Agent Skills
返回列表
Claude Code 工程协作工作流

Claude Code 工程协作工作流

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_d0deb03a/claude-code-agent-workflow。

技能介绍

要解决的问题

把 Agent 拉进真实团队后,最先撞上的往往不是模型能力不足,而是工程上下文管理失控:代码库、内部 wiki、设计文档、runbook 都想塞进去,context window 很快耗尽;每个内部工具都封装一个 MCP server,维护成本指数级膨胀;CLAUDE.md 被各插件塞成一锅粥,每次启动都在为"看起来便宜"的文本付费。这个技能针对的是 agentic software engineering 阶段的新问题——Agent 不再只是写代码的助手,而是需要进入团队工作流的工程同事。

核心机制与工作方式

CLAUDE.md 作为团队说明书:告诉 Agent 代码如何组织、哪些约定不能破、外部约束在哪里、失败后如何回滚。关键实践是让 Agent 每次改动前先读它,同时保持精简——它常驻上下文窗口,每 token 都算成本。

Skill 做轻量知识沉淀:本质是文件夹中放一份 markdown + 摘要,按需加载。description 永远会被加载,触发规则写 300-400 tokens 才可靠;十万份 skill 叠加后入口成本就不再"轻"了。

Hooks 把成本挪出上下文窗口:在 Agent 循环中触发本机程序运行,没有 token 成本。类型检查、lint、诊断脚本、规则匹配适合放这里。

Auto Mode 让 Agent 过夜工作:classifier agent 判断是否放行,另一个 agent 对工具调用做对抗式检查,loop、agent teams、过夜任务因此可用。

适用边界与注意点

  • 内存布局原则:耐用信息靠前(CLAUDE.md、架构决策),临时内容靠后(调试笔记、一次性配置)。
  • 抽象选择顺序:hooks > skill > MCP,根据受众和成本决定。
  • Auto Mode 代价:可能多消耗 30-40% token,用安全性 + 吞吐量衡量,而不是只看 token 花销。
  • 常见反模式:把所有文档塞进上下文、每个工具都封 MCP、CLAUDE.md 无限膨胀、没有信息就改 prompt、忽视 Agent 之间通信。

使用场景

  • 团队引入 Agent 编程时,需要决定 CLAUDE.md 写哪些团队约定和外部约束
  • 当 CLAUDE.md 被各插件塞满导致启动变慢时,要按耐用性重排信息放入位置
  • 内部有很多 CLI 工具和文档时,要选 hooks、skill 还是 MCP 来接入 Agent
  • 想让 Agent 跑过夜任务时,要配置 auto mode 并评估安全性与吞吐的取舍

适合人员

  • 需要在团队代码库中部署 AI 编程助手的开发负责人,想要 Agent 遵守团队约定并安全回滚
  • 负责维护内部工具链的工程师,想在 hooks、skill 与 MCP 之间选对性价比最高的方式
  • 为团队引入 Agent 工作流的技术管理者,关注 context window 成本与过夜任务的可控性