张申傲
Claude Code 本身就是一款优秀的 AI Agent，内部融合了很多 Agent 的设计思想与工程实践，非常值得深入研究~
作者回复：哎呀，申傲，对了，咱俩想到一块去了。
研究Claude Code，学习Agent设计思维。
2026-02-02
4
Geek_f9766e
置顶
作为一个后端Java开发，对整个开发流程应该划分出哪些skill比较合理
作者回复：这个问题很笼统，但是特别好。因为它代表了非常多想用 Skills 但不知从哪下手的人。我的核心建议是不要先列 Skills 清单，先列"你最痛的工作流"清单。 哪些事是你每次都要重复教 Claude 的？哪些事是你做一次就想"这套流程能不能固化下来"的？这些痛点就是 Skills 的种子。Java 后端开发涉及的知识非常多，但能做成 Skill 的只是很小一部分——大部分东西要么是公共知识（Claude 本来就会，不用写）要么是项目硬规范（放 CLAUDE.md）要么是文件类型规范（放 Rules）。Skills 是给"任务驱动 + 知识密集"的工作流准备的容器。
按照"任务驱动 + 知识密集"的标准筛选，我的AI给我提出这 8 个 Skills 是最值得做的（Java我真不大懂，所以我求助AI，从不懂到懂）：
01. spring-rest-scaffold 新建 REST 端点的全套模板
02. spring-data-jpa-patterns JPA/Hibernate 的查询模式和陷阱
03. java-test-builder JUnit 5 + Mockito + Testcontainers 测试模式
04. java-code-review Java 特有的代码审查清单
05. spring-debug-toolkit 启动失败、依赖冲突、Bean 冲突的诊断流程
06. sql-optimization 慢 SQL 分析与索引优化
07. observability-setup Micrometer + Prometheus + 日志结构化
08. release-checklist 发版前的检查清单（兼容性、迁移、回滚）
列的 8 个 Skill 不是说你都要做——挑最痛的 2-3 个先做出来用一周，你就知道 Skills 在你的工作流里能创造什么价值了。先用起来，再扩充。
Java的朋友很多。大家还是讨论讨论，看看这8个Skill有什么需要增补的。
2026-04-09
穆晨
置顶
从另外一个维度思考，不知是否正确：
CLAUDE.md的本质是是在TOKEN有限的情况的下尽量少走弯路
所以一个更本质的原则是：
1.如果CLAUDE.md新增一行，带来的TOKEN消耗期望更小，那就应该新增
2.如果CLAUDE.md删除一行，带来的TOKEN消耗期望更小，那就应该新增
对期望的定义是：
CLUADE.md 里存在这一行，TOKEN的消耗期望 为这一行对应的TOKEN
CLUADE.md 里不存在这一行，TOKEN的消耗期望为 发生的概率 * 发生时消耗的TOKEN
两相比较来决定应该是新增还是删除
作者回复：穆晨兄，你的总结很有高度。
太同意了。决定置顶。
在CC的源码剖析部分，我们发现了他的提示词正是这样设计的:
一行不多，一行不少，如果没用，马上删除。
2026-04-05
3
刘凯
置顶
老师有个架构疑惑，想请教您串联下。
目前claude code、openClaw这些个体agent 框架盛行后，各公司skill铺天盖地的研发。我们存在分布式的web agent（自研的agent产品），目前没有使用skill，依然是传统的工作流和plan、react那些模式。另外又提供了skill供业务在个体虾使用。
思考未来agent的架构会是一个什么模式？未来web agent的架构会向 openClaw的架构演进吗，我们应该基于openClaw模式构建agent？skill会成为未来agent架构的主流编排模式？现在您对这块的认知是怎样的。
作者回复：正如我们在群里面讨论的，终局不是单体 agent，也不是传统分布式 agent，而是“云端 agent OS + 每个用户一个隔离 runtime + skills/subagents 作为能力插件”。
也就是你说的第二种，但内部运行时会越来越像 OpenClaw/Claude Code。外面看是一个 web agent / enterprise agent 平台；里面看，是一堆按用户、按任务、按租户隔离的 agent runtime。
你问“行业里有没有把 skill、subagent 用到分布式 agent 的实践”，答案是：有，而且正在变多。
一个很直接的信号是，LangChain 现在明确把 skills 和 subagents 都纳入多 agent 架构选型框架；Anthropic 2025 年公开的 Research 系统则是“lead agent + parallel subagents”的生产实践。这类案例说明，分布式系统并没有被 skills/subagents 替代，而是在吸收它们。
另外，最近还有一个很现实的信号：Anthropic 刚限制了通过 Claude 订阅直接给 OpenClaw 这类第三方 agent 工具供能，理由是这类持续运行 agent 对系统造成压力，要改用 API key 或额外 usage bundles。这个事件本身就说明，agent 运行时一旦进入持续化、平台化、多人化，后面就一定会回到服务端治理、配额管理、隔离和商业化架构。
未来的Agent业态会形成很多层级。对于个人来说，需要思考你的Agent的独特生态位，对于组织来说，需要思考组织内Agent的存在必要性和理由。
2026-04-07
1
Geek_75c01f
置顶
菜鸟的我，看着看着，又看不懂了，似懂非懂，看来又要回头看看技术总览先
作者回复：同学你描绘了一个正在进步中的非常好的思维摩擦过程。
这证明你在真正的思考，你的大脑神经元的链接在整合，重塑。
在Vibe Coding时代，这种不懂，要回去看架构图的感觉很珍贵。
未来的人学习，更多是——AI出答案，人类以为是自己做的，以为自己全在掌控，实则不然。
——请大家珍惜这种，不懂到懂，似懂非懂的学习过程。
2026-03-31
4
Andrew陈海越
感谢黄佳老师，给我带来了学习的深度。这节课问了我一个问题：你在用CC，可你知道CC本质上是什么？
引用老师的话，CC其实是一个可以编程、可以自由组合Agent的平台。
而如何组合Agent是一个架构问题，做架构就是在trade-off，平衡时间空间，平衡成本效率。
四种Agent组合方式，却能构成了千变万化的Agent工具。
作者回复：非常好的领悟。其实架构模式远不止这四种，这四种的分类方式也很值得商榷。但是试图说的道理就说你刚才所说的道理。架构的组合，千变万化，应用于什么场景，是架构师经验的体现。
2026-03-25
1
Geek_8025bd
置顶
Claude.md是一个全局性的Memory，skill是一个渐进式的加载器。在拿到一台新的电脑时候，有个场景非常适合做成skills，即配置环境管理（比如默认是Linux环境或者MacOS）
1. 基础组件安装（比如常见的软件，gcc编译器、CMake、Git、Zsh、Oh-My-zsh、tmux等）
2. 各类开发环境和软件安装包管理器大师（这里可以按需拆成各种skill，比如python包安装管理uv、node包安装管理nvm、brew包等）
3. 再比如安全领域的red-team等，red-team可能更适合作为一个custom agent，然后关联特定的skill
但这个时候，对于我来说是先有了这些Skill或者subagent的想法，但并没有一个成体系的Claude.md或者明确的点。所以这个时候想写Claude.md反而是个难事。（我理解人的想法大多是情况是分散的，且不成体系，更多的时候是知道要做什么、能做什么，但不知道这么做能解决什么，即为什么做，达成业务上什么目标）
作者回复：非常好的思维体操式的思维记录。
您的心思和分析很周密，很细致。大家也应该基于自己的思维习惯和项目情况做这样的分析。
体系是一步一步理顺的。
／init或者上来就写Claude.md往往是针对已有Repo或者已经存在的项目的情况。
2026-03-14
4
6点无痛早起学习的和尚
这一篇的内容含量太高了，感觉需要一些消化，只看一次是无法消化，感觉可以优先用 A，再用 A X 3 的逻辑
总结一个：方向A（SubAgent 含 Skill）、方向B（Skill 含 SubAgent）还有一个最大区别
上下文：
A：Skill 内容在 SubAgent 启动时预加载
B：SubAgent 在 Skill 触发时才 fork 出来，没有主会话历史
作者回复：总结的特别好。
2026-03-18
1
Geek_bc2516
写的很好啊，看了这个才知道现在command算是skill的子集，怪不得我下载的skill都有变成slash command的格式
作者回复：是的，所有的Skill都会出现在斜杠命令列表。
2026-03-17
2
Vince_杨子健
太好了, 学起来, AI编码工程化是我目前最想落地的东西, 既能提高效率, 又能保证项目质量和工程稳定可预测!
作者回复：是的，你会在课程和大家的讨论中找到很多落地启发。
2026-03-16
2
Jxin
感谢黄老师帮忙建立认知地图。
本节的内容我本来是通过阅读 surperpowers 的实现来学习的。 不过挺多cc 的实现并没有。 比如输入契约和输出契约。
这两个契约是有一次我让cc 用它认为最好的范式给我写的sdd 升级时推荐我的。 一直沿用至今。 cc 的实践其实特别关注任务交接时双方对任务认知的一致性。 为此设计了一系列的东西。
作者回复：感谢Jxin又给出了来自于生产实践的宝贵经验。我会推荐编辑老师置顶。
2026-03-03
7
讲师
黄佳
新加坡科研局资深研发工程师
讲师的其他课程
包含这门课的学习路径
AI大模型前沿知识
31门课程 31.8w人学习
看过的人还看了
