本文整理自全网访问量较高的 10 篇 Claude 相关技术文章（涵盖官方博客、知乎、CSDN 与技术社区），围绕 Claude Code、MCP、子代理、提示词工程、Agent SDK 与上下文工程 六大主题，把散落在各处的核心观点提炼成一份可直接上手的实践清单。文末附全部原文出处，方便深入阅读。

---

---

写在前面：为什么要读这 10 篇

2025 年下半年到 2026 年，围绕 Claude 的技术内容爆发式增长。但大多数文章要么停留在"怎么装 MCP"的操作层，要么陷入"提示词咒语"的玄学。真正有价值的，是那些讲清楚 设计思想 的文章——它们能让你从"会用"跨越到"用好"。

我筛掉了重复内容，从访问量与讨论度较高的文章里，提炼出可复用的观点，按主题重新组织如下。

---

一、MCP：让大模型像浏览器访问网页一样访问工具

核心定义

MCP（Model Context Protocol，模型上下文协议）由 Anthropic 在 2024 年底提出。它的核心目标很简单：让大模型用统一协议安全地访问任何外部工具和数据源——写一次 Server，所有支持 MCP 的客户端都能用。

从架构上看，MCP 分四层：

用户请求层 → Claude 核心层（含权限校验）→ MCP 基础设施层 → 外部服务器

传输协议支持四种方式：stdio（本地进程）、SSE（云端 + OAuth）、HTTP（REST）、WebSocket。

配置作用域：优先用项目级

多篇实战文章达成的共识是：配置优先级为 企业级 > 用户级 > 项目级，但日常应优先使用项目级配置。

原因很实际——不同项目需要不同的 MCP 服务：

• 前端项目可能需要浏览器测试工具（Playwright）
• 后端项目则需要数据库连接

项目级配置（.mcp.json）可以提交到 Git，团队成员克隆后即可复用同一套 MCP 环境，避免全局配置的混乱。

推荐优先配置的高频 MCP

不要一次装几十个。基于长期测试的建议是：先配置 3–5 个高频工具，边用边熟悉。

MCP 服务器	用途
filesystem	文件系统访问
context7	实时文档查询
playwright	浏览器自动化
sequential-thinking	结构化思考

一个高频踩坑

在 stdio 模式下，最典型的报错是读到"非 JSON 格式的乱码"。原因是：

MCP 的 stdio 模式要求服务端只能输出标准的 JSON 通信数据。任何 print、source 命令的输出或日志都会破坏协议。

调试建议：用 --mcp-debug 标志启动，或用 /doctor 命令生成系统诊断报告，查看每个 MCP 服务器的连接状态。

---

二、子代理（Subagent）：上下文管理的杀手锏

它解决的核心问题是"上下文污染"

当你让 Claude 添加一个功能时，它可能花上千 token 去 grep 代码库，然后把一堆中间结果堆进你想保持整洁的主对话里。

子代理正好解决这个问题：它在自己独立的上下文窗口里做繁杂的辅助工作，只向主线程返回一条摘要。

三大好处可以概括为：

1. 上下文保留——每个子代理在独立环境运行，防止主对话被污染
2. 专业知识——可针对特定域微调系统提示，提高成功率
3. 可重用——创建后可跨项目使用、与团队共享

存放位置决定作用范围

子代理本质是带 YAML frontmatter 的 Markdown 文件：

• ~/.claude/agents/：用户级，机器上每个项目都可用
• .claude/agents/：项目级，可随代码提交、团队共享
• --agents：CLI 级，临时测试用，不落盘

一个最小化示例：

---
name: code-reviewer
description: Reviews code for quality and best practices
tools: Read, Glob, Grep
model: sonnet
---

你是一个代码审查员，被调用时分析代码，
针对质量、安全和最佳实践提供具体、可操作的反馈。

⚠️ 易踩的坑：省略 tools 字段 = 继承所有工具。为安全起见，务必显式列出允许的工具。

提示词要"精简"，不要臃肿

来自中文社区进阶指南的关键观点：

子代理的提示词应保持精简。代码示例和风格指南应放在 Skills 里，而不是子代理里。结构应为：角色定义 → 工作流 → 输出格式 → 完成标准。

因为模型本来就知道如何写代码，塞一堆示例只会浪费上下文。

用模型分级控制成本

模型	适用场景
Opus	复杂审查、团队协调
Sonnet	主要开发、研究分析、代码审查
Haiku	高频轻量操作、快速探索

可通过环境变量 CLAUDE_CODE_SUBAGENT_MODEL 统一设置子代理使用的模型。

别为了并行而并行

避免为了并行而并行——10 个并行代理处理简单任务，反而浪费 Token 和协调成本。

---

三、提示词工程：从"能用"到"好用"

官方黄金比喻

Anthropic 官方文档里那句经典定义值得反复咀嚼：

“Think of Claude as a brilliant but new employee who lacks context on your norms and workflows.”

提示工程的本质不是"哄 AI"或"咒语学"，而是把你脑子里那些"不言自明"的上下文，变成 Claude 能理解的明确指令。

几个高杠杆的实操要点

1. 说"该做什么"，而非"不该做什么"

因为"不要做 X"需要模型先理解 X 再抑制它，而"做 Y"直接给出了一条清晰的路径。

2. 少样本示例给 3–5 个

在提示里提供多个"输入 + 期望输出"的范例，对处理复杂或边界（灰色地带）案例特别有效。

3. 预填回应（Prefill）

在提示词结尾预先填入 Claude 应开始的格式，例如一个开放的 XML 标签 <final_verdict>，能让模型直接遵循结构、避免多余开场白。

4. 让模型输出思考过程

始终让 Claude 输出其思考过程。如果不输出思考过程，就不会发生思考。

最基础的做法就是在提示里加一句 “Think step-by-step”。

Claude 4 时代的新变化

Anthropic 针对 Claude 4 的最佳实践特别强调：新模型指令遵循能力更强，因此需要更明确、具体的指令。

一句话总结这把双刃剑：

好消息是它"你说什么就做什么"；坏消息是——如果你说的是模糊的废话，它也会非常忠实地执行那些模糊的废话。

内部工作坊还揭示了一个数据：大多数人写提示词时只用到 6 大核心元素中的 1–2 项，等于只发挥了 Claude 不到 3 成的潜力。一个好的 API 提示词，应该像一份完整的工作说明书，而不是聊天式的来回修正。

---

四、Agent SDK 与上下文工程：给智能体一台电脑

Claude Agent SDK 是什么

它是 Anthropic 官方的智能体构建框架（Python / TypeScript），暴露了驱动 Claude Code 的同一个引擎：工具循环、上下文管理、压缩都已内置。用它构建的智能体开箱即可读文件、跑命令、搜网页、改代码。

命名历史：Claude Code SDK 更名为 Claude Agent SDK，因为它早已超出编码范畴，在 Anthropic 内部被用于深度研究、视频创作、笔记整理等几乎所有智能体循环。

核心设计原则

给你的智能体一台电脑，让它们像人类一样工作。

通过赋予 Claude 运行 bash、编辑/创建/搜索文件的能力，它就能成为通用型智能体。

智能体的反馈循环

收集上下文 → 执行操作 → 验证工作 → 重复

上下文工程：文件结构就是上下文

一个反直觉但极重要的观点：智能体的文件夹和文件结构本身，就是一种上下文工程。

• 邮件智能体可以把历史对话存进 Conversations/ 文件夹，需要时再搜索
• 遇到大文件时，Claude 会用 grep、tail 决定"以什么方式"把内容加载进上下文

关于搜索方式，Anthropic 的建议是：从智能体搜索（agentic search）开始，只在需要更快结果时才加语义搜索。因为语义搜索虽快，但准确性较低、更难维护、透明度也更差。

Agent SDK vs Client SDK：谁拥有循环？

这是最常见的混淆点：

	谁拥有 agent loop	你要做的事
Client SDK	你	自己实现工具执行、重试、上下文管理、并行
Agent SDK	Claude	只描述任务和允许的工具，其余交给 SDK

经验法则：如果你在手动编写工具执行循环，且需要的是文件/shell/搜索操作，用 Agent SDK；如果只需单次无工具响应、或必须控制循环每一步，用 Client SDK。

一个最常见的配置陷阱

从 SDK 加载项目的 CLAUDE.md 不是自动的，它需要同时选择加入项目设置，并使用匹配的预设系统提示。漏掉任何一个，智能体就看不到你的约定。

这是"SDK 智能体忽略 Claude Code 会遵循的规则"的最常见原因。

十行代码起步

import asyncio
from claude_agent_sdk import query, ClaudeAgentOptions

async def main():
    async for message in query(
        prompt="What files are in this directory?",
        options=ClaudeAgentOptions(allowed_tools=["Bash", "Glob"]),
    ):
        if hasattr(message, "result"):
            print(message.result)

asyncio.run(main())

一个可工作的智能体，本质就是"一个函数调用 + 一个选项对象"，因为底层的一切都已经构建好了。

---

五、把这些观点串成一条工作流

如果把上面 10 篇文章的观点连起来，其实是一条清晰的进阶路径：

1. 用 CLAUDE.md 沉淀你的约定——空白的 CLAUDE.md 意味着你要永远重新解释；维护良好的它意味着 Claude 每次开局就懂你。
2. 用项目级 MCP 接入外部世界——先装 3–5 个高频工具，用 Git 共享给团队。
3. 用子代理隔离脏活——让繁杂检索在独立上下文里进行，主线程只收摘要。
4. 用清晰的提示词表达意图——说"该做什么"，给 3–5 个例子，让它输出思考过程。
5. 用 Agent SDK 把这一切产品化——当你开始手写工具循环时，就该迁移到 SDK 了。

一句话收尾：Anthropic 的黄金法则是——把你的 prompt 给一个对任务毫无背景的同事看，如果他会困惑，Claude 也会。

---

参考出处（10 篇原文）

1. Claude Code 最佳实践中文版（知乎）
2. Claude Code MCP 完全指南（AtomGit 社区）
3. 2026 年最新 MCP 协议从原理到实战（CSDN）
4. Claude Code 十大必装 MCP 排行榜（CSDN）
5. 图解 Claude Code 子智能体 Sub-agent（知乎）
6. claude-code-insights：Subagent 最佳实践（GitHub）
7. 提示工程概述（Claude 官方文档）
8. Anthropic 发布 Claude 4 提示工程最佳实践（OSCHINA）
9. Building agents with the Claude Agent SDK（Anthropic 官方） ｜ 宝玉中文翻译
10. Claude 的 Context Engineering 秘籍（Bojie Li）

---

声明：本文为观点提炼与整理，所有核心思想版权归原作者所有，如需完整细节请点击上方原文链接阅读。