你有没有遇到过这种情况明明给 Claude 配了 Skill让它每次提交前跑一遍代码检查结果它心情好就跑心情不好直接跳过我们团队上周复盘的时候把锅甩了三圈。最后发现不是模型的问题是机制选错了。“提交前自动检查这种需求Skill 能做Hook 也能做但确定性差了一个数量级——Skill 是人触发/语义匹配”模型有权决定调不调用Hook 是事件触发/自动拦截blocking: true摆在那儿模型绕不过去。这一坑让我把书里的 8 大机制从头到尾又过了一遍整理出这份踩坑实录。先给结论8 大机制里最容易混的是这 4 个Harness 有个冰山模型——水面之上是claude -p ...这种命令行交互占了 10% 能力水面之下是 8 大机制覆盖从记忆到编程层占了 90%。我们踩下来真正容易混的集中在扩展层的四大正交机制机制触发方式职责对应里程碑我们踩的坑Commands斜杠命令人触发/显式标准化入口、固定流程编排M0 骨架重复造轮子其实该写命令Skills语义触发人触发/语义匹配隐式知识注入、按需加载M2当 Hook 用结果模型不调Sub Agents子智能体Claude 自动触发上下文隔离、任务委派M3没隔离上下文主对话炸了Hooks事件触发Claude 自动触发自动守护、确定性约束M4该用 Hook 的用了 Skill这张表是血泪总结。核心认知就一句同一模型在不同 Harness 下的表现差异远大于不同模型在同一 Harness 下的差距。Harness 比模型更重要。这也是为什么我们后来不再纠结调参转而死磕工程。技术选型决策树用最简组件别过度工程书里给了一个决策树我们直接拿来用按最简组件原则选需求 ├── 人触发 │ ├── 显式指令固定流程 → Commands/slash-command │ └── 自然语言描述领域知识 → Skills语义匹配渐进式披露 ├── 自动触发 │ ├── 事件拦截/防护确定性约束 → Hooks │ └── 上下文隔离/复杂任务委派 → Sub Agents ├── 需连接外部系统 → MCP ├── 需嵌入 CI/CD → Headless 模式 ├── 需程序化控制 → Agent SDK └── 需打包分发 → Plugins选型原则一个需求能被多种机制满足时优先选确定性更强、可审计性更高的机制。Hook 能表达就别退回提示词约束——这是踩坑后我们立下的铁律。举个真实配置。顺便一提我们给雷达鸭 App收录中国一人公司/超级个体真实赚钱案例的应用Uni-apparkTSUniCloud加提交前检查鸿蒙 API 兼容性的需求时第一版用 Skill模型时灵时不灵换成 PreToolUse Hook一把梭{hooks:{PreToolUse:[{matcher:Bash,command:python .claude/hooks/safety_check.py,blocking:true}]}}blocking: true是关键——模型想跳过门都没有。这就是确定性约束和提示词约束的本质区别。Skill 靠模型自觉Hook 靠事件强制选谁取决于你能不能接受偶尔失灵。叠加协作 vs 互斥单选它们不是单选题踩坑初期我们犯过一个错把四大机制当单选题这个需求用 Skill 还是 Hook问得很认真。后来发现这四个是正交叠加的不是互斥的。真实场景代码审查流程可以这么叠——Command/review作为显式入口触发固定流程Skillcode-reviewing注入审查规范渐进式披露按需加载Sub Agent 隔离上下文跑深度分析只把结论扔回主对话Hook 在 PreToolUse 拦截危险命令、PostToolUse 自动格式化。四层各司其职胶水代码极少---name:code-reviewingdescription:Review code for best practices and potential issues. Use when the user asks for code review or mentions reviewing changes.allowed-tools:-Read-Grep-Glob---这个 Skill 配置里allowed-tools做了最小权限约束——只给读权限不给写。叠加 Hook 的危险命令拦截双保险。书里反复强调单点防护不可靠多层叠加才安全我们信了。完整工作流从 SessionStart 到 Stop Hook把 8 大机制串起来一个用户意图进来的完整流程长这样用户意图 ▼ [1] SessionStart Hook → 注入环境变量、初始化审计 ▼ [2] 五级记忆加载顺序别写错 user CLAUDE.md → project CLAUDE.md → .claude/rules/*.md → CLAUDE.local.md → 常用命令 ▼ [3] 路由决策 ├─ 命中 Skill → 加载 SKILL.md渐进式披露 ├─ 需委派 → 子智能体上下文隔离 └─ 直答 → 进入 Agentic Loop ▼ [4] Agentic Loop每轮 LLM 决策 → PreToolUse Hook拦截→ 工具执行 → PostToolUse Hook格式化/审计 ▼ [5] SubagentStart/Stop Hook → 注入团队规范、验证输出质量 ▼ [6] Stop Hook → 测试质量门控失败则 block要求修复 ▼ [7] 输出几个设计缘由踩过才理解透渐进式披露——SKILL.md 正文只在命中时加载不提前塞进上下文。我们早期把所有规范堆在 CLAUDE.md 里上下文膨胀模型注意力分散回答质量肉眼可见地下降。CEO 委派——子智能体隔离上下文主对话只收结论不收过程保信噪比。有一次我们没隔离子任务的全量中间过程灌回主对话token 直接爆了会话当场卡死。事件驱动——确定性逻辑用 Hook 而非提示词不可被模型绕过。这是整本书最核心的工程判断之一。8 大机制真香与踩坑速记跑完全部 8 个给每个一句话评价省得你们再趟一遍Agentic Loop是心脏理解它才能理解其他机制都附着在它某个环节上——记忆附着在记忆加载环节Skills 附着在LLM 推理决策环节Hooks 附着在工具执行前后。真香。CLAUDE.md 记忆体系是地基五级记忆加载顺序写错就是灾难。我们踩过 project 覆盖 user 配置的坑排查了一下午。Commands最简单适合固定流程别拿它做动态决策。造轮子之前先想想能不能写成斜杠命令。Skills语义匹配很优雅但记住它是人触发的模型有权不调。别拿它当确定性约束用。Sub Agents上下文隔离是真香点没隔离的那次会话炸了之后我们就学乖了。Hooks是确定性最强的机制不可绕过。该用 Hook 的别用 Skill这是我们复盘后定的规矩。MCP扩展工具池连接外部系统配置略繁琐但值得。接个 GitHub server 就能查 PR 查 issue{mcpServers:{github:{command:npx,args:[-y,modelcontextprotocol/server-github],env:{GITHUB_TOKEN:your-token-here}}}}Headless Agent SDK是进阶玩法CI/CD 集成和程序化控制。Headless 模式跑代码审查很爽一行命令搞定claude-p审查最近一次提交的代码变更关注安全隐患和性能问题\--output-format json\--max-turns10\--allowed-tools Read,Grep,Glob标签#ClaudeCode #AI工作流 #AgenticLoop #Hooks #技术选型反正我们以后立了个规矩新需求进来先过决策树能用确定性强的机制就别用灵活的能用 Hook 拦截就别靠提示词约束子智能体必隔离上下文最小权限原则贯彻到底。踩完这 8 个机制最大的收获不是学会了多少功能是搞清楚了什么场景该用什么——这才是 Harness 工程的核心。关于作者10 年软件开发经验软件设计师人工智能应用工程师专注鸿蒙 ArkTS Web 前端探索 AI 自动化不定期在 CSDN 分享踩坑实录。本文遵循 MIT 协议转载请注明出处。