已获得访问权限

Claude Code
迷你教程

如何用 Claude Code 把生产力提升 100 倍。面向知识工作者的完整系统指南。

快速导航

快速上手（10 分钟）1. 理解 2. 安装配置 3. 记忆与渐进式披露 4. 智能体、技能、钩子与 harness Harness 工程 5. MCP 集成 6. 下一步

为你讲解这一切的人

Iwo Szapar

联合创办了 AI Maturity Index（2026 年 1 月被 ISG 收购，Nasdaq: III）。帮助 3,000 多家公司改变了工作方式。曾被 Financial Times 和 Forbes 报道——而我整个生意都是用你即将学到的这套系统在运营。

履历：

• 连续 1,164 多天每天使用 AI
• 30 多个自建智能体投入生产
• 打造了 3 款 AI 驱动的产品
• 为财富 500 强团队提供咨询

我的不同之处：

• 上下文工程，而非提示词花招
• 一套含 30 多个智能体的真实系统（不是纸上谈兵）
• 聚焦非技术人群

如何使用这份教程

本指南分为 6 个循序渐进的阶段，外加一层全新的 harness 工程，用于实现可靠的 AI 工作。

阶段 1-2：基础（15 分钟）

理解 Claude Code 是什么并完成安装

阶段 3-4：核心威力（30 分钟）

渐进式披露、钩子、智能体、技能与复利式学习

阶段 5：进阶（20 分钟）

用 MCP 集成连接你的业务工具

阶段 6：落地实施（10 分钟）

借助预置模板，走出你的前进之路

小贴士： 点击各章节标题可展开或收起。聚焦你最需要的部分，节省时间。

快速上手：你的头 10 分钟

想在读理论之前先看看魔法？选择你的环境，现在就动手。

安装 Claude Code（2 分钟）

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

打开终端、完成认证、启动

claude login
claude

说这句话（直接复制粘贴）：

"Research the top 3 competitors in my space and
summarize their pricing models. Run them in parallel
with subagents."

看 Claude 自动派生出多个智能体

你刚刚运行了一个多智能体工作流。三个 AI 工作单元在并行调研，而你只需坐等。这就是核心思路——继续往下读，看看如何围绕它搭建一整套系统。

已经在用 Claude Code 了？直接跳到阶段 4：智能体、技能、钩子与 harness，了解进阶的编排模式。

阶段 1

理解：从聊天到基于仓库的 AI 的转变

30 秒速览

Claude Code 是 Anthropic 出品的 AI 编程智能体，可在你的终端、IDE、桌面应用和浏览器中协同工作。会话依然每次从零开始，但你的仓库可以通过 CLAUDE.md、.claude/rules/ 等文件，以及技能、智能体和项目文档，承载持久的上下文。

「对非技术人群来说，Claude Code 是最被低估的 AI 工具。」

Anthropic 当前的几种界面

与 Claude 协作的三种方式

命名容易让人困惑，因为桌面应用现在包含多个标签页。请把产品界面和你想要的工作流分开看。

Chat 标签页 · 浏览器或应用

Claude Chat

• 最适合提问、起草、头脑风暴
• 无需仓库工作流
• 文件只是附件，不是运转中的项目大脑
• 任务一次性时用它

最适合：快速思考，而非可复用的系统

Cowork 标签页 · 桌面应用

Claude Cowork

• 在云端虚拟机里运行的自主后台智能体
• 适合较长的知识工作任务
• 比终端工作流配置更少
• 如果你要的是成果而非基础设施，这是很好的起点

最适合：顾问、分析师、运营者

Code 标签页、CLI、IDE、网页

Claude Code （本指南）

• 面向文件、仓库、GitHub 和自动化的编程智能体
• 可在终端、IDE、桌面应用、浏览器、Slack 和 CI/CD 中运行
• 技能、子智能体、钩子、MCP、例程和后台会话
• 当你的工作存放在结构化仓库中时最为强大

最适合：要打造可复用操作系统的高级用户

你正在读的就是它的指南 ↗

拿不准？ 一次性思考用 Chat，低配置的后台工作用 Cowork，当你需要项目记忆、自定义工作流、钩子、MCP 和可重复系统时用 Claude Code。

任何符合以下情况的知识工作者：

做着 重复性工作，且有固定套路（报告、邮件、提案、内容）
管理着 持续推进的项目，跨越数周乃至数月，上下文至关重要
要同时应付 多种工具（CRM、邮件、日历、分析、内容平台）
想要一个 会随时间越来越聪明 的 AI，而不是每次聊完就忘光的那种

顾问

客户报告、提案、框架

产品经理

PRD、路线图、用户故事

市场人员

内容日历、营销活动

创始人

战略、投资人更新、运营

销售与营收

销售管线、外联、CRM 自动化

研究员与分析师

数据综合、竞品情报

不太适合：

没有后续的一次性提问、简单的头脑风暴，或永远不会重复的任务。这些用普通的 Claude Chat 就够了。

「我不是程序员。我不写代码。所以这类东西能用得上、能真的跑起来，简直不可思议。」

—— Dominic，云顾问 • 在零编程基础的情况下用 Claude Code 搭建了一个订阅平台

正式开始之前

看看你正在朝什么方向搭建

本教程会一步步讲解每个概念。但如果你想看看完整系统在实践中是什么样子，这里有一段来自实时会话的 3 分钟片段。

一条命令。AI 读取你的邮件、WhatsApp 消息、任务和 CRM——然后告诉你今天该聚焦什么。你在这里看到的一切，都会在下面的阶段中学到怎么搭建。

实时演示：用 AI 做每日规划（从 3:20 开始）

来自一次 Second Brain 协作会话——AI 从 4 个数据源拉取信息，在 60 秒内为你排好当天优先级。

问题 1：完全没有持久记忆

传统 AI（ChatGPT、Claude Chat）： 每次对话都从零开始。每周要把你的项目重新解释 10 遍以上。

Claude Code 的方案： 把仓库当作持久记忆。CLAUDE.md 文件会在每次会话开始时加载。多周项目用开发文档（plan.md、context.md、tasks.md）。

传统 AI 会话：

Session 1:
You: "I'm building a SaaS product..."
[Explain project for 10 minutes]

Session 2 (next day):
You: "Remember my SaaS product?"
AI: "What product? Please explain."
[Re-explain AGAIN]

Claude Code 会话：

Session 1:
Claude reads CLAUDE.md
"I see you're building a SaaS
product. What would you like?"

Session 2 (next day):
Claude reads CLAUDE.md
"Back to the SaaS project.
What's next?"

要点： 持久记忆消除了切换上下文的额外开销

真实影响： Richard（管理顾问，澳大利亚）花了一周时间自己摸索配置 Claude Code。在用 Second Brain 模板做了一次 2 小时的会话后他说：「这通通话里你帮我解决了我一直做错的地方——我一直把它当聊天机器人来提示。而用命令和智能体，你实际上可以让它替你管理日常工作流。这意义重大。绝对值这个钱，省了我三四个月自己硬磕的时间。」

问题 2：串行瓶颈

传统 AI： 一次只能处理一件事。分析 10 个文件？只能一个一个排队等。

Claude Code 的方案： 子智能体在会话内并行执行多个任务。对于独立的长时间工作，可从网页版、桌面版、Slack 或 Agent View 启动后台会话。

可视化对比

SEQUENTIAL (ChatGPT Way):
[Agent 1: Research] → [Agent 2: Content] → [Agent 3: Analysis]
15 min                 20 min               10 min
Total: 45 minutes

PARALLEL (Claude Code Way):
[Agent 1: Research]  ─┐
[Agent 2: Content]   ─┼─ All running simultaneously
[Agent 3: Analysis]  ─┘
Total: MAX(15, 20, 10) = 20 minutes

Speedup: 45 min → 20 min = 2.25x faster

真实影响： 一位顾问分析了 5 个竞品（Asana、Monday、ClickUp、Notion、Airtable）。ChatGPT 花了 45 分钟，只完成了 3 个。用子智能体的 Claude Code 花了 20 分钟，5 个同时全部完成。

要点： 后台智能体实现了真正的并行处理

真实影响： Damian（AI 顾问，瑞士）在 2 天内搭好了一套完整的社媒内容流程——这是一款商业 SaaS 工具每月卖好几百的功能。他的工作流：捕捉灵感 → 提取 LinkedIn 语气 DNA → 生成轮播 PDF → 排期发帖。「一个朋友刚跟我说他买了个超酷的新方案。那正是我两天内用 Second Brain 搭出来的东西。纯纯的魔法。」

问题 3：上下文切换税

传统 AI： 复制文档 → 粘贴 → 等待。复制代码 → 粘贴 → 等待。每次会话浪费 30 多分钟。

Claude Code 的方案： MCP（Model Context Protocol）直接连接 Gmail、日历、CRM、分析工具。不用再在各个应用间来回复制粘贴。

手动流程：

1. 打开 HubSpot
2. 导出 200 名网络研讨会参会者
3. 下载 CSV
4. 复制邮件列表
5. 粘贴到 ChatGPT
6. 让它做分析
7. 把结果复制回去
8. 上传到 HubSpot

耗时：35 分钟

MCP 流程：

1. 「给网络研讨会参会者打标签」
2. Claude 连接到 HubSpot
3. 完成。

耗时：3 分钟

真实影响： 一位销售运营经理从每周 2 小时手动更新 CRM 变成了零。全部通过 MCP 自动化。

问题 4：工具孤岛

传统 AI： AI 接触不到你真正的业务工具。到处都是手动搬运数据。

Claude Code 的方案： 技能会根据关键词自动激活。钩子会自动运行脚本。搭建一次，永久复用。

示例：周报自动化

Traditional AI:
You: "Generate weekly sales report"
AI: "Please provide data..."
You: [Copy sales from HubSpot]
You: [Copy traffic from Analytics]
You: [Copy revenue from Stripe]
AI: [Generates report]
You: [Format manually]
You: [Send to team]
Time: 45 minutes

Claude Code with Skills:
You: "Generate weekly sales report"
Skill auto-loads:
  ├─ MCP: Fetch HubSpot deals
  ├─ MCP: Fetch GA4 traffic
  ├─ MCP: Fetch Stripe revenue
  └─ Generate formatted report
  └─ Save to reports/weekly-2025-01-11.md
Time: 2 minutes

真实影响： 一位市场经理把 5 份周报自动化了，从每周 3.5 小时降到每周 10 分钟。快了 21 倍。

一个工具 + 结构化上下文究竟替代了什么

这不是理论。这些都是此刻正在生产环境中运行的真实管理后台页面。

SaaS 类别	典型月费	现已内置于 Second Brain
CRM（HubSpot/Pipedrive）	$45-100/mo	销售管线 + 潜客跟踪
邮件营销（Mailchimp）	$30-60/mo	自动化序列 + 邮件通讯
内容排期（Buffer）	$15-30/mo	内容日历 + 队列管理
任务管理（Asana/Linear）	$10-25/mo	任务跟踪 + 会话工作流
分析看板	$20-50/mo	商业智能 + 报表
客户交付门户	定制	仓库生成器 + 入门引导

$120-265/月（之前）

→

$20/月（之后，Claude Pro）

这不是 Claude 和 HubSpot 的比较。论做 CRM，HubSpot 更强。但对独立创业者或小团队来说，Claude Code + 结构化上下文能搞定你实际用到这些工具 80% 的功能——成本只有 10%。

阶段 1 清单

理解聊天式 AI 与基于仓库的 AI 之间的区别知道 Claude Code 解决的 4 个问题（记忆、并行、上下文切换、工具孤岛）理解核心术语：CLAUDE.md、子智能体、技能、MCP、钩子、渐进式披露决定你要从哪个场景入手（内容、调研、报表、CRM 自动化）

想走捷径？

省去 2-3 周的反复试错。下面的一切都已在 Second Brain 中预先搭好。

查看套餐

阶段 2

安装配置：开始上手

Claude 订阅或 API 计费

大多数人应从 Claude Pro 或 Max 套餐入手，月度用量可预测。也提供 API 计费，适用于程序化或团队工作流。

选择使用 Claude Code 的方式

选择与你的熟练程度和操作系统相匹配的界面

网页版 Claude Code

研究预览版。在 claude.ai/code 连接 GitHub。运行在由 Anthropic 托管的云端虚拟机中。

桌面应用的 Code 标签页

macOS 和 Windows 原生应用。为 Claude Code 提供图形界面，含侧边栏、终端、文件编辑器、差异对比、预览和 PR 监控。

终端 CLI（最强大）

对本地文件、shell、MCP、钩子、脚本、CI 和自动化拥有最充分的掌控。

IDE 扩展

VS Code、Cursor 以及 JetBrains 系列 IDE。Claude Code 在你的编辑器内、文件旁边运行。

GitHub 账号（可选但推荐）

可以把它想成「你 AI 大脑的 Google Drive」——为你的仓库做备份，并跨设备同步。

阶段 2 清单

安装 Claude Code（桌面应用、终端 CLI、IDE 扩展或网页版）运行 claude --version 以验证安装用 claude login 或 API 密钥完成认证运行 claude 并用一个简单提示测试创建你的第一份 CLAUDE.md（哪怕只是基础版）运行 /status 以确认你的认证方式

上手 Claude Code 的最佳方式

别想着一次性把整套系统都搭起来。人们最大的错误就是第一天就想把一切自动化。那永远行不通。

每天挑一个场景。就这样。

第 1 天

「帮我调研一下这家公司。」

第 2 天

「帮我写一篇关于 X 的 LinkedIn 帖子。」

第 3 天

「审一审这个落地页。」

第 4 天

「为我的周报创建一个技能。」

一点一点地，你的仓库就充实起来了。你的技能、智能体、规则和 CLAUDE.md 越来越聪明。几周后回头一看，你会发现自己已经搭起了一整套系统——一次一小块。

你的 4 周上手路线图

子智能体（零配置）

让 Claude Code 用子智能体处理 2-3 个独立的调研任务。留意一下：当专家们并行工作时，你的主对话依然清爽。

你的第一个技能

挑出你最常重复的工作流（内容创作、代码评审、数据分析）。创建 .claude/skills/my-workflow/SKILL.md，写上清晰的描述和分步说明。用自然的方式请求它，或调用 /my-workflow 来测试，然后迭代。

技能 + 子智能体结合

在你的技能里加入会用子智能体做调研的步骤。把两个技能串联起来。在 CLAUDE.md 中配置项目上下文和偏好。

Harness + MCP + 进阶（可选）

围绕你最重要的工作流，加上规划、测试、评审和审批关卡。然后通过 MCP 连接业务工具。大多数人应先搭好 harness，再赋予更多自主性。

阶段 3

记忆系统：CLAUDE.md 与仓库结构

注意： CLAUDE.md 是可选的，但为了持久上下文强烈推荐使用。它让你不必每次会话都重新解释项目。

Claude Code 在每次会话开始时加载的一份特殊 Markdown 文件。把它当作你项目的说明书——只不过是写给 AI 的，不是写给人的。

没有 CLAUDE.md：

• 每次会话：「这是我的项目……」
• 每周把上下文重新解释 10 遍以上
• Claude 忘掉你的偏好
• 输出前后不一致

有 CLAUDE.md：

• Claude 每次会话读一遍
• 即刻获得关于你项目的上下文
• 记住风格与要求
• 质量一致

CLAUDE.md 基础模板

# CLAUDE.md

## Project Overview
[One sentence: What you're building]

**Mission**: [Your project's goal]
**Target Users**: [Who uses this]

## Repository Structure
- `company-brain/`: Business knowledge
- `agents/`: AI agent templates
- `data/`: Datasets and analysis

## Key Guidelines
- [Important fact #1 Claude should always know]
- [Important fact #2]
- [Important fact #3]

## Output Standards
- [How you want deliverables formatted]
- [Your writing style preferences]

## Guardrails
- [Things Claude should NEVER do]
- [Data privacy rules]

看看实战

一个真实的 Second Brain 在 GitHub 上长什么样

暂时把理论放一边。这是一个真实的 Second Brain 仓库，含 30 多个智能体、技能、命令和知识文件——正是让本教程一切运转起来的那套结构。

幕后：真实 GitHub 仓库走查（从 42:30 开始）

来自一次实时协作会话——浏览驱动一个生产级 Second Brain 的真实文件夹、智能体、技能和文档。

「我把一切都塞进 CLAUDE.md——500 行。Claude 开始忽略其中一半。后来我了解了渐进式披露，一切都豁然开朗。」

—— Andrew，产品总监

人人都会犯的头号错误

人们把一切都塞进 CLAUDE.md——业务上下文、API 文档、风格指南、gotchas、模板。到了 500 多行，Claude 就开始忽略指令。研究表明，超过约 300 行和约 50 条规则后，指令遵循能力会下降。矛盾的是，指令越多，指令遵循反而越差。

解法是 渐进式披露：保持 CLAUDE.md 简短（200 行以内），配上按需加载详细文档的指针表。把它当目录看，而不是百科全书。

单体式（规模一大就崩）：

CLAUDE.md (972 lines)
├─ Business context (50 lines)
├─ API documentation (200 lines)
├─ Database schema (150 lines)
├─ Style guide (100 lines)
├─ Email templates (120 lines)
├─ Gotchas list (80 lines)
├─ MCP configs (150 lines)
└─ ... Claude ignores half of it

分层式（可无限扩展）：

CLAUDE.md (200 lines)
├─ Business context (always loaded)
├─ Tech stack (always loaded)
├─ Pointer table → docs/
├─ Critical gotchas (3-5 rules)
└─ Self-improvement protocol

.claude/docs/ (loaded on demand)
├─ api-guide.md
├─ database-ops.md
├─ email-system.md
└─ gotchas.md

三个层级

第 1 层：CLAUDE.md（始终加载——200 行以内）

只有普遍适用的上下文才放这里。业务上下文、技术栈、关键 gotchas，以及一张指向其余一切的指针表。

指针表模式

## Architecture & Patterns
| Area              | Read This File             |
|-------------------|----------------------------|
| Writing API code  | .claude/docs/api-guide.md  |
| Database work     | .claude/docs/database.md   |
| Email system      | docs/EMAIL_SYSTEM.md       |
| Known gotchas     | .claude/docs/gotchas.md    |
| Troubleshooting   | docs/TROUBLESHOOTING.md    |

Read the relevant file BEFORE making changes
in that area.

当 Claude 需要处理邮件系统时，它读取 CLAUDE.md，看到指针，便按需加载 docs/EMAIL_SYSTEM.md。其余文档则不进入上下文。

第 2 层：.claude/docs/（按需加载）

详细文档，Claude 只在处理特定领域时才读取。每个文件以一条「何时阅读」触发器开头。

示例：.claude/docs/api-guide.md

# API Development Guide

> When to read: Before writing or modifying
> any API endpoint

## Pattern: Legacy Request/Response
All endpoints MUST use VercelRequest/
VercelResponse pattern. Web API pattern
causes 30-second timeouts.

## Required: .js Extensions
All imports in API files MUST include .js
extension. Missing extensions cause silent
build failures in production.

## Template
export default async function handler(
  req: VercelRequest,
  res: VercelResponse
) { ... }

第 3 层：knowledge/（智能体专属上下文）

只有特定智能体或技能才需要的深度参考资料。绝不加载进通用会话。

.claude/knowledge/
├─ content-creator/    # Voice DNA, templates
│   ├─ brand-voice.md
│   └─ content-types.md
├─ sales/              # CRM context, scripts
│   ├─ objection-handling.md
│   └─ email-sequences.md
└─ data-analysis/      # Schema, query patterns
    └─ common-queries.md

为什么有效：

上下文高效

一份带指针的精简 CLAUDE.md，消耗的 token 远少于一个巨大文件。给真正的工作留出空间。

更好的指令遵循

聚焦文件里的 50 条规则，胜过臃肿文件里的 200 条规则。每次都如此。

可无限扩展

添加新文档而无需动 CLAUDE.md。只要在指针表里加一行即可。

快速上手：三步实现渐进式披露

1. 创建 .claude/docs/ 目录
把 CLAUDE.md 里任何超过 20 行的小节挪到它自己的文件中。
2. 给 CLAUDE.md 加上指针表
把每个工作领域映射到 Claude 开始前应阅读的文件。
3. 加上「何时阅读」触发器
每个文档文件以一行触发器开头：「何时阅读：处理 [X] 之前」

搭建这套架构需要 4-6 小时

编写指针表、用「何时阅读」触发器整理文档、测试 Claude 是否在恰当时刻加载了恰当文件。Second Brain 自带 10 多份预配置文档、触发器表和完整的渐进式披露架构，开箱即用。

省去配置

阶段 3 清单

创建一份 200 行以内、含业务上下文和技术栈的 CLAUDE.md 创建 .claude/docs/ 目录，用于按需加载文档添加一张把工作领域映射到文档文件的指针表把任何超过 20 行的小节挪到它自己的文件中给每个文档文件加上「何时阅读」触发器搭好仓库结构（knowledge/、agents/、skills/、docs/）测试：开一个新会话，确认 Claude 会自动读取 CLAUDE.md

阶段 4

自动化：智能体、技能、钩子、harness 与学习

「这就是 Claude Code 的真正优势。并行编程。你一口气派出 3 个调研智能体，它们都带着结果回来，而你还在主线程上继续工作。」

—— Wytze，社区成员

子智能体是拥有独立上下文的专职 AI 工作单元。就像团队里同时有一位调研分析师和一位撰稿人在干活。

何时使用子智能体：

✅ 并行分析（同时分析 10 个竞品）
✅ 需要专门的专业知识
✅ 相互独立的子任务
✅ 阶段界限分明的大型项目

何时不该用：

❌ 单一的简单任务
❌ 存在先后依赖
❌ 需要共享上下文的任务

真实示例：竞品分析

任务：分析 5 个竞品（Asana、Monday、ClickUp、Notion、Airtable）

串行（ChatGPT）：45 分钟

分析一个 → 下一个 → 下一个……3 个做得马虎，2 个因疲劳被跳过

并行（Claude Code）：8 分钟

5 个子智能体同时运行。5 个全部完成，质量高，格式一致

子智能体如何运作——可视化流程

USER PROMPT:
"Analyze these 5 competitors: Asana, Monday, ClickUp,
Notion, Airtable. For each, analyze pricing, features,
target market."

CLAUDE CODE SPAWNS 5 SUBAGENTS:
┌─────────────────────────────────────────────┐
│ Main Claude                                 │
│ ├─ Subagent 1: Analyze Asana              │
│ ├─ Subagent 2: Analyze Monday             │
│ ├─ Subagent 3: Analyze ClickUp            │
│ ├─ Subagent 4: Analyze Notion             │
│ └─ Subagent 5: Analyze Airtable           │
│                                             │
│ [All run in parallel]                       │
│                                             │
│ After 8 min: Aggregate results →           │
│ Generate comparison table                   │
└─────────────────────────────────────────────┘

成本现实核查

子智能体会消耗各自的上下文窗口。一个 3 智能体的并行任务，token 用量大约是串行的 3 倍。智能体团队（5 个以上）可能达到 7 倍甚至更多。如果你按 API 计费，这一点很重要。

策略	怎么做	节省
工作单元用更小的模型	简单任务用 Haiku，决策用 Opus	60-80%
限制智能体的作用范围	为每个智能体限定工具和文件访问	30-50%
用 Explore 智能体做搜索	只读、快速、token 用量极小	~70%
在 CLAUDE.md 中缓存	存好结果，让智能体不必重复调研	显著
设置 max_turns	防止智能体陷入失控循环	硬性上限

在 Claude Pro/Max 订阅（$20-200/月）下，子智能体在你的套餐额度内运行——没有额外的按 token 费用。使用 API 密钥的用户应更仔细地监控用量。

看看实战

一个智能体文件里到底有什么

你刚读完智能体配置的介绍。这里是一个被实时打开的例子——一个内容创作智能体，带工具访问、决策树、语气设置和对知识文件的引用。它是一个文本文件，不是代码。

实时演示：内容创作智能体内部一览（从 11:54 开始）

来自一场 Second Brain 网络研讨会——打开真实的智能体文件，展示说明、工具权限、决策树和写作规则。

「当我有一个中枢智能体，再配一套它能自行调用的技能时，我发现内容质量更好了。我不用每次都记住确切的工作流，只要说『写一篇 LinkedIn 帖子』，它就会调出正确的技能。」

—— Shaun，市场与增长专家

智能体 = 模型 + Harness

大多数人不停升级模型。高级用户升级的是模型周围的 harness。harness 是 AI 工作的操作系统：它定义计划，给智能体安全的工具，检查输出，请求评审，沉淀经验，然后才让工作发布出去。

模型只是其中一个输入。harness 是其余的一切：提示、CLAUDE.md、规则、工具、MCP 服务器、文件系统、Git、沙箱、钩子、子智能体、上下文策略、日志、评分器、恢复路径和发布关卡。Claude Code、Cursor、Codex、Aider、Cline 和 Managed Agents 都是围绕模型的 harness。

棘轮：每次失败都化为永久修复

当你不再默认怪罪模型时，harness 工程就开始了。如果智能体重复犯同一个错，那任务就是改造 harness，让那个具体的失败下次更难发生、乃至不可能发生。

观察到的失败	Harness 修复	放在哪里
忽略了一条项目约定	加一条简短的、来之不易的规则	`CLAUDE.md` 或 `.claude/rules/`
运行了一条破坏性命令	在执行前拦截它	PreToolUse 钩子
在一项长任务中迷失了方向	拆分出规划者、执行者和评审者的角色	技能 + 子智能体
完成时输出是坏的	运行客观检查，并把失败反馈回去	验证钩子或评分器
反复给出同样的弱稿	加上示例、量规和评审问题	技能的参考文件

只在约束能追溯到真实失败时才添加它。当它过时了就移除。一个好的 harness 是活的产物，而不是提示的坟场。

1. 计划关卡

在 Claude 动手之前，它必须复述目标、假设、将要触及的文件或来源，以及「完成」意味着什么。

2. 工作边界

智能体只获得它所需的工具和范围。调研只读。发送、删除、发布或更改记录之前需要批准。

3. 验证关卡

输出对照客观标准接受检查：是否引用了来源、数字是否对得上、清单是否齐全、必填字段是否齐备。

4. 评审关卡

单独一遍审查，专找自动化会漏掉的东西：诊断错误、过度设计、语气不符、隐藏假设。

5. 复利关卡

每个错误都化为一条规则、一个模板、一个示例或一个清单项。系统会变得更好，因为 harness 在学习。

6. 发布关卡

在计划、验证、评审和批准的产物齐备之前，任何东西都不会离开系统。Claude 可以提议；harness 来拍板。

一个 harness 的承重部件

状态

文件系统、Git、任务文件、记忆文件和输出文件夹。工作在这里得以超越当前的上下文窗口而留存。

工具

Bash、代码执行、浏览器自动化、MCP 服务器和 API。让工具保持聚焦；功能重叠的工具会让模型困惑并撑大上下文。

上下文策略

什么被加载、压缩、卸载或稍后检索。它决定了什么会越过模型的上下文边界。

强制执行

钩子、权限、沙箱、测试命令和审批关卡。它们把偏好变成约束。

评估

量规、评分器、评审智能体和验收标准。评的是结果，而不是智能体走过的那条奇怪的路。

可观测性

日志、追踪、token 用量、成本、延迟和失败聚类。有分数却没有工单，那只是看板上的摆设艺术。

上下文管理就是 harness 设计

模型无法思考它从未收到的 token。当上下文窗口满了，harness 必须决定什么留下、什么被压缩、什么挪到磁盘、什么稍后检索。这个决定往往比选哪个模型更重要。

截断

当连续性无关紧要时，丢弃低价值输出或旧的对话记录。

压缩

总结会话，并以压缩后的状态继续。

卸载

把冗长的日志、工具结果和草稿保存到文件；只在上下文里保留有用的预览。

披露

只在任务确实需要时，才加载详细文档、技能和工具。

实用法则：让始终加载的上下文保持简短，用 offset/limit 分页浏览大文件，读整个文件之前先搜索，把冗长的工具输出存到磁盘，而不是粘回对话里。

结果量规：定义「完成」长什么样

Anthropic 的 Managed Agents API 把这个模式明确化了：定义一个结果，附上一份量规，让一个独立的评分器评估该产物，再把差距反馈给智能体进行下一轮迭代。你也可以在 Claude Code 中手动套用同样的思路。

Outcome:
Create a competitor pricing report for the 5 named companies.

Rubric:
- Includes all 5 companies
- Every price claim has a source URL
- Pricing tiers are normalized into one table
- Unknown prices are marked "not published" instead of invented
- Final section recommends what we should change

Iteration rule:
If any rubric item fails, revise once before showing me the final.

关键之举在于分离：一个循环产出产物，另一个循环对照量规评估它。这能减少自我陶醉，更快发现差距。

知识工作者的 harness 模板

1. Track
   Capture the request in a task, client folder, or project log.

2. Plan
   Ask Claude: "Before doing the work, give me the plan,
   assumptions, sources/tools needed, and acceptance criteria."

3. Work
   Let Claude execute inside clear boundaries:
   read-only research, draft-only writing, no external sends.

4. Verify
   Run a checklist that matches the work type:
   sources, calculations, brand voice, missing fields, risks.

5. Review
   Ask a second pass: "Find what is wrong, overbuilt,
   unsupported, or not how we do things here."

6. Learn
   Capture one reusable rule or template improvement.

7. Ship
   Only publish, send, update CRM, or hand off after approval.

可复制粘贴的提示：把任何工作流变成一个 harness

I want to turn this repeated workflow into a reliable AI harness:
[describe the workflow]

Create:
1. The planning questions Claude must answer before starting
2. The tool and permission boundaries
3. The verification checklist
4. The review questions a second pass should ask
5. The human approval points
6. The learning rule to update after each run

Keep it practical for a non-technical knowledge worker.

每周 harness 审计：砍掉看不见的开销

如果 Claude 感觉变慢、变笨，或者把你的额度吃光，先审计 harness，再去怪模型。大部分浪费都藏在始终加载的上下文里。

检查项	看什么	修复
`CLAUDE.md` 大小	已不再重要、或该归入更窄文档的规则	让根上下文保持简短；把具体内容挪进规则、文档或技能
钩子	每次都注入上下文的 UserPromptSubmit 或 SessionStart 钩子	禁用一切没有明确职责的钩子
MCP 服务器	为你极少使用的工具加载的工具 schema	只让日常工具始终开启；其余按会话启用
技能	描述过宽，导致无关技能被加载	收紧描述，或禁用未使用的技能
对话长度	反复重读陈旧历史的长会话	压缩、总结，或带一份交接说明从头开始

按角色划分的示例

工作流	验证关卡	人工关卡
咨询报告	论断与客户数据绑定，建议映射到项目范围，无机密姓名泄露	合伙人在发送前评审洞见质量
销售外联	已核查 CRM 历史，已引用个性化来源，无凭空捏造的触发事件	邮件、LinkedIn 或 WhatsApp 发送前由你批准
财务分析	合计对得上，假设已列出，异常已标记，源文件已命名	分享前由你批准对结果的解读
内容发布	语气核查，已去除违禁措辞，事实有来源，CTA 齐备	入队或发布前由你批准最终版本

没有任何 harness 能可靠抓住的东西

• 误诊：解决了错误的根因
• 过度设计：添加无人要求的复杂度
• 误解指令：做了邻近的那件任务

• 「我们这儿不那么干」的团队惯例
• 品味、判断力和高层权衡
• 对最终结果的社会责任

法则： 把打字、调研、核查和排版自动化。把责任、最终判断和对外承诺留给人。

「我爱上了这套新系统。我在一天里完成了大约 10 天的工作量。」

—— Shaun，市场与增长专家 • 在第一周就搭好了音频转社媒帖子的自动化

这就是 5,475 人评论「BRAIN」的原因

大多数人把 Claude 当成单个助手。问一个问题，得到一个答案。但 Claude Code 让你能搭起 一整支专家团队，让它们彼此交接工作——而你只需评审。

重要区分：子智能体 vs 后台智能体

子智能体是一个 Claude Code 会话内部的专家。它们有各自的上下文和工具权限，然后向主会话回报。后台智能体则是独立的云端会话，你通过网页版、桌面版、Slack 或 Agent View 中的 Claude Code 来管理。

何时用子智能体：

一个主工作流需要并行进行多个聚焦的分析、评审或起草。

何时用后台智能体：

你想在不同的仓库、分支、PR 或定时任务上运行独立的长时间会话。

智能体协同的三个层级

层级 1：单兵智能体

一个 Claude 会话包揽一切。就像和一位非常能干的通才共事。大多数人就停在这里。

层级 2：会授权的主管（子智能体）

你的主 Claude 会话充当主管。它派出专家去并行做聚焦的工作——调研、起草、分析。每个专家向主管回报，由主管综合结果。这已可投入生产，也是大多数高级用户搭建的模式。

层级 3：后台会话 + Agent View

多个 Claude Code 会话独立运行。用 claude agents 或网页/桌面界面来派发、监控和恢复工作。属于研究预览版的领域——强大但仍在演进。

真实示例：销售外联流水线

当我说「为这个潜客起草外联」时，实际发生的是：

Lead Agent orchestrates the pipeline:
│
├─ Research Agent
│  → Pulls LinkedIn profile + company intel
│  → Returns: role, company size, recent posts
│
├─ CRM Agent
│  → Checks prospect history, stage, past notes
│  → Returns: last contact, deal stage, context
│
├─ Draft Agent
│  → Writes personalized email using research
│  → Uses voice guidelines from knowledge files
│
├─ Quality Agent
│  → Scores draft against brand voice rubric
│  → Flags generic phrases, suggests improvements
│
└─ Lead Agent
   → Reviews final draft
   → I approve → sends via email MCP

5 agents. 3 minutes.
What used to take 45 minutes of tab-switching
between LinkedIn, CRM, email, and style guides.

多智能体评审：当专家彼此挑战

在层级 2，所有沟通都经由主管会话。你仍可以让 Claude 运行独立的专家审查、比较它们的发现并综合分歧。对于独立的长时间工作流，使用后台会话和 Agent View。

示例：相互竞争的假设

"Our conversion rate dropped 15% last week.
Use three specialist subagents to investigate:
- One analyzes traffic sources
- One reviews checkout funnel
- One checks pricing page changes
Then compare their findings and challenge contradictions."

What happens:
Traffic Agent: "Paid traffic quality dropped"
Checkout Agent: "But checkout completion is
  stable. The issue is upstream."
Pricing Agent: "New pricing page went live
  Tuesday. Bounce rate up 40%."
Traffic Agent: "That explains the drop—
  the traffic was fine, the page wasn't."

→ Root cause found in minutes, not hours.

辩论结构能避免锚定偏差。串行调查往往找到一个理论就停下。多个彼此挑战的独立调查者，才能逼出真正的答案。

搭建 30 多个专精智能体 ——配上恰当的角色人格、工具权限、知识文件和协同逻辑——花了数月迭代。每个智能体都得知道自己能访问什么、该按什么格式输出、何时交接给下一个。Second Brain 自带完整的智能体库——为内容创作、销售外联、客户管理、数据分析和日常运营预先配置好。

Claude Code 与其他工具并肩协作

最有效的配置不是「只用 Claude Code」。高级用户会策略性地组合工具：ChatGPT 用于创意头脑风暴，Claude Code 用于结构化执行，Gemini 用于评审。Claude Code 成为把一切串联起来的编排层——而不是你技术栈里唯一的工具。

多模型工作流示例

1. Brainstorm with ChatGPT (creative, divergent thinking)
2. Hand the brief to Claude Code (precise execution)
3. Review output with Gemini (catching edge cases)
4. Final polish back in Claude Code

Why: Each model has different strengths.
Claude Code orchestrates the whole thing
through skills and sub-agents.

阶段 4 清单

派出你的第一个子智能体：「用一个调研子智能体分析 X」尝试并行执行：一次性给 Claude 3 个独立任务在 .claude/agents/ 中创建一个工具受限的自定义智能体在 .claude/skills/my-workflow/SKILL.md 中为你最常重复的工作流写第一个技能加一段宽泛的 description，让 Claude 知道何时该加载该技能至少配置一个钩子（分支保护是很好的第一个）为一个重复工作流加上 harness：计划、工作边界、验证、评审、学习、发布把两个技能串联起来（例如 /research 喂给 /draft）多智能体会话后查看你的会话状态和额度

一个完整系统就是这个样子

30 多个智能体、50 多个技能、6 个以上钩子、harness 关卡、复利式学习、渐进式披露、智能体协同——全部配置好并协同运作。这套系统花了数月迭代。Second Brain 在数小时内交付一个定制版本。

看看都包含什么

阶段 5

集成：MCP 连接

MCP（Model Context Protocol）是把 Claude Code 连接到外部工具的标准方式。把它想成 AI 的 USB-C——一个协议连接一切。

MCP 架构（简化版）

┌─────────────────────────────────────────────┐
│ Claude Code                                 │
│  └─ MCP Client (built-in)                  │
└─────────┬───────────────────────────────────┘
          │
          ├─ MCP Server: Gmail
          │   └─ Functions: send_email, search, read
          │
          ├─ MCP Server: HubSpot
          │   └─ Functions: create_contact, update_deal
          │
          ├─ MCP Server: PostgreSQL
          │   └─ Functions: query, insert, update
          │
          └─ MCP Server: Google Calendar
              └─ Functions: create_event, list_events

业务工具

• HubSpot（CRM）
• Gmail
• Google Calendar
• Notion
• Slack

开发工具

• GitHub
• Linear
• PostgreSQL
• Jira

分析

• Google Analytics
• Stripe
• Mixpanel

真实示例：销售运营

任务：在 HubSpot 中给 200 名网络研讨会参会者打标签

不用 MCP：35 分钟

1. 从 Zoom 导出参会者
2. 打开 HubSpot
3. 手动匹配邮箱
4. 批量导入并打标签
5. 修正错误

用 MCP：3 分钟

1. 「给 webinar.csv 里的参会者打标签」
2. Claude 连接到 HubSpot
3. 完成。

要点： MCP 配置可能是最大的时间障碍

Andrew（产品总监，荷兰）搭建了一套自动化求职跟踪系统——LinkedIn 抓取器 → 数据库 → 跟进排期器。自己 DIY 配置 MCP：6-8 小时调试 OAuth。用 Second Brain 模板：20 分钟。

看看实战

一个 MCP，三个平台，96 秒

抽象图固然好看。这是 MCP 实际做的事：一条命令分别从 Reddit、X 和 LinkedIn 各拉取 20 条帖子——60 个数据点在 2 分钟内完成分析。无需在标签页之间复制粘贴。

实时演示：用 AnySite MCP 跨 3 个平台调研（从 5:33 开始）

来自一次实时协作会话——一个 MCP 连接同时扫描 Reddit、X 和 LinkedIn，进行 AI 预测调研。

调试 MCP OAuth 平均要花 6-8 小时

Done-With-You 套餐包含一次实时配置会话，我们一起把你的 Gmail、日历、CRM 和数据库工具连接起来——还附上可供你日后连接工具时复用的模板。

查看 Done-With-You

阶段 5 清单

理解 MCP 架构（客户端 → 服务器 → 工具）确定你的头 2-3 个 MCP 集成（邮件、日历、CRM）配置一个只读的 MCP 连接（从安全起步）把 MCP 安全规则加到你的 CLAUDE.md 中测试一个端到端工作流：「给 CSV 里的参会者打标签」或「总结今天的日历」在只读建立信任满 1 周后，升级到写入权限

客户真正搭出了什么（第一个月）

第 1 周：Damian（AI 顾问，瑞士）

社媒内容自动化系统。捕捉灵感 → 提取 LinkedIn 语气 DNA → 生成轮播 PDF → 排期发帖。「一个朋友刚跟我说他买了个超酷的新方案。那正是我两天内用 Second Brain 搭出来的东西。」

第 2 周：Andrew（产品总监，荷兰）

自动化求职跟踪系统。LinkedIn 抓取器、申请数据库、跟进排期器。替代了他一直在按月付费的一款商业 SaaS 工具——两天内用 Second Brain 搭成。

第 3 周：Dominic（云顾问）

自动化的每周客户状态报告。用 Salesforce MCP 集成拉取交易数据，用 Microsoft Graph 获取日历/邮件上下文。每周省下 3 小时行政工作。

第 4 周：Richard（管理顾问，澳大利亚）

独自硬磕了一周之后：「这通通话里你帮我解决了我一直做错的地方——我一直把它当聊天机器人来提示。而用命令和智能体，你实际上可以让它替你管理日常工作流。绝对值这个钱，省了我三四个月自己硬磕的时间。」

阶段 6

下一步：你的前进之路

你已经见识了一个完整系统的模样：渐进式披露架构、可强制执行的钩子、复利式学习、技能与智能体之分的框架、MCP 集成。从零搭建这一切需要 3-4 周的反复试错——调试文件结构、编写钩子、测试技能触发器、配置 MCP OAuth 流程、设计记忆模式……

或者你可以把这一切都省掉，在数小时内拿到一个定制版本。

「这是我和我生意做过的最佳投资之一。它打开了轻松可配置的智能体工作的大门。普通的 AI 工具现在看起来简直像小儿科。」

—— Damian，AI 顾问 • Done-With-You 客户，在 2 天内搭出了一套完整的内容自动化系统

完整全貌

5 个任务。20 分钟。一套系统。

邮件分拣、客户回复、财务分析、LinkedIn 内容和一个落地页——全部在一次会话里从同一个终端发起。这就是完整系统所交付的。

实时回顾：20 分钟内完成 5 个任务（从 28:07 开始）

来自一场 Second Brain 网络研讨会——一次会话中所完成一切的汇总：邮件、内容、财务报告、客户回复和一个落地页。

选择你的路径

$197

DIY 套餐

含智能体、命令和技能的完整 Second Brain 仓库。配置由你自己完成。

✅ 完整的 Second Brain 仓库
✅ 预配置的钩子系统
✅ MCP 配置指南
✅ 基于文档的支持

时间线：1-2 周配置

$597

Kickstart 套餐

DIY 的全部 + 一个 AI 智能体根据问卷答案为你配置系统。

✅ DIY 的全部，为你量身定制
✅ 一个 AI 智能体根据你的答案搭建系统
✅ 48 小时优先异步支持
✅ 含第一年 MemoryOS Pro（价值 $349）

时间线：几分钟即可运转，而非几周

$2,497

Done-With-You

Kickstart 的全部 + 与 Iwo 的 2 小时入门通话。完整的基础设施部署。

✅ Kickstart 的全部
✅ 与 Iwo 的 2 小时入门通话
✅ 完整的基础设施部署（Vercel + Supabase）
✅ 每月 Second Brain 更新
✅ 含 12 个月 MemoryOS

时间线：2 小时即可投入生产

附录：进阶模式

继续学习

协作会话录像

60 分钟实时会话，含 10 多个演示——每日规划、内容创作、MCP 调研、WhatsApp 智能体等等。

AI Chief of Staff 模板

免费的智能体模板，含完整配置、知识库结构，以及针对你角色的定制指南。

官方文档

Claude Code 官方文档 Claude Code 更新日志技能文档 CLAUDE.md 最佳实践钩子参考子智能体指南 MCP 协议规范 Claude Cowork（桌面智能体）

这些是权威来源。本教程补上了官方文档没有覆盖的、实战层面的「怎么做」和「何时做」。

准备好打造你自己的 Second Brain 了吗？

三种套餐可选——从 DIY 模板到 done-with-you 全程协助实施。

查看套餐

30 天退款保证 • 第一个月省下 10 小时以上，否则全额退款

Claude Code迷你教程

快速导航

为你讲解这一切的人

如何使用这份教程

快速上手：你的头 10 分钟

理解：从聊天到基于仓库的 AI 的转变

与 Claude 协作的三种方式

看看你正在朝什么方向搭建

问题 1：完全没有持久记忆

问题 2：串行瓶颈

问题 3：上下文切换税

问题 4：工具孤岛

一个工具 + 结构化上下文究竟替代了什么

安装配置：开始上手

上手 Claude Code 的最佳方式

记忆系统：CLAUDE.md 与仓库结构

一个真实的 Second Brain 在 GitHub 上长什么样

三个层级

快速上手：三步实现渐进式披露

自动化：智能体、技能、钩子、harness 与学习

一个智能体文件里到底有什么

按角色划分的示例

智能体协同的三个层级

多智能体评审：当专家彼此挑战

集成：MCP 连接

一个 MCP，三个平台，96 秒

客户真正搭出了什么（第一个月）

下一步：你的前进之路

5 个任务。20 分钟。一套系统。

选择你的路径

附录：进阶模式

继续学习

准备好打造你自己的 Second Brain 了吗？

Claude Code
迷你教程