为什么 Claude 在敲代码上那么好用，都做了哪些努力？

[toc]

因为 Claude 和其他美国三大模型（Gemini ChatGPT Grok）不一样，不走泛能力，谁都能用，而是将更大的精力，研究怎么砸自己 程序员 的饭碗，研究编码。术业有专攻，所以在 2025 年用它编码，一直是很顺滑。

为了能早日砸的彻底，Anthropic 煞费苦心不少。因此这个 Claude 模型一直被引以为傲的就是写代码了！它里面内置了很多很多东西，比如代码评审、安全评审等等.... 也以编码为核心，推广了很多概念，比如 MCP 等等。

为了让 诸位 更深入感受【为什么Claude的代码能力会这么强？】，我今天使用一个单线故事，来讲一下 Claude 在背后做的几个大事件级的努力。

它是一个很优秀的编码工具，可惜大部分人都 浅尝辄止。更多关于它的玩法，还得去阅读官方文档： https://code.claude.com/docs 。

提示词仓库

最开始 Claude 依然是在网页上对话框对话。和其他大模型没什么两样。

但是这个办法不行，因为逐渐我们会发现我们会不断重复发相同的提示词，比如 部署的步骤、替换某个文件、根据某某规范评审代码、新加一个 class.... 做这么多重复工作是没必要的。

于是 Claude 整了个【提示词仓库】，也就是 Slash Commands 斜杠命令，把我们事先写好的一个个提示词，放到一个 markdown 文件里。复用，之后我们在用的时候，直接在对话框里 斜杠 ，然后输入命令名称和参数。

这对于一个常年敲代码的人，真的友好不少啊！

主会话与子代理 sub-agents

后来，我们的 AI Claude 写的代码多了，需要各种评审测试，性能评估，OK ，这个过程会占用很多很多时间，20分钟、1 个小时都绰绰有余。

于是天才们又引入了一个新概念，【主会话 与 子代理】，也就是 sub-agents，就是 你干你的，我干我的，我们互不干扰！

我们甚至可以一种事，多个协助来做，比如一个评审安全、一个评审规范、一个评审性能.... 或者一个负责一个文件夹，这样效率大大提高，多线齐下，10 分钟搞定过去 3 个小时的活。更重要的是，这个不影响主会话的事儿，不受干扰。而这些「小兵」把活儿干完，会把干活儿的结果汇总发给主会话，很有那种老板在办公室里指挥作战一样的感觉。

多任务并行、上下文隔离！

（要注意一件事，子代理 sub-agents 里不能调用 sub-agents，也不能调用 Commands，否则会套娃。 ）

代码规范，也会一直在更新。而代码规范一般是一个工程项目的核心！一动，其他都得跟着动，各种命令提示词也会跟着动，而且由于提示词都是自然语言写的，维护起来比维护代码还要吃力！现在我们把麻烦移到了提示词维护工程上。

怎么解决这个问题？

大模型上下文协议 MCP

天才们又发明了 MCP 这个玩意儿！这样 AI 能从文档系统里自己去查找最新的规范。你只需要部署一个 MCP Server 就可以！

MCP（Model Context Protocol）是一种基于 HTTP 的 JSON-RPC 协议，也就是我们常定义的 JSON 结构的后端接口。设计好 MCP Server 后，AI 就能通过 Server 接口获取到最新的数据。

当然，MCP 的发明初衷是做这个的，而现在已经发展成了 AI 和各个各界形色各异的软件打交道的工具！不仅可辅助查询规范，还能辅助评审，比如把结果发到 飞书 或者外企更喜欢的 slack 里！

MCP 主要用于接口鉴权的通知推送、少量数据的拉取。

然而，我们又无法确定 MCP 返回的内容，是否会「超载」？或者说浪费大量的 token 数，导致 上下文膨胀事件的发生？

怎么搞？天才想到，把内容先下载下来，先不急着去读，而是分次按需去阅读。

特定领域专家 Agent Skills

这便是【渐进式披露】 Agent Skills ！我们下载 规范 是使用 curl 这个纯粹的拉取命令，先把规范下载到 tmp 目录，然后分段读取。

这个 Agent Skills 非常适合 复杂任务处理，大量的上下文处理。当然，它的初衷是解决 MCP 的这个问题，但后台它索性就是啥都能做了，能帮你干活，MCP 当手和脚，剪视频、发文章、发评论、制作各种垃圾东西..... 一种初代 AGI。

Skills 起来后，我个人明显感受到各行各界业界的产能在10倍 ヽ(；´Д｀)ﾉ，甚至100倍增长。 网络的帖子开始海量增加，产研团队的产能开始十倍百倍增长。产能翻百倍，产出的垃圾也翻了百倍。skills有很强的泛化继承能力，而且易迁移，领域专家转化为 skill， 一下就放大了，现在是需要更多领域专家来构建 skill。

插件市场

然而现在你的工作流给搞的非常完美（额... 其实就是整理调试了一大堆可用的 markdown 提示词），能够去用 AI 写很多很多项目了，但如果现在你想搞一个新项目，怎么办？从 0 开始搞吗？

天才们又想到了【提示词共享】这个概念，也就是打包 提示词 成一个插件 plugin。发布到 plugin 市场里，学名叫 Plugin Marketplace。

用户如果需要最新的提示词，就可以直接在市场里拿到最新的提示词。虽然吧，这些所谓插件，本质是就是一大堆文本文件，但确实好用！