开篇词 - 共生而非替代

你好，我是黄佳。

这一次，我怀着兴奋而热切的心情，向大家分享这几月重塑了我工作和生活形态的Claude Code，以及其中尤其重要的SubAgents和Skills理念。

我不想用什么“人机交互革命”这种被说烂了的词。但过去几个月，我确实感受到了一种不可逆的变化。

以前写代码是这样的：打开 IDE，敲键盘，查文档，调试，再敲键盘。大脑是主机，手指是输出设备。

现在写代码是这样的：我描述意图，AI 生成代码，我审阅确认，AI 继续迭代。大脑变成了导演，AI 变成了演员。

这不是效率提升 10% 或 20% 的量变。这是角色本身的转换——从“执行者”到“指挥者”。

Another AI Coder？Claude Code 远不止如此

2024 年末到 2025 年初，AI Coding 领域迎来了一次集中爆发。过去的2025年，我们已经见证过一轮又一轮 AI Coding 工具的浪潮。

• 有的强调补全与提示，让你写代码的速度更快。

• 有的主打对话式编程，让你“像和人聊天一样”改代码。

• 有的专注在 IDE 深度集成，几乎变成编辑器的一部分。

• 也有的试图做成“自动修 Bug 的魔法助手”。

让我们快速扫描一下主流的AI Coding工具和它们的特点。

不难看出，这些AI Coder都有着非常相似的交互界面，通过代码补全，尤其是右侧的交互对话框来进行代码库分析和自动代码生成。其中，Github Copilot是最早的AI编码助手。随后Cursor 异军突起，其 Composer 可以跨文件修改，后来演变为可以复用的Agent。而Cursor的竞争对手Windsurf 则强调 Flow 状态下的连续编排。这些工具都在解决一个问题—— 如何降低“写代码”的门槛。

然而，当AI编程最终发展到Claude Code之后，如果我们仍然简单地把“学习并使用Claude Code”当做时下流行的Vibe Coding或AI coding hype中一个不得不学的工具，那格局就太低了！

Claude Code 出现时，包括我在内的很多人都明确意识到：真正被重塑的，已经不是“写代码”，而是 Vibe Coding 这件事本身。

在 Claude Code 中，你更容易这样描述任务：

“这个模块现在可读性差、测试覆盖不足，还可能有安全隐患。 我希望你帮我系统性地重构它，但不要影响对外接口。”

你会发现，Claude Code非常懂工程（并不仅仅是Claude模型本身代码能力强）。他会自动规划任务，自动拆解任务，自动雇佣一堆Sub Agents 做事情，自动确认什么时候要引入人类决策。你不是在一句一句“教它写代码”，而是在和一个工程系统对齐节奏。

为啥Claude Code这么强？因为它直接把 Agent 和工程治理写进了产品架构里——Sub-Agents、Skills、Hooks，这些从Claude Code的设计过程中创建出来的概念，已经超越了“编程工具”本身，形成了通用智能体设计模式的一部分。

现在我们使用Claude Code等AI Coding工具编码，其实你不再只是把自然语言翻译成代码， 而是在做设计，具体来说是做三件更高级的事情：

• 拆解问题

• 分配任务

• 组织多个智能体协作完成目标

这已经不是“编程工具”的范畴了，而是一种新的工作范式。这就是为什么我选择用一整个专栏来讲 Claude Code，而不只是写几篇如何使用的教程。因为它代表的不只是一个产品，而是一种范式：人机协作的新范式。

当 Sub-Agents 和 Skills 成为通用语言

这里我们必须单独强调 Sub-Agents 和 Skills 这两个概念，因为它们正在从 Claude Code 的原生技术术语泛化出来，演变成 AI 工程领域的通用语言（这个过程非常像是我们常说的“出圈”）。

Sub-Agents（子代理） 的核心思想是：一个复杂任务可以拆解给多个专职角色。

就像一家公司不会让 CEO 亲自写代码、做测试、查日志，AI Agent 也需要“组织架构”。我们可以这样理解，主代理是指挥官，子代理是专业兵种。有人负责代码审查（只读，不能改），有人负责跑测试（执行，汇报结果），有人负责分析日志（消化噪声，提炼结论）。

这不是 Claude Code 独创的想法。OpenAI 的 Swarm、LangChain 的 Multi-Agent、微软的 AutoGen，都在探索类似的方向。但 Claude Code 把它做成了开箱即用的工程能力——你只需要写一个配置文件，就能创建一个有明确职责、受限权限的子代理。

Skills（技能） 的核心思想是：AI 应该知道什么时候用什么能力。

传统工具需要用户手动触发——你输入 /review，它就审查代码。但 Skills 不同，你只需要说“帮我看看这段代码有没有安全问题”，AI 就能自动判断这是代码安全审查任务，并自动激活对应的 Skill，自动应用领域知识和检查清单。

这种“语义触发”的设计，让 AI 从执行命令的工具，升级为理解意图的工作伙伴。

更有意思的是，Skills 的渐进式披露架构——不是把所有知识一股脑灌给 AI，而是按需加载，用到什么加载什么。这解决了 LLM 上下文窗口的根本限制。

这两个概念之所以重要，是因为它们可以迁移。不管你用的是 Claude Code 还是其他 Agent 框架，分工协作和按需加载的思想都是通用的。学会了这套方法论，你就获得了一种可复用的 AI 工程能力。

从程序员到开发者，从开发者到极客

最后，我想聊聊人的变化。

过去我们称自己为程序员或者码农，写程序的人，编代码的工匠。这两年，AI Coder 渐渐侵蚀了属于我们码农的场域，我们把自己升级叫开发者（或架构师），开发产品的人（谁来编码并不重要，关键是程序开发由谁来掌控，这个词会让我们暂时感觉更安全）。但在 Claude Coding 时代，我更愿意用一个老词：极客（Geek）。

为什么？因为Claude Code这个级别的 AI 正在让编程能力民主化。以前，想把一个创意变成产品，需要具备这些条件。

• 会写代码（技术门槛）

• 有足够的时间（执行成本）

• 能处理各种工程细节（经验门槛）

现在，这三个门槛都在急剧降低。不会写代码？AI 可以帮你写。没有时间？AI 可以 24 小时工作。不懂工程细节？AI 知道最佳实践。

这意味着什么？能力的天平正在从“执行力”向“创意力”和“组织力”倾斜。而这些能力往往并不属于传统的“程序员”，而是程序员或开发者的加强版，也就是极客。

以前，有想法但不会写代码的人，需要找程序员合作。现在，他可以直接和 AI 合作。以前，产品经理和工程师之间有一道翻译的鸿沟。现在，AI 可以做那个翻译。以前，一个人做不了什么大项目。现在，一个人 + AI 团队，可以挑战以前需要一个团队才能完成的事情。

极客精神的核心从来不是“会写代码”，而是“用技术解决问题”。

AI 让更多人获得了这种能力。爱思考的人、会组织的人、有创意的人、懂用户的人，他们不需要再被“不会写代码”这道门槛挡住。

这是我真正兴奋的地方。

这门课会带给你什么

现在回到这个专栏本身。

这不是一份 Claude Code 入门教程——安装Claude Code（或任何其它AI Coder）之后，你只需要在命令行、IDE的Terminal中输入Claude命令，或者在交互对话框中按照自己的需求开始和它对话，甚至不需要阅读任何说明文档。

这是一门工程化实战课，目标是让你从 Claude Code 的使用者，成长为能够驾驭 AI 的工程指挥者。

我们不是从功能出发，而是从工程协作中的真实卡点出发，反推需要哪些机制。围绕真实工程中 Agent 协作常见的痛点，后续课程将带你逐一拆解并解决以下问题。

• Memory：解决 Agent 每次对话都“从零开始”、不理解项目背景的问题，让 AI 真正记住你的代码结构、约束和上下文。

• Sub-Agents：解决单一 Agent 角色混乱、上下文污染、又写代码又做审查的问题，通过职责拆分实现关注点分离。

• Skills：解决 Prompt 不可复用、经验无法沉淀、团队能力难以传承的问题，把个人技巧变成可组合的工程资产。

• Hooks：解决 Agent 执行过程不可控、缺乏检查点、容易“越权操作”的问题，在关键节点引入自动校验和人工兜底。

• Headless：解决 Agent 只能在 IDE 里交互、无法进入自动化流程的问题，让 AI 能在 CI/CD 中无人值守地运行。

• Agent SDK：解决只会用对话的方式使用 Agent，难以嵌入现有系统和工作流的问题，用代码驱动 Agent，构建可编排的工程流程。

课程结构与安排

每一讲都不会止步于理解概念，而是围绕一个真实工程场景展开，配套可直接复用的配置与代码（老规矩，佳哥会在 Github 开源所有的教学代码，仓库地址：huangjia2019/claude-code-engineering）。

我不会教你“怎么用 Claude Code 写一个 Hello World”，而是教你“怎么把 Claude Code 变成你的 AI 工程团队”。我们的具体学习目标是：

• 把 Claude Code 从“聊天式工具”，升级为可持续运转的 AI 工程团队。

• 让 AI 能“接手真实项目”，而不仅是写示例代码。

• 构建可复用的 Sub-Agents和Skills，把个人经验变成团队资产。

• 让 AI Agent 真正进入 CI/CD，而不是停留在 IDE 里。

• 从“写代码的人”，转变为组织管理智能体的人，从执行者蜕变为技术指挥者。

课程更新安排

这门专栏预计在4月中上旬更新完毕，每周更新2-3节内容，期间春节假期为了方便同学们查漏补缺和强化练习，会留一个综合作业，并暂停更新一周。

这样的节奏安排，主要是综合考量了交付质量保障和大家的学习习惯而制定的——既保证每周有稳定的、高质量的内容准备，也给同学们预留了跟学跟练、消化吸收的时间。

结合最近的热点，我们热点加餐部分也新增了 Harness 和源码分析的部分，而这两个热点里的很多细节，也验证了我们课程的思路是和目前 Agent 工程主流思路一致。Harness 加餐建议配合 Walking Labs 开源课程一起学习：walkinglabs/learn-harness-engineering（从 0 到 1 的 Harness 工程教程，含讲义与 Electron 实战项目线）。还是那句话，学思想而非工具，把握了这一点，你就更容易在纷繁变化的技术更迭中，建立好自己的认知地图。

写在最后

我们正站在一个协作生态更新的转折点上。过去，开发者写代码、跑测试、查日志、修 Bug——一切尽在掌控。如今，AI Agent 开始参与这场创造：它能读懂你的代码库，理解你的意图，甚至主动提出方案。

但这不是人被替代的故事，而是人机协作的新篇章。这是一场极客与 AI 的共舞——你领舞，它跟随；你编排，它执行。

让我们开始这次学习探索之旅吧！

配套示例代码

官方配套示例仓库：huangjia2019/claude-code-engineering

克隆后即可跟练：

git clone https://github.com/huangjia2019/claude-code-engineering.git
cd claude-code-engineering

各讲配套代码目录如下（链接直达仓库对应路径）：

讲次	主题	配套代码
02	过目不忘 · 记忆系统	02-Memory
03	分而治之 · Sub-Agents 核心概念	03-SubAgents
04	量体裁衣 · Multi-Agent 工程指南	03-SubAgents
05	明察秋毫 · 只读型安全审计	01-code-reviewer
06	去芜存菁 · 高噪声任务处理	02-test-runner · 03-log-analyzer
07	百舸争流 · 并行探索与流水线	04-parallel-explore · 05-bugfix-pipeline
08	群策群力 · Agent Teams	06-agent-teams-bug-hunt
09	触类旁通 · SKILL.md 结构	04-Skills
10	令行禁止 · Command 实战	05-Commands
11	循序渐进 · 渐进式披露	03-financial-skill
12	珠联璧合 · Skills 与 SubAgent 配合	05-api-generator · 07-skill-fork-demo · 08-skill-pipeline
15	防微杜渐 · Hooks 自动化	06-Hooks
16	未雨绸缪 · Hooks 高级模式	06-Hooks
17	海纳百川 · MCP 协议	07-MCP
19	无人值守 · Headless 模式	08-Headless
21	登堂入室 · Agent SDK 基础	09-Agent-SDK
22	得心应手 · Agent SDK 高级	09-Agent-SDK
23	化零为整 · Plugins 打包	10-Plugins

书籍配套代码片段：99-书籍代码（226 个片段，按章节归类，可直接 copy-paste）

Harness 加餐（独立专题）

主题	参考开源课程
Harness 工程 · 五子系统与实战项目线	walkinglabs/learn-harness-engineering

建议学完 Memory、Skills、Hooks 后再跟练；本仓库 13-Harness/ 目录与上述课程 projects/ 结构一一对应，可离线对照学习。