Claude Code實戰：Harness工程之道

說實話剛翻開《Claude Code實戰》的時候我看得懵懵的，一堆工程化概念砸過來，總覺得這是給資深開發者、技術團隊看的書，我就是好奇打開的，好像用不上這麼複雜的東西。 慢慢啃下來纔有點開竅的感覺——以前我印象裏Claude Code就是個更會寫代碼的聊天工具。 反正我用DeepSeek每次開新對話都要重說一遍我是誰它是誰要讓它幹啥，改個需求還要從頭鋪墊半天，時靈時不靈的，還總怪模型不夠聰明。慢慢就不愛用了。 看這書才知道根本就是我不會用而已。 書裏把Skills、子智能體、Hooks這些組件拆得明明白白，雖然具體的配置細節我還沒完全摸透，而且我暫時也用不上，但核心邏輯一下就通了：就像搭積木，把重複的工作流程、固定的項目規則、需要把關的環節都拆成獨立的模塊，不用每次都跟AI碎碎念。 這種就是更智能一點的智能體用法吧？常用的操作做成技能，它自己就會按流程走；怕出錯的地方用鉤子攔住，不用每次都提心吊膽；複雜任務拆給子智能體分頭幹，還不佔主對話的上下文。 雖然到現在還有不少技術細節一知半解，但整個思路是徹底打開了。原來用AI提效從來不是比誰提示詞寫得更花哨，是搭一套可複用、能沉澱的體系。 慢慢摸索着把自己常用的流程、規則都攢成模塊，AI才能從“一問一答的工具”，變成真的能搭把手幹活的搭檔，這纔是AI編程真正的打開方式吧。我其實一直想要AI幫我編個程，等我研究研究。

本書系統講解了Claude Code的完整技術棧與工程化實踐。適合具備一定編程基礎，希望將 Claude Code 引入日常開發與團隊流程的開發者和想了解 AI Agent 工程化落地方法的全棧工程師與技術團隊負責人閱讀。

1. CLAUDE.md 的「刪減測試」（最反直覺，也最有用） 作者明確反對「規則越寫越長」：「如果刪去某條規則後，Claude 依然能做出正確的行爲，那麼這條規則不該出現在 CLAUDE.md 中。」再配合「Not For 排除範圍」（寫清楚不覆蓋什麼、禁止做什麼）和「具體性優先」（矛盾時具體規則覆蓋通用規則）。這三條直接治好了我 CLAUDE.md 越寫越爛的毛病。 2. Skill 是路由器，不是倉庫 「SKILL.md 正文：是路由器，不是倉庫。」Skill 的本質是知識的按需投放——常駐上下文裏只放 description 這一個「唯一觸發信號」，低頻知識引而不發。超過約 500 行就該拆分或下沉。一句話：別把 SKILL.md 當垃圾桶。 3. 子智能體的核心是「上下文隔離」 「子智能體旨在解決一個更深層次的瓶頸：上下文窗口的有限性。」關鍵是它擁有獨立上下文，絕不回流主對話。最有價值的是對抗性設計：讓一個子智能體當「魔鬼代言人」挑另一個方案的刺，專治思維盲點。 4. Hooks 把紀律變成不可繞過的制度 「在特定事件發生時，自動執行預設邏輯」——把個人經驗沉澱爲組織規範。關鍵認知是事件的「能否阻止」：PreToolUse 能阻斷危險操作（比如 rm -rf），PostToolUse 只能事後反饋，Stop 做完成前門控。作者一句忠告：能用確定性腳本就別調模型。 5. 最小權限 + 具體性優先貫穿全棧 從 CLAUDE.md 的 Not For，到 Skill 的 allowed-tools，再到 Hook 的攔截邊界，作者反覆強調同一件事：先定義禁區，再談能力。

黃佳這本書講透了Claude Code的整套工程架構，從記憶模塊到團隊CI/CD落地都有實操案例，點透了配套工程體系纔是拉開效率的關鍵，個人記憶規整到團隊流水線落地，讓我這種新手也能避開不少踩坑誤區。

1. 本書一共10章，把Claude Code分爲四層：記憶層、擴展層（command、skill、hooks、subagent）、集成層（Headless、MCP）和編程層（Agent SDK），最後講述了plugin和工程化，個人以爲plugin也可以歸類到集成層，Agent SDK也可以歸類到工程化； 2. 本書技術細節豐富，比如CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC總開關、MAX_MCP_OUTPUT_TOKENS調整MCP輸出上限、strict-mcp-config限制MCP工具、權限規則的評估順序deny→ask→allow等，有助於全面熟悉Claude Code，也有助於拓寬遇到問題時的解決思路； 3. 作者在最後提出工程化的要義：“讓強大卻充滿不確定性的工具，在秩序井然的系統中可靠地創造價值。”正如發動機本身也是強大卻不確定，但在汽車各軟件、硬件系統的控制下，使得發動機穩定可靠的驅動汽車行駛在世界各地。LLM是智力發動機，Harness是汽車底盤，LLM聯合Harness蘊藏着澎湃動力。

黃佳這本《Claude Code實戰：Harness工程之道》今年五月剛出，人民郵電的。作者筆名"咖哥"，之前寫過《Agent設計模式》《動手做AI Agent》，這本是他把Agent理論往Claude Code工程化落地的作品。294頁，不算厚，但密度不低。 先說清楚這本書在講什麼。很多人對Claude Code的認知停在"更聰明的代碼補全"或者"終端裏的Copilot"，這本書上來就把這個認知掀了——它說Claude Code不是工具，是Agentic Harness，是裹在LLM外面那套運行時基礎設施，管工具調度、上下文工程、安全執行、狀態持久化這些事。Harness這個詞原意是馬具，書裏和李宏毅2026春季課裏講的那個"Harness Engineering"是同一個源頭：千里馬（模型）力氣再大，不配馬具也白搭，力氣傳不出來還容易失控。 李宏毅那邊把這幾年的演進分成三代：第一代Prompt Engineering，在prompt上雕花；第二代Context Engineering，管上下文喂什麼；第三代Harness Engineering，給模型搭整套操作系統——控制認知框架、控制能力邊界、控制行爲流程。這本書站的就是第三代的位置。書裏有個判斷我很認同：同一模型在不同Harness下的表現差異，遠超不同模型在同一Harness下的差距。TerminalBench上驗證過，光優化Harness就能讓模型代碼能力衝進Top5。這話翻譯過來就是——別急着追Opus，先把你那副馬具配好。 下面按書的"認識→掌握→駕馭"三段走，每章拎一下核心價值觀。 ------ 第一段：認識全貌（第1-2章） 第1章 登高望遠：Claude Code技術架構全景 四層架構是這章的骨架。記憶層（CLAUDE.md）、擴展層（Skills/Hooks/MCP/子智能體）、集成層（連外部世界）、編程層（Agent SDK）。很多人用Claude Code只發揮了10%效能，原因就是隻摸到第一層和第三層的一點邊，擴展層那四大件基本沒碰。這章最值錢的是把Agentic Loop講透了——模型不是發一問答一問就完事，它是個持續的執行循環，輸入治理、工具調度、恢復分支、停止條件，這套心跳纔是Agent。 第2章 溫故知新：記憶系統工程實踐 AI編程第一大痛點是失憶。每次新會話模型面對的是乾淨上下文，上次聊的架構決策、技術棧、修過的bug全沒了。這章給了個五層記憶體系，核心是CLAUDE.md的寫作範式。這裏有個容易踩的坑得提：很多人把CLAUDE.md當項目文檔寫，兩百行架構介紹、API清單、數據庫設計往上堆，然後奇怪Claude爲什麼經常無視規則。書裏點得很直白——CLAUDE.md的本質是規則層，不是文檔層。OpenAI那邊AGENTS.md的實踐也印證了：太大的規則文件反而起反效果，"所有事都重要"等於"沒重要的事"。解法叫漸進式揭露，CLAUDE.md當目錄，100行左右，具體知識放結構化docs裏，需要的時候再展開。 ------ 第二段：掌握核心（第3-6章，擴展層四大件） 第3章 授人以漁：Skills工程實踐 Skills相當於給Claude配專業技能包。這章有幾個很實的洞察。一是SKILL.md是路由器不是倉庫——500行法則，超過就拆。二是description是Skills的靈魂，有個"預算機制"，description寫不好觸發就亂，要麼過觸發要麼欠觸發。三是參考型Skill和任務型Skill是兩種哲學，前者給知識後者給流程。四是allowed-tools做權限約束，知識得綁着行動邊界纔有意義。最後落到Skills的四種設計模式，從軟件工程視角看這塊，不是在寫prompt而是在設計可複用組件。 第4章 分而治之：子智能體與任務委派的藝術 上下文窗口是有天花板的，大任務塞不進去怎麼辦？拆給子智能體。這章給五種模式：只讀型（安全觀察者）、執行型（高噪聲任務處理器）、並行型（多專家工作流）、流水線型（串行處理鏈）、團隊型（自組織協作）。只讀型和執行型的區分很關鍵——前者不動代碼只調研，後者會改東西，權限和噪聲級別完全不同。Token經濟學這節也得看，子智能體不是免費拆，每次fork都燒token，得算ROI。這章結尾那句"多代理的真正價值不是更快，而是把不確定性分區"——意思是並行帶來的最大好處是職責邊界清楚了，驗證可以獨立，這比提速更重要。 第5章 防微杜漸：Hooks事件驅動自動化 Hooks是Claude擴展體系裏最"工程"的一塊，17個事件貫穿會話級、工具調用級、子智能體級、完成級。三種處理器類型構成一個確定性階梯：command（確定規則）→ prompt（單次LLM評估）→ agent（多輪子智能體驗證），越往後越貴越聰明。這章兩個實戰方向值得記：一個是安全防護（PreToolUse攔危險命令、攔敏感文件，PostToolUse全量審計），一個是代碼質量自動化（PostToolUse自動格式化、Lint反饋循環、Stop Hook測試門控）。Hooks的精髓是"在關鍵節點設 checkpoint"，讓AI在沒失控之前就被攔住。有個坑書裏也提了：Stop Hook別塞太多token進去，比如整份測試報告，容易觸發prompt-too-long，而prompt-too-long的恢復機制會跳過Stop Hook，死循環。 第6章 海納百川：MCP MCP這節講的是從M×N到M+N的標準化力量——N個Agent和M個數據源之間本來要寫M×N個適配器，有了MCP就只要M+N。架構是客戶端-服務器加JSON-RPC，傳輸三種形態，配置從CLI到.mcp.json分層。實戰兩塊：連數據庫、搭自定義MCP服務器。這章有個比喻我喜歡：MCP是廚房，Skills是菜譜。廚房通了（能取料），菜譜才能用（能炒菜）。安全那段三層縱深（認證授權、數據保護、訪問控制）是企業落地的必看項。 ------ 第三段：駕馭工程（第7-10章） 第7章 無爲而治：Headless模式與CI/CD集成 這章是從"人機交互"切到"無人值守"的躍遷。Headless模式下Claude Code不喊你確認，按預設規則跑完，適合嵌CI/CD。兩個實戰：GitHub Actions自動代碼審查、多階段CI管道。核心參數四維控制——輸出格式、成本護欄、安全邊界、執行控制。Unix管道那段講怎麼把Claude揉進命令行工作流，流式輸出做長任務監控，會話管理跨步驟維持上下文。CI環境那節給的是生產級清單：環境變量、性能調優、MCP在CI裏的配置、跨平臺（GitLab/Jenkins）對照。安全原則五條——最小權限、Secrets管理、容器隔離、成本防護、審計日誌，條條都是踩過坑才寫得出的。 第8章 器以載道：Agent SDK智能體開發套件 從這章開始從"用Claude Code"轉到"基於Claude Code造東西"。Agent SDK把query函數、消息類型（system/init、assistant、user、result）、ClaudeAgentOptions這幾塊鋪開，本質是讓你用幾行代碼就能包一個專屬AI應用，底層輸出流、權限、會話管理它替你管，你只管工具設計和流程編排。這章實戰是搭代碼分析Web服務，可以作爲SaaS化AI工具的入門模板。 第9章 集腋成裘：Plugins生態與能力打包分發 Plugins解決的是"團隊資產沉澱"問題。個人用Claude Code是玩具，團隊用得把最佳實踐封裝成可複用組件——Skills、SubAgent、Hooks打成包，新人拉下來就能用，不用每人重新調一輪。這章實戰是"構建團隊能力包"。 順帶必須把書裏Harness Engineering十條原則的那段揉進來，那是第9章（有些版本附錄裏）壓箱底的東西： • 把模型當不穩定部件，不當同事。同事能擔責，模型不能，所以權限、恢復、驗證、回滾得自己做。 • Prompt是控制面的一部分，跟runtime、tool schema、memory、hook一起組成控制平面。把prompt當人格設定，最後得到的是個很會表演但不受控的系統。 • Query loop纔是代理系統的心跳，沒loop的系統能做demo但談不上運行時。 • 工具是受管執行接口，越危險的工具越不能當普通能力對待。 • 上下文是工作內存，能塞進去不等於應該塞進去，標準是"可治理"不是"夠多"。 • 錯誤路徑就是主路徑——prompt too long、max output、中斷、hook迴環、compact失敗，這些都是長會話的日常天氣，恢復/熔斷/限次/防死循環設計時就得有。 • 驗證必須獨立，不能讓系統自己給自己打分。實現者天然相信自己"差不多行了"，模型更是。 • 團隊制度比個人技巧重要。一個高手能馴代理，一個團隊不行。分層CLAUDE.md、可執行skill、生命週期hook、可追蹤transcript、統一驗證定義——這些得制度化。 這幾條比前面所有操作指南加起來都值錢，是全書真正"工程之道"四個字的落點。 第10章 爐火純青：工程化實戰——從個人到團隊 收尾章，六個維度：成本控制（上下文優化、請求優化、模型分級選型）、調試（黑盒診斷的分步/隔離/常見問題三板斧）、大型代碼庫適配（分區、索引、增量、上下文管理）、團隊規範落地（四階段路線圖：個人→團隊能力→流程集成→持續優化）、SDD生態融合。附錄給了最佳實踐清單、CLAUDE.md模板庫（React/Node/Python三類）、Skills設計檢查、MCP安全 checklist，都是能直接抄的。 ------ 這本筆記看到這兒，說點自己的判斷。 這本書不是給AI編程小白看的，0基礎拿起來會懵，它默認你已經用過Claude Code/Cursor/Copilot，卡在"聊天式用AI"那層——問一句答一句，上下文一斷重來，生成的代碼沒項目感，團隊每個人用法都不一樣。它賣的不是操作步驟（雖然294頁裏操作步驟也不少），賣的是Harness這個認知框架：模型是不可靠部件，系統仍然可以可靠，前提是別把可靠性寄託在模型身上，要做進harness裏。 四層架構、Skills、子智能體、Hooks、MCP、Headless、SDK、Plugins——這一整套不是功能清單，是"給模型搭操作系統"的零件箱。書裏226個代碼片段，配套極客時間那門課（黃佳講的，平臺TOP1）可以一起啃，33講+書+官方倉庫，完整走一遍大概60-90小時。 最實用的是第2章CLAUDE.md範式、第3章Skills的漸進式披露、第5章Hooks的安全門控、第7章Headless的CI集成，這四個拿來就能用。最值得反覆嚼的是第9章那十條Harness原則，尤其是"驗證獨立"和"團隊制度比個人技巧重要"這兩句——這已經不是Claude Code專屬的方法論了，是所有AI Agent工程都能搬過去用的。 如果你已經在用Claude Code但感覺"也就那樣"，這本書能讓你那匹馬多跑出百分之六十的力氣。如果你還沒開始用，先去把CLI跑通再來翻這本，不然四層架構聽着像天書。 要不要我順着Harness這條線，把李宏毅那套"Prompt→Context→Harness"三代演進再單獨拆一版，或者把書裏CLAUDE.md/Skills/Hooks三件套按一個真實項目（比如你手頭正在跑的那個）給個配置草稿。

書名包含harness 工程之道，但是整本書沒有圍繞 ClaudeCode 如何基於 harness 工程展開，就書籍末尾的後記裏生硬的點了一下。作爲一本 ClaudeCode 掃盲書不錯，但是想了解學習harness 的，可以直接繞道了。書名裏的 harness純蹭熱度

比較空洞，不如直接看官方文檔。

這本書不是簡單介紹 Claude，而是用“四層架構 + 八大機制”重塑你對 AI 工程的認知。作者先勾勒 Claude Code 從命令行到可編程 Agent 的演進路線，再逐層拆解記憶、Skills、子智能體、Hooks、MCP 等核心組件，給出從個人到團隊的落地方法。書中大量真實案例揭示：只有把 Claude 裝進記憶系統、用 Skills 固化知識、借子智能體分治、以 Hooks 做安全攔截，才能真正解放開發者生產力。尤其對成本、權限與協作的剖析，讓人警醒——AI 並非免費午餐，工程化纔是王道。讀完此書，你會明白：與其追問“Claude 爲什麼沒理解”，不如反思“我是否搭建了讓它成功的架構”。

書裏把Claude Code拆成四層——記憶（CLAUDE.md）、技能、子智能體和鉤子，說白了就是教我們怎麼管理上下文、怎麼分工協作、怎麼保證安全。 適合想真正把AI編程工具用穩、用進團隊流程的朋友，讀完我們能從“玩個新鮮”升級到“正經幹活”。