Claude Code Agent 实战模式

要解决的三类老问题

直接对 Agent 说"开始做吧"，通常会遇到三种反复出现的情况：

• 规划与执行脱节：计划写完就当定稿，执行中发现的盲区没有被用来修正计划。
• 提示词越写越长：担心模型不听话，于是堆砌约束、示例和操作步骤，反而压缩了模型的判断空间。
• 验证流于形式：同一个模型检查自己的产出时，标准会不自觉放宽——这就是自我偏好偏差。

核心机制与工作方式

这套实战模式把实践经验整理为三套可操作的机制：

1. /loop 与 /goal：/loop 让 Agent 持续运行直到显式停止，适合需要持续监控的任务；/goal 设定退出条件，传达"我已充分探索，遇到问题你自己判断、不要停"的态度，防止 Agent 中途停机。
2. 工作流（Workflow）：将非确定性任务拆解为确定性步骤——主 Agent 统筹，并行衍生多个子 Agent 执行，再由独立的验证 Agent 对照标准输出反馈。三个角色拥有独立上下文窗口，以减少偏见。
3. 多 Claude 协作：在 Slack 中通过 @Claude 标记启动并行任务，每个频道各自拥有独立记忆，适合跟进 PR、修复测试、多任务并行推进。

配套的方法论同样关键：

• 规划是迭代过程：探索 → 调查 → 发现盲区 → 明确需求，而不是一次性写完计划再执行。规范文档本身会在执行中被不断重新定义。
• 系统提示词精简：Claude Code 团队将提示词精简了 80%，用背景和原则代替硬性禁止，只保留客观硬约束。例如把"绝对不要在 React 中使用 setTimeout"换成"通常是因为没理解 React 的异步模型，请考虑用 useEffect 重构"。

适用边界与注意点

• 视频剪辑案例（Whisper 转录 + Remotion 渲染）是有效演示，但未固化为技能——因为"遮罩位置要追踪手部/面部"这类目标尚未想清楚，探索过程本身就是规划的一部分。
• 常见失败模式是"提示词输入框变成偷懒按钮"：对 AI 生成的计划和文档敷衍了事，每一步都想偷懒，最终付出更多时间和成本。
• 理想协作状态类似团队中一位能力极强的同事：在 Slack 上标记任务、说明需求、进行迭代式沟通，而非微观管理。但 Claude Agent 与真正的人类同事仍有本质区别，团队倾向让模型能力自行引导协作模式，而非过早设定僵化边界。