[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-claude-code-architecture-governance-practice-zh":3,"tags-claude-code-architecture-governance-practice-zh":35,"related-lang-claude-code-architecture-governance-practice-zh":52,"related-posts-claude-code-architecture-governance-practice-zh":56,"series-tools-ded70c08-e4d7-44d5-95e6-485fa98f3f13":93},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":23,"translated_content":10,"views":24,"is_premium":25,"created_at":26,"updated_at":26,"cover_image":11,"published_at":27,"rewrite_status":28,"rewrite_error":10,"rewritten_from_id":29,"slug":30,"category":31,"related_article_id":32,"status":33,"google_indexed_at":34,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":25},"ded70c08-e4d7-44d5-95e6-485fa98f3f13","Claude Code 的架構、治理與實作","\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude-code\" target=\"_blank\" rel=\"noopener\">Claude Code\u003C\u002Fa> 最近很紅。很多團隊把它當 AI 結對編程工具。可是真正用順的人，沒那麼多。原因很直白。它不是聊天框。它更像一個會讀倉庫、跑命令、改檔案的執行系統。\u003C\u002Fp>\u003Cp>你如果只拿它來問答，問題很快就來。上下文會亂。工具會亂用。模型會把舊資訊當新事實。這篇文章要講的，就是怎麼把它當工程系統來管。核心主題很明確：上下文治理、Skills、Hooks、Subagents，還有 \u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fbuild-with-claude\u002Fprompt-caching\" target=\"_blank\" rel=\"noopener\">Prompt Caching\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>說白了，這不是「會不會用」的問題。這是「能不能長期穩定跑」的問題。對開發團隊來說，這差很多。一次 demo 很容易。每天都能用，才是真本事。\u003C\u002Fp>\u003Ch2>Claude Code 不是聊天工具，而是執行系統\u003C\u002Fh2>\u003Cp>\u003Ca href=\"\u002Fnews\u002Fclaude-code-source-leak-hidden-internals-zh\">Clau\u003C\u002Fa>de Code 的工作方式，跟一般聊天機器人不一樣。它會讀專案內容。它會看歷史對話。它會依照你的指令去呼叫工具。這代表它不是單次輸出，而是連續決策。每一步都會影響下一步。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775113221406-6ct0.png\" alt=\"Claude Code 的架構、治理與實作\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種設計很強，但也很脆弱。只要上下文混進太多雜訊，模型就會開始誤判。它可能改錯檔。也可能重跑不該跑的命令。更麻煩的是，它還會把錯誤延續下去。這就是工程上最煩的地方。\u003C\u002Fp>\u003Cp>所以，\u003Ca href=\"\u002Fnews\u002Fclaude-code-source-analysis-agentic-loop-zh\">Clau\u003C\u002Fa>de Code 的重點不在模型多聰明。重點在資訊流怎麼整理。你給它什麼，它就會拿什麼做決策。資料乾淨，它就穩。資料亂，它就飄。這很像在管一個很會做事的實習生。能力有，但你得把規格講清楚。\u003C\u002Fp>\u003Cul>\u003Cli>它會同時處理指令、檔案、工具回傳結果。\u003C\u002Fli>\u003Cli>上下文越亂，錯誤越容易累積。\u003C\u002Fli>\u003Cli>工程使用時，邊界比自由度更重要。\u003C\u002Fli>\u003Cli>模型品質之外，資訊整理才是主戰場。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>上下文治理：別讓模型替你記憶\u003C\u002Fh2>\u003Cp>很多人第一次用 \u003Ca href=\"\u002Fnews\u002Fclaude-code-source-code-analysis-510k-lines-zh\">Clau\u003C\u002Fa>de Code，會犯同一個錯。把太多東西塞進去。專案背景、臨時討論、舊需求、個人偏好，全都丟給它。結果很常見。模型開始混淆。它不知道哪些是現況，哪些只是過去的聊天內容。\u003C\u002Fp>\u003Cp>正確做法是分層。固定規則放一層。專案結構放一層。任務資訊放一層。臨時討論不要硬塞進長對話。要嘛寫回文件，要嘛收斂成明確結論。不要期待模型幫你記住一切。那樣只會讓它更亂。\u003C\u002Fp>\u003Cp>\u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fclaude-code\" target=\"_blank\" rel=\"noopener\">Anthropic 的 Claude Code 文件\u003C\u002Fa> 也一直在講同一件事。好的上下文，不是堆出來的，是整理出來的。這句話很土，但很對。你把資訊整理好，模型才知道該信什麼。\u003C\u002Fp>\u003Cblockquote>“Good context is the result of good curation.” — Anthropic, Claude Code documentation\u003C\u002Fblockquote>\u003Cp>這句話很值得貼在團隊牆上。因為它講的是實務，不是口號。上下文治理，本質上就是知識管理。你要的是穩定輸入，不是更多輸入。這點一旦搞懂，Claude Code 的表現通常會好很多。\u003C\u002Fp>\u003Cp>另外，\u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fbuild-with-claude\u002Fprompt-caching\" target=\"_blank\" rel=\"noopener\">Prompt Caching\u003C\u002Fa> 也會放大這個差異。穩定內容可以重用。變動內容要保持短。你如果把雜訊也拿去快取，只是把問題固定住而已。\u003C\u002Fp>\u003Ch2>Skills、Hooks、Subagents：別把功能用成裝飾\u003C\u002Fh2>\u003Cp>很多人聽到 Skills、Hooks、Subagents，會以為這些是進階選配。其實不是。它們是治理工具。用對了，整個工作流會清楚很多。用錯了，只會多出一堆難維護的自動化。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775113237261-vk2o.png\" alt=\"Claude Code 的架構、治理與實作\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fclaude-code\u002Fskills\" target=\"_blank\" rel=\"noopener\">Skills\u003C\u002Fa> 適合放穩定規範。像是 code style、測試流程、提交格式、常用指令。\u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fclaude-code\u002Fhooks\" target=\"_blank\" rel=\"noopener\">Hooks\u003C\u002Fa> 適合處理事件。像是檔案變更後自動檢查，或提交前先驗證。\u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fclaude-code\u002Fsubagents\" target=\"_blank\" rel=\"noopener\">Subagents\u003C\u002Fa> 則適合拆工。像是檢索、重構、測試，各做各的。\u003C\u002Fp>\u003Cp>這三個東西的差別，講白了就是角色不同。Skills 是規則庫。Hooks 是觸發器。Subagents 是分工單元。你如果把所有邏輯都塞進同一層，最後就會得到一個很難追的 AI 工作流。看起來很炫，實際上很累。\u003C\u002Fp>\u003Cul>\u003Cli>Skills 用來沉澱長期規範。\u003C\u002Fli>\u003Cli>Hooks 用來自動觸發檢查與同步。\u003C\u002Fli>\u003Cli>Subagents 用來拆解複雜任務。\u003C\u002Fli>\u003Cli>三者都要先定義輸入、輸出、失敗條件。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>Prompt Caching：省成本只是表面\u003C\u002Fh2>\u003Cp>很多人把 Prompt Caching 當省錢功能。這講得太小了。它真正的價值，是逼你重新設計上下文。當固定規則可以重用，系統就不必每次都全量送出。這會影響延遲，也會影響 token 成本。\u003C\u002Fp>\u003Cp>對大團隊來說，這件事很實際。專案規則、資料夾說明、測試流程，通常不常變。這些很適合進快取。反過來，當前任務、最近幾輪討論、某個檔案的局部修改，應該保持短小。這樣才不會讓會話越跑越重。\u003C\u002Fp>\u003Cp>如果你把快取和上下文治理一起做，Claude Code 會比較像一個有邊界的工程助手。它不會每次都從零開始想。這對長會話很重要。對跨檔案重構也很重要。對大型 repo 更重要。因為大專案最怕的，就是每次互動都像第一次見面。\u003C\u002Fp>\u003Cul>\u003Cli>固定規則適合快取。\u003C\u002Fli>\u003Cli>臨時任務不適合快取。\u003C\u002Fli>\u003Cli>快取能降低重複輸入成本。\u003C\u002Fli>\u003Cli>錯誤的固定內容也會被持續復用。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>CLAUDE.md：寫成操作手冊，不要寫成心情日記\u003C\u002Fh2>\u003Cp>很多團隊會問，CLAUDE.md 到底要寫什麼。答案其實很簡單。把它寫成操作手冊。不是寫心得。也不是寫一堆廢話。它應該告訴模型，這個專案怎麼跑，怎麼測，哪裡不能亂動。\u003C\u002Fp>\u003Cp>最實用的內容通常很固定。專案架構。常用指令。測試方式。提交規範。危險操作。哪些情況要先問人。這些資訊越明確，模型越不容易亂猜。你要的是減少歧義，不是增加文字量。\u003C\u002Fp>\u003Cp>我覺得很多團隊低估了這件事。CLAUDE.md 寫得好，Claude Code 才有機會穩定工作。它不是附錄。它是系統入口。第一次讀倉庫時看到什麼，會直接影響後面所有動作。\u003C\u002Fp>\u003Ch2>工程團隊該怎麼落地\u003C\u002Fh2>\u003Cp>如果把這套方法放到真實團隊，我會先做三件事。第一，整理上下文。第二，定義 Skills。第三，切清楚哪些動作交給 Hooks，哪些任務交給 Subagents。不要一開始就想全自動。那通常只會把問題放大。\u003C\u002Fp>\u003Cp>更務實的做法，是先挑一個固定場景。像是單元測試補齊、文件同步、簡單重構，或 PR 檢查。先把一條流程跑穩，再慢慢擴大。這樣比較不會把整個團隊帶進一個很難回頭的設計。\u003C\u002Fp>\u003Cp>從產業角度看，這類工具的競爭點也很清楚。不是誰的 demo 比較炫。是誰能把模型、工具、記憶、規則接成一個可維護流程。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fclaude-code\" target=\"_blank\" rel=\"noopener\">Claude Code 的 GitHub\u003C\u002Fa> 與官方文件，已經把很多基礎能力攤開了。接下來比的是工程紀律，不是話術。\u003C\u002Fp>\u003Cul>\u003Cli>先挑單一場景做落地。\u003C\u002Fli>\u003Cli>先穩定，再擴張。\u003C\u002Fli>\u003Cli>把規則放進文件，不要放進口頭記憶。\u003C\u002Fli>\u003Cli>讓自動化服務流程，不要反過來綁住流程。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>結尾：先問自己，資料準備好了沒\u003C\u002Fh2>\u003Cp>Claude Code 能不能用好，答案通常不在模型。答案在你的 repo。你的文件夠不夠清楚。你的規則夠不夠穩。你的上下文有沒有整理。這些問題不先解掉，再強的模型也會被拖慢。\u003C\u002Fp>\u003Cp>我自己的判斷很直接。接下來 6 到 12 個月，真正跑得穩的團隊，不會是最會下 prompt 的那群。會是最會做治理的那群。你如果已經在用 Claude Code，我會建議先從 CLAUDE.md、Skills 和 Prompt Caching 下手。先把一個流程做穩，再談擴大。\u003C\u002Fp>\u003Cp>講白了，問題不是 Claude Code 能不能幫你寫程式。問題是，你的工程流程，準備好讓它長期工作了沒。\u003C\u002Fp>","Claude Code 不是聊天框，而是工程執行系統。本文拆解上下文治理、Skills、Hooks、Subagents 與 Prompt Caching，講清楚怎麼把它放進真實開發流程。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2016305520219268848",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775113221406-6ct0.png",[13,14,15,16,17,18,19,20,21,22],"Claude Code","Anthropic","上下文治理","Skills","Hooks","Subagents","Prompt Caching","CLAUDE.md","AI 結對編程","LLM 工程","zh",1,false,"2026-04-02T05:15:36.708244+00:00","2026-04-02T05:15:36.56+00:00","done","c7f8dcf6-357d-48b8-9afd-97cd96ffc988","claude-code-architecture-governance-practice-zh","tools","70857652-9db2-481a-9622-fab4df3f8da7","published","2026-04-09T09:00:51.956+00:00",[36,38,40,42,44,46,48,50],{"name":21,"slug":37},"ai-結對編程",{"name":39,"slug":39},"hooks",{"name":19,"slug":41},"prompt-caching",{"name":20,"slug":43},"claudemd",{"name":13,"slug":45},"claude-code",{"name":14,"slug":47},"anthropic",{"name":22,"slug":49},"llm-工程",{"name":51,"slug":51},"subagents",{"id":32,"slug":53,"title":54,"language":55},"claude-code-architecture-governance-practice-en","Claude Code 的架构、治理与工程实践","en",[57,63,69,75,81,87],{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":31},"d058a76f-6548-4135-8970-f3a97f255446","why-gemini-api-pricing-is-cheaper-than-it-looks-zh","為什麼 Gemini API 定價其實比看起來更便宜","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778869845081-j4m7.png","2026-05-15T18:30:25.797639+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":31},"68e4be16-dc38-4524-a6ea-5ebe22a6c4fb","why-vidhub-huiyuan-hutong-bushi-quan-shebei-tongyong-zh","為什麼 VidHub 會員互通不是「買一次全設備通用」","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778789450987-advz.png","2026-05-14T20:10:24.048988+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":31},"7a1e174f-746b-4e82-a0e3-b2475ab39747","why-buns-zig-to-rust-experiment-is-right-zh","為什麼 Bun 的 Zig-to-Rust 實驗是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778767879127-5dna.png","2026-05-14T14:10:26.886397+00:00",{"id":76,"slug":77,"title":78,"cover_image":79,"image_url":79,"created_at":80,"category":31},"e742fc73-5a65-4db3-ad17-88c99262ceb7","why-openai-api-pricing-is-product-strategy-zh","為什麼 OpenAI API 定價是產品策略，不是註腳","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778749859485-chvz.png","2026-05-14T09:10:26.003818+00:00",{"id":82,"slug":83,"title":84,"cover_image":85,"image_url":85,"created_at":86,"category":31},"c757c5d8-eda9-45dc-9020-4b002f4d6237","why-claude-code-prompt-design-beats-ide-copilots-zh","為什麼 Claude Code 的提示設計贏過 IDE Copilot","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778742645084-dao9.png","2026-05-14T07:10:29.371901+00:00",{"id":88,"slug":89,"title":90,"cover_image":91,"image_url":91,"created_at":92,"category":31},"4adef3ab-9f07-4970-91cf-77b8b581b348","why-databricks-model-serving-is-right-default-zh","為什麼 Databricks Model Serving 是生產推論的正確預設","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778692245329-a2wt.png","2026-05-13T17:10:30.659153+00:00",[94,99,104,109,114,119,124,129,134,139],{"id":95,"slug":96,"title":97,"created_at":98},"de769291-4574-4c46-a76d-772bd99e6ec9","googles-biggest-gemini-launches-in-2026-zh","Google 2026 最大 Gemini 盤點","2026-03-26T07:26:39.21072+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":130,"slug":131,"title":132,"created_at":133},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":135,"slug":136,"title":137,"created_at":138},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":140,"slug":141,"title":142,"created_at":143},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00"]