(cat)# 提取执行的命令内容COMMAND=$(echo "$INPUT" | tr -d '\n' | sed -n 's/.*"command"[[:space:]]*:[[:space:]]*"\([^"]*\)".*/\1/p')if [ -z "$COMMAND" ]; then  exit 0fi# 判断命令是否包含 rm,不包含则直接跳过if ! echo "$COMMAND" | grep -q "rm"; then  exit 0fi# 判断操作目标是否在需要监听的目录下if ! echo "$COMMAND" | grep -q ""; then  exit 0fi# 确认命令是针对目标目录的 rm 操作,执行 gazelle 更新 BUILD 文件echo "File deletion detected in"echo "Running gazelle..."bazel run //:gazelle


脚本的核心思路是两层过滤:先判断命令是否为 rm 操作,再判断目标路径是否在监听范围内——两个条件都满足才会触发 gazelle,避免了误执行。


这样一来,无论 AI 新建还是删除了文件,gazelle 都会自动执行。这件事从"AI 大概率会记得做"变成了"系统保证一定会做"。


   2.2 场景二:拦截危险操作,守住安全底线


给 AI 过大的权限时,总会有一种不安全感——它会不会在我没注意的时候执行了 git push?会不会把未经 Review 的代码直接提交了?这种"无法掌控全局"的不安感,在长时间让 AI 自主工作时尤为明显。


在我的实践中,git add、git commit、git push 这类操作必须由自己来把握,绝对不能让 AI 自动执行。通过 PreToolUse  Hook,可以在 AI 执行命令前拦截:

{  "hooks": {    "PreToolUse": [      {        "matcher": "Bash",        "hooks": [          {            "type": "command",            "if": "Bash(git add *)",            "command": "echo '{\"decision\":\"block\",\"reaso…
— 以上为试看内容(约 40%),开通会员后阅读全文 —