行业名家力荐

当编程智能体不再只是简单的聊天玩具，而是能横跨整个代码库、调用外部工具、执行长周期任务时，理解其底层逻辑便成了决胜关键。本书正是这样一本“内功秘籍”，从上下文工程的核心原则，到MCP服务端扩展、GitHub自动化、多智能体协作，再到深度智能体与长时工作流，全程带你亲手驾驭Claude Code的每一层能力。无论你是想优化终端工作流，还是构建可扩展的智能体系统，本书都能让你从“会用”跃升到“会造”。实战密集，认知升级，值得案头常备。    

陶建辉 涛思数据创始人、CEO

AI Coding正在给整个开发编程行业带来翻天覆地的革命，我们也应当积极拥抱AI带来的变化。熟练使用Claude Code应该是行业共识，很难想象现在没有这类Coding Agent，我们该如何开发。除了工具实操，读者还应深入理解Agent的设计理念与底层原理，进一步思考团队协同、AI协同的未来协作模式。期望本书不仅可以提升你的工具使用效率，更能启发你开展相关方向的思考。 

毛剑 哔哩哔哩技术委员会主席

基础架构部、质量保障中心、游戏技术中台总经理

AI编程智能体正成为研发效能升级的核心抓手，是软件产业智能化转型的重要方向。《Claude Code智能体编程实践》避开空泛理论，系统梳理智能体落地方法、工具集成与协同模式，兼具行业视野与实操价值。对国内科技行业研发团队与技术管理者的参考性很强，值得一线技术从业者研读。   

马龙飞 中国信息通信研究院云计算与数字化研究所

智能原生软件工程负责人

不管你是否乐意承认，大模型与Coding Agent已在深度重塑软件开发范式。在保障良率的前提下高效地与Coding Agent协作产出，正成为从业者的必修技能。《Claude Code智能体编程实践》超越工具用法讲解，围绕上下文工程、MCP、钩子、子智能体与多智能体协作，展示如何将Claude Code纳入真实研发流程。本书适合希望提升AI Coding能力、但缺乏体系化导引的开发者阅读。   

管俊 资深研发效能架构师

当AI成为队友，一场我与Claude Code的协作实验

当我第一次用Claude Code完整地重构了一个遗留模块，从理解数千行的陈旧代码，到生成配套的单元测试，再到自动提交PR并触发CI流水线，整个过程几乎不需要我手动介入。那一刻，我清晰地意识到：我们与代码的关系，正在发生一次根本性的位移。

过去十几年，我写过无数行代码，也带领团队交付过多个国内十亿级用户的大型系统。但这次体验不同。我不再是写下指令的人，更像是设定边界与目标的协作者。智能体不再是被动响应的对话框，它能够主动探索代码库、调用外部工具、在多步推理中自我修正，甚至自主决定何时需要向我寻求澄清。这种从对话式AI到自主智能体的跃迁，不仅仅是效率的提升，更是软件开发范式的深层变革。

正因如此，当我读到Eden Marco这本书的原稿时，几乎是一口气读完了全书。它没有停留在如何问一个更好的问题这类浅层技巧上，而是直指现代编程智能体运作的核心：上下文工程。你会发现，智能体的每一次推理、每一次工具调用、每一次决策，本质上都是对上下文的构建、管理和消耗。上下文不是提示词的简单堆砌，它决定了智能体“看到什么”“记住什么”“忽略什么”，进而决定了输出的质量、成本与可靠性。如果说提示词工程是让AI说出你想要的答案，那么上下文工程就是让AI在复杂系统中做出你期望的行为。

这本书让我尤为欣赏的地方在于，它没有回避复杂性，也没有沉溺于炫技。作者用 HookHub 这样一个贯穿全书的实战项目，将Claude Code的配置、MCP服务端扩展、GitHub Actions自动化、多智能体协同、子智能体隔离、输出风格定制等硬核主题串联起来。每引入一个新概念，都对应一个可运行、可验证的实验场景。你学到的不是零散的技巧，而是一套可以迁移到任何智能体驱动开发中的系统性方法论。

翻译这本书的过程中，我不断地在书中内容与自己的一线实践之间进行来回印证。书中关于深度智能体与长时程工作流的讨论，让我重新审视了自己团队近期用LangChain构建的自动化测试生成系统，我们踩过的坑、绕过的弯路，几乎都可在书中找到系统性的解释和解决思路。这正是我决定将这本书引入中文世界的最大动因：我希望中文开发者不必像我当初那样，在碎片化的博客、视频和官方文档中拼凑认知，而是能通过一本结构清晰、既有深度又有实操的著作，一步到位地建立起对编程智能体的完整理解。

当然，这本书不是给零基础读者的保姆级教程。它默认你拥有Python或TypeScript的实战经验，能够熟练操作Git，并且对LLM、RAG、智能体等基本概念有认知。在我看来，这恰恰是它的珍贵之处，它把你视作一个成熟的专业人士来对话，与你并肩探讨架构决策、性能权衡与系统设计，而非简单地教你怎么调接口。这种对读者智识的尊重，在技术书籍中并不多见。

最后，我想对翻开这本书的你说几句心里话。我们这一代软件工程师，正站在一个罕见的历史节点上：AI不再仅仅是辅助工具，而是正在成为与我们协同工作的队友。这会带来职业角色的重塑，也会带来对什么是工程能力的全新定义。在这样一个时代，真正的竞争力不再是写代码的速度，而是设计系统边界、管理信息流、规划多步策略的能力。而所有这些能力，都指向同一个基石：对上下文工程的深刻理解。

我希望这本书能够成为你穿越这场变革的一份可靠地图。它不会给你万能的咒语，但会给你一套分析框架和实战方法，让你在面对任何新的智能体工具时，都能快速洞察其本质，并驾驭其强大能力。

感谢Eden Marco贡献了这样一本既有实战温度又有架构深度的作品。感谢清华大学出版社的王军等编辑老师，正是他们的专业与耐心，让这本书的中文版得以与大家见面。也感谢捧起这本书的你，如果你愿意带着思考去读，带着实验去做，我相信这本书回馈给你的，将远超你的预期。

是为序。

茹炳晟

腾讯研究院高级技术顾问

复旦大学CodeWisdom首席技术专家

中国计算机学会TF多智能体系统SIG副主席

译者简介

茹炳晟，腾讯研究院高级技术顾问、特约研究员、复旦大学CodeWisdom团队首席技术专家、中国计算机学会TF多智能体系统SIG副主席、中国商业联合会互联网应用技术委员会智库专家、中国通信标准化协会TC608云计算标准和开源推进委员会云上软件工程工作组副组长、腾讯云架构师技术同盟入会主席、年度IT图书最具影响力作者，二十余本技术畅销书的作者和译者，国内外各大技术峰会的联席主席、出品人和Keynote演讲嘉宾，公众号“茹炳晟聊软件研发”主理人。 

殷海英，计算机科学与技术硕士、博士，工商管理硕士MBA，联合国教科文组织认证教师，多本SCI期刊审稿人。长期从事数据科学、具身智能、人工智能医学应用、大模型系统与智能计算中心等方向的研究与实践。先后在耶鲁大学医学院、斯坦福大学医学院、杜克大学医学院、北卡罗莱纳大学研究生院、卫斯理大学等机构进修人体解剖学、人类生理学、医学神经科学、公共卫生与社会心理学，具备临床医学知识、医学人工智能交叉研究能力和多学科融合背景。已出版和参与出版数据科学、人工智能、云计算、高性能计算、机器学习工程、大语言模型、智能体系统与知识图谱等领域技术著作、译著四十余部；主持并参与多项发明专利研发，范畴涉及智能计算中心、大语言模型推理优化、算力调度、机器学习模型生命周期管理和多模态数据计算。 

谨以此书献给我的父亲——我的榜样，我的灵感源泉。

—— 伊甸·马尔科 

前言

生成式 AI 和编程智能体正迅速重塑软件构建范式。Claude Code、Cursor 以及 LangChain 深度智能体等工具已不再局限于简单的提示词交互。它们能够跨越整个代码库执行操作，能集成外部工具，并能执行长周期的多步工作流。随着这些系统能力的不断增强，理解其运作机制及控制方法已成为开发者的必修课。

本书旨在帮助读者深入、务实地理解 Claude Code、智能体工作流，以及使现代编程智能体高效运行的核心概念。全书的一个核心主题是“上下文工程”，它解释了智能体在推理和行动过程中，是如何构建、管理并使用上下文的。随着智能体变得日益复杂且更依赖工具驱动，合理的上下文处理将直接影响系统的性能、成本、可靠性及一致性。

通过阅读本书，你将掌握 Claude Code 与代码库的交互方式、日常的配置方法，以及如何利用模型上下文协议(Model Context Protocol，MCP)对其进行扩展。此外，你还将学习用 GitHub Actions 实现自动化、结构化规划、多智能体工作流、子智能体、输出风格以及智能体等技能。本书还会深入探讨架构层面的主题，包括深度智能体的运作机制，以及如何在实践中实现长时程工作流。 

本书不局限于讲解表层操作技巧，更致力于帮助你理解这些系统的设计原理及行为逻辑。本书通过将实战案例与深层架构相结合，让你既具备高效使用现代编程智能体的技能，又拥有从容应对技术演进的深层认知和洞察力。

目标读者

本书专为不满足于简单的“对话式 AI”，并希望利用 Claude Code 和 MCP 构建自动化智能体驱动开发工作流的开发者与工程师而编写。如果你是一名拥有软件工程经验的应用开发人员，正打算将具备上下文感知能力的 AI 智能体集成到终端和 IDE 中，以实现复杂编程任务的自动化，并设计可扩展的多智能体系统，那么本书将是你的理想之选。

此外，对于日常工作中需要深度参与现代开发工作流的 AI 工程师及生成式 AI 从业者，本书同样大有裨益。

为了能从本书中获得最大收益，你应当具备以下背景：

拥有使用 Python 或 TypeScript 编写和调试代码的经验。

能够熟练操作 Git 及相关开发环境。

理解大语言模型(LLM)、检索增强生成(RAG)和智能体等生成式 AI 的核心概念。

请注意，本书并非零基础的入门读物，而是建立在读者已具备软件开发实战经验的基础之上。

本书主要内容

第1章“上下文工程”介绍上下文工程的概念，并阐述其在构建现代AI智能体时的关键地位。该章涵盖了上下文如何从提示词工程演变而来，它在复杂系统中如何增长，以及不当的上下文处理如何影响性能和成本。此外，该章还探讨了系统提示词以及如何使用Claude Code进行实用的上下文管理。

第2章“Claude Code核心要点”从实战视角介绍Claude Code，并解释了它如何与代码库进行交互。内容涉及项目初始化、CLAUDE.md文件、权限管理以及上下文管理。该章还引入了MCP、规范驱动设计，并开始构建贯穿全书的HookHub项目。

第3章“Claude Code入门—核心命令指南”侧重于Claude Code在日常开发中的配置与使用。内容涵盖定价与认证、斜杠命令、用户级与项目级配置，以及与Cursor的集成。该章还探讨钩子、检查点、自定义命令以及语言服务器协议(LSP)的作用。

第4章“使用MCP服务端和插件扩展Claude Code”，详细讲解模型上下文协议以及它如何规范AI应用与外部工具之间的集成。该章介绍了MCP架构(包括宿主、客户端和服务端)，并演示了如何配置本地和远程MCP服务端。此外，还涉及上下文管理、性能考量以及基于插件的扩展。

第5章“使用Claude Code和GitHub实现开发工作流的自动化”探索Claude Code与GitHub的集成。内容包括仓库配置、拉取请求(PR)与议题(Issue)自动化，以及利用GitHub Actions执行工作流。该章还解释了如何通过YAML工作流文件定义事件驱动的自动化任务。

第6章“Claude Code规划与多智能体工作流”研究如何通过规划和协同多智能体执行来实现结构化的智能体驱动工作流。该章解释了规范驱动开发如何提高可预测性，以及多个智能体如何在同一个代码库中进行协作。

第7章“使用Claude Code子智能体”介绍Claude Code子智能体，并说明它们如何实现具有结构化和隔离特点的工作流。该章涵盖自定义子智能体配置、上下文流，以及使用“无限智能体循环”模式实现的并发执行。

第8章“创建与自定义输出风格”探讨输出风格如何塑造Claude Code的响应。内容涉及创建和限定自定义风格的作用域、YAML等结构化格式，以及在风格定义中实现行为自动化。该章还解释了如何管理角色和会话配置。

第9章“理解智能体技能”将智能体技能视为一种扩展AI智能体能力的机制。该章涵盖了智能体的基础概念、在Claude Code和LangChain DeepAgent中的实际用法，以及调用技能时的内部上下文流。最后列举一个实际案例。

第10章“使用Claude Code桌面版”介绍如何在桌面应用程序中使用Claude Code。内容涉及在本地和云模式之间切换、利用Git工作树运行并行智能体，以及在不同环境间协调特性分支。

第11章“理解深度智能体”研究深度智能体及其在长时程任务执行中的角色。该章定义了深度智能体的特征，并分析了LangChain深度智能体框架，包括其架构和执行模型。

如何充分利用本书

本书假设读者已具备软件开发和生成式AI的相关背景。在开始阅读之前，你应该能够熟练使用Python或TypeScript编写和调试代码，习惯在终端运行程序，并具备操作代码库的经验。此外，你还需要掌握基础的Git知识(如复制仓库和提交更改)，并理解虚拟环境和环境变量的概念。

你需要熟悉大语言模型及其核心概念，如智能体、RAG和ReAct。你应当有过与LLM交互的经历，并至少构建过一个简单的智能体。本书不涵盖初级编程或生成式AI的基础入门内容。

为了跟随书中的实战案例，需要一个安装了Node.js且配置了简单Next.js环境的开发环境(如前几章所述)，还需要拥有Claude Code的访问权限，并完成相应的身份验证和计费配置。部分章节需要安装并配置GitHub CLI、操作GitHub仓库并使用GitHub Actions。后续章节会涉及本地及远程MCP服务端的配置，以及在Cursor和Claude桌面端应用中运行Claude Code。

建议跟随示例循序渐进地操作，并在引入新配置时亲自动手实验。本书内容环环相扣，多个章节都依赖于前期建立的项目和环境，包括HookHub项目。

本书包含的示例和截图改编自作者原有的课程资料，其中引用的仓库是专为教学目的而创建的。

免责声明

本书为独立出版物，与Anthropic PBC及其任何子公司或关联公司均无隶属、认可、赞助或官方关系。Claude、Claude Code和Anthropic是 Anthropic  PBC 的商标或注册商标。本书中提到的所有其他商标均为其各自所有者的财产。

作者系 Google LLC 员工。但本书属于个人项目，不代表 Google LLC、Google Cloud、Alphabet Inc. 及其任何子公司或关联公司的观点、意见或官方立场。本书未以任何身份获得 Google 的认可、赞助或官方关联。Google、Google Cloud及相关标志是 Google LLC 的商标。

本书内容仅基于作者的个人经验、独立研究和公开文档。书中表达的观点、意见和解读仅代表作者个人，并不代表 Anthropic PBC、Google LLC 或任何其他机构的官方立场、策略或意见。

尽管作者已尽一切努力确保所提供信息的准确性和完整性，但作者对内容的完整性、准确性、可靠性或适用性不作任何明示或暗示的保证。鉴于 AI 工具及其相关的 API、特性和功能演进迅速，本书中的信息在出版后可能会过时。

对于因使用或依赖本书所含信息而直接或间接导致的任何损害、损失或后果，作者和出版商概不负责。建议读者查阅 Anthropic 的官方文档(docs.anthropic.com)以获取最新且权威的信息。

下载示例代码文件和彩图

本书提供一个完整的可下载代码包，其中包含了各章节涉及的所有示例项目和文件。本书还提供一份PDF文件，其中收录了本书中所有屏幕截图的彩色版本。读者可扫描如下的二维码获取。

本书约定

本书中使用了多种文本约定。

正文中的代码：用于表示正文中的代码单词、数据库表名、文件夹名、文件名、文件扩展名、路径名、虚拟 URL、用户输入以及 X/Twitter 账号。例如：“这是通过初始化 CLAUDE.md 文件来完成的，以便将它们添加到项目上下文中。”

代码块的排版格式如下：

add_context() {

  local context_ref="$1"

  grep -qxF "$context_ref" "$CLAUDE_MD" || echo "$context_ref" >>

    "$CLAUDE_MD"

}

命令行输入或输出的格式如下所示：

注意

警告或重要注意事项将以这种形式显示。

提示

提示与技巧将以这种形式显示。

作者与审校者

关于作者

伊甸·马尔科(Eden Marco)是 Google Cloud 的大语言模型专家，也是 LangChain 大使。他在软件工程和云架构领域拥有深厚的技术积淀，曾是 Orca Security 的创始工程师之一。他拥有以色列理工学院的计算机科学学士学位，并曾在赖赫曼大学任教。伊甸致力于基于实战经验，开发具有实际生产价值的课程。

关于审校者

帕布罗·加纳(Pablo Garner) 是 Champions (UK) 公司的 IT 与人工智能负责人，负责领导基础设施建设并开发基于人工智能的内部平台。他在 IT 和计算领域拥有超过八年的从业经验，专攻应用 AI、自动化和云架构，并曾作为外部红队研究员参与过 Anthropic 的 AI 安全研究计划。目前，他正在完成 NVIDIA AI 工程师 6 级认证项目。帕布罗致力于构建智能体驱动的系统，并在个人网站 p4blo.dev 上分享关于人工智能实际落地的研究成果。

伊亚戈·卡瓦尔康特(Iago Cavalcante) 是一位对技术充满热情的软件开发人员。他擅长使用 Elixir、React、React Native、Vue.js 和 TypeScript，并专注于提高系统的可扩展性和代码质量。他居住在巴西贝伦，是 DevsNorte 社区的联合创始人，该社区致力于发展当地的技术生态系统。他深信回馈的意义：通过与他人分享和学习，他能在职业和个人层面获得双重成长。他积极参与开源项目，并通过撰写技术文章来分享知识。作为恩佐(Enzo)引以为傲的父亲和卡拉(Karla)的丈夫，他认为家庭是支撑他取得每一项成就的基石。他热爱交流想法、倾听不同见解并不断学习。