01｜登台远望：Claude Code 底层技术全景导览

黄佳



讲述：黄佳AI版大小：6.02M时长：17:32

你好，我是黄佳。让我们正式开启第一课的学习。
在我们的旅程正式启航之际，请你先思考第一个问题：你眼中的 Claude Code 是什么？
我们可能会得到很多个不同的答案：
一个能读懂代码的 AI 助手
命令行里的 ChatGPT
帮我写代码的工具
比 GitHub Copilot 更强大的东西
这些答案都对，但都不完整。
Claude Code 的真正身份是：一个可编程、可扩展、可组合的 AI Agent 框架。
它不只是一个“工具“，而是一个“平台”——你可以在上面构建自己的 AI 工作流。就像你不会说“VS Code 是一个文本编辑器”（它是，但远不止于此），Claude Code 也远不只是一个 AI 助手。
这一讲，我们将站在高处，俯瞰 Claude Code 的完整技术栈。当你理解了全貌，后面学习每一个组件时，都会知道它在整个系统中的位置。
Claude Code 5 分钟快速上手我们先花几分钟，把 Claude Code 用起来。第一步，在这里下载匹配你系统的 Claude Code 版本。
安装过程非常简单，跟着官方的说明就好。
# macOS / Linux / WSL（推荐，自动更新）
curl -fsSL https://claude.ai/install.sh | bash
# Windows PowerShell
irm https://claude.ai/install.ps1 | iex
# 或使用 Homebrew（需手动更新）
brew install --cask claude-code
然后进入操作系统的命令行，输入 claude 这个命令就可以开始对话了。
claude              # 首次运行会提示登录
Claude Code 是付费软件，需要在 Claude 网站开账户。它所支持的账户类型包括：
Claude Pro / Max / Teams / Enterprise（推荐）
Claude Console（API 访问，需预付费）
Cursor（https://cursor.com）：基于 VS Code 的 AI 编辑器，内置 Claude 和 GPT 模型，支持国内网络，有免费额度，其体验最接近 Claude Code 的 IDE 集成方案。
Cline（VS Code 插件）：开源的 AI 编码助手插件：支持多种 LLM 后端，包括国内的 DeepSeek、Qwen 等，可以自己配置 API，灵活度高。
Windsurf（https://codeium.com/windsurf）：Codeium 推出的 AI IDE，有免费版，支持 agentic 编码。
通义灵码（阿里云）：国产 AI 编程助手，IDE 插件形式，完全国内可用，无需翻墙。
自建方案：使用 Cline + DeepSeek API（国内可直接访问）；或者使用 Cline + 本地部署的开源模型（如 Qwen-Coder）
本课程的知识框架（Memory、SubAgents、Skills、Hooks 等概念）对于理解和使用其他 AI 编码工具同样适用。当然，如果你有稳定的网络环境，Claude Code 仍然是目前 agentic coding 体验最好的工具之一。
下面是最基本的命令行（Command Line）交互方式，以及常用命令的速查表。
cd /path/to/your/project   # 进入项目目录
claude                      # 启动交互模式
# 然后你可以：
> 这个项目是做什么的？              # 了解项目
> 帮我加一个 hello world 函数      # 修改代码（会请求确认）
> 提交我的更改                      # Git 操作
常用命令的速查表
除了在命令行中直接使用 Claude 命令之外，另一种更为常见的方式就是和 VS Code 浏览器中，甚至是其它 AI Coder 中（如 Cursor），把 Coding IDE 和 Claude Code 命令行集成使用。这样既可以享受 IDE 的便利，又可以利用命令行的强大，一举两得。
从使用者到驾驭者总结一下上面的使用步骤：
用户 → 输入问题 → Claude 回答 → 完成
你问，它答。就像用计算器，输入数字，得到结果。大多数人使用 Claude Code 的方式，就止步于此了。
Claude Code 可以生成代码，从 0 开始做项目，整理文件，甚至优化你的操作系统……虽然能做到这些也已经很强大了，但这仍然只是被动使用！
而 Claude Code 还支持另一种模式：
用户 → 配置 Agent → Agent 自主工作 → 自动完成任务
这是主动驾驭——你设计，它执行。就像我们编写程序，程序自动运行。
举个例子：
这门课的目标，把你从被动使用者变成主动驾驭者。
你肯定会说，佳哥，我当然想走得更远一些，从被动使用者晋级为主动驾驭者，那成为驾驭者需要理解什么？
用学开车打个比方：
使用者：知道方向盘转哪边车往哪走，油门让车动，刹车让车停。
驾驭者：理解发动机、变速箱、刹车系统的工作原理，能改装车辆。
对于 Claude Code：
使用者：知道怎么提问，怎么让 Claude 帮你写代码。
驾驭者：理解记忆系统、子代理、技能包、钩子的工作原理，能构建自定义工作流。
我们现在这一讲就是“驾驭者入门”——让你看到 Claude Code 引擎盖下面的东西。
Claude Code 底层技术全景图Claude Code 的底层能力从技术上拆解可以分为四个层次：基础层、扩展层、集成层和编程接口层。
让我从下往上解释每一层。
基础层：Memory（记忆系统）基础层也可以称为是 Claude Code 的长期记忆系统，它的核心文件是 CLAUDE.md。
比如入职一家新公司，第一天你会收到一份新员工手册，告诉你：
公司的代码风格是什么。
Git 提交信息怎么写。
项目的架构是怎样的。
有哪些不能碰的“禁区”。
而CLAUDE.md  就是 Claude 的“新员工手册”。
因此，我强烈建议每一个人都为你的 Claude 创建 CLAUDE.md，以提供给它一系列最基本的信息。
例如，当我们要开始一个新的电商项目，我创建了下面的 CLAUDE.md 文件。
# Project: E-commerce Platform
## Tech Stack
- Frontend: React + TypeScript
- Backend: Node.js + Express
- Database: PostgreSQL
## Code Style
- Use functional components
- Prefer async/await over .then()
- Maximum line length: 100 characters
## Important Rules
- NEVER commit to main directly
- Always run tests before pushing
Claude 每次开始对话时，都会读取这个文件。这样它就“记住”了你的项目规范，不需要每次重复说明。
Claude Code 并不是只有一个CLAUDE.md记忆文件，全局、项目和项目的特定模块都可以拥有属于自己的记忆文件（或者也可以叫配置文件）。
~/.claude/CLAUDE.md           # 全局（所有项目共用）
    ↓
项目根目录/CLAUDE.md          # 项目级（当前项目）
    ↓
项目根目录/.claude/rules/*.md # 模块级（特定目录）
我们可以把这些文件视为 Claude Code 系统记忆的不同层级。
扩展层：四大核心组件这一层是 Claude Code 的能力中心，包含 Commands（斜杠命令）、Skills（技能）、SubAgents（子代理）、Hooks（钩子）四个核心组件。
Commands（斜杠命令）斜杠命令是 Claude Code 内置或用户自定义的一系列核心能力，其触发方式是用户手动输入  /command
用户输入: /review
Claude 执行: 根据 .claude/commands/review.md 的指令审查代码
Commands 适合标准化操作——团队统一的 commit 格式、固定的部署流程等。
Skills（技能）技能则代表着 AI 的一系列专属能力组合，其触发方式是 Claude 自动判断（语义推理）是否激活相应技能。Skills 可以是 Claude Code 内置的，也可以由用户自己设定。
用户说: "帮我看看这段代码有没有安全问题"
Claude 思考: 这是代码安全审查任务 → 激活 security-review Skill
Claude 执行: 按照 Skill 中定义的流程审查代码
很多人第一次听到 Skills 这个概念，都会觉得 “这不就是个高级一点的 tool 吗？Agent 直接 call tool 不就行了？”
我的回答是：的确像，但并不等价。原因在于 Tools 是外部能力接口，Skills 是模型内部的“行为模式 + 触发逻辑”。如果 Tool 是函数调用，Skill 就是把 if-else、prompt、策略和调用顺序，全部折叠进一个文档的整体封装，是对一个专有能力集的全面定义。
如果说 Tool 解决的是我能不能做；而 Skill 解决的是我该不该做、怎么做、做到什么程度。那么又一个问题来了：什么时候该用 Skill？什么时候该用 Commands？
Commands 是显式、可复用、可审计、通过斜杠命令固定触发的操作指令集，是相对固化的标准流程。
而当一个能力具备强烈的“领域感”（安全、架构、性能）、判断依赖上下文而非关键词 ，执行路径可能变化 ，需要“像专家一样行事”时，就用 Skill，而不是 Command。
拿刚才的例子来说——当用户问“帮我看看这段代码有没有安全问题”。Claude 的隐式判断流程是这样的。
1️⃣ 这是代码吗？——是
2️⃣ 这是哪一类代码？——Node.js 后端
3️⃣ 上下文是否涉及用户输入？——是
4️⃣ 是否存在鉴权逻辑？——是
5️⃣ 是否值得深入做安全审查？——是
做完这些判断之后，就会自动激活 security-review Skill。
在 Skill 内部，是“像专家一样”的行为说明，它不会跑固定 checklist，而是根据语言选择重点、根据上下文跳过无关项、在发现高风险点时主动深挖、在安全风险低时明确告诉你“为什么没问题” ——  这不是流程执行，这是专家判断。
SubAgents（子代理）子代理是除了 Skills 之外的另一个大杀器，用于独立完成专项任务。其触发方式可以由 Claude 决定或用户指定。
主 Claude: 这个任务需要跑大量测试，让我创建一个子代理来处理。
子代理（test-runner）: 执行测试，只把结果汇报给主 Claude
SubAgents 适合隔离执行——高噪声任务（比如在大量日志中寻找出错信息，在大量文档中检索相关资源）、需要特定权限的任务。
Hooks（钩子）钩子是在特定事件触发时自动执行的脚本，其触发方式是事件自动触发。
事件: Claude 即将执行 Edit 工具
Hook: 自动检查是否有安全敏感内容
结果: 如果发现问题，阻止执行并警告
Hooks 适合自动化检查——格式化、安全检查、日志记录等。
集成层：连接外部世界上面这四大核心组件之上，是集成层，负责链接外部世界。集成层包含 Headless（无头模式）和 MCP（Model Context Protocol）两大技术。
Headless（无头模式）无头模式让 Claude Code 在没有人工交互的情况下运行，适合  CI/CD 集成——自动代码审查、自动修复、自动生成变更日志等。
# GitHub Actions 中
- name: Auto-fix code issues
  run: claude --headless "Fix all linting errors in src/"
MCP（Model Context Protocol）MCP 让 Claude 连接外部工具和服务，适合工具连接——可以把任何外部系统变成 Claude 可调用的工具。
Claude → MCP → 数据库
Claude → MCP → Jira
Claude → MCP → 自定义 API
编程接口层：Agent SDK当配置式的扩展不够用时，你可以用代码来驱动 Claude。这种方式适合构建自定义 Agent——完全控制执行流程、自定义工具、复杂工作流。
from claude_sdk import ClaudeSDKClient
client = ClaudeSDKClient()
# 执行任务
result = client.query(
    prompt="Review this code for security issues",
    tools=["Read", "Grep"],
    max_turns=10
)
组件关系和技术选型指南在真实的系统中，这些组件不是孤立存在的——它们相互协作，共同完成复杂任务。
触发方式首先看触发方式，也就是这些组件是怎么被激活的？不同组件的触发方式决定了它们的使用场景。
为什么“确定性”很重要？
如果我们要设计一个生产系统：
如果你需要“每次都必须执行”的操作（比如代码格式化），你需要  100% 确定性——选择 Commands 或 Hooks。
如果你希望 Claude “智能判断何时使用”（比如识别到安全问题时自动深入分析），你可以接受概率性——选择 Skills。
如果任务可能很重，你希望“既可以手动触发，也可以让 Claude 自己决定”，你需要可控性——选择 SubAgents。
这个表格会在你做技术选型时反复用到。
数据流向理解了触发方式，我们来看数据是怎么在系统中流动的。这张图展示了一个典型请求的生命周期：
让我结合一个具体场景来解释这个流程——当用户输入“帮我修复 src/api.js 中的安全漏洞”之后，Claude 可能的处理流程如下。
Memory 层：Claude 首先加载  CLAUDE.md，了解到这是一个 Node.js 项目，团队要求所有安全修复必须附带测试。
扩展层分发：
a 用户没有输入斜杠命令，所以 Commands 不参与。
b. Claude 识别出“安全漏洞”关键词，激活  security-review Skill。
c. Skill 指示 Claude 创建一个子代理来执行测试。
Hooks 监控：Claude 准备执行  Edit  工具修改代码时，Hooks 自动运行预检查脚本，确保没有引入新的安全问题。
工具执行：通过 Read、Edit 等工具完成代码修改。
MCP 连接：如果配置了 Jira MCP，还可以自动更新相关的 ticket 状态。
关键洞察：Memory 是基础设施，始终存在；扩展层是能力中心，按需激活；Hooks 是守门人，监控一切。
Plugins：打包容器当你开发了一套好用的 Commands、Skills、Hooks 组合，想要分享给团队或社区时，就需要 Plugins。
Plugins 不是一种新能力，而是打包机制——就像 npm 包把一堆 JavaScript 文件打包在一起，Plugin 把一组相关的 Claude Code 扩展打包在一起。
my-team-plugin/
├── commands/           # 斜杠命令
│   └── review.md
├── skills/             # 技能
│   └── security-check/
│       └── SKILL.md
├── agents/             # 子代理
│   └── test-runner.md
├── hooks/              # 钩子
│   └── pre-edit.sh
└── plugin.json         # 插件配置
下面是一个典型的 Plugins 使用场景：
你是团队的技术 Lead，花了两周时间打磨出一套完美的代码审查流程：一个  /review  命令触发审查，一个  code-quality Skill 自动分析代码质量，一个  test-runner  子代理执行测试，还有一个 Hook 确保所有修改都有对应的测试。
与其让团队成员手动复制这些文件，不如打包成一个 Plugin，新成员只需一条命令就能获得完整的工作流。
Plugin 的价值在于可复用、可版本化、可分发。在第 16 讲我们还会详细讲解如何创建和发布 Plugins。
技术选型指南目前，理论知识已经足够了，但当你面对一个真实需求时，如何选择正确的技术？下面这是我总结的决策流程：
让我用几个真实问题来演示这个决策树的使用。
问题 1：我希望团队成员都用统一的 commit message 格式。
这是一种“能力”吗？是的，是生成规范 commit message 的能力。
希望手动触发还是自动识别？手动触发更合适，因为不是每次对话都需要 commit。
答案：适合用 Commands（创建一个  /commit  命令）。
问题 2：每当 Claude 要修改代码时，我想自动检查是否符合我们的安全规范。
这是一种“能力“吗？不是，这是一种“检查机制”。
需要在工具执行时自动检查？ 对，在 Edit 工具执行前检查。
答案：适合用 Hooks（创建一个 pre-Edit hook）
问题 3：我想让 Claude 能够查询我们内部的知识库。
这是一种“能力”吗？ 不完全是，这是“连接外部数据源”。
需要连接外部系统？ 知识库是一个外部系统
答案：适合用 MCP（创建一个知识库 MCP server）。
为了帮助你快速匹配，我也准备了一份场景 VS 方案的速查表。
组合使用真实世界的问题很少能用单一技术解决。Claude Code 的强大之处在于组件可组合——每个组件做好自己的事，组合起来完成复杂任务。
假设你想实现这样一个流程：每当有人提交 PR，自动进行代码审查，发现问题就评论，没问题就通过。这需要组合多种技术：
1. Headless 模式在 CI 中触发
   └── GitHub Actions 监听 PR 事件，调用 claude --headless
2. 调用 code-review SubAgent
   └── 隔离审查任务，避免污染主流程上下文
3. SubAgent 使用 security-check Skill
   └── 自动识别安全相关代码，应用专业审查规则
4. Hooks 记录审查日志
   └── 每次工具调用都记录，便于审计和调试
5. 结果通过 MCP 发送到 Slack
   └── 审查完成后通知相关人员
这五个步骤涉及五种不同的技术，但组合在一起就是一个完整的自动化流程。这就是可组合的威力。
总结一下这一讲我们站在高处，俯瞰了 Claude Code 的完整技术栈。
首先，我希望你记住最重要的一个认知转变：Claude Code （以及其它 AI Coder）不只是一个聊天工具，而是一个可编程的 AI Agent 框架。它有自己的记忆系统、有可以分工协作的子代理、有按需加载的技能包、有事件驱动的钩子机制。理解这一点，你才能真正发挥它的潜力。
其次，我们梳理了整个技术栈的四层架构。最底层是 Memory，让 Claude 记住你的项目；往上是扩展层，包括 Commands、Skills、SubAgents 和 Hooks 四大核心组件；再往上是集成层，Headless 让它融入 CI/CD，MCP 让它连接外部世界；最顶层是 Agent SDK，给你完全的编程控制能力。每一层都有明确的职责，相互配合又互不干扰。
然后，我们学习了技术选型的方法。面对一个需求，你需要问自己：这是能力问题还是流程问题？需要确定性触发还是智能识别？需要隔离执行还是集中处理？顺着决策树走下来，答案往往就清晰了。
最后，也是最有价值的一点：这些组件是可以组合的。单独的 Command 只是一个命令，单独的 Skill 只是一个能力包，但当你把 Headless + SubAgent + Skill + Hook + MCP 组合在一起，就变成了一个完整的自动化流程。这种组合的灵活性，才是 Claude Code 真正的威力所在。
从这一讲开始，你已经迈出了成为驾驭者的第一步，这已经超越了 90% 的 Claude Code 使用者。接下来的课程里，我们会逐一深入每个组件，把这张全景图上的每个区域都走一遍。
思考题
回顾你目前使用 Claude Code 的方式，属于“被动使用”还是“主动驾驭”？
你的工作中有哪些重复性任务可以通过 Commands 或 Skills 自动化？
如果要构建一个“自动代码审查 + 自动修复 + 自动提交 PR”的流程，你会组合哪些技术？
彩蛋最后，加一个彩蛋，方便你直观了解 Claude Code 扩展层的四大核心组件。
Claude Code 扩展层 · 四大核心组件对照表
理解了全景之后，下一讲我们从最基础的组件——Memory 记忆系统开始学习，让 Claude 从“每次都要重新解释”变成“一次配置，永久生效”。
你将学会：
如何用 CLAUDE.md 让 Claude “记住”你的项目规范。
全局、项目、模块三级记忆系统的设计。
最佳实践：什么该写进 CLAUDE.md，什么不该写进去。
欢迎你在留言区和我交流讨论。如果这一讲对你有启发，别忘了分享给身边更多朋友。

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

1. Claude Code 是一个可编程、可扩展、可组合的 AI Agent 框架，提供平台构建自定义 AI 工作流。 2. Claude Code 支持命令行交互和与IDE集成使用，让用户享受IDE的便利和命令行的强大。 3. Claude Code 的底层能力从技术上分为四个层次：基础层、扩展层、集成层和编程接口层。 4. Skills（技能）代表着AI的一系列专属能力组合，其触发方式是Claude 自动判断是否激活相应技能。 5. SubAgents（子代理）用于独立完成专项任务，适合隔离执行高噪声任务和需要特定权限的任务。 6. Hooks（钩子）是在特定事件触发时自动执行的脚本，适合自动化检查格式化、安全检查、日志记录等。 7. 组合使用是 Claude Code 的强大之处，可以将多种技术组合起来完成复杂任务。 8. Claude Code 不只是一个聊天工具，而是一个可编程的 AI Agent 框架，具有自己的记忆系统、子代理、技能包和钩子机制。 9. 技术选型的方法需要考虑能力问题、流程问题、确定性触发和智能识别等因素。 10. 组件可组合，单独的技术组件可以组合成完整的自动化流程。

2026-01-27给文章提建议

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《Claude Code 工程化实战》，新⼈⾸单¥59

立即购买

登录后留言

全部留言(4)

最新
精选

许久
且听且看且实践，持续进步
2026-01-28归属地：北京

1
6点无痛早起学习的和尚
看了 github 的内容，让 Claude 分析了一些源代码，看源代码，感觉就是一个一个，做好的各类工具能力。课程内容最终的产物，就是一个一个的配置（市面上有很多类似的产出物配置了）这个课程到底是在教我们原理（从一个工程痛点延伸出来对应的解决方案，比如用 skill/agent 去解决），还是在教我们工具配置？比如我的真实工程实战痛点：我让 AI 按照 SDD 去设计的存量系统的一个老功能里面链路的迭代，最终上线了。但现在在线上功能爆雷了。代码开发完了，并没有考虑到这个功能全链路上（不局限于我的这个服务）对端用户的体验，导致用户在端的 7s 没拿到操作的结果。其实这个问题本质上就是说，AI 它并不知道，你这个链路上改动会影响哪些东西，所以，对于存量系统，有时候维护一个你的接口，在整个链路如何串联起来的知识库，这样，当 AI 去改动现有代码的时候，它就知道可以帮你排查出来啊，这个改动影响了什么链路。从而让咱们反向思考和意识到。比如针对痛点，我可能就会去思考是不是用一个 subagent 在技术方案的时候就去 Review 改动已有链路功能的影响面，用 skill 去维护一些链路知识？
2026-01-28归属地：北京

1
Geek_72807e
老师讲的真好，已经看了很多这方面的文章，但是老师依然讲的精彩绝伦
2026-01-28归属地：山西


6点无痛早起学习的和尚
接上面的留言，继续表达一些疑问。比如我有review代码的痛点，但现在网上的各类skill，subagent排行榜一大堆，比如Claude的code-simplifier插件就很好用，如果只是为了获取结果，可能就会差强人意一点。期待老师的答疑！！！
2026-01-28归属地：北京



收起评论