Claude Code principles and practice

AI CODING AGENT / TERMINAL WORKFLOW / LESSON 04

Hooks, MCP, subagents, and automation

Apply Claude Code hooks, MCP, subagents, skills, plugins, and non-interactive runs to real workflows.

Reading
18 min
Track
Claude Code principles and practice
Source
Chinese reviewed guide

The reviewed guide body for this track is currently maintained in Chinese.

预计阅读时间: 18 分钟

Claude Code 的扩展能力主要围绕四件事:让代理遵守项目规则、连接外部上下文、在生命周期里插入检查、把复杂工作拆给更专门的子代理。对应能力包括 CLAUDE.md、settings、hooks、MCP、subagents、skills、plugins 和非交互模式。

这一篇讲如何选择。

扩展能力选择表

需求适合工具说明
仓库规则CLAUDE.md项目级记忆和工作约定
用户或项目配置settings权限、工具、环境等配置
外部系统上下文MCPGitHub、文档、设计、内部工具
生命周期检查hooks命令前后、提示提交、会话结束等
专门角色subagents测试、审查、调研、排障等分工
可复用步骤skills把流程固化为可调用能力
非交互任务headless/CLICI、脚本、批处理

不要一开始全开。先把一条真实工作流跑顺,再扩展。

Hooks:把机械检查前置

Hooks 适合做稳定、机械的事情:

  • 提示提交前扫描敏感信息。
  • 命令执行前拦截危险命令。
  • 修改后提醒运行格式化或测试。
  • 会话结束后生成摘要。
  • 对特定目录添加上下文。

不适合做复杂产品判断,例如“这个设计好不好”。那应该由人和 review 流程处理。

一个好 hook 的特点:

输入短、判断确定、失败可解释、不会偷偷产生业务副作用。

MCP:不要复制粘贴活数据

当信息在外部系统里,MCP 是更自然的方式。例如:

  • GitHub issue 和 PR。
  • Notion 或 Confluence 文档。
  • Figma 设计稿。
  • OpenAI/Anthropic 官方文档。
  • 内部日志或监控。

MCP 接入前要问:

这个上下文是否经常变化?
是否多人需要复用?
是否比复制粘贴更准确?
工具是否有清楚的权限边界?

如果答案都是“是”,值得接入。

Subagents:把噪音任务分出去

Subagents 适合处理范围清楚、角色明确的子任务:

  • 测试代理:只负责跑测试和分析失败。
  • Review 代理:只负责找 diff 风险。
  • 文档代理:只负责同步 docs。
  • 调研代理:只负责查官方文档并给出处。
  • 排障代理:只负责整理日志和假设。

主线程应该保留最终决策和集成工作,不要把所有上下文都分散出去。

Skills 与 Plugins

Skills 适合固化重复流程,例如:

学习内容发布:
1. 同步 Markdown。
2. 生成图。
3. 更新 metadata。
4. build。
5. 检查 sitemap。
6. 部署。

Plugins 更适合把 skills、commands、MCP、hooks 和资产打包分发。个人或单项目阶段,先写 skill 更轻。

非交互模式

非交互模式适合稳定任务:

  • 生成 release notes。
  • 检查链接。
  • 跑固定 lint/test。
  • 对一批文件做机械迁移。
  • 周期性生成报告草稿。

不适合还需要大量澄清和判断的任务。自动化前先手工跑通三次,是一个不错的门槛。

本站可以自动化什么

对 AIGC Bot 来说,最值得自动化的工作流是:

  • 每周日生成 AI/大数据/可观测周报草稿。
  • 学习文章同步和静态构建检查。
  • 新页面 SEO 检查。
  • 部署后 live route 检查。
  • OpenSpec/Superpowers 文档同步提醒。

这些任务都有明确输入、输出和检查点,适合逐步做成 skills 或 scheduled workflows。

参考资料