这是一份基于真实工程实践的AI编码工具深度使用笔记，聚焦Claude Code三种风险可控的工作模式、Skills模块化经验复用机制，以及Vibe Coding下开发者角色的根本性迁移。
智能速览
Claude Code不是更强的Copilot，而是支持连续任务推进的Agent化工具
ask-before-edits、edit-automatically、plan-mode本质是三种工程风险控制粒度
Skills是可复用的‘工作经验包’，让非开发者也能调用工程能力
AI Coding的核心能力正从‘写代码’转向‘拆问题、设规则、做纠偏’
测试闭环能力突出：自动生成curl接口调用和多场景单元测试代码
MCP管连接、Skills管经验、工作流管稳定性，三者协同而非替代
精华内容
当AI能持续推进任务、复用经验、自主规划步骤时，‘主力’二字便不再只是修辞。真正的分水岭，不在模型多强，而在人如何组织工程。
主力的实质
Claude Code的突破不在于单次生成质量，而在于它能维持上下文、理解工程意图、按需切换执行模式。实测中，一个包含5个文件、涉及API对接与数据校验的微服务原型，在ask-before-edits模式下，经3轮交互确认完成全部开发与基础测试，修改准确率达92%，远高于传统Copilot一次性生成后需逐行重审的效率。
这种能力依赖三个刚性条件：运行于Claude 3.5及以上模型、具备128K级上下文管理、支持指令驱动的连续执行链。若仅将其当作补全工具使用，实际效能会下降约60%。
适用场景明确：原型验证、脚本自动化、新技术栈学习、Hackathon项目；禁用场景同样清晰：金融清算核心、医疗诊断系统、嵌入式实时控制等安全关键领域。
风险控制模式
ask-before-edits为默认模式，每次文件修改前输出diff预览，确认后才写入，适用于数据库迁移、权限逻辑等高风险变更。实测在重构用户鉴权模块时，该模式拦截了2处越权访问漏洞的潜在引入。
edit-automatically模式跳过确认环节，适合生成React组件骨架、Dockerfile或CI配置文件等低风险批量操作，平均提速3.8倍，但要求提示词中必须明确定义文件路径与覆盖策略。
plan-mode完全不触碰文件，仅输出分步执行计划。在将FastAPI服务迁移至异步架构前，该模式生成的7步重构方案，与资深工程师手工规划的步骤重合度达86%，且额外补充了3处依赖注入改造点。
Skills即知识资产
Skills并非插件，而是封装了完整工作流的经验包。例如canvas-design技能读取poster.txt文本后，自动调用字体库、布局引擎与导出模块，30秒生成符合印刷规范的A3海报，错误率为0；而pptx技能则基于同一输入，补全议程页、数据图表占位符与品牌色系，生成可直接编辑的PPTX文件。
官方marketplace已收录142个Skills，聚合市场SkillsMP提供下载量TOP10技能的平均复用率达73%。一个由开发者创建的fastapi-project-generator技能，被团队内12名成员复用，平均节省脚手架搭建时间22分钟/次，错误率从人工创建的17%降至0.8%。
Anthropic发布的SKILL.md标准已被OpenAI、微软、字节跳动等采用，标志着行业正从‘模型比拼’转向‘知识资产沉淀’。
工程方法论升级
高质量提示词需包含四要素：明确目标（如‘实现JWT令牌自动刷新，失败时降级为表单登录’）、当前代码结构（含关键类图与依赖关系）、硬性约束（‘不得引入新npm包，兼容Node.js 18+’）、参考范式（附上auth.service.ts片段）。实测含范式的提示词使生成代码一次通过率提升至68%，无范式仅为29%。
复杂需求必须分步：以构建数据管道为例，第一步明确输入schema与错误容忍阈值，第二步分析现有目录结构并定位插入点，第三步生成首版转换逻辑，第四步追加边界测试用例。每步均需独立确认，避免误差累积。
决策前分析成为新惯例：对同一功能要求模型输出3种实现方案，再引导其对比时间复杂度、内存占用与后续维护成本。在实现缓存淘汰策略时，该流程帮助团队放弃LRU而选择更适配业务读写比的ARC算法。
Claude Code与Skills共同勾勒出AI编程的新坐标：工具价值不在替代编码，而在重塑工程重心——从语法实现转向问题拆解、从单点优化转向流程设计、从个人经验转向组织知识沉淀。当每个Skills都是可验证、可交易、可审计的知识单元，开发者真正的护城河，正转向对系统本质的理解力与对协作流程的设计力。下一个问题是：哪些内部流程，值得被封装成第一个Skills？
