译自Anthropic官方文档，详解Claude Code在百万行代码库中的工作原理、五层扩展点配置和三种成功部署模式。
译自Anthropic官方文档，详解Claude Code在百万行代码库中的工作原理、五层扩展点配置和三种成功部署模式。
开源Agent安全框架TRIAD用三路决策（继续/更新/拒绝）替代二分类护栏，在提示注入攻击下仍能保住用户原本任务。
Claude Code 已经在数百万行代码的 monorepo、几十年历史的老旧系统、几十个仓库的微服务架构中证明了自己。这篇指南译自 Anthropic 官方文档，总结了让 Claude Code 在大型代码库中发挥最大效能的实操模式。
Claude Code 浏览代码库的方式像一位经验丰富的工程师：在文件系统中穿梭、阅读文件内容、用 grep 精准定位、追踪引用关系。它直接在本地运行，不需要预先构建代码库索引，也不需要把代码上传到云端。
传统的基于 RAG 的 AI 编程工具会把代码向量化再检索，但在庞大的代码库面前，向量化跟不上提交节奏，检索到的可能是已经被改名的函数或已删除的模块。Claude Code 的智能体式搜索（Agentic Search）避开了这个问题，但代价是它需要足够的"初始上下文"才能高效导航。
围绕模型搭建的"基础设施"（Harness）对最终表现的决定性作用，远大于模型本身。这个基础设施由五个扩展点构成，搭建顺序非常关键，因为每一层建立在前一层之上。
CLAUDE.md 是 Claude 每次会话自动读取的上下文文件。根目录下的文件用于全局情况，子目录下的文件用于局部规范。
关键原则：保持精简。 因为这些文件每次都会被加载，只保留最通用的信息。不要把本该写成"技能"的可复用专业知识塞进去。
钩子让整个配置具备自我进化能力。大多数团队把钩子看作阻止 Claude 犯错的脚本，但它更重要的价值在于持续改进：
对于代码检查（linting）和格式化这类自动化工作，钩子比靠 Claude 记住指令要靠谱得多。
技能解决了一个核心矛盾：不是每次任务都需要加载所有专业知识。通过渐进式呈现（Progressive Disclosure），技能把专业知识独立出来，只在任务需要时加载。
技能还可以绑定到特定路径下。比如支付团队把"部署技能"绑定到支付目录，其他目录工作时不会自动加载。
插件把技能、钩子和 MCP 配置打包成一个可安装的单元。新入职工程师第一天安装插件，立刻就能拥有和老手一样的上下文知识。企业可以通过内部应用市场分发更新。
MCP 服务器是 Claude 连接内部工具、数据源和 API 的通道。最硬核的团队会把结构化搜索封装成工具，通过 MCP 让 Claude 直接调用。
| 组件 | 何时加载 | 最适合做什么 | 常见误区 |
|---|---|---|---|
| CLAUDE.md | 每次会话 | 项目规范、代码库基础知识 | 塞了本该写成技能的内容 |
| 钩子 | 事件触发 | 自动化执行、捕获经验教训 | 用提示词代替脚本 |
| 技能 | 按需加载 | 可复用的专业知识 | 把所有东西塞进 CLAUDE.md |
| 插件 | 配置后可用 | 全公司分发工作流配置 | 好用的配置没共享 |
| LSP | 配置后可用 | 符号级精确导航 | 以为是开箱即用的 |
| MCP 服务器 | 配置后可用 | 连接内部工具 | 基础配置没搞好就急着建 MCP |
| 子智能体 | 被调用时 | 分离代码探索和编辑 | 在同一会话既做探索又做编辑 |
这是最基础也最重要的模式：
.ignore 文件屏蔽生成文件和第三方代码：在 .claude/settings.json 中提交 permissions.deny 规则随着模型进化，为旧模型写的规则可能变成新模型的束缚。建议每 3-6 个月盘点一次配置，在大模型更新发布后也要重新审查。
单靠技术配置无法推动广泛使用。成功落地的组织都在管理上投入了心血：