这是一套经过真实项目验证的 Claude Code 应用体系，聚焦思维转型、环境配置与全周期 SOP。它不教提示词技巧，而是解决遗留系统重构难、技术债积压重、团队协作成本高等实际工程痛点。
智能速览
提出‘上下文编排’替代传统提示工程，CLAUDE.md 是驱动 AI 输出质量的核心燃料
规划-执行-验证循环成为复杂任务标准流程，Plan Mode 强制 AI 先分析再行动
通过子代理编排实现多角色协作，7个AI专家15分钟完成带图文档自动化生成
分层上下文体系覆盖全局、项目、模块、私有四级，支持精准上下文聚合
TDD+AI 工作流将测试通过率作为明确目标，保障代码健壮性与可维护性
AI 驱动的自动化代码审查、大规模重构与技术债偿还，边际成本趋近于零
精华内容
当 AI 不再是补全片段的‘结对程序员’，而成为理解代码库、自主规划、持续演进的‘开发代理’，软件工程的经济模型已被彻底改写。
上下文即燃料
CLAUDE.md 文件不是提示词模板，而是项目的‘活文档’和 AI 的‘入职手册’。实测显示，在 React 项目中启用结构化 CLAUDE.md 后，组件生成准确率从不足40%提升至92%，错误状态处理、状态管理方案、UI 规范等关键维度全部达标。未配置时，AI 常生成 Class Component 或忽略加载态；配置后，自动调用 useApi hook、集成 Zustand store，并主动提醒补充 Storybook 文件。上下文质量直接决定输出稳定性，模糊指令导致的返工时间平均增加3.7倍。
规划先行模式
激活 Plan Mode（双 Shift+Tab）后，Claude 进入只读分析阶段，强制完成依赖扫描、文件阅读与方案推演。在一次微服务接口迁移任务中，该模式帮助识别出3处被隐式调用的废弃 SDK 版本，避免上线后级联故障。相比直接执行，规划先行使任务成功率从68%升至94%，平均单次迭代耗时下降41%，因逻辑偏差导致的重做率由29%降至4%。人类角色由此转向目标设定、计划评审与结果验收。
代理协同网络
在 .claude/agents/ 目录下定义角色化子代理，可构建可复用的 AI 协作单元。一个典型文档流水线包含 Mermaid 解析器、PDF 渲染器、Word 导出器、图表校验器等7个代理。实测处理含5张复杂流程图的 Markdown 文档，全程14分52秒完成 PDF 与 Word 双格式输出，图表保真度达100%，且首次运行即通过全部格式校验。相较人工操作（平均耗时2.5小时），效率提升超10倍，且完全规避了字体嵌入、矢量缩放等常见失真问题。
分层上下文体系
四层上下文结构显著提升跨场景适配能力：全局 ~/.claude/CLAUDE.md 统一 commit 格式与 shell 别名；项目根目录 CLAUDE.md 明确技术栈与架构约束（如‘禁止使用 eval’）；模块级 /services/api/CLAUDE.md 强制 decimal.js 精度计算；本地 CLAUDE.local.md 隔离敏感配置。在 30 万行遗留系统中应用该体系后，新功能开发上下文准备时间从平均47分钟压缩至6分钟，模块间上下文误用率下降91%。
TDD-AI 协同链
采用‘先写测试→AI 实现→自动验证’闭环，测试用例覆盖率要求由人工设定（如 must-cover-edge-cases:true）。在支付模块开发中，AI 生成代码首次通过率从53%提升至89%，边界条件覆盖率达100%（含负余额、并发扣减、幂等失败等7类场景）。相比纯人工 TDD，单位功能交付周期缩短36%，回归测试通过率稳定在99.8%以上。AI 不替代测试设计，但极大提升了测试驱动开发的落地效率与一致性。
这套方法论的价值在于将 Claude Code 从工具升级为工程基础设施——它重新定义了开发者的角色重心：从写代码转向设计人机协作规则。当上下文编排、规划验证、代理协同成为标准动作，那些曾被标记为‘技术债黑洞’的遗留系统，正变得可理解、可演进、可持续优化。下一个值得思考的问题是：当重构成本趋近于零，我们该如何重新评估‘值得保留’的旧代码？
