问题描述：

Anthropic 黑客马拉松冠军- ClaudeCode配置整理和补充

前言

佬友们，晚上好，周末快乐哇
前几天看了一篇非常好的文章，趁着上头，我就花了几天细细阅读整理了一下，黑客马拉松冠军的ClaudeCode的一些设计我觉得真的非常好，很灵活，它里面设计都不是强制性的流程化，只提供必要的条件，我觉得这是一篇很棒的配置设计思路，像ClaudeCode这类AI编码工具，在使用上是很自由的，因为创意性软件的开发它是自由的，我觉得在自由的东西上面加一层束缚的流程化，大大的削弱了工具的能力，不能完全发挥出来模型的自主性，我借助这套设计思路，是可以搭建某些任务的固定流程、也可以发挥工具的自主性来构建创意性的项目

本文节选自我正在整理的 「上下文工程实践」 项目，该项目已完整发布在 GitHub 上。
如果你希望阅读更多相关的章节与案例，可以前往项目仓库查看：

GitHub - WakeUp-Jin/Practical-Guide-to-Context-Engineering: 介绍和描述上下文工程的仓库，上下文工程的定义：是在有限的上下文窗口中，选择、组织并注入与用户输入或任务高度相关的信息，从而让大语言模型（LLM）能够在合理的边界内做出最佳推理和执行。 上下文工程中最关键的是：用最相关的信息填充 LLM 的上下文窗口 - 在线阅读

分析参考来源：

• 黑客马拉松冠军 Claude Code 配置合集：GitHub - affaan-m/everything-claude-code: Complete Claude Code configuration collection - agents, skills, hooks, commands, rules, MCPs. Battle-tested configs from an Anthropic hackathon winner.
• Anthropic官方Skill配置说明：GitHub - anthropics/skills: Public repository for Agent Skills
• ClaudeCode配置文件：Create custom subagents - Claude Code Docs

一、跨会话共享内存

跨会话共享内存2137×1026 75 KB

在使用 ClaudeCode 的过程中，会话记录虽然可以被保存到本地文件中，也可以使用 resume 指令继续上一次对话，但是完整会话记录会被压缩，如果经过多次压缩，关键的决策信息会被不断的稀释，直到完全忘记，那么我理解的关键信息就是如下四点：

1. 哪些方法是有效的（有证据可以验证）
2. 哪些尝试过的方法是无效的
3. 哪些方法尚未尝试
4. 哪些未完成的工作

所以为了保证上面四点关键的信息能够在多个会话共享，就需要有一个单独的中间态的临时会话文件

这个时候是需要完整的文件创建和保存的自动化流程，还有填充内容的指令，可以采用三种 hook 来解决这个文件的创建、加载、保存的问题，

1. 预压缩钩子（PreCompact Hook）：在上下文压缩发生之前，将重要状态保存至文件
2. 会话完成钩子（SessionComplete Hook）：会话结束时，将学习成果持久化至文件或初始化文件
3. 会话开始钩子（SessionStart Hook）：新会话启动时，自动加载先前上下文，并输出最新文件的路径

那么这个临时文件（会话记录文件）我们要填充什么内容进去？，怎么填充？

• 填充的内容：可以根据上面四点信息方向来让 Claude 总结会话历史、你也可以手动编写该文件，整理写入你认为重要的会话关键信息
• 填充的方式：你可以在聊天会话中主动提及，也可以创建相应的 Skill 和 Command 来使用

这个模式下使用到的文件 hook 为：

• scripts/hooks/session-start.js：会话开始钩子
• scripts/hooks/pre-compact.js：会话压缩钩子
• scripts/hooks/session-end.js：会话完成钩子

二、持续学习并更新记忆

持续学习流程1397×1047 60 KB

关于持续学习并更新记忆的触发方式有两种：一种是 Hook 的挂载脚本自动执行的方式、另外一种是 Command 命令手动执行的方式

关于 Hook 的挂载脚本自动执行的方式，该方式使用了三种不同时机的 Hook 来触发

1. Stop 的 Hook 的具体逻辑：
   1. 简单的对于会话列表的长度进行判断
   2. 如果长度达标、那么输出提示词信息给用户看
2. Sessionend 的 Hook 的具体逻辑：
   1. 读取完整的会话历史记录
   2. 通过claude -p “xxx”，来调用claude生成学习记录
3. PostToolUse 的 Hook 的具体逻辑：
   1. 简单的进行会话列表的长度判断
   2. 将“总结学习记录的指令”放入到工具返回结果，以此输入给Claude触发判断

关于 Cmmand 命令手动执行的方式、该方式设计了/learn 指令来执行

当用户在会话中完成任务的时候，发现有一些设计方案非常值得保存到记忆中，这个时候就可以触发/learn 指令

所有总结下来的学习记录都存放在/skill/learn 文件夹中，这样或许 Agent 可以自动根据具体情况使用 Skill 的学习记录的技能

---

模式下使用到的文件 Command 和 Skill 为：

• commands/learn.md
• skills/continuous-learning

小拓展：
关于会话记录文件(Session Tmp)和学习记录文件(Learn Skill)的区别

• 学习记录文件（Learn Skill）：全局的、永久的、抽象的知识规则，目的是避免重复犯错，积累经验
• 会话记录文件（Session Tmp）：局部的、临时的、具体的工作状态，目的是用于跨会话的连续性

---

文件所在的位置也不同：

• 学习记录文件（Learn Skill）：/.claude/skills/learned/jsonwebtoken-v9-migration.md
• 会话记录文件（Session Tmp）：/.claude/sessions/2026-01-20-auth-feature.tmp

---

学习记录文件的例子：

• 工具的描述要说明"何时使用"而不只是"做什么"
• 工具参数的设计中必填参数尽量少，可选参数提供默认值
• 件路径参数要说明是相对路径还是绝对路径

---

会话记录文件的例子：

• 创建了 database_query 工具的基础定义
• 在工具描述中明确说明"优先使用 simple_query，只有必要时才用 complex_query"

三、提高项目可维护性 - 检测评估+冗余代码清理

3.1、基于检查点的评估

检查点评估3055×1602 102 KB

使用基于检查点评估的方式，流程就是：开始 → 实现 → 验证这三步循环，每一个功能都由这三步来约束

1. 开始：在功能实现之前，先运行一下开始步骤的指令，这样可以保证代码库的工作空间是干净的
2. 实现：这个时候就可以开始编写功能代码了，你自己编写或使用 AI 编写都可以
3. 验证：在这个功能完成的差不多了，或者已经编写一段时间的代码啦，可以运行验证指令，进行简单的代码评估，评估验证你这段时间写的代码如何，是否合格，是否符合要求规范

那么我们来细细的说一下开始指令( /checkpoints create )

1. 执行/verify quick 的指令，只检查构建和类型的错误，这样执行起来快
2. 执行 git stash 或 commit ，保存当前的代码状态，让功能开始之前工作空间是干净的
3. 执行git rev-parse --short HEAD 把 SHA 写入到日志文件checkpoints.log中

接下来我们来说一下验证指令( /checkpoint verify )

1. 先从 checkpoints.log 中去除最近的 SHA
2. 大模型自己根据具体情况调用 git diff 和运行代码相关测试的命令
3. 根据“关键指标”的要求输出报告，报告中要有：新增文件、修改文件、测试通过率、覆盖率等

这种方式真的非常好，非常优雅，因为所有的流程不是强制自动化的，只是提供了最小的必要条件“SHA”。
至于如何获取新增和修改文件，测试和覆盖率这些指标，都是由模型自己来决定的，最大程度上保证了模型自主性，目前模型能力已经很厉害了，保持模型的自主性，我们未来可以用最小的改动代价换来最大的能力提升

该模式下使用到的文件 Command 和 Skill 为：

• commands/checkpoint.md
• commands/verify.md

3.2、持续评估

持续评估2463×1899 91.8 KB

在持续评估的模式下，具体的流程为：

1. 触发点：每 N 分钟或重大变更后运行
2. 运行点：运行完整的测试套件、构建状态、代码检查等，使用 Skill 或 Command
3. 运行结果：输出完整详细的检测报告
4. 判断结束点：根据输出的报告判断当前的代码是否合格，如果合格就结束，不合格的话就要进行修复
5. 修复点：对于报告中不合格的检测点进行修复，成功修复之后结束

该模式下使用到的文件 Command 和 Skill 为：

• skills/verification-loop
• commands/verify.md

两种检测评估方式的区别：

1. 基于检查点评估的方式：适合用于具有明确里程碑的线性工作流程
2. 持久评估的方式：适合长时间运行的会话

所以决定因素是任务的性质，基于检查点评估方式适用于具有明确阶段的特性实现，持续性的评估方式适用于探索性重构或维护，这类工作是没有明确的里程碑和结束点的

3.3、清理冗余代码

清理冗余代码的功能是使用一个子 Agent 和一个 Command，区别的话就是 Agent 更加详细完整一些，Command 指令轻便一点，直接一点：

1. Command 指令： commands/refactor-clean.md
2. 子 Agent 的设计： agents/refactor-cleaner.md

目前 Command 指令更加清晰直接一些，我们接下来就分析整理一下这个命令书写的流程吧

# 重构清理 通过测试验证，安全识别并移除死代码： 1. 运行死代码分析工具： - knip：查找未使用的导出与文件 - depcheck：查找未使用依赖 - ts-prune：查找未使用的 TypeScript 导出 2. 在 .reports/dead-code-analysis.md 中生成完整报告 3. 按严重程度分类发现结果： - SAFE：测试文件、未使用的工具 - CAUTION：API 路由、组件 - DANGER：配置文件、主入口 4. 只建议安全删除项 5. 每次删除前： - 运行完整测试套件 - 确认测试通过 - 应用变更 - 再次运行测试 - 如失败则回滚 6. 展示已清理项目的汇总 在运行测试之前，绝不删除代码！

1. 先使用工具找出冗余代码：knip、depcheck、ts-prune 这三种工具
2. 把结果写入到文件中，同时对结果进行风险分类
3. 按照“完全流程”进行删除冗余带你：安全流程是在删除代码的前后都要运行测试，也就是(测试 - 删除 - 测试）

3.4、代码地图 - 可信的上下文

codeMap3187×1385 105 KB

有代码地图的存在，其就可以作为 AI 或者开发者了解代码库的入口，AI 可以通过代码地图，使用较少的 Token 就可以了解项目的全局面貌。

代码地图里面的文档不要多，尽量保持精简。

该模式下使用到的文件 Command 和 Skill 为：

• agents/doc-updater.md
• commands/update-codemaps.md
• commands/update-docs.md

3.5、一点总结

那我们总结一下吧，关于提高项目可维护性的四种方式：

• 在适当干预下，两种验证方法（基于检查点评估和持续评估）足以避免大部分技术债务。让 Claude 完成任务后通过运行技能和 PostToolUse 钩子进行验证，有助于实现这一点。
• 持续更新代码地图也有帮助，因为它记录了变更日志以及代码地图随时间的演变过程，这提供了除代码仓库本身之外的可靠信息来源。
• 通过严格的规则，Claude 将避免创建杂乱的随机.md 文件，避免为相似代码生成重复文件，也不会留下大量废弃代码。可以考虑rules的方式，全局的创建文档的规则

四、子智能体的使用方式：循环验证调用+编排

使用子智能体的方式会导致整个会话的上下文产生“中断”

子代理的存在是为了通过返回摘要而非全部信息来节省上下文。然而，编排器拥有子代理所缺乏的语义上下文。子代理只知道字面查询，不了解请求背后的目的或推理过程。摘要常常遗漏关键细节

来自@ PerceptualPeak 的类比：“你的老板派你去开会并要求你提供摘要。你回来后向他汇报了情况。十有八九，他会有后续问题。你的摘要不会包含他需要的所有信息，因为你没有他那种隐含的上下文。”

所以目前更好使用子代理的方式有两种：循环验证调用模式和顺序执行的编排器

4.1、循环验证调用

循环调用1908×1083 42.9 KB

循环验证调用的流程：

1. 主智能体评估子智能体的结果
2. 当结果不合格的话，主智能体根据评估结果提出新的检索任务
3. 子智能体按照新的检索任务继续检索
4. 循环最多 3 轮

在这种模式下，主智能体派发给子智能体的任务要“具体的问题+更广泛的目标”，让整体的检索面积更大，能检索到更多的结果

---

该模式下使用到的文件 Command 和 Skill 为：

• skills/iterative-retrieval

4.2、编排智能体

编排智能体1184×479 29.5 KB

编排智能体的原则是：

1. 每个代理接收一个明确的输入、并生成一个明确的输出
2. 输出成为下一阶段的输入
3. 切勿跳过任何阶段 - 每个阶段都蕴含价值
4. 在智能体之间使用/clear命令以保持上下文的新鲜度
5. 将中间输出存储在文件中（而非仅存在内存中）

除了固定的四种功能编排好的子智能体调用流程，还可以自定义子智能体的调用顺序

/orchestrate custom "architect,tdd-guide,code-reviewer" "Redesign caching layer"

该模式下使用到的文件 Command 和 Skill 为：

• commands/orchestrate.md
• agents/architect.md
• agents/code-reviewer.md
• agents/planner.md
• agents/security-reviewer.md
• agents/tdd-guide.md

五、文章配置详解

everything-claude-code/ |-- .claude-plugin/ # 插件和市场清单 | |-- plugin.json # 插件元数据和组件路径 | |-- marketplace.json # /plugin marketplace add 的市场目录 | |-- agents/ # 子智能体文件夹 | |-- planner.md # 功能实现规划 | |-- architect.md # 系统设计决策 | |-- tdd-guide.md # 测试驱动开发 | |-- code-reviewer.md # 质量和安全审查 | |-- security-reviewer.md # 漏洞分析 | |-- build-error-resolver.md # 构建错误解决 | |-- e2e-runner.md # Playwright E2E 测试 | |-- refactor-cleaner.md # 死代码清理 | |-- doc-updater.md # 文档同步 | |-- go-reviewer.md # Go 代码审查（新增） | |-- go-build-resolver.md # Go 构建错误解决（新增） | |-- skills/ # 技能 | |-- coding-standards/ # 编程语言最佳实践 | |-- backend-patterns/ # API、数据库、缓存模式 | |-- frontend-patterns/ # React、Next.js 模式 | |-- continuous-learning/ # 从会话中自动提取模式（长篇指南） | |-- continuous-learning-v2/ # 基于直觉的学习，带置信度评分 | |-- iterative-retrieval/ # 子智能体的渐进式上下文优化 | |-- strategic-compact/ # 手动压缩建议（长篇指南） | |-- tdd-workflow/ # TDD 方法论 | |-- security-review/ # 安全检查清单 | |-- eval-harness/ # 验证循环评估（长篇指南） | |-- verification-loop/ # 持续验证（长篇指南） | |-- golang-patterns/ # Go 语言习惯用法和最佳实践（新增） | |-- golang-testing/ # Go 测试模式、TDD、基准测试（新增） | |-- commands/ # 命令 | |-- tdd.md # /tdd - 测试驱动开发 | |-- plan.md # /plan - 实现规划 | |-- e2e.md # /e2e - E2E 测试生成 | |-- code-review.md # /code-review - 质量审查 | |-- build-fix.md # /build-fix - 修复构建错误 | |-- refactor-clean.md # /refactor-clean - 死代码移除 | |-- learn.md # /learn - 会话中提取模式（长篇指南） | |-- checkpoint.md # /checkpoint - 保存验证状态（长篇指南） | |-- verify.md # /verify - 运行验证循环（长篇指南） | |-- setup-pm.md # /setup-pm - 配置包管理器 | |-- go-review.md # /go-review - Go 代码审查（新增） | |-- go-test.md # /go-test - Go TDD 工作流（新增） | |-- go-build.md # /go-build - 修复 Go 构建错误（新增） | |-- skill-create.md # /skill-create - 从 git 历史生成技能（新增） | |-- instinct-status.md # /instinct-status - 查看学习到的直觉（新增） | |-- instinct-import.md # /instinct-import - 导入直觉（新增） | |-- instinct-export.md # /instinct-export - 导出直觉（新增） | |-- evolve.md # /evolve - 将直觉聚类为技能（新增） | |-- rules/ # 始终遵循的指南（复制到 ~/.claude/rules/） | |-- security.md # 强制性安全检查 | |-- coding-style.md # 不可变性、文件组织 | |-- testing.md # TDD、80% 覆盖率要求 | |-- git-workflow.md # 提交格式、PR 流程 | |-- agents.md # 何时委托给子智能体 | |-- performance.md # 模型选择、上下文管理 | |-- hooks/ # 基于触发器的自动化 | |-- hooks.json # 所有钩子配置（PreToolUse、PostToolUse、Stop 等） | |-- memory-persistence/ # 会话生命周期钩子（长篇指南） | |-- strategic-compact/ # 压缩建议（长篇指南） | |-- scripts/ # 跨平台 Node.js 脚本（新增） | |-- lib/ # 共享工具 | | |-- utils.js # 跨平台文件/路径/系统工具 | | |-- package-manager.js # 包管理器检测和选择 | |-- hooks/ # 钩子实现 | | |-- session-start.js # 会话开始时加载上下文 | | |-- session-end.js # 会话结束时保存状态 | | |-- pre-compact.js # 压缩前状态保存 | | |-- suggest-compact.js # 战略性压缩建议 | | |-- evaluate-session.js # 从会话中提取模式 | |-- setup-package-manager.js # 交互式包管理器设置 | |-- tests/ # 测试套件（新增） | |-- lib/ # 库测试 | |-- hooks/ # 钩子测试 | |-- run-all.js # 运行所有测试 | |-- contexts/ # 动态系统提示注入上下文（长篇指南） | |-- dev.md # 开发模式上下文 | |-- review.md # 代码审查模式上下文 | |-- research.md # 研究/探索模式上下文 | |-- examples/ # 示例配置和会话 | |-- CLAUDE.md # 项目级配置示例 | |-- user-CLAUDE.md # 用户级配置示例 | |-- mcp-configs/ # MCP 服务器配置 | |-- mcp-servers.json # GitHub、Supabase、Vercel、Railway 等 | |-- marketplace.json # 自托管市场配置（用于 /plugin marketplace add）

按照核心功能拆分使用的话：

1. 跨会话共享内存
   • scripts/hooks/session-start.js：会话开始钩子
   • scripts/hooks/pre-compact.js：会话压缩钩子
   • scripts/hooks/session-end.js：会话完成钩子
2. 持续学习并更新记忆：
   • commands/learn.md
   • skills/continuous-learning
3. 提高项目的可维护性：
   • commands/checkpoint.md
   • commands/verify.md
   • skills/verification-loop
   • commands/refactor-clean.md
   • agents/refactor-cleaner.md
   • agents/doc-updater.md
   • commands/update-codemaps.md
   • commands/update-docs.md
4. 子智能体使用方式：
   • skills/iterative-retrieval
   • commands/orchestrate.md
   • agents/architect.md
   • agents/code-reviewer.md
   • agents/planner.md
   • agents/security-reviewer.md
   • agents/tdd-guide.md

网友解答：

---

--【壹】--：

我就说吧，这里真能学到东西。

---

--【贰】--：

马克一下

---

--【叁】--：

先马一下再看

---

--【肆】--：

先赞后看
！

---

--【伍】--：

感谢分享

---

--【陆】--：

好强的文章，感谢佬友

---

--【柒】--：

mark一下，慢慢看

---

--【捌】--：

三个Hook点实际上挺有用的 怎么用好就难说

---

--【玖】--：

深度好文

---

--【拾】--：

感谢佬友分享

---

--【拾壹】--：

先mark后看

---

--【拾贰】--：

感谢分享

---

--【拾叁】--：

嗯呐是的，以前我也不怎么习惯使用这个hook，从这里感觉得到一些背后数据的判断提示也不错，还有那个学习记录的获取，里面好像还有更复杂的用法，有点绕哈哈哈，打算放到后面琢磨学习看看，子代理的使用感觉也挺不错的，收获多多的，真的非常喜欢这种灵活的用法

---

--【拾肆】--：

哈哈哈哈，我们最近也是，给了一个主题（AI提效），我给了一个勉强的方案，分为《团队篇》和《个人篇》交上去了，我发现最终这个还是要看自己团队的属性，如果是依靠降低成本去使用，团队成员排斥感太强了，感觉这篇文章更适合灵活使用的那种，如果要团队偏向“低代码”的方式使用，可以看看L站的其他佬，有一些佬友完整的工作流程

---

--【拾伍】--：

mark 学习一下

---

--【拾陆】--：

用了他的配置就可以成为黑客吗

---

--【拾柒】--：

我的cc说看不懂

---

--【拾捌】--：

感谢分享，今天领导看到相关文章，也要我们去研究一下

---

--【拾玖】--：

感谢整理，支持下先