AI Agent 的六大主要能力

• Memory让 AI 记住你的代码结构、约束和上下文，避免重复解释。
• Sub‑Agents通过职责拆分解决单一 Agent 角色混乱、上下文污染还有“一边写代码一边审查”的问题。
• Skills把经验沉淀为可复用的技能库，解决 Prompt 难以复用、团队知识难以传承。
• Hooks在关键节点加入自动校验和人工兜底，防止执行过程失控、缺少检查点或“越权操作”。
• Headless让 AI 能在 CI/CD 流程中无人值守运行，突破只能在 IDE 中交互的局限。
• Agent SDK提供代码驱动的方式。让 Agent 能嵌入现有程序和工作流，摆脱只能通过对话使用的尴尬。

Claude Code 的底层能力

再看基础层，Memory

主要文件 CLAUDE.md 保存公司代码风格、Git 提交规范、项目架构及禁区等信息。

# Project: E-commerce Platform
## Tech Stack
- Frontend: React + TypeScript
- Backend: Node.js + Express
- Database: PostgreSQL
## Code Style
- Use functional components
- Prefer async/await over .n
- Maximum line length: 120 characters
## Important Rules
- NEVER commit to main directly
- Always run tests before pushing

层：四大主要组件

Commands

• 内置或自定义的一系列标准化操作，如统一的 commit 格式、固定的部署流程等。

# 使用者输入:
/reviewClaude
# 执行:
根据 .claude/commands/review.md 的指令审查代码

SubAgents

除 Skills 外的另一大杀手。用于独立完成专项任务，实现上下文隔离与权限边界。

Hooks

适用于自动化检查。如格式化、安全审计、日志记录等，在关键节点自动触发。按理说，

集成层这方面，连接外部世界

包括 Headless 与 MCP 两大技术。实现 AI 在 CI/CD 中的无人值守运行还有跨程序资源调用。

说到编程接口层，Agent SDK

当配置式 不足时可通过代码直接驱动 Claude。建立自定义 Agent，实现完全控制的执行流程与复杂工作流编排。

SubAgents设计

使用场景：上下文污染、权限边界模糊、高噪声干扰、阶段性分工与可控编排。

- - - -

思考步骤	问题示例	对应答案
AI 在哪个环节出了问题？	审查时顺手改了代码	-
缺失了什么？是能力还是边界，
该用什么机制？SubAgent / Skill / Hook?其实，
边界怎么画？能做什么、不能做什么，
如何验证边界生效？

创建代码审查子代理

从步骤来看，

1. Create .claude/agents/.
2. Add configuration file .claude/agents/code-reviewer.md.

#---
再看name，code-reviewer
description: Review code changes for quality,security,and best practices. Proactively use this after code modifications.
至于tools。model: sonnet
---
You are a senior code reviewer with expertise in security and software engineering best practices.
## When Invoked
**Identify Changes**: Run `git diff` or read specified files.
**Analyze Code**: Check against multiple dimensions.
**Report Issues**: Categorize by severity.
### Review Dimensions
#### Security
- SQL injection vulnerabilities
...
### Output Format
## Code Review Report
### Critical Issues
...
### Warnings
...
### Suggestions
...
### Summary
...

并行探索的设计原则 & 流水线设计原则 


明确边界：每个子代理只关注自己的领域；只读权限防止意外修改，老实说，

统一格式：S所有子代理输出结构一致。便于后续综合处理，

Pipelines vs Parallel:


If tasks are independent → 并行执行.

If tasks have dependencies → 使用流水线。


< td>并行 
<   td>重构复杂代码 


场景 
选择 
原因 



理解新项目多个模块 
并行 
模块相对独立 

比较技术方法 
并行 
方案相互独立 

修复 bug 
流水线 
阶段间有依赖关系 

开发新功能 
流水线 

代码审查多个文件 

流水线 




Bug 修复流水线示例  ​​​​​​​​​​​​​​​​​​​​​​​​​​


Locator — 只回答 “在哪”  …


Analyzer — 只回答 “为什么”  …

Fixer — 只负责 “怎么改” …

Verifier — 只负责 “改对没有” …

帮我修复这个 bug：
使用者登录后偶尔 token 验证失败。执行方式这方面，1️⃣ 先让 bug‑locator 定位 → 自动传给 bug‑analyzer。2️⃣ bug‑analyzer 分析完后 → 给我根因分析，我确认后再继续。3️⃣ 确认后 → 让 bug‑fixer 修复 → 自动传给 bug‑verifier。4️⃣ verifier 完成后给出最终报告。

Skills 设计 

Skills 是一种可被语义触发的能力包。它包含领域知识、执行步骤、输出规范与约束条件，并在需要时渐进式加载到主 Agent 的认知空间中。

触发机制 

   & nbsp;话说回来，Claude 自动触发 & nbsp;→ 阅读 description → 语义匹配 → 加载全文 → 执行 & nb sp;& nbsp， & nbsp;使用者手动触发 & nbsp;/skill-name args → 加载全文 → $ARGUMENTS 替换 → 执行 & nb sp;& nbsp，

触发方式	流程	description 的角色 & nbsp;

四大支柱 

• Tools 是行动原语：/ Read 、Write 、Bash 等实际操作工具。
• SubAgents 是执行分工：/ 谁来做任务；专职上下文，
• Hooks 是流程规则：/ 什么时机进行质量校验或安全检查。
• Skills 回答：“怎么做，还有何时做”。它不是工具，也不是分工，而是一套可操作知识结构。

Skill 设计四种模式 

• & nbsp;模板驱动模式 – 用模板强约束输出结构，适用于报告生成等需要格式一致性的场景。& nbsp，

  (="" └──="" ├──="" 流程="" 路由="">report.md # 周报模板
  ├── incident.md # 事故报告模板
  └── review.md # 审核报告模板 )
  

• & nb sp;脚本提高模式 – 把确定性逻辑交给脚本执行，如公式计算或正则匹配。

  (="" └──="" ├──="" 流程="" 路由="">csv.py # 数据解析
  ├── calculate.py # 指标计算
  └── visualize.py # 图表生成 )
  <
        / pre  >/ l i >/ 

---