尧图网站建设 
文档教程AI 技能【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点击查看免费下载本指南对应仓库 tutorial/day1/README.mdDay 1 教程面向已经完成 Day 0 安装与登录 的读者。它用一个贯穿始终的天气查询示例讲清 Claude Code 的三层控制能力Prompting直接提问、Agents专家角色、Skills专项训练。读完本文你将理解三者的区别与适用场景并能在 claude-code-best-practice 仓库中亲手体验一个真实的weather-agentweather-fetcher组合为后续搭建自己的可复用工作流打下基础。为什么需要三个层次你已经装好了 Claude CodeDay 0 已覆盖node --version与claude --version的验证、以及 Claude.ai 账号 / API Key 两种登录方式。现在的问题是你该如何控制 Claude 干活的方式把使用 Claude Code 想象成雇人办事三个层次对应三种不同力度的控制Prompting 向路人问路得到什么答案全凭运气Agents 雇一个永远按固定方式做事的专家Skills 这位专家还接受了针对特定任务的专项训练。每一层都比上一层多控制一个变量先是问什么问题再是谁来回答最后是他具体怎么回答。下面逐层展开。Level 1Prompting直接提问——入门的第一步打开终端输入claude你就进入了一次对话。试着输入what is the weather in Karachi?Claude 会给出答案——但它是怎么得出答案的完全不可预测。它可能从训练数据里检索数据可能已过时联网搜索如果 Web 工具可用给出一个通用回答而非实时数据。对快速、一次性的问题这完全够用。Prompting 适合以下场景询问代码库相关问题这个文件是做什么的撰写或改写文档把这封邮件改得更专业一些头脑风暴给这个活动想 5 个主题文案概念解释用一个非程序员也能懂的方式解释这条报错。Prompting 的局限核心局限是方法不可复现每次问今天天气如何Claude 都可能用不同的数据源、不同的方式去获取——甚至根本不取真实数据。没有机制保证它两次使用同一来源、同一方法。当你需要稳定、可靠的结果时仅靠 Prompting 是不够的这就引出 Level 2。Level 2Agents专家——把怎么干活固定下来Agent 就是让 Claude 扮演一个特定角色相当于给它一个职位头衔。厨房类比没有 Agent 时你走进一个陌生厨房大喊做份意面——听到的人可能煮出方便面也可能端出一桌五道菜的意大利大餐。而雇一位意面主厨他的岗位描述写着永远用新鲜食材、永远煮到 al dente、永远用同一种摆盘。于是每一次你都知道自己会得到什么。同一思路套用到 Claude没有 Agent你问 Whats the weather in Dubai?它可能查训练数据、可能联网、也可能凭记忆猜你无从得知。有 Agentweather-agent有一份清晰的岗位描述永远查询 Open-Meteo API 获取迪拜天气永远以指定格式返回温度。同样的问题同样的方法每次如此。仓库中的真实示例weather-agent这个仓库就实现了一个weather-agent它的全部工作就是获取迪拜的实时温度源码见 .claude/agents/weather-agent.md。它与纯 Prompting 的差异一目了然PromptingAgent数据来源可能是任何地方永远是 Open-Meteo API查询位置Claude 自己决定永远是迪拜lat: 25.2, lon: 55.3返回格式随意一段文字干净的温度值 单位一致性每次都不同每次同一种方法这个 Agent 的真实配置来自 implementation/claude-subagents-implementation.md长这样--- name: weather-agent description: Use this agent PROACTIVELY when you need to fetch weather data for Dubai, UAE. This agent fetches real-time temperature from Open-Meteo using its preloaded weather-fetcher skill. allowedTools: - Read - Skill model: sonnet color: green maxTurns: 5 permissionMode: acceptEdits memory: project skills: - weather-fetcher ---值得注意的字段description用PROACTIVELY提示词时Claude 会在合适时机自动调用该 Agent——这是把职责固定给它的关键allowedTools限定该 Agent 只能使用Read和Skill两个工具缩小动作范围以换取可预测性skills预加载weather-fetcher技能下一节详解model/maxTurns/memory分别控制模型档位、最大轮数与记忆范围。关于 Agent frontmatter 的 16 个完整字段说明见仓库的 best-practice/claude-subagents.md。核心收获Agent 带来的核心价值是可预测性predictability同一个问题 → 同一种方法 → 同一种质量。Agent 的优势不在于更聪明而在于一致。Level 3Skills训练——把具体怎么做写成说明书Skill 是 Agent或 Claude 本身可以调用的一项具体能力。培训手册类比新员工入职时有职位Agent也要通过一系列培训模块——怎么用 CRM、怎么写方案、怎么开站会。每个培训模块就是一个Skill。职位决定他是什么技能决定他能具体做什么。回到天气例子。weather-agent拥有一个叫weather-fetcher的技能源码见 .claude/skills/weather-fetcher/SKILL.mdAgentweather-agent 职位叫天气播报员的人Skillweather-fetcher 关于如何获取天气数据的具体训练。技能内容包含精确指令来自 implementation/claude-skills-implementation.md--- name: weather-fetcher description: Instructions for fetching current weather temperature data for Dubai, UAE from Open-Meteo API user-invocable: false ---1. Fetch Weather Data: Use the WebFetch tool to get current weather data - Celsius URL: https://api.open-meteo.com/v1/forecast?latitude25.2048longitude55.2708currenttemperature_2mtemperature_unitcelsius - Fahrenheit URL: https://api.open-meteo.com/v1/forecast?latitude25.2048longitude55.2708currenttemperature_2mtemperature_unitfahrenheit 2. Extract Temperature: From the JSON response, extract current.temperature_2m 3. Return Result: Return the temperature value and unit clearly.注意其中的user-invocable: false这个技能不出现在/命令菜单里它只作为领域知识预加载进weather-agent的上下文供 Agent 在内部遵循——这正是技能服务于 Agent的典型写法。为什么要分离 Agent 和 Skill因为一个 Agent 可以拥有多个 Skill一个 Skill 也可以被多个 Agent 复用。例如你可以创建一个daily-report-agent每日总结 Agent它同时使用weather-fetcher天气calendar-reader日程email-summarizer邮件摘要三个技能。Skill 是可复用的积木Agent 是使用积木的人。这个仓库还演示了第二种技能模式weather-svg-creator见 .claude/skills/weather-svg-creator/SKILL.md——它不预加载进任何 Agent而是由命令通过 Skill 工具直接调用用于把温度渲染成 SVG 天气卡片。两种模式的对比模式调用方式仓库示例关键区别SkillSkill(skill: name)直接调用weather-svg-creator由命令/Claude 按需调用Agent Skill通过skills:字段预加载weather-fetcher启动时注入 Agent 上下文Skill frontmatter 的 20 个完整字段name、description、when_to_use、arguments、disable-model-invocation、context: fork等见仓库的 best-practice/claude-skills.md。串起来看三层模型全景图Level 1: PROMPTING You → Whats the weather? → Claude figures it out somehow (unpredictable method) Level 2: AGENTS You → Weather Agent → Always uses the same approach (predictable method) Level 3: SKILLS You → Weather Agent → Uses weather-fetcher skill (predictable method with specific instructions)每一层都增加一档控制力层次你能控制什么最适合的场景Prompting问的问题快速的一次性问题Agents问题 谁来回答可重复的任务Skills问题 谁来回答 具体怎么做关键工作流进阶仓库中的完整工作流Command → Agent → Skillweather-agent和weather-fetcher并不是孤立的。在本仓库里它们共同组成了一个完整的编排示例Command → Agent → Skill入口是/weather-orchestrator命令见 .claude/commands/weather-orchestrator.md完整文档在 orchestration-workflow/orchestration-workflow.md。一次完整的执行过程如下仓库文档记录的示例执行Input: /weather-orchestrator ├─ Step 1: 询问Celsius or Fahrenheit? → 用户回答 Celsius ├─ Step 2: Agent 工具 → weather-agent │ ├─ 预加载 Skill: weather-fetcher领域知识 │ ├─ 从 Open-Meteo 获取 → 26°C │ └─ 返回: temperature26, unitCelsius ├─ Step 3: Skill 工具 → weather-svg-creator │ ├─ 生成: orchestration-workflow/weather.svg │ └─ 写入: orchestration-workflow/output.md └─ 输出: 单位、温度、SVG 与摘要文件位置这个示例完美体现了三层的分工原则Command 做编排处理用户交互询问摄氏度/华氏度、依次调用 Agent 和 SkillAgent 负责取数靠预加载的weather-fetcher技能稳定地从 Open-Meteo 拿到数据Skill 负责产出weather-svg-creator独立把数据渲染成可视化的 SVG 天气卡片。可见 Day 1 的三层模型并不是抽象概念——它就是这个仓库真实可运行的架构。仓库根目录的 CLAUDE.md 与 README.md 也把这条工作流列为如何上手的第一示例。怎么创建自己的 Agent 和 Skill在终端运行claude后你可以使用/agents命令创建自定义 Agent它会生成带 YAML frontmatter 的 Markdown 文件到.claude/agents/name.md也可以直接让 Claude 帮你创建——它会生成.claude/skills/skill-name/SKILL.md这类文件。Agent 文件的最小骨架是--- name: my-agent description: PROACTIVELY use this agent when ... skills: - my-skill ---而 Skill 文件的最小骨架是--- name: my-skill description: What this skill does --- Instructions for what the skill does.下一步建议Day 1 的核心建议是先花时间待在 Level 1——直接在终端里多和 Claude 对话、多提问。用得越多你越能敏锐地察觉哪些任务值得升级成 Agent甚至再加一层 Skill。当你遇到同一个问题需要反复用同一种方法回答的场景时就是创建 Agent 的信号当你发现某个方法本身值得写成固定说明时就是提炼 Skill 的信号。继续学习可回到 Day 0 安装教程或查阅仓库中更深入的最佳实践文档Agents 最佳实践、Skills 最佳实践以及完整的 编排工作流示例。赞分享文档教程AI 技能【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点击查看免费下载相关推荐claude-code-best-practice从 Vibe Coding 到 Agentic Engineering 的 Claude Code 最佳实践指南claude code best practice从 Vibe Coding 到 Agentic Engineering 的 Claude Code 最佳实践文档教程AI 技能Claude Code Skills 演进全记录frontmatter 字段与内置技能的漂移检测实践claude-code-best-practiceClaude Code Skills 演进全记录frontmatter 字段与内置技能的漂移检测实践claude code best practice 本文档教程AI 技能Claude Code 定制化实战Boris Cherny 的 12 个终端配置技巧claude-code-best-practice 实践版Claude Code 定制化实战Boris Cherny 的 12 个终端配置技巧claude code best practice 实践版 本篇技术指文档教程AI 技能上一篇5分钟快速上手MediaCrawler新媒体数据采集完整指南下一篇Textual Load 事件在进入终端应用模式前完成配置加载与按键绑定创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Claude Code 入门第一课：从 Prompting 到 Agents 再到 Skills 的分层实践指南（claude-code-best-practice 实战解读）
文档教程AI 技能【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点击查看免费下载本指南对应仓库 tutorial/day1/README.mdDay 1 教程面向已经完成 Day 0 安装与登录 的读者。它用一个贯穿始终的天气查询示例讲清 Claude Code 的三层控制能力Prompting直接提问、Agents专家角色、Skills专项训练。读完本文你将理解三者的区别与适用场景并能在 claude-code-best-practice 仓库中亲手体验一个真实的weather-agentweather-fetcher组合为后续搭建自己的可复用工作流打下基础。为什么需要三个层次你已经装好了 Claude CodeDay 0 已覆盖node --version与claude --version的验证、以及 Claude.ai 账号 / API Key 两种登录方式。现在的问题是你该如何控制 Claude 干活的方式把使用 Claude Code 想象成雇人办事三个层次对应三种不同力度的控制Prompting 向路人问路得到什么答案全凭运气Agents 雇一个永远按固定方式做事的专家Skills 这位专家还接受了针对特定任务的专项训练。每一层都比上一层多控制一个变量先是问什么问题再是谁来回答最后是他具体怎么回答。下面逐层展开。Level 1Prompting直接提问——入门的第一步打开终端输入claude你就进入了一次对话。试着输入what is the weather in Karachi?Claude 会给出答案——但它是怎么得出答案的完全不可预测。它可能从训练数据里检索数据可能已过时联网搜索如果 Web 工具可用给出一个通用回答而非实时数据。对快速、一次性的问题这完全够用。Prompting 适合以下场景询问代码库相关问题这个文件是做什么的撰写或改写文档把这封邮件改得更专业一些头脑风暴给这个活动想 5 个主题文案概念解释用一个非程序员也能懂的方式解释这条报错。Prompting 的局限核心局限是方法不可复现每次问今天天气如何Claude 都可能用不同的数据源、不同的方式去获取——甚至根本不取真实数据。没有机制保证它两次使用同一来源、同一方法。当你需要稳定、可靠的结果时仅靠 Prompting 是不够的这就引出 Level 2。Level 2Agents专家——把怎么干活固定下来Agent 就是让 Claude 扮演一个特定角色相当于给它一个职位头衔。厨房类比没有 Agent 时你走进一个陌生厨房大喊做份意面——听到的人可能煮出方便面也可能端出一桌五道菜的意大利大餐。而雇一位意面主厨他的岗位描述写着永远用新鲜食材、永远煮到 al dente、永远用同一种摆盘。于是每一次你都知道自己会得到什么。同一思路套用到 Claude没有 Agent你问 Whats the weather in Dubai?它可能查训练数据、可能联网、也可能凭记忆猜你无从得知。有 Agentweather-agent有一份清晰的岗位描述永远查询 Open-Meteo API 获取迪拜天气永远以指定格式返回温度。同样的问题同样的方法每次如此。仓库中的真实示例weather-agent这个仓库就实现了一个weather-agent它的全部工作就是获取迪拜的实时温度源码见 .claude/agents/weather-agent.md。它与纯 Prompting 的差异一目了然PromptingAgent数据来源可能是任何地方永远是 Open-Meteo API查询位置Claude 自己决定永远是迪拜lat: 25.2, lon: 55.3返回格式随意一段文字干净的温度值 单位一致性每次都不同每次同一种方法这个 Agent 的真实配置来自 implementation/claude-subagents-implementation.md长这样--- name: weather-agent description: Use this agent PROACTIVELY when you need to fetch weather data for Dubai, UAE. This agent fetches real-time temperature from Open-Meteo using its preloaded weather-fetcher skill. allowedTools: - Read - Skill model: sonnet color: green maxTurns: 5 permissionMode: acceptEdits memory: project skills: - weather-fetcher ---值得注意的字段description用PROACTIVELY提示词时Claude 会在合适时机自动调用该 Agent——这是把职责固定给它的关键allowedTools限定该 Agent 只能使用Read和Skill两个工具缩小动作范围以换取可预测性skills预加载weather-fetcher技能下一节详解model/maxTurns/memory分别控制模型档位、最大轮数与记忆范围。关于 Agent frontmatter 的 16 个完整字段说明见仓库的 best-practice/claude-subagents.md。核心收获Agent 带来的核心价值是可预测性predictability同一个问题 → 同一种方法 → 同一种质量。Agent 的优势不在于更聪明而在于一致。Level 3Skills训练——把具体怎么做写成说明书Skill 是 Agent或 Claude 本身可以调用的一项具体能力。培训手册类比新员工入职时有职位Agent也要通过一系列培训模块——怎么用 CRM、怎么写方案、怎么开站会。每个培训模块就是一个Skill。职位决定他是什么技能决定他能具体做什么。回到天气例子。weather-agent拥有一个叫weather-fetcher的技能源码见 .claude/skills/weather-fetcher/SKILL.mdAgentweather-agent 职位叫天气播报员的人Skillweather-fetcher 关于如何获取天气数据的具体训练。技能内容包含精确指令来自 implementation/claude-skills-implementation.md--- name: weather-fetcher description: Instructions for fetching current weather temperature data for Dubai, UAE from Open-Meteo API user-invocable: false ---1. Fetch Weather Data: Use the WebFetch tool to get current weather data - Celsius URL: https://api.open-meteo.com/v1/forecast?latitude25.2048longitude55.2708currenttemperature_2mtemperature_unitcelsius - Fahrenheit URL: https://api.open-meteo.com/v1/forecast?latitude25.2048longitude55.2708currenttemperature_2mtemperature_unitfahrenheit 2. Extract Temperature: From the JSON response, extract current.temperature_2m 3. Return Result: Return the temperature value and unit clearly.注意其中的user-invocable: false这个技能不出现在/命令菜单里它只作为领域知识预加载进weather-agent的上下文供 Agent 在内部遵循——这正是技能服务于 Agent的典型写法。为什么要分离 Agent 和 Skill因为一个 Agent 可以拥有多个 Skill一个 Skill 也可以被多个 Agent 复用。例如你可以创建一个daily-report-agent每日总结 Agent它同时使用weather-fetcher天气calendar-reader日程email-summarizer邮件摘要三个技能。Skill 是可复用的积木Agent 是使用积木的人。这个仓库还演示了第二种技能模式weather-svg-creator见 .claude/skills/weather-svg-creator/SKILL.md——它不预加载进任何 Agent而是由命令通过 Skill 工具直接调用用于把温度渲染成 SVG 天气卡片。两种模式的对比模式调用方式仓库示例关键区别SkillSkill(skill: name)直接调用weather-svg-creator由命令/Claude 按需调用Agent Skill通过skills:字段预加载weather-fetcher启动时注入 Agent 上下文Skill frontmatter 的 20 个完整字段name、description、when_to_use、arguments、disable-model-invocation、context: fork等见仓库的 best-practice/claude-skills.md。串起来看三层模型全景图Level 1: PROMPTING You → Whats the weather? → Claude figures it out somehow (unpredictable method) Level 2: AGENTS You → Weather Agent → Always uses the same approach (predictable method) Level 3: SKILLS You → Weather Agent → Uses weather-fetcher skill (predictable method with specific instructions)每一层都增加一档控制力层次你能控制什么最适合的场景Prompting问的问题快速的一次性问题Agents问题 谁来回答可重复的任务Skills问题 谁来回答 具体怎么做关键工作流进阶仓库中的完整工作流Command → Agent → Skillweather-agent和weather-fetcher并不是孤立的。在本仓库里它们共同组成了一个完整的编排示例Command → Agent → Skill入口是/weather-orchestrator命令见 .claude/commands/weather-orchestrator.md完整文档在 orchestration-workflow/orchestration-workflow.md。一次完整的执行过程如下仓库文档记录的示例执行Input: /weather-orchestrator ├─ Step 1: 询问Celsius or Fahrenheit? → 用户回答 Celsius ├─ Step 2: Agent 工具 → weather-agent │ ├─ 预加载 Skill: weather-fetcher领域知识 │ ├─ 从 Open-Meteo 获取 → 26°C │ └─ 返回: temperature26, unitCelsius ├─ Step 3: Skill 工具 → weather-svg-creator │ ├─ 生成: orchestration-workflow/weather.svg │ └─ 写入: orchestration-workflow/output.md └─ 输出: 单位、温度、SVG 与摘要文件位置这个示例完美体现了三层的分工原则Command 做编排处理用户交互询问摄氏度/华氏度、依次调用 Agent 和 SkillAgent 负责取数靠预加载的weather-fetcher技能稳定地从 Open-Meteo 拿到数据Skill 负责产出weather-svg-creator独立把数据渲染成可视化的 SVG 天气卡片。可见 Day 1 的三层模型并不是抽象概念——它就是这个仓库真实可运行的架构。仓库根目录的 CLAUDE.md 与 README.md 也把这条工作流列为如何上手的第一示例。怎么创建自己的 Agent 和 Skill在终端运行claude后你可以使用/agents命令创建自定义 Agent它会生成带 YAML frontmatter 的 Markdown 文件到.claude/agents/name.md也可以直接让 Claude 帮你创建——它会生成.claude/skills/skill-name/SKILL.md这类文件。Agent 文件的最小骨架是--- name: my-agent description: PROACTIVELY use this agent when ... skills: - my-skill ---而 Skill 文件的最小骨架是--- name: my-skill description: What this skill does --- Instructions for what the skill does.下一步建议Day 1 的核心建议是先花时间待在 Level 1——直接在终端里多和 Claude 对话、多提问。用得越多你越能敏锐地察觉哪些任务值得升级成 Agent甚至再加一层 Skill。当你遇到同一个问题需要反复用同一种方法回答的场景时就是创建 Agent 的信号当你发现某个方法本身值得写成固定说明时就是提炼 Skill 的信号。继续学习可回到 Day 0 安装教程或查阅仓库中更深入的最佳实践文档Agents 最佳实践、Skills 最佳实践以及完整的 编排工作流示例。赞分享文档教程AI 技能【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点击查看免费下载相关推荐claude-code-best-practice从 Vibe Coding 到 Agentic Engineering 的 Claude Code 最佳实践指南claude code best practice从 Vibe Coding 到 Agentic Engineering 的 Claude Code 最佳实践文档教程AI 技能Claude Code Skills 演进全记录frontmatter 字段与内置技能的漂移检测实践claude-code-best-practiceClaude Code Skills 演进全记录frontmatter 字段与内置技能的漂移检测实践claude code best practice 本文档教程AI 技能Claude Code 定制化实战Boris Cherny 的 12 个终端配置技巧claude-code-best-practice 实践版Claude Code 定制化实战Boris Cherny 的 12 个终端配置技巧claude code best practice 实践版 本篇技术指文档教程AI 技能上一篇5分钟快速上手MediaCrawler新媒体数据采集完整指南下一篇Textual Load 事件在进入终端应用模式前完成配置加载与按键绑定创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考