从 Vibe Coding 到 Agent 工程：Claude Code 扩展功能新手完整教程
【免费下载链接】claude-code-best-practicefrom vibe coding to agentic engineering - practice makes claude perfect项目地址: https://gitcode.com/GitHub_Trending/cl/claude-code-best-practice
用 AI 编程助手写代码时，你有没有遇到过这种情况：同一个项目，每次新开对话都要重新交代一遍项目背景、技术规范和验收标准，就像永远在和"失忆"的同事协作。claude-code-best-practice 就是为了解决这类问题而生的开源实践仓库，它把 Claude Code 最核心的三种扩展机制——命令（Command）、代理（Agent）、技能（Skill）——整理成可直接运行的参考实现，并附上最佳实践文档和大量实战案例，帮你把一次性的提示词变成可复用的"工程能力"。
这个仓库到底是什么
一句话概括：它是一份"Claude Code 该怎么被扩展"的参考实现集合，而不是某个单一应用。仓库的 slogan 是 "from vibe coding to agentic engineering"（从随性编码到代理工程化），意思是别只让 AI 凭感觉写代码，而是把流程、角色和规范固化下来，让 AI 按工程化的方式工作。
理解这个仓库，先要分清三个扩展组件，用大白话说：
- 命令（Command）：放在
.claude/commands/下的 Markdown 文件，相当于给某类任务起了个快捷键，输入/命令名就能触发一整套固定流程； - 代理（Agent）：放在
.claude/agents/下，是一个有独立"人设"和权限边界的 AI 工作者，比如专门负责取数据、专门负责审查代码； - 技能（Skill）：放在
.claude/skills/<名称>/SKILL.md下，是一张可复用的"技能卡"，把某项操作的知识写成规范，命令或代理都能调用它。
三者各管一段，拼起来就是完整的自动化流程。
Claude Code 安装步骤与示例快速运行
跑起来之前，本机只需要装好 Claude Code（Node.js 18 以上），然后在终端执行claude登录账号即可。不同系统的安装细节在仓库里都有分步指南：Windows 安装、Linux 安装、macOS 安装，照着走就行。
接下来把仓库拉到本地，进入目录启动 Claude Code，然后输入/weather-orchestrator：
git clone https://gitcode.com/GitHub_Trending/cl/claude-code-best-practice cd claude-code-best-practice claude启动后输入/weather-orchestrator，它会先问你想要摄氏度还是华氏度，然后自动抓取天气数据，最后生成一张 SVG 天气卡片和一份输出摘要。别小看这个"查天气"的例子，它把仓库想讲的核心模式完整演示了一遍。
一个完整示例：命令、代理、技能如何分工
上面这条命令背后，其实是一条命令 → 代理 → 技能的编排链路（Command → Agent → Skill）：
/weather-orchestrator命令是入口，负责和用户交互、协调后续步骤；- 它调用
weather-agent代理去取数据——这个代理在启动时预加载了weather-fetcher技能，技能里写好了从 Open-Meteo 接口取数的具体方法； - 拿到温度后，命令再调用独立的
weather-svg-creator技能，负责渲染 SVG 卡片并写出结果文件。
这里有一个值得注意的细节：技能有两种用法。一种是"预加载"给代理当领域知识（比如 weather-fetcher），另一种是作为独立技能被直接调用（比如 weather-svg-creator）。前者像给员工发一本岗位手册，后者像临时请一位外包专家。完整流程图解在 orchestration-workflow/orchestration-workflow.md，建议对照着看一遍。
让 Claude 拥有"肌肉记忆"：CLAUDE.md 配置方法
流程固化解决"怎么做"，那"项目背景"呢？这就是CLAUDE.md文件登场的位置——它是 Claude Code 的记忆机制，相当于项目级说明书，每次会话都会参考它。
对大项目来说，这个机制有个很实用的设计：祖先目录（项目根目录等）的 CLAUDE.md 会在启动时自动加载，而子孙目录里的 CLAUDE.md 是"懒加载"的——只有当 Claude 真正读写到那个文件夹时才载入上下文，相当于一种特殊的按需技能。这套分层加载策略对单体仓库（monorepo）特别友好，细节可以看 best-practice/claude-memory.md。一个小建议：单个 CLAUDE.md 尽量控制在 200 行以内，太长的文件 AI 反而不容易严格遵守。
进阶玩法：从 Subagent 到多智能体协作
当单条命令流程不够用时，仓库还收录了更多进阶方向：
- 技能与子代理写法：best-practice/claude-skills.md 和 best-practice/claude-subagents.md 分别讲了技能卡怎么写、代理定义里的 frontmatter 有哪些字段（模型、工具白名单、最大轮次、隔离工作区等）；
- Agent Teams（多智能体团队）：让多个代理并行分工、互相汇报，比如一个负责写命令、一个负责写技能、一个负责验证，效果见下图：
- 跨模型工作流：把 Codex、Gemini 等其他模型的 CLI 也接进 Claude Code 一起干活，思路在 development-workflows/cross-model-workflow/cross-model-workflow.md；
- 一手经验合集：
tips/目录整理了 Claude Code 团队官方成员分享的实践技巧，reports/则是一些深度调研报告，比如 SDK 与 CLI 的系统提示词差异、上下文窗口管理，适合在基础用法跑通后慢慢读。
写在最后
与其把 claude-code-best-practice 当成一份"读完就关"的文档，不如把它当成样板间：先跑通/weather-orchestrator这条最完整的示范链路，看懂命令、代理、技能三者如何接力，再对照best-practice/里的文档，把这套模式搬到自己项目的日常流程里。从"每次重新教 AI"到"AI 按你的规范干活"，中间差的往往就是这一层工程化设计。
【免费下载链接】claude-code-best-practicefrom vibe coding to agentic engineering - practice makes claude perfect项目地址: https://gitcode.com/GitHub_Trending/cl/claude-code-best-practice
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
