Claude Code 实战指南：掌握 AI 编程代理、MCP 与 Skills

从聊天助手到自主执行：AI 编程代理的范式转变

传统的 AI 聊天助手像是一本食谱——它告诉你步骤，但下厨的人始终是你。你仍然需要复制代码、粘贴到编辑器、手动运行。而 Claude Code 的定位完全不同：它直接运行在终端里，能读文件、写代码、执行部署，最后把可用的结果交到你手上。据该教程解释，这种「端到端执行」正是 AI 代理与 AI 助手的分水岭。

这一转变带来的直接影响是工作重心的迁移。开发者不再花时间做搬运和拼贴，而是转向「指挥与校验」：定义任务、设定边界、审查产出。Anthropic 将 Claude Code 形容为一个「不预设工作流的强力工具」，它给你对模型的原始访问权，怎么塑造完全取决于你。理解这一点，后面的所有命令、权限与工作流才有了统一的逻辑起点。

用斜杠命令掌控代理节奏

内置命令：模型切换与成本监控

Claude Code 通过斜杠命令进行控制。/model 可在不同模型间切换，比如偏重速度的 Haiku 或能力更强的 Opus；/usage 则用来盯住账单额度，避免费用失控。这些命令构成了日常操作的基础层。

上下文管理：compact 与 clear 是方向盘

随着对话推进，终端里会堆积大量文本，这些内容都会进入上下文。教程强调，上下文过多会显著拖慢响应质量，因此 /compact 和 /clear 是控制代理行为与 token 消耗的关键手段——前者压缩历史，后者清空历史。它们不是可有可无的清理工具，而是维持代理稳定输出的「方向盘」。

自定义命令：把重复流程固化下来

对于反复出现的工作，比如完整的 PR 审查或规范的 git commit，可以在项目的 .claude/commands 目录下创建一个 Markdown 文件，在顶部写 YAML front matter（例如指定用 Haiku 加速、或预先开放 git 工具权限），再用 arguments 关键字接住动态输入。保存后输入类似 /fix-issue 123 的指令，整套流程就会被执行。

上下文预算与 claude.md 项目大脑

把 token 当成预算而非参数

教程建议换一个视角看待 token 上限：不要当作技术规格，而要当成一笔需要精打细算的预算。凡是 Claude 能看到的内容——文件、终端历史——都会消耗上下文。模型确有硬上限，Haiku 支持约 256,000 个 token，Opus 与 Fable 则达到约 100 万个，但一旦越过界限，表现会明显下滑，甚至开始产生幻觉；用超大模型处理琐碎任务同样是浪费预算。

/init 生成项目的永久记忆

/init 命令会生成一个 claude.md 文件，充当项目的「永久大脑」。与其每次开会话都重复解释项目结构、或反复提醒使用 ES modules 而非 CommonJS，不如一次性写进这个文件。Claude 在每个会话开始时自动读取它，瞬间载入架构约定、规则与代码风格。这是用一次性投入换取长期 token 节省的做法。

权限边界：给自主代理套上缰绳

把终端交给一个自主代理，威力巨大，风险同样真实——一旦疏忽，它可能误删整个文件系统。默认情况下 Claude 相当保守，执行危险操作前会暂停请求确认；而 /permissions 打开了自定义界面，你可以维护安全工具的白名单，也可以设定严格的拒绝规则，比如禁止读取环境密钥、禁止随意抓取网络数据。

教程介绍了四种权限模式，用 Shift+Tab 快速切换：Plan 模式只读只分析，产出计划而不落地；Manual 模式是最安全的默认值，写文件前必须批准；Accept Edits 模式自动写代码，但执行 shell 命令（如 git、bash）前会停下询问；Auto 模式给予最高自主权，零人工批准直接执行代码与命令——需要格外谨慎，直到你真正信任这套配置再切换过去。

Hooks：把安全校验自动化

如果要追求企业级安全，Hooks 是重点。它允许在代理生命周期的特定节点运行 shell 命令，形成自动化的安全叙事：按下回车的瞬间，user-prompt-submit hook 可以拦截文本，检查是否意外泄露 API 密钥；Claude 执行 bash 命令前，pre-tool hook 可以校验命令内容；文件编辑成功后，post-tool hook 可以立即触发 Prettier 之类的代码格式化工具；任务结束时，stop hook 甚至能向 Slack 推送通知。安全从「人盯着」变成「机制盯着」。

Hooks 的执行模型基于代理生命周期事件，目前主要涵盖 PreToolUse、PostToolUse、UserPromptSubmit、Stop、Notification 等节点。每个 hook 在配置文件中声明匹配条件（如特定工具名）与要执行的 shell 命令，命令通过标准输入接收 JSON 格式的事件上下文，并可返回退出码或结构化输出来影响代理行为——例如 PreToolUse hook 返回非零退出码即可阻止该工具调用。这种机制将安全策略从「提示词约束」升级为「进程级强制」，因为 hook 运行在代理的控制流之外，模型无法绕过。企业可以借此实现密钥泄露扫描、命令白名单校验、审计日志记录与合规检查，而无需修改模型本身或依赖人工监督。

MCP 与 Skills：连接外部世界，注入组织知识

MCP 是通用适配器

大模型默认接触不到公司私有基础设施。MCP（Model Context Protocol）通过安装 MCP 服务器，安全地把外部数据源暴露给代理。教程给出的例子很直观：让 Claude 排查一个异常状态的 Kubernetes pod，它会通过 MCP 拉取集群日志、分析并给出修复方案。

MCP（Model Context Protocol）是 Anthropic 于 2024 年底开源的标准化协议，旨在为 LLM 与外部数据源、工具之间建立统一的交互接口。在 MCP 出现之前，每个 AI 应用要接入数据库、代码仓库或监控系统，都需要单独编写定制化的插件或函数调用逻辑，碎片化严重。MCP 借鉴了 LSP（Language Server Protocol）的设计思想：定义一套通用的客户端-服务器协议，任何符合规范的 MCP 服务器都能被任何支持 MCP 的 AI 客户端调用。这意味着开发者只需实现一次服务器，即可在 Claude Code、Claude Desktop 等不同环境中复用。MCP 服务器通常以本地进程或远程 HTTP 服务的形式运行，通过标准输入输出或 SSE 与客户端通信，并声明自身提供的工具、资源与提示模板。

两者分工：MCP 管能力，Skills 管方法

这里有一个关键区分：MCP 服务器提供的是外部连接，给 Claude「能否」查询 Postgres 的物理能力；Skills 提供的是机构知识，是放在 .claude/skills 目录下的 Markdown 文件，教 Claude 团队认可的做事方式，比如 Kubernetes 部署的标准化流程。一句话概括：MCP 连接工具，Skills 教它怎么用工具。

Agent Skills 是 Anthropic 为 Claude 引入的一种轻量级知识注入机制。与微调或 RAG 不同，Skills 以纯 Markdown 文件形式存放在项目目录中，Claude 在需要时按名称和描述自动加载对应内容，无需人工切换。每个 Skill 文件可以包含流程说明、代码模板、检查清单甚至示例对话，本质上是把团队沉淀的最佳实践写成代理可读的「操作手册」。其设计哲学是渐进式披露：Claude 先看到技能列表与简短描述，判断是否相关后再读取完整内容，从而避免一次性占用过多上下文。这使得组织可以把部署规范、代码审查标准、故障排查流程等隐性知识显式化，并随项目版本一同管理，而不必依赖每次会话中的口头交代。

测试驱动开发：让代理自己逼近正确

因为 Claude Code 能自主运行，它在测试驱动开发（TDD）上优势明显。Anthropic 推荐的循环是：先让 Claude 依据预期输入写测试，并明确要求此刻不要写实现；接着让它运行测试并确认失败；然后放开实现代码，它会自主编写、运行、观察失败、调整、再运行，直到全部通过；最后让它收尾并提交。这个循环给代理一个清晰、可验证的目标，反复迭代后产出的软件韧性更强。

结语

Claude Code 的价值不在于替你写完所有代码，而在于把命令控制、上下文预算、权限模式、安全 Hooks 与 MCP 外部连接这些旋钮交到你手里。真正的差异来自你如何配置它：边界设得越清楚，自主运行的空间反而越大。