Claude Code 扩展体系

Claude Code 除了对话和代码生成，还提供 MCP、Skills、Slash Commands 和 Plugin 四层扩展机制，用于编排、复用和分发工作流。

层级	机制	本质	触发方式	注入方式
1	MCP	外部工具桥梁	自动（AI 判断需要时调用）	tool call
2	Skills	自动触发的能力包	自动（匹配用户意图）	system prompt
3	Slash Commands	手动触发的工作流	手动（`/命令名`）	user message
4	Plugin	打包分发容器	—	包含以上所有

单个 Skill 提供一项能力，多个 Skill 可编排成流程；结合 MCP 和 SubAgent，可构建智能体。

一、MCP（Model Context Protocol）

MCP 是连接 AI 模型与外部工具、数据源的标准协议。通过 MCP Server，Claude Code 可以访问文件系统、数据库、API 和浏览器等资源。

协议模型：Client（Claude Code）↔ Server（MCP 进程），通过 stdio 通信
安装方式：claude mcp add <name> -- <command> 或在 JSON 配置文件中声明
配置位置：用户全局 ~/.claude/settings.json 或项目级 .claude/settings.json

常用 MCP 服务器

context7

场景：查询最新框架文档（Next.js 15、React 19）、确认 API 参数和用法、了解库的最佳实践、常见问题与版本迁移方法。

用个人 GitHub 账号登录：https://context7.com/

VSCode 扩展：在扩展界面搜索 @mcp context7 并安装，再在 JSON 配置中添加 API Key：

"servers": {
  "io.github.upstash/context7": {
    "type": "stdio",
    "command": "npx",
    "args": [
      "@upstash/context7-mcp@1.0.30"
    ],
    "env": {
      "CONTEXT7_API_KEY": ""
    },
    "gallery": "",
    "version": "1.0.30"
  }
}

Claude Code：

claude mcp add context7 -- npx -y @upstash/context7-mcp --api-key ""

atlassian

通过 Docker 运行。在家目录的配置文件中加入 Docker 命令和 token，启动 colima 后即可连接 MCP。

"mcpServers": {
  "atlassian": {
    "type": "stdio",
    "command": "docker",
    "args": [
      "run", "-i", "--rm",
      "-e", "JIRA_URL",
      "-e", "JIRA_USERNAME",
      "-e", "JIRA_PERSONAL_TOKEN",
      "-e", "CONFLUENCE_URL",
      "-e", "CONFLUENCE_USERNAME",
      "-e", "CONFLUENCE_PERSONAL_TOKEN",
      "ghcr.io/sooperset/mcp-atlassian:latest"
    ],
    "env": {
      "JIRA_URL": "",
      "JIRA_USERNAME": "",
      "JIRA_PERSONAL_TOKEN": "",
      "CONFLUENCE_URL": "",
      "CONFLUENCE_USERNAME": "",
      "CONFLUENCE_PERSONAL_TOKEN": ""
    }
  }
}

bitbucket

"bitbucket": {
  "type": "stdio",
  "command": "npx",
  "args": [
    "-y",
    "@zhanglc77/bitbucket-mcp-server"
  ],
  "env": {
    "BITBUCKET_BASE_URL": "",
    "BITBUCKET_USERNAME": "",
    "BITBUCKET_TOKEN": ""
  }
}

sequential-thinking

深度思考引擎。

安装：

claude mcp add mcp-sequentialthinking-tools -- npx -y mcp-sequentialthinking-tools

场景：复杂技术选型（微服务 vs 单体、数据库选型）、架构决策（分层、模块边界、扩展性）、疑难 bug 分析（多因素交叉、隐蔽逻辑）、性能优化规划。

实战案例：“分析为什么我们的订单服务在高峰期会超时，考虑数据库、缓存、网络、并发锁、GC 等所有可能因素。”

效果：输出完整的分析过程：假设 → 验证 → 排除 → 聚焦 → 验证 → 结论。

memory

长期记忆。

安装：

claude mcp add memory -- npx -y @modelcontextprotocol/server-memory

场景：记住项目约定（命名规范、错误码、配置路径）、团队遇到的问题（库的 bug、配置陷阱）和重要决策（选择原因与权衡）。

实战案例：

你:"记住:我们的错误码统一用E开头+4位数字,数据库表名用snake_case,Redis key用冒号分隔"
(一周后)你:"帮我设计一个用户登录失败的错误码"
Claude自动调用记忆:"根据你们的规范,应该是E1001这样的格式..."

对 Claude 说：

"用memory(MCP)记住我们团队的规范:
 
代码规范:
- 用ESLint + Prettier
- 命名用驼峰(变量)和帕斯卡(组件)
 
Git规范:
- commit格式:feat/fix/docs: 描述
- PR必须关联issue
 
技术栈:
- 前端:React 18 + TypeScript + Vite
- 后端:Node.js + Express + PostgreSQL
"

验证：下次提问时，检查 Claude 是否自动调用了这些规范。

playwright

浏览器自动化。

claude mcp add playwright -- npx -y @executeautomation/playwright-mcp-server

场景：竞品监控、批量截图、自动化测试、数据抓取

案例：“打开这 5 个竞品官网，截图首页和定价页，保存到 ./analysis/。”

filesystem

本地文件操作。

claude mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem /path/to/project

场景：读写配置、批量处理文件、项目初始化脚本

注意

指定允许访问的路径，避免权限过大。

github

Claude Code 可通过官方 GitHub MCP Server 读取或操作 PR、Issue。支持两种配置方式：

方式 A：远程 HTTP（推荐）

无需 Docker，由 GitHub 官方托管，配置最简单
前提：能访问 api.githubcopilot.com；GHES（私有部署）不支持

claude mcp add-json github '{"type":"http","url":"https://api.githubcopilot.com/mcp","headers":{"Authorization":"Bearer YOUR_GITHUB_PAT"}}'
# 全局可用加 --scope user

方式 B：本地 Docker

Token 只在本机流转，不经过远程中转；GHES 场景只能用此方式
前提：本机需要 Docker 且保持运行

claude mcp add github -e GITHUB_PERSONAL_ACCESS_TOKEN=YOUR_GITHUB_PAT -- docker run -i --rm -e GITHUB_PERSONAL_ACCESS_TOKEN ghcr.io/github/github-mcp-server

PAT 权限要求：Contents / Pull requests / Metadata 至少 Read 权限（fine-grained token）或 repo（classic token）

验证：claude mcp list / claude mcp get github

选型建议：默认使用配置更简单的方式 A；GHES 私有部署或公司网络无法访问 api.githubcopilot.com 时，改用方式 B。

exa

智能搜索服务，需要官网 key，依赖 axios 包。

GitHub：exa-labs/exa-mcp-server
Exa API Key：https://dashboard.exa.ai/home

claude mcp add exa -e EXA_API_KEY="" -- npx -y exa-mcp-server

场景：搜索最新信息、技术博客和开源项目，检索结果比普通搜索引擎更精准。

优势：

语义理解（Neural Search）：支持自然语言检索。例如，搜索“关于 Transformer 架构的通俗易懂的教程”时，会理解“通俗易懂”和“教程”的含义，而不只是匹配字面关键词
结构化结果（Clean Data）：清除网页中的广告、SEO 文案和复杂 HTML，返回干净文本或结构化数据，大幅减少 AI 处理杂乱信息的负担与幻觉
精确过滤：可按域名（如只搜 github.com）、日期、内容类型（如 PDF、代码）筛选结果
相似内容检索：提供一个网页链接，查找内容相似的其他网页，便于调研

deepwiki

深度文档聚合。

claude mcp add deepwiki -- npx -y mcp-deepwiki

场景：聚合某个库的完整文档站点，覆盖比 context7 更全面，但速度较慢。

drawio

仓库

jgraph/drawio-mcp

Draw.io 的 MCP 工具（drawio-mcp）将 AI 生成的 Mermaid、CSV、XML 数据转换为 Draw.io 专用链接，在浏览器中打开可编辑的图表。

流程如下：

向 AI 提出需求，例如“画个 OAuth2 流程图”
AI 生成结构化数据
MCP 工具把数据压缩、编码
浏览器自动打开 Draw.io 编辑页面，可拖动节点、修改内容和配色

根据 GitHub 官方文档，这个 MCP Server 目前支持三种模式：

Mermaid 转图 (open_drawio_mermaid)：最常用，由 AI 编写 Mermaid，Draw.io 负责渲染和后续编辑
CSV 转图 (open_drawio_csv)：适合组织架构图、网络拓扑图，可根据人员名单和汇报关系生成树状图
XML 原生格式 (open_drawio_xml)：支持现有 Draw.io XML，也可让 AI 按其结构生成最复杂的图表

安装：

"mcpServers": {
  "drawio-mcp": {
    "command": "npx",
    "args": ["-y", "@drawio/mcp"],
    "env": {},
    "type": "stdio"
  }
}

使用：调用 draw.io MCP 工具 open_drawio_mermaid，制作 OAuth2 流程时序图

导出：导出为 xml，再在 Confluence 页面创建 draw.io diagram

datadog

文档

Datadog MCP Server Setup

场景：在 Claude Code 中查询 Datadog 日志、指标、Trace、Dashboard、Monitor、Incident 等数据，支持 16 个产品 Toolset 按需加载。

Claude Code 配置：

# 方式一：命令行添加（远程 HTTP 认证，会触发 OAuth 登录）
claude mcp add --transport http datadog-mcp https://mcp.datadoghq.com/api/unstable/mcp-server/mcp
 
# 方式二：本地二进制（适用于远程认证不可用的情况）
curl -sSL https://coterm.datadoghq.com/mcp-cli/install.sh | bash
datadog_mcp_cli login
claude mcp add datadog --scope user -- ~/.local/bin/datadog_mcp_cli

也可以直接在 ~/.claude.json 中添加：

{
  "mcpServers": {
    "datadog": {
      "type": "http",
      "url": "https://mcp.datadoghq.com/api/unstable/mcp-server/mcp"
    }
  }
}

认证方式：远程 HTTP 连接默认使用 OAuth 2.0，自动打开浏览器登录。无法使用 OAuth 时（如服务器环境），可通过 HTTP Header 传入 API Key 和 Application Key：

{
  "mcpServers": {
    "datadog": {
      "type": "http",
      "url": "https://mcp.datadoghq.com/api/unstable/mcp-server/mcp",
      "headers": {
        "DD_API_KEY": "<YOUR_API_KEY>",
        "DD_APPLICATION_KEY": "<YOUR_APPLICATION_KEY>"
      }
    }
  }
}

安全建议

建议通过 Service Account 创建 scoped API Key 和 Application Key，只授予所需权限。

权限

Datadog 用户角色需具备 mcp_read 和 mcp_write 权限（Standard Role 默认包含），以及对应资源的权限，例如读取 Monitor 需要 Monitors Read。自定义角色需在 Organization Settings > Roles 中勾选 MCP Read 和 MCP Write。

Toolset 机制：通过 URL query 参数 toolsets 按产品域选择工具集，节省 context window：

# 默认只加载 core 工具集
https://mcp.datadoghq.com/api/unstable/mcp-server/mcp
 
# 只加载 APM 和 LLM Observability
https://mcp.datadoghq.com/api/unstable/mcp-server/mcp?toolsets=apm,llmobs
 
# 加载全部 GA 工具集（适合支持 tool filtering 的客户端如 Claude Code）
https://mcp.datadoghq.com/api/unstable/mcp-server/mcp?toolsets=all

可用 Toolset 列表：

Toolset	覆盖范围	状态
`core`	日志、指标、Trace、Dashboard、Monitor、Incident、Host、Service、Event、Notebook	GA（默认）
`alerting`	Monitor 创建/验证/覆盖分析、SLO 搜索	GA
`dashboards`	Dashboard CRUD、Widget Schema 验证	GA
`cases`	Case Management：创建/搜索/更新、关联 Jira	GA
`dbm`	Database Monitoring	GA
`error-tracking`	Error Tracking	GA
`feature-flags`	Feature Flags 管理	GA
`llmobs`	LLM Observability Span 搜索与实验分析	GA
`networks`	Cloud Network Monitoring、Network Device Monitoring	GA
`onboarding`	Datadog 引导式配置	GA
`product-analytics`	Product Analytics 查询	GA
`reference-tables`	Reference Tables 管理	GA
`security`	代码安全扫描、Security Signals/Findings 搜索	GA
`software-delivery`	CI Visibility、Test Optimization	GA
`synthetics`	Synthetic Tests	GA
`workflows`	Workflow Automation	GA
`apm`	APM Trace 深度分析、Span 搜索、Watchdog Insights	Preview
`ddsql`	DDSQL 查询（SQL 方言查询 Datadog 数据）	Preview

配置文件一键添加 MCP

{
  "mcpServers": {
    "atlassian": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "JIRA_URL",
        "-e", "JIRA_USERNAME",
        "-e", "JIRA_PERSONAL_TOKEN",
        "-e", "CONFLUENCE_URL",
        "-e", "CONFLUENCE_USERNAME",
        "-e", "CONFLUENCE_PERSONAL_TOKEN",
        "ghcr.io/sooperset/mcp-atlassian:latest"
      ],
      "env": {
        "JIRA_URL": "",
        "JIRA_USERNAME": "",
        "JIRA_PERSONAL_TOKEN": "",
        "CONFLUENCE_URL": "",
        "CONFLUENCE_USERNAME": "",
        "CONFLUENCE_PERSONAL_TOKEN": ""
      }
    },
    "bitbucket": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@zhanglc77/bitbucket-mcp-server"],
      "env": {
        "BITBUCKET_BASE_URL": "",
        "BITBUCKET_USERNAME": "",
        "BITBUCKET_TOKEN": ""
      }
    },
    "exa": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "exa-mcp-server"],
      "env": {
        "EXA_API_KEY": "xxx"
      }
    },
    "sequential-thinking": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "mcp-sequential-thinking"]
    },
    "context7": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp", "--api-key", "xxx"]
    },
    "memory": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    },
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": ""
      }
    }
  }
}

MCP 常用应用组合

场景	推荐组合
日常开发	filesystem + github + memory
深度工作	sequential-thinking + context7 + memory
自动化任务	playwright + filesystem
学习新技术	context7 + deepwiki + exa（或 brave-search）

二、Skills（技能）

Skills（技能）是自动触发的能力包，2025 年 10 月发布。

官方文档

Claude Code Skills

和 MCP 的区别：Skills 的范围更大，既能调用 MCP，也能包含 Python 脚本。

一个 Skill 是包含技能描述、脚本和示例代码等内容的文件夹。

例如，在 SKILL.md 中写入生成 PPT 的固定流程后，向 Claude 提出“帮我生成 PPT”即可激活，无需每次重复说明要求。

解决痛点

痛点 1：重复劳动

之前：每次都要重复说明规则（“用现在时”“50 字以内”“说 what 和 why”）
现在：将规则打包成 Skill，一句话即可自动应用

痛点 2：团队协作混乱

场景：10 个人用 10 种方式生成文档，格式不统一
解决：
1. 把 Skill 提交到项目代码库：.claude/skills/company-doc-generator/
2. 团队成员 git pull 后自动同步
3. 全员统一规范

痛点 3：知识无法沉淀

之前：老员工调试 API 的经验难以传给新人
现在：将经验写成 Skill，新人克隆代码即可复用

渐进式披露机制（Progressive Disclosure）

Anthropic 将这种按需分阶段加载的方式称为 Progressive Disclosure：“Claude loads information in stages as needed, rather than consuming context upfront.”（按需分阶段加载，而不是一次性占满上下文）。

上下文和模型注意力有限。启动时载入所有工作流、模板和示例，会分散模型对当前任务的关注。

官方三层加载机制

Level	加载时机	Token 成本	内容
Level 1（Metadata）	永远加载（系统启动时）	~100 tokens / 每个 Skill	YAML frontmatter 中的 `name` + `description`
Level 2（Instructions）	Skill 被触发时	< 5K tokens	SKILL.md 主体内容
Level 3+（Resources）	按需 bash 读取	实际无限	引用文件、脚本、模板等

字段限制与篇幅建议：

name：最多 64 字符，只能小写字母+数字+连字符，不能含 “anthropic” 或 “claude”
description：最多 1024 字符，必须非空，不能含 XML 标签
SKILL.md 主体：控制在 500 行以内，接近这一规模就拆出详细文档、示例和模板。行数是拆分参考，不能与 token 数或中文字数固定换算，也不是运行时的硬性截断限制

500 行和下文的一跳引用原则来自 Anthropic Skill 编写最佳实践。

Anthropic 因此鼓励安装多个细分 Skill。50 个 Skill 的 Level 1 合计约 5K token。

SKILL.md 的定位：分层引用网络的根节点

SKILL.md 是执行入口和资源索引。Skill 分为三层，分别负责触发、执行和按需提供资料：

层级	负责什么	放什么内容
`description`	判断何时触发、何时跳过	能力概述、用户会说的触发词、使用条件、跳过条件；不写实现细节
`SKILL.md` 主体	执行主逻辑	工作流骨架、决策分支、步骤出口条件，以及何时读取哪个资源
支持资源	提供执行时才需要的细节	`references/` 放参考文档，`scripts/` 放脚本，`assets/` 放模板等资源

第三层统称支持资源，脚本和模板无需都放入 references/。主文件保留流程和资源入口，参考文档提供细节，避免重复维护规则。

规则案例、模板正文、长篇示例和参考代码统一放入 Level 3 引用文件，主文件只保留流程与索引。

主文件保留执行入口

在 SKILL.md 中提供 quick start，再指向表单处理、API 参考等详细文档。拆分时关注流程是否清楚、细节是否按需加载，不只看文件长短。

SKILL.md 拆分判断标准

SKILL.md 行数	状态	建议
< 200 行	较短	流程清楚时无需为拆而拆
200-500 行	需要控制增长	新增内容前先判断是否应放入支持资源
> 500 行	超出本指南的篇幅目标	将详细文档、示例和模板拆到支持资源，主文件保留决策和执行步骤

拆分优先级：

先拆出示例和模板：篇幅长、访问频率低，占用 token 多
再将详细规则拆到 references/rules.md，主文件只留“风格规则见 references/rules.md”
将长流程封装成脚本，供模型通过 bash 调用

保留决策树：主文件应写清哪种请求对应哪个工作流、各分支如何处理，模型读完才知道下一步做什么。

好引用 vs 坏引用

# ✅ 好引用（带指路标签）
## 第三步：审稿
按文风规范跑一遍审稿，对照标准见 references/style-guide.md。
关键检查项：开头是否有场景引入、字数是否在 4000-5000 区间。
 
# ❌ 坏引用（裸文件名）
## 第三步：审稿
详见 references/style-guide.md。

好的引用说明读取目的和检查重点，模型据此判断是否需要读取；只给文件名，模型要么跳过，要么每次全文读取，浪费 token。

执行所需的引用链最多一跳：由 SKILL.md 直接索引资源，避免把必读资料藏在下一层。例如，references/A.md 依赖 references/B.md 时，应在 SKILL.md 中分别写明 A、B 的用途和读取条件，避免形成 SKILL.md → A.md → B.md 的必读链，也要消除循环引用。

Agent 按需读取文件，不保证递归展开链接。深层引用可能只被预览或遗漏；一跳原则用于减少漏读，并非技术上无法继续读取。

实战演进案例

一个写作 SKILL 文件经过三版迭代：

指标	V1（单文件 1900 行）	V3（主文件 612 行 + 引用）
触发时初始 token 注入	~14,000	~4,500
单次工作流端到端 token	~28,000	~12,000
”写错风格”频率	每 20 次约 1 次	几乎归零
维护成本（改一条规则）	全文件找位置	单子文件改

V1 将写作规则、文风指南、案例分析、模板、配图规范和上传脚本说明集中在一个 SKILL.md 中，远超 500 行的篇幅目标；公众号、算法、知乎等不同类型文章的规则相互干扰。V3 已有改善，但主文件仍有 612 行，还应继续拆分。

V3 主文件只保留触发条件、10 步工作流和引用索引，其余拆出：

文风规范 → references/style-guide.md
历史范本 → references/article_*.md
代码逻辑 → scripts/*.py
配置数据 → config/*.json

Skill 间的 handoff 设计：写作 SKILL 最后需要生成视频时，先复制视频模板、注入 input.md，再显式交给视频 SKILL。写作主文件无需包含视频生成细节，各 Skill 只处理自己的任务，通过交接衔接流程。

组成结构

Skill 文件夹通常包含：

SKILL.md：核心文件，以 YAML 定义名称、描述等元数据，以 Markdown 编写使用条件和执行指令
scripts/：存放可执行的 Python、Shell 脚本
references/：参考文档，如 API 文档、数据库 Schema、公司政策，供 Claude 按需读取
assets/：PPT 模板、Logo、项目脚架等资源，供执行时使用

安装

手动安装：

个人 Skills：~/.claude/skills/
项目 Skills：.claude/skills/
创建与 skill 同名的子目录，并在其中创建 SKILL.md

Marketplace 安装：

/plugin marketplace add anthropics/skills
/plugin

Select Browse and install plugins
Select anthropic-agent-skills
Select document-skills or example-skills
Select Install now

打包与分享：

Claude 可将 skill 打包为 xxx.skill 文件，分享给其他人安装。

# 打包
python3 /path/to/skill-creator/scripts/package_skill.py \
  /path/to/your-skill \
  /output/path
 
# 安装
# 在 Claude Code 中：Install skill from /path/to/your-skill.skill

Skills 实战案例

第一层：工程化单点突破（把说明书变技能包）

将重复操作封装为技能，让 Claude 自动识别场景，减少重复编写提示词。

简单测试：Pre-commit Review

在 .claude/skills/ 目录下创建 pre-commit-check/SKILL.md：

# 名称
pre-commit-check
 
# 描述
代码提交前的标准检查:格式化、Lint、测试
 
# 触发
当用户提到"提交""commit""推送"时自动触发
 
# 执行逻辑
1、运行代码格式化
2、运行Lint检查
3、运行相关测试
4、生成检查报告
 
# 输出
分级报告:阻断问题、警告问题、通过项

案例 1：智能代码审查

smart-code-review：

效果

人工审查经常遗漏关键问题。提出“review 这个 PR”后，Skill 自动按文件类型专项检查，不遗漏应检查的问题。团队线上事故率下降 60%。

# 名称
smart-code-review
 
# 触发
当用户提到"review""审查""检查代码"或准备提交PR时
 
# 执行逻辑
1、分析变更文件类型和影响范围
2、根据文件类型选择检查项:
- API文件 → 检查鉴权、参数校验、错误处理、API文档
- 数据库迁移 → 检查索引、向后兼容、回滚脚本、性能影响
- 前端组件 → 检查无障碍、性能、状态管理、错误边界
- 配置文件 → 检查敏感信息泄露、环境变量、默认值安全性
3、调用对应SubAgent进行专项审查:
- security-auditor → SQL注入、XSS、CSRF等
- performance-engineer → N+1查询、大对象、内存泄漏
- frontend-developer → 重渲染、bundle大小、懒加载
4、汇总问题并按严重程度分级:
- 阻断级(安全漏洞、数据丢失风险)
- 警告级(性能隐患、可维护性问题)
- 建议级(优化空间、最佳实践)
 
# 输出
分级报告 + 修复建议 + 参考文档链接

案例 2：依赖升级风险评估

dependency-upgrade-check：

效果

将依赖评估放在升级之前，完整列出注意事项，避免升级后才发现问题。

# 触发
检测到package.json/requirements.txt/go.mod等变更时
 
# 执行逻辑
1、识别新增、升级、删除的依赖
2、对每个变更依赖:
- 用github MCP查该库的changelog和breaking changes
- 用context7查新版本的API变化
- 扫描项目代码,找出使用该依赖的位置
- 评估影响面(多少文件、是否核心路径)
3、检查依赖树冲突(peerDependencies、版本兼容性)
4、查询CVE数据库,检查已知漏洞
5、生成升级checklist
 
# 输出
## 升级风险评估
- 高风险依赖(breaking changes多、使用面广)
- 中风险依赖(小改动、局部影响)
- 低风险依赖(bugfix、无API变化)
 
## 需要人工验证的点
[列出可能出问题的代码位置]
 
## 建议升级顺序
[从低风险到高风险,逐步验证]
 
## 回滚预案
[如果升级出问题,怎么快速回退]

第二层：编排型工作流（参数化 + 链式调用）

一个技能适配多个项目，多个技能串联成流水线。

案例：生产事故应急响应

incident-response：

效果

线上故障原先依赖经验排查。提出“线上订单服务挂了”后，5 分钟内输出完整分析和 3 套止损方案。平均故障恢复时间从 45 分钟降到 12 分钟。

# 触发
用户说"线上出问题了""紧急""事故"等关键词
 
# 执行流程(自动并行+串行)
## 阶段1:快速止血(并行执行)
- 调用devops-troubleshooter → 分析日志、定位异常
- 调用performance-engineer → 检查资源使用、是否过载
- 调用database-optimizer → 检查慢查询、锁等待
 
## 阶段2:根因分析(基于阶段1结果)
- 如果是代码问题 → 调用debugger SubAgent
- 如果是配置问题 → 检查最近的配置变更
- 如果是依赖问题 → 检查上游服务状态
- 如果是资源问题 → 检查流量异常、是否被攻击
 
## 阶段3:止损方案(基于根因)
- 自动生成3个止损方案:
  1、 最快方案(回滚、降级、限流)
  2、 最稳方案(修复根因,重新发布)
  3、 临时方案(绕过问题点,保持可用)
- 对比每个方案的:恢复时间、风险、副作用
 
## 阶段4:执行确认
- 输出完整的执行命令和回滚命令
- 标注每步的预期结果和验证方式
- 等待人工确认后才执行
 
# 输出
## 事故摘要
影响范围、严重程度、开始时间、核心指标变化(错误率、延迟、可用性)
 
## 根因分析
详细分析,附日志/监控截图链接
 
## 止损方案对比
3个方案的完整对比表
 
## 执行清单
一步步操作指令,可复制执行
 
## 事后改进
如何预防类似问题再次发生

第三层：团队智能体（知识沉淀 + 自进化）

案例：技术债追踪助手

效果

每周明确 3 个技术债处理目标，结合 SonarQube 等工具，由 Skill 排定优先级并生成报告。

tech-debt-tracker：

# 名称
tech-debt-tracker
 
# 描述
每周帮助团队识别和追踪最重要的技术债
 
# 触发
用户提到"技术债""代码坏味道""重构计划"时
 
# 执行逻辑
1、集成SonarQube API,获取现有扫描结果
2、按影响面排序(修改频率高 + bug数多 = 优先级高)
3、生成本周TOP 3待还技术债清单
4、每项包含:位置、问题描述、建议方案、预估工作量
 
# 输出
Markdown周报:
- TOP 3技术债(本周建议优先处理)
- 已还技术债(上周完成的3项)
- 决策记录(为什么选这些,存入memory)

高级：版本治理 + 回滚

目标：将 Skills 作为团队资产管理，支持升级、回退和审计。

落地做法：

小范围灰度两版，比较查出率、耗时和误报率
确认无误后全量使用，发现问题立即回滚
预期效果：两周内误报率从 18% 降至 6%

team-skills/
  code-review/
    v1.0.0/Skill.md
    v1.1.0/Skill.md
    v2.0.0/Skill.md  # 当前版本

Skill 创建指南：四项检查

创建或修改 Skill 时，检查触发准确性、结构健壮性、安全可靠性和持续改进。分层与拆分方法见 SKILL.md 的定位：分层引用网络的根节点和 SKILL.md 拆分判断标准。

触发准确性：description 写清使用边界

description 包含三要素：

触发词：用户会怎样表达需求，例如“review PR”“审查代码”“检查提交”。
使用条件：适合激活的任务和上下文，例如已有指定 PR 或待提交的代码变更。
跳过条件：不应激活的相近请求，例如只解释代码审查概念，或要求直接编写功能。

用简短的能力概述说明任务边界，不只堆关键词。脚本名、命令、工具调用顺序和内部算法等实现细节放在主体或支持资源中，模型选 Skill 时无需先理解实现。

name: reviewing-code
description: >-
  审查指定 PR 或待提交代码变更中的缺陷与风险。
  当用户提出“review PR”“审查代码”“检查提交”，且存在明确的变更对象时使用。
  不用于仅解释代码审查概念或直接编写新功能的请求。

结构健壮性：每一步都有出口条件

结构健壮性要落实到四项：

三层职责分开：description 负责何时触发，SKILL.md 主体负责执行步骤，references/ 等支持资源存放详细资料，避免混写。
每一步都有出口条件：写清动作、产出，以及何时继续、停止或转入其他分支。只写“检查”“处理”“验证”，Agent 难以判断何时完成。
引用链最多一跳：SKILL.md 引用 references/A.md 后，A.md 不应再通过引用 references/B.md 来提供下一步必读内容。如果需要 B.md，应直接在 SKILL.md 中引用它。Agent 按需读取文件，不会仅因 A.md 中有链接就自动加载 B.md，因此不能依赖 SKILL.md → A.md → B.md 这样的逐层引用。
SKILL.md 主体不超过 500 行：超过就把详细说明、规则和长篇示例拆到 references/，主体只保留执行步骤、判断分支和参考文件入口。

步骤的产出和出口条件可以按下表编写：

步骤示例	预期产出	出口条件与失败处理
读取输入	输入对象与范围清单	必填信息齐全才继续；缺失时明确列出缺口，暂停依赖该信息的步骤
生成方案或草稿	可检查的方案、差异或命令	产出覆盖已确认范围才继续；有歧义时先澄清
执行操作	实际执行结果	前置检查和所需确认通过后执行；失败时报告原因，按预设重试上限处理或停止
验收交付	结果、检查证据与未完成项	满足验收标准才标记完成；未通过时进入修正分支或说明阻塞

出口条件应涵盖成功、失败、输入不足和需要用户决定的情况，防止静默跳步或无限重试。

安全可靠性：参数化、确认门与反模式

避免硬编码敏感信息和环境绑定值。Skill 主体、参考文档和配套脚本不能写入真实 token、用户 ID、账号等。凭据从环境变量或凭据管理系统读取，标识通过参数或运行时查询获取；示例使用占位符，避免泄露或跨环境误用。

为不可逆或高影响操作设置 Confirmation Gate。发布、删除、覆盖重要文件前，先完成读取、草拟和必要校验，再展示目标、具体变更或命令、影响范围及可用的回退办法，获得用户明确确认后执行。确认应针对可审阅的结果，不能只问“是否继续”。

文件写入是否需要单独确认，取决于影响和已有授权。临时文件、草稿或用户已明确要求的可回滚编辑，可按授权执行；覆盖重要内容、对外发布或超出授权范围的写入，须先经过确认门。写文件不一定不可逆，生成草稿和展示差异也不应被确认门阻断。

在 Skill 中列出明确的反模式并解释原因，例如：

不在正文、参考文件、脚本或示例中写死凭据、真实用户 ID 等，避免泄露和跨环境误用。
不把“讨论方案”“生成草稿”当作执行授权，避免未经审阅就产生实际变更。
不跳过失败步骤后宣称完成，不把工具查不到的信息补成确定事实；应报告失败和证据缺口。
不因操作失败而擅自扩大权限、范围或绕过确认门，避免扩大影响。

持续改进：对比 Eval，并解释 WHY

每次修改 Skill 后，运行 with-skill 与 without-skill 对比 Eval，检查新增规则的实际收益：

固定任务、输入、模型、工具权限和评分标准，分别运行启用与不启用该 Skill 的两组测试。
单独测试触发：覆盖应该触发、不应触发及容易混淆的边界请求，检查误触发和漏触发。
比较任务通过率、输出质量、越权或漏步骤情况、耗时和 token 成本，保留输入、输出和检查证据。
修改后重跑同一组用例，并补充新发现的边界案例。改进已有 Skill 时，可增加旧版本对照，检查是否退化。

with-skill 与 without-skill 检验 Skill 相对模型原有能力的增益；新旧版本对照检验本次修改的效果。一次成功演示不能替代对比评估。

WHY 优先于堆叠 ALWAYS / NEVER：说明规则要解决的问题、适用条件和例外，帮助 Agent 判断边界。例如，“覆盖文件前先展示差异，因为未审阅的覆盖可能丢失用户已有内容”，比“永远先确认”更清楚。安全边界仍须明确，并结合原因说明和反模式清单约束行为。

对比评估和解释规则原因的做法可参见 Anthropic 官方 skill-creator。

Skill 质量治理：7 类失效模式与 Skill Craft

来源：我做了一个 Claude Skill 质检工具工具：3stoneBrother/skill-craft

问题：写出来 ≠ 用得稳

LLM 可能只把文本规则当作参考。常见问题是：Demo 阶段表现好，真实任务却出问题；对话变长后行为偏移；Skill 增多后触发边界模糊。

7 类系统性失效模式

#	失效模式	表现
1	约束衰减	对话前 5 轮严格执行规则，第 10 轮就变味，“越聊越跑偏”
2	工具选择漂移	指定工具超时后，自行切换到替代方案，再也不回来
3	输出膨胀	要一段简明结论，回你一篇论文；快速消耗上下文，加速约束衰减
4	依赖链断裂	Step 1 找到 29 个对象，Step 3 只处理了 20 个，9 个无声蒸发
5	并行孤岛	子 Agent 各自产出互相矛盾的结论，主 Agent 照单全收不做去重
6	触发模糊	用户随口问”方案怎么样”，Skill 误判为”请执行完整流程”
7	幻觉填充	工具没查到结果，不说”没查到”，而是凭记忆”补一个像样的答案”

连锁触发

这些模式会相互放大：输出膨胀 → 上下文被占满 → 约束衰减 → 工具漂移、步骤跳过和幻觉填充。

Skill Craft 质检工具

Skill Craft 是 Claude Skill 质量工程工具，覆盖完整生命周期：

模式	作用
`check`	评估单个 Skill 的质量（3 层评估体系打分）
`fix`	基于审计结果修复 Skill，并做回归验证（修完重新评估，确认分数提升）
`create`	从零生成结构完整、自带 smoke check 的新 Skill
`audit`	系统层面审计多个 Skill 的路由边界、职责分工、一致性

3 层评估体系：

8 个结构模块：触发条件（触发/不触发/歧义处理）、行为准则、工具优先级、输出约束、流程 Checkpoint、依赖链、子 Agent 委派规则、幻觉防护
7 类反模式风险：检查结构能否防住对应的失效模式
3 条完整性原则：
- 可计数验收：将“逐个处理”改为“处理数必须等于总数”
- Checkpoint 阻断：每步提供中间输出，防止跳到最后
- 失败路径定义：必须定义 else 分支，未定义时模型会默认跳过

fix 模式的关键：修复后检查引用方、对称方、消费方、同层结构这 4 类关联，确保相关位置同步更新，避免只修一处而遗漏其他位置。

安装与使用：

# 放入 Skills 目录
cp -r skill-craft ~/.claude/skills/
 
# 直接对话触发
评估 /path/to/my-skill

三、Slash Commands（斜杠命令）

斜杠命令将标准化工作流封装为手动触发的快捷方式，保存在 .claude/commands/ 目录。

本质：纯 Markdown 定义的多步骤流程，输入 /命令名 手动触发
API 注入：作为用户消息扩展，区别于 Skills 的系统提示注入

命令内部可以：

调用 Skills 自动化检查
编排 SubAgents 并行工作
执行 MCP 工具链
串联 Git 操作

Skills vs Slash Commands

对比项	Skills	Slash Commands
触发方式	自动（匹配用户意图）	手动（`/命令名`）
注入方式	作为 system prompt	作为 user message
适用场景	通用能力（代码审查、文档生成）	固定流程（发版、回滚、入职）
存放位置	`.claude/skills/`	`.claude/commands/`

入门：/powerup 交互式引导

输入 /powerup 启动官方交互式功能发现课程，逐项体验 Shift+Tab 权限切换、/goal 自主执行、/branch 并行分支等功能，建议新用户运行一次。

内置斜杠命令速查

上下文管理

命令	作用	使用技巧
`/context`	显示彩色网格展示上下文使用状况	每完成一轮大改动后看一眼，决定是继续还是先压缩
`/compact`	压缩对话历史，释放上下文空间	可带指令：`/compact 丢掉debug信息，但保留迁移方案的讨论`
`/clear`	清空对话重新开始（保留 CLAUDE.md 配置）	完成一个完整模块或对话方向需要大调整时使用

使用策略：修 bug 或小改动时用 /compact 压缩上下文；完成一个模块或大幅调整方向时，用 /clear 重启。

会话管理

命令	作用	使用技巧
`/resume`	恢复之前保存的会话	可按名称恢复：`/resume auth-refactor`
`/rename`	给当前会话命名	开始新任务时先命名，恢复时一目了然
`/branch`	从当前对话状态创建并行分支	两个方案都想试时，各开一个分支互不干扰，把”试错成本”降到零
`/rewind`	回滚到对话中更早的某个点（别名 `/undo`）	Agent 改了不该改的文件时，比手动 `git checkout` 高效
`/recap`	触发一行会话摘要	中断后回来看一眼”之前在做什么”

模型与推理控制

命令	作用	使用技巧
`/model`	在 Sonnet/Opus/Haiku 之间切换	日常编码 Sonnet 够用，复杂架构设计切 Opus，批量改名用 Haiku
`/effort`	设置推理深度（low → max 五级）	low 适合简单查询，high/max 适合并发 bug 分析。仅当前会话生效
`/fast`	Opus 专属加速模式（最高 2.5 倍）	赶进度时开，达到速率限制自动降速

代码审查

命令	作用	使用技巧
`/code-review`	审查当前 diff 的正确性问题	`--comment` 发到 PR 评论；`--fix` 直接修复；力度分 low/medium/high/max
`/diff`	交互式 diff 查看器	比终端 `git diff` 可读性强，尤其多文件改动时
`/simplify`	专注代码清理（复用/简化/优化）	不查 bug 只管整洁度，与 `/code-review` 搭配：先查正确性，再清理质量

自主模式

命令	作用	使用技巧
`/plan`	进入计划模式，先研究再动手	对任务拆解没把握，或团队需先对方案达成共识时使用
`/goal`	设定完成条件，Agent 自主工作直到条件满足	把 Claude Code 从”对话助手”升级为”自主 Agent”，实时显示时间/轮次/token
`/batch`	大规模多文件变更，使用隔离 worktree	50 个文件统一加 license header、批量 API 版本迁移
`/loop`	按固定间隔重复运行任务	`/loop 2m 检查最新issue并自动回复`

快捷键

权限与模式切换

快捷键	作用
Shift+Tab	在权限模式间循环切换（default → acceptEdits → plan → auto）
Option+T (macOS) / Alt+T	切换 Extended Thinking 开关
Ctrl+B	把正在运行的命令/Agent 放到后台（测试在跑时继续聊别的）

搜索与编辑

快捷键	作用
Ctrl+R	反向搜索命令历史（Ctrl+S 切换搜索范围：当前会话/项目/全部）
Ctrl+U	清除整个输入缓冲区
Ctrl+Y	恢复 Ctrl+U 清除的内容
Ctrl+G	在外部编辑器中打开当前计划
Ctrl+L	强制全屏重绘并清除输入

三个隐藏关键词

这三个特殊关键词直接嵌入正常对话，无需使用斜杠命令：

关键词	效果	适用场景
ultrathink	深度推理模式，无视当前 effort 设置	debug 多轮找不到根因、架构设计拿不准、并发竞态条件分析
ultracode	触发 Workflow 运行，启动多个子 Agent 并行工作	大规模扫描任务（如全项目 API 安全漏洞审查）
ultraplan	规划任务交给云端 Claude Code on the web 处理	复杂规划任务，本地终端保持空闲继续做其他事

用法：直接写入提示，无需额外语法，例如 ultrathink 分析这段代码的并发问题。

日常高频五件套

先熟悉这五项：/compact 管理上下文，/resume 恢复会话，/code-review 检查代码质量，Shift+Tab 切换权限，ultrathink 调整推理深度；其他功能按需查阅。

资源	定位	地址
learn.shareai.run	源码逆向工程拆解 Claude Code 内部架构（20 章，五层架构）	https://learn.shareai.run/zh/
claude.nagdy.me	实用速查手册（命令/CLI 标志/权限模式/环境变量）	https://claude.nagdy.me/learn/slash-commands/

自定义斜杠命令

除内置命令外，还可在 .claude/commands/ 目录定义团队工作流，通过一条命令触发。

典型场景

/release — 完整发版流程（测试 → 构建 → 打 tag → 发布 → 通知）
/security-check — 安全扫描（依赖漏洞 + 代码审计 + 配置检查）
/perf-audit — 性能审计（包体积 + 加载时间 + 运行时分析）
/refactor-plan — 重构规划（架构分析 + 影响评估 + 迁移方案）
/onboard — 新人入职（克隆仓库 + 环境配置 + 文档导览）
/rollback — 紧急回滚

使用示例

示例 1：版本发布

定义命令：创建文件 .claude/commands/release.md

# 版本发布流程
 
1、拉最新代码确认版本号
2、触发Skills检查:代码审查、完整测试、资源检查
3、生成changelog
4、预发布测试
5、人工确认
6、正式发布
7、发通知

使用：直接输入 /release

效果：团队按统一流程发布，不遗漏步骤。版本发布出错率从 15% 降到 0。

示例 2：带确认步骤的发版

在 .claude/commands/ 目录下创建 release.md：

# 版本发布流程
你是发布助手,帮助用户安全发布版本。
 
## 执行步骤
1、确认当前Git分支是main
2、拉取最新代码(git pull)
3、触发Skills:
- pre-commit-check(代码质量)
- test-coverage-check(测试覆盖率>80%)
4、询问版本号(major.minor.patch)
5、生成changelog(基于Git commit)
...
 
## 每步都需要用户确认
不要自动执行,每步输出命令,等用户确认。

验证：输入 /release，检查是否触发完整流程。

四、Plugin（插件）

Plugin（插件）是应用级容器，用于打包其他四个工具。

一个 Plugin 可以包含：

组成	数量上限
Skills	5
Slash Commands	10
MCP 服务器	3
SubAgents	2
Hooks	若干

适合场景

打包团队标准工具、分享工作流，一键安装完整套件
临时试用某项功能

缺点

安装过多会卡顿，大部分功能也重复。

建议

个人使用全局配置，团队通过 Plugins 分发。数量不超过 3 个，按需安装。

Skill/Plugin 推荐

官方 Skills仓库：

anthropics/skills

开源 Skills 仓库：

模块化 Skill 合集，涵盖文档处理、开发、数据分析、营销和创意写作：ComposioHQ/awesome-claude-skills、BehiSecc/awesome-claude-skills
传统 Claude Code Skill 需要手动记忆和调用；这个项目通过钩子分析输入提示或文件操作的上下文，自动触发并推荐相关技能：claude-code-infrastructure-showcase
按高级工程师标准约束 Claude 工作流程的 Skills 套件，详见下方 obra/superpowers 章节

用 Skill 创建 Skill

Anthropic 官方提供了用于创建 Skill 的 skill-creator。让 Claude Code 根据现有草稿，调用 skill-creator 创建名为 xxx 的完整 skill。创建或迭代时，对照 Skill 创建指南：四项检查检查触发、结构、安全与 Eval。

Obsidian Skill

仓库地址

kepano/obsidian-skills

obsidian-skills 为 Claude Code 提供 Obsidian 支持，包含三个核心 Skill：

obsidian-markdown：编写 Markdown，支持 Obsidian 各种专有格式
obsidian-bases：创建 .base 数据库视图，支持过滤、公式和汇总
json-canvas：创建 .canvas 无限画布，支持节点、连线和分组

安装：

/plugin marketplace add kepano/obsidian-skills
/plugin install obsidian@obsidian-skills

Excalidraw 手绘架构图Skill

地址

GitHub：github/awesome-copilot - excalidraw-diagram-generator

Skills 市场：skills.sh | skillsmp.com

用一句自然语言生成可编辑的 Excalidraw 手绘图，支持流程图、架构图、思维导图、时序图、ER 图、泳道图、类图、数据流图等 9 种类型。

安装：

npx skills add https://github.com/github/awesome-copilot --skill excalidraw-diagram-generator

工作原理：分析需求 → 提取节点和关系 → 匹配 8 个内置模板之一 → 生成符合 Excalidraw 规范的 JSON → 输出 .excalidraw 文件（安装 VS Code 的 Excalidraw 扩展后即可打开编辑）。

用法：向 Claude 提出 生成一个用户登录流程图，即可自动调用该 Skill，生成 .excalidraw 文件。

Note

图表质量取决于模型能力，建议使用较强的模型。支持 Claude Code 和 OpenClaw。

obra/superpowers

仓库

obra/superpowers — 按高级工程师标准约束 AI 工作流程的 Skills 套件

Superpowers 用结构化流程约束 AI 编程。安装后，Claude 按以下顺序工作：收到需求 → 头脑风暴 → 制定计划 → TDD 写测试 → 编码并通过测试 → 代码审查 → 验证完成。

强制工作流（每个阶段必须完成才能进入下一个）：

Brainstorming — 先完成头脑风暴和设计方案，获批后才能写代码
Git Worktrees — 在独立分支上创建隔离工作区
Writing Plans — 将设计拆为细粒度任务，供零上下文的执行者使用
Subagent-Driven Development — 子智能体隔离执行，双阶段审查（规格合规 + 代码质量）
Test-Driven Development — 强制 RED → GREEN → REFACTOR 循环
Code Review — 提交前对照计划自查
Finishing Branch — 验证测试通过，决定合并或 PR

Skills 全表：

分类	Skill	作用
测试	test-driven-development	强制 TDD RED-GREEN-REFACTOR
测试	writing-skills	用 TDD 方式编写新 Skill 文档
调试	systematic-debugging	4 阶段根因分析（定位/追踪/防御/条件等待）
调试	verification-before-completion	修复后必须彻底验证才能标记完成
协作	brainstorming	想法 → 设计文档，设有 hard-gate 禁止跳过
协作	writing-plans	输出零上下文可执行的详细任务计划
协作	executing-plans	分批执行计划（无子智能体平台的降级方案）
协作	subagent-driven-development	子智能体隔离开发 + 双阶段审查
协作	dispatching-parallel-agents	多子智能体并行工作流管理
协作	requesting-code-review	提交前自查清单
协作	receiving-code-review	响应审查反馈的规范流程
协作	using-git-worktrees	Git worktree 并行开发
协作	finishing-a-development-branch	分支完成验证与合并/PR 决策
思维	collision-zone-thinking	跨领域概念碰撞产生洞见
思维	inversion-exercise	反转假设发现隐藏约束
思维	meta-pattern-recognition	识别跨领域通用模式
思维	scale-game	极端条件测试暴露本质问题
思维	simplification-cascades	寻找能消除多个组件的简化洞见
思维	when-stuck	卡住时分派到合适的思维技巧
研究	tracing-knowledge-lineages	追溯想法的演进脉络
架构	preserving-productive-tensions	维持多种有效方案，避免过早收敛
元技能	using-superpowers	1% 规则：有丝毫可能就必须调用对应 Skill

安装：

# Claude Code 官方市场
/plugin install superpowers@claude-plugins-official
 
# 或通过 Plugin Marketplace
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

Note

跨平台支持：除 Claude Code 外还支持 Cursor、Codex、OpenCode、GitHub Copilot CLI、Gemini CLI。

andrej-karpathy-skills

仓库

forrestchang/andrej-karpathy-skills — 仅 2.3K 的 CLAUDE.md 文件，GitHub 全球热榜，46.5K 星。

这个项目将 Andrej Karpathy 观察到的 LLM 编程三大问题归纳为 4 条行为准则，写入 CLAUDE.md，约束 Claude Code 的行为。

LLM 编码三大痛点：

默默做错误假设：遇到不确定的信息时自行猜测，继续编码并引入 bug
把简单问题复杂化：50 行能解决的问题，写成 200 行抽象 API
乱改不相干的代码：修一个函数时，顺手删除相邻注释或调整格式

四条核心原则：

原则	要点
Think Before Coding	不确定就问，不要闷头猜。主动说”这里我假设了 X，你确认吗”
Simplicity First	不加没人要求的功能，不为只用一次的代码建抽象，200 行能写成 50 行就重写
Surgical Changes	只动必须改的地方，不”顺便优化”相邻代码，不重构没坏的东西
Goal-Driven Execution	给目标而非命令。“添加验证” → “为无效输入写测试，然后让它们通过”

效果判断标准：

PR diff 没有无关的格式改动
首次提交的代码已足够简单，无需返工
Claude 动手前先问问题
PR 不夹带无关重构

安装：

# 方式一：Plugin 安装（注册为按需 Skill，不自动生效）
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
 
# 方式二：全局生效（写入用户级 CLAUDE.md，所有项目自动加载）— 推荐
curl -s https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md > ~/.claude/CLAUDE.md
 
# 方式三：单个项目生效（下载到项目根目录）
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
 
# 方式四：追加到已有项目 CLAUDE.md
echo "" >> CLAUDE.md
curl -s https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md >> CLAUDE.md

Plugin 安装 ≠ 自动生效

实测发现：方式一（Plugin）只将 Karpathy 准则注册到可用 Skill 列表，不会自动注入 system prompt；只有显式调用 /karpathy-guidelines 才加载，日常编码不会自动受其约束。

要让准则始终生效，必须写入 CLAUDE.md。 CLAUDE.md 分两级：

用户级 ~/.claude/CLAUDE.md：全局生效，所有项目自动加载（推荐方式二）

项目级 项目根目录 CLAUDE.md：仅对当前项目生效（方式三/四）

CLAUDE.md 在每次会话启动时自动作为 system prompt 加载，使 4 条准则约束 Claude 的所有行为。

Skills 可用不代表始终激活，CLAUDE.md 则始终激活。对行为准则约束，CLAUDE.md 是唯一可靠的注入方式。

davila7/claude-code-templates

仓库

davila7/claude-code-templates — 500+ 组件的 Claude Code 模板市场，Web 界面：aitmpl.com

CLI 工具和组件市场，提供 Agents、Commands、MCPs、Settings、Hooks、Skills、Templates 七类组件，可按需安装到项目。

内置 Plugin 套件：

Plugin	用途	包含组件
git-workflow	Git 工作流自动化	feature/release/hotfix 命令 + git-flow-manager Agent
supabase-toolkit	Supabase 全流程	备份/迁移/性能优化命令 + data-engineer Agent + PostgreSQL/MySQL MCP
nextjs-vercel-pro	Next.js + Vercel 开发	脚手架/组件生成/部署优化命令 + fullstack-developer Agent + Vercel MCP
testing-suite	测试自动化	E2E/单元/集成/视觉测试
documentation-toolkit	文档生成	API 文档/用户指南/Changelog + technical-writer Agent
performance-optimizer	性能优化	Bundle 分析/缓存/图片优化/懒加载命令
project-management-suite	项目管理	Sprint 规划/任务拆解/站会/复盘命令

项目模板：Common（通用）、JavaScript/TypeScript（React/Vue/Angular/Node.js）、Python（Django/Flask/FastAPI）、Ruby。

安装：

# 交互式浏览安装
npx claude-code-templates@latest
 
# 安装单个组件
npx claude-code-templates@latest --agent development-team/frontend-developer --yes
npx claude-code-templates@latest --command testing/generate-tests --yes
 
# Plugin 方式安装
/plugin marketplace add https://github.com/davila7/claude-code-templates
/plugin install plugin-name@claude-code-templates
 
# 安装项目模板
npx claude-code-templates@latest --template=react --yes

附带工具：--analytics 实时监控开发会话、--chats 移动端查看对话、--health-check 环境诊断、--plugins 插件管理面板。

shanraisshan/claude-code-best-practice

仓库

shanraisshan/claude-code-best-practice — Claude Code 生产级最佳实践参考实现

这是一套从 Vibe Coding 到 Agentic Engineering 的完整进阶指南，通过 TodoApp 示例演示如何组合 Claude Code 的全部扩展机制，构建生产级工作流。

4 级进阶路径：Low → Medium → High → Pro，逐级引入 Claude Code 配置。

核心架构模式：Command → Agent → Skill 三层编排

层级	目录	作用
Commands	`.claude/commands/`	斜杠命令编排工作流入口
Agents	`.claude/agents/`	约束工具集 + 预加载 Skills 的专业子智能体
Skills	`.claude/skills/`	YAML frontmatter 定义的可复用领域知识包
Rules	`.claude/rules/*.md`	路径匹配的自动生效编码规范
Hooks	`.claude/hooks/`	事件驱动脚本（如提交前通知）

进阶工作流：

RPI（Research-Plan-Implement）：复杂任务的三阶段多智能体协作流程
Cross-Model Development：跨模型协作（规划 / QA / 实现 / 验证分别用不同模型）
Phase-Gated Development：/plan 先只读探索设计，再进入编码阶段

亮点：

5 级配置优先级体系（全局 → 项目 → 本地覆盖）
Agent 的 MEMORY.md 持久化学习机制
附带交互式幻灯片演示（presentation/index.html）
包含 Claude Agent SDK 与 CLI 系统提示词的对比分析报告

OthmanAdi/planning-with-files

仓库

OthmanAdi/planning-with-files — 21.4K Star，MIT 协议，支持 17+ AI 平台

Planning with Files 将计划、进度和错误记录写入本地 Markdown 文件，解决任务偏移、遗忘目标、上下文清空后重做和重复犯错等问题。它结合文件化规划、外置记忆与错误自动记录。

3 个核心文件：

文件	用途
`task_plan.md`	任务计划与进度——分阶段任务列表，打勾推进
`findings.md`	资料、研究、结论——项目过程中的发现和决策记录
`progress.md`	过程记录、测试、日志——错误记录和执行日志

核心价值：

将文件作为记忆，关闭软件、清空上下文或重启电脑后仍会保留
先规划，再自动分阶段推进
自动记录错误，AI 下次会避开，绝不重复犯错
清屏或重启后自动读取文件，恢复进度
每一步对照计划，确保不偏离目标
任务成功率从 6.7% → 96.7%

安装：

npx skills add OthmanAdi/planning-with-files --skill planning-with-files -g

输入 /plan 启动规划模式，AI 自动生成 3 个核心文件并按计划执行。

支持平台

Claude Code / Cursor / GitHub Copilot / Gemini / Hermes / Codex / OpenCode 等 17+ 平台。

wshobson/agents

最大的 Claude Code Plugin Marketplace，详见多智能体协作 — 开源 Agents 推荐。

/plugin marketplace add wshobson/agents
/plugin install <plugin-name>@claude-code-workflows

去AI味 skills

英文版： https://github.com/blader/humanizer/tree/main 中文版： https://github.com/op7418/Humanizer-zh

浏览主题

Claude Code 扩展体系

Claude Code 扩展体系

一、MCP（Model Context Protocol）

常用 MCP 服务器

context7

atlassian

bitbucket

sequential-thinking

memory

playwright

filesystem

github

exa

deepwiki

drawio

datadog

更多 MCP

配置文件一键添加 MCP

MCP 常用应用组合

二、Skills（技能）

解决痛点

痛点 1：重复劳动

痛点 2：团队协作混乱

痛点 3：知识无法沉淀

渐进式披露机制（Progressive Disclosure）

官方三层加载机制

SKILL.md 的定位：分层引用网络的根节点

SKILL.md 拆分判断标准

好引用 vs 坏引用

实战演进案例

组成结构

安装

Skills 实战案例

第一层：工程化单点突破（把说明书变技能包）

简单测试：Pre-commit Review

案例 1：智能代码审查

案例 2：依赖升级风险评估

第二层：编排型工作流（参数化 + 链式调用）

案例：生产事故应急响应

第三层：团队智能体（知识沉淀 + 自进化）

案例：技术债追踪助手

高级：版本治理 + 回滚

Skill 创建指南：四项检查

触发准确性：description 写清使用边界

结构健壮性：每一步都有出口条件

安全可靠性：参数化、确认门与反模式

持续改进：对比 Eval，并解释 WHY

Skill 质量治理：7 类失效模式与 Skill Craft

问题：写出来 ≠ 用得稳

7 类系统性失效模式

Skill Craft 质检工具

三、Slash Commands（斜杠命令）

Skills vs Slash Commands

入门：/powerup 交互式引导

内置斜杠命令速查

上下文管理

会话管理

模型与推理控制

代码审查

自主模式

快捷键

权限与模式切换

搜索与编辑

三个隐藏关键词

推荐资源

自定义斜杠命令

典型场景

使用示例

示例 1：版本发布

示例 2：带确认步骤的发版

四、Plugin（插件）

适合场景

缺点

Skill/Plugin 推荐

官方 Skills仓库：

开源 Skills 仓库：

用 Skill 创建 Skill

Obsidian Skill

Excalidraw 手绘架构图Skill