Claude Code 不只是一个命令行编程助手,更像一套面向复杂任务的 Agent Runtime。这里从启动链路、REPL 控制面、Query Loop、工具运行时、权限系统、多 Agent 任务系统和 MCP 扩展层拆解它的架构设计。
AI 辅助编码容易卡在上下文缺失、流程断点和文档失同步。围绕 OpenSpec、CodeBuddy、MCP、知识库和 Skills,可以把需求分析、设计、编码、验证、归档串成一条可审查的工程流水线,让 AI 负责执行,人负责决策、审批和质量门禁。
Agent Skills 用文件夹封装提示词、脚本、模板和参考资料,让 AI Agent 能按标准流程完成垂直任务。内容讲清 Skills 的结构、渐进式披露机制、与 Prompt 和 MCP 的关系,并用 Git 提交记录生成双周周报作为实践示例。
Claude Code 是一个运行在命令行里的 AI 编程 Agent。围绕它的架构,可以学习生产级 Agent 如何处理启动初始化、流式工具执行、分层权限、上下文压缩、MCP 集成、Skill 扩展和多 Agent 协作。
Agentic Engineering 不是简单让 AI 写代码,而是把上下文、知识、工具、质量门禁和团队协作工程化。围绕 AGENTS.md、context、Skill、Subagent、MCP 和多 Agent 代码审查,系统讲解一套可落地的 AI 研发体系如何搭建。
AI 编码真正难点不只是模型能力,而是上下文失控和需求意图模糊。围绕 Claude Code 的代理执行能力与 OpenSpec 的规格驱动流程,可以构建一套可验证、可沉淀、适合团队协作的 AI 编码工作流。
AI Coding 真正的瓶颈不只是生成代码,而是测试、验证、排障、交付等非编码流程。围绕 Harness Engineering,系统讲清大模型推理限制、上下文治理、工具设计、多智能体协作和端到端闭环交付的方法。
PUAClaw 和 pua 都把“压力型提示词”做成了可复用的开源方案。前者更像提示词心理话术分类库,后者更像面向 AI Agent 的调试 Skill,核心价值不是情绪刺激本身,而是用角色约束、检查清单和复盘机制让模型停止空转。
Spec Coding 通过先写规格、再写代码,把 AI 编程从即时问答变成可审计、可约束的工程流程。围绕 Claude Code 的真实前端项目实践,拆解规格工作流、规范体系、MCP 接入方式,以及 AI 编程的能力边界。