Agent on Jerry Wang

Claude Skills实践

Sun, 22 Mar 2026 20:19:37 +0800

引言

什么是 Claude Skills

Claude Skills 是 Claude Code 提供的一种可复用提示词模板机制。它允许用户将常用的任务流程封装成可执行的"技能"，通过 /技能名称 的方式快速调用。

Skills 本质上是预定义的提示词（prompts），存储在项目的 .claude/skills/ 目录下。每个 Skill 是一个 Markdown 文件，包含任务描述和执行指令。当用户调用 Skill 时，Claude Code 会自动加载该文件的内容作为对话的起始提示。

例如，内置的 /commit Skill 会引导 Claude 按照规范的流程创建 git commit，而 /review-pr 则帮助用户审查 Pull Request。

为什么需要 Skills

在日常开发中，我们经常会重复执行某些任务，比如：

代码提交：遵循特定的 commit message 规范
代码审查：按照团队的 PR 审查清单逐项检查
文档生成：为新功能自动生成文档模板
测试运行：执行特定的测试命令并分析结果

每次手动输入这些指令不仅繁琐，还容易遗漏关键步骤。Skills 的价值在于：

提高效率：一键触发复杂的多步骤任务
保证一致性：确保每次执行都遵循相同的流程和标准
知识沉淀：将团队的 best practice 固化为可复用的模板
降低门槛：新成员可以通过 Skills 快速上手团队工作流

Skills 基础概念

Skills 的定义和作用

从技术角度看，一个 Skill 是一个 Markdown 文件，其目录层级如下：

~/.claude/skills/           # 用户级别（个人使用，跨项目可用）
└── my-skill/
    └── SKILL.md            # Skill 定义文件

<project>/.claude/skills/   # 项目级别（随项目共享，团队通用）
└── team-skill/
    └── SKILL.md

每个 Skill 是一个独立的目录，目录名即为 Skill 名称，内部包含一个 SKILL.md 文件。文件结构如下：

Vscode Claude Code编程实践

Sun, 22 Mar 2026 19:45:21 +0800

VSCode设置Claude

常用设置项

设置claude界面及默认的模式，编程建议用plan。

核心功能

代码生成与补全
代码分析与解释
重构与优化
调试辅助

编程实践技巧

如何写好Prompt

Prompt是与Claude Code交互的核心，好的Prompt能显著提高代码质量和开发效率。

基本原则

明确具体：清楚描述你想要什么，避免模糊表述
- 差：帮我写个函数
- 好：写一个TypeScript函数，接收字符串数组，返回去重后的数组
提供上下文：说明技术栈、约束条件、相关文件
- 例：在这个Next.js项目中，使用React Query实现用户列表组件
分步骤：复杂任务拆分成多个小请求
- 先搭架子 → 再实现核心逻辑 → 最后处理边界情况

常用Prompt模板

代码生成

请实现一个[功能名称]，要求：
- 技术栈：[框架/库]
- 输入：[参数说明]
- 输出：[返回值说明]
- 约束：[性能/安全/风格要求]

代码解释

请解释这段代码的作用：
[粘贴代码]
重点关注：[具体问题]

Bug修复

这段代码出现[错误信息]，期望行为是[...]，请帮我定位并修复：
[粘贴代码]

代码重构

请重构以下代码，目标是：
- 提高可读性
- 遵循[编码规范]
- 保持功能不变
[粘贴代码]

进阶技巧

指定文件范围：在src/utils目录下创建...
引用现有代码：参考api/user.ts的风格实现...
添加约束：不使用第三方库、兼容IE11
要求解释：并解释你的实现思路

利用CLAUDE.md文件

CLAUDE.md是项目根目录下的一个特殊文件，用于为Claude Code提供项目级的上下文信息，让AI更好地理解你的项目。

什么是CLAUDE.md

CLAUDE.md类似README，但专门写给Claude看。Claude Code在每次交互时会自动读取这个文件，了解项目背景、规范和约定。

应该写什么

# 项目概述
这是一个使用Next.js 14 + TypeScript的电商平台后台管理系统。

# 技术栈
- 框架：Next.js 14 (App Router)
- 语言：TypeScript
- 样式：Tailwind CSS
- 状态管理：Zustand
- 数据获取：TanStack Query

# 代码规范
- 组件放在src/components，按功能模块分类
- API路由放在app/api目录
- 使用函数式组件和Hooks
- 命名：组件用PascalCase，函数用camelCase

# 重要约定
- 所有API响应使用统一格式 { code, data, message }
- 表单使用react-hook-form + zod验证
- 错误处理使用全局ErrorBoundary

# 注意事项
- 不要修改src/legacy目录下的代码
- 新功能需要添加单元测试

最佳实践

保持更新：技术栈变更时同步更新
控制长度：控制在200行以内，过长会被截断
突出重点：写AI需要知道的，而非所有细节
明确禁止：列出不想让AI做的事情

斜杠命令使用

Claude Code提供了丰富的斜杠命令（Slash Commands），用于快速执行常见任务。

Claude Code国内使用手册

Sun, 22 Mar 2026 18:43:28 +0800

Claude code

Claude Code 是 Anthropic 官方推出的命令行 AI 编程助手，于 2024 年发布。它将 Claude 的强大能力带入终端，让你可以用自然语言直接操作文件、执行命令、管理 Git 仓库。

与传统 IDE 插件式的 AI 助手不同，Claude Code 是一个真正的自主 Agent——它不仅能给出代码建议，还能直接执行 shell 命令、编辑多文件、运行测试。它支持 MCP（Model Context Protocol）协议，可以连接外部工具和服务，并允许用户自定义 Skills 来扩展功能。

无论是日常开发、代码审查、重构还是调试，Claude Code 都能成为你的得力助手，尤其适合习惯在终端工作的开发者。

2025年Claude code发布了IDE插件，支持Vscode、Jetbrains等IDE。

安装

npm方式(推荐)

npm install -g @anthropic-ai/claude-code

前提条件：需要安装 Node.js（建议 v18 或更高版本）。

国内可用，建议使用npm方式安装

目前官方推荐的方式

macOS / Linux:

curl -fsSL https://claude.ai/install.sh | bash

Windows (PowerShell):

irm https://claude.ai/install.ps1 | iex

安装完成后，运行以下命令验证：

claude --version

解析脚本文件，二进制文件在谷歌云，国内无法正常下载

硬核下载方案：

# 获取最新版本

https://storage.googleapis.com/claude-code-dist-86c565f3-f756-42ad-8dfa-d59b1c096819/claude-code-releases/latest

# 获取可下载的版本元数据，测试时最新版本为2.1.63
https://storage.googleapis.com/claude-code-dist-86c565f3-f756-42ad-8dfa-d59b1c096819/claude-code-releases/2.1.63/manifest.json

# 下载

# mac
https://storage.googleapis.com/claude-code-dist-86c565f3-f756-42ad-8dfa-d59b1c096819/claude-code-releases/2.1.63/darwin-x64/claude

# windows x64
https://storage.googleapis.com/claude-code-dist-86c565f3-f756-42ad-8dfa-d59b1c096819/claude-code-releases/2.1.63/win32-x64/claude.exe

Dify实现及思考

Thu, 08 May 2025 14:23:49 +0800

实现

Dify前端使用React框架实现，这里不做深入探索，来看看后端的实现。

主要代码目录如下：

.\
..\
api\  # 后端实现目录
  app.py         # 入口文件
  controllers\   # 控制层，注册路由
    console\     # 前端API
    files\       # 图片、文件API
    inner_api\   # 插件API
    service_api\ 
    web\         
  services\      # 业务实现层
  models\        # 模型
  core\          # 逻辑实现
web\  # 前端实现目录

后端框架使用Flask，使用flask-restful管理路由，使用celery进行分布式任务管理。

架构层面：

API server <–> Worker

为了支持横向扩展，可以多节点部署worker，属于基于事件驱动的架构。

实现层面：

分层架构，经典的控制、服务、模型分层。

数据库：

业务管理使用的pg，是除MySQL外很流行的开源关系型数据库。

为支持RAG，dify支持了很多款向量数据库，可以按需配置。

部署： docker compose 一行命令完成部署，快速体验很赞。

思考

翻看dify的源码，有种熟悉的感觉，因为这就是第一份工作的完整技术栈。

作为技术开发者，追逐新颖、时髦的技术，认为这些很酷，但是有时候会忘了出发点：

技术是用来解决问题的！

Dify目前已经将近96K的star。

AI agent实战

Wed, 07 May 2025 15:05:08 +0800

AI agent框架众多，本文选择Dify平台，来一波AI agent开发实战！

部署

git clone https://github.com/langgenius/dify.git
cd dify/docker

# 国内docker hub访问受限，建议使用代理
# 请使用新版本docker
docker compose up -d

使用

访问127.0.0.1，页面正常可设置管理员并登陆：

登陆完成，进入工作室：

接下来我们开始搭建一个企业私有的AI agent。

管理模型

添加模型供应商

修改系统模型配置

本文使用火山方舟的deepseek和doubao embedding模型，可以在火山方舟控制台在线推理页面开通。

管理知识库

上传文档，选择embedding模型，进行知识入库。

配置Agent

在知识库添加面试资料文档知识库，进行聊天即可使用了。

发布

dify提供发布功能，可以发布单独的页面或嵌入其他页面，方便使用。

dify也支持workflow，比单独的agent更强大。

AI Agent纵览

Wed, 07 May 2025 10:29:29 +0800

AI Agent最近两三年异常火热，下面👇是某头部公司的AI Agent开发岗的JD：

岗位职责

1、负责大模型应用开发范式及一站式研发平台的设计、开发及应用，支持公司内部大模型的应用的快速落地

2、负责大模型产品的整体技术解决方案，并支持技术研发和效果优化等工作，推动产品持续增长

3、保障大模型应用系统架构的稳定、高效运行，帮助业务优化性能和改善系统稳定性

职位描述

1、计算机或相关专业本科及以上学历，2年以上工作经验，熟练掌握Python，或至少一门主流开发语言。

2、有Agent平台/应用开发经验者优先，熟悉coze，dify，langflow等开发平台，了解RAG、Agent机制，使用过langchain等开源系统，有prompt工程业务优化经验者优先。

3、有比较敏锐的产品意识和数据分析能力。

4、有优秀的架构设计能力，了解包括检索引擎、kv存储、在线应用框架、批流处理等中间件系统，有承担过千万级以上产品应用架构设计者优先。

从上面的JD可以提取的信息：

开发语言：Python(C++、Golang需求也较多)
框架：dify、langflow等
原理：RAG、Agent工作原理
后端基础组件

AI Agent

AI Agent（也称人工智能代理、智能体）是一种能够感知环境、进行决策和执行动作的智能实体。智能体像人一样，它有记忆、有逻辑分析能力、有任务的拆解能力、问题的拆解能力和最后综合回来统一解决问题的能力。

智能体的组成：

I：输入，也就是上图中的感知Perception，包括文本、图片、视频、音频等
O：输出，即上图中的行动Action，包括输出文本及调用工具等
B：大脑Brain，基于LLM，具有知识、记忆、推理、规划等功能

智能体的形式：

单Agent：单个Agent完成任务
多Agent：多个Agent配合完成任务

RAG

检索增强生成（Retrieval Augmented Generation），简称 RAG。

为什么会有RAG？

解决知识缺失问题：大模型的知识固定在训练的数据上，无法获取最新资讯。
解决快问乱答问题：大模型有幻觉问题，超出范围的答案不靠谱。
解决数据安全问题：企业专有资料，不能丢给通用大模型去训练。

实现路径：

将知识向量化：知识通过embedding存储在向量数据库
客户检索：问题embedding，检索向量数据库，生成提示词
投喂LLM：将上面生成的提示词喂给LLM生成最终的答案

MCP

Model Context Protocol（模型上下文协议）是 Anthropic 在推出的用于 LLM 应用和外部数据源（Resources）或工具（Tools）通信的标准协议，遵循 JSON-RPC 2.0 的基础消息格式。

MCP遵循CS架构，应用包括client，client负责和server通信。

核心概念：

资源：MCP 服务器希望提供给客户端的任何类型的数据
提示词：MCP 服务器能够定义可重用的提示模板和工作流
工具：使服务器能够向客户端公开可执行功能。通过工具，LLM 可以与外部系统交互，执行计算，并在真实的世界中采取行动。
采样：服务器通过客户端请求 LLM
根：定义了服务器可以操作的边界

详细文档请参考官方文档

A2A

A2A（Agent2Agent）协议是由 Google Cloud 发起的开放协议，旨在促进不同 AI Agent 之间的互操作性。