新智元報道

編輯：元宇

【新智元導(dǎo)讀】當(dāng)普通人還在鉆研「最強(qiáng)提示詞咒語」時，硅谷頂級實驗室已經(jīng)把AI基建跑成了生產(chǎn)線。

你還在ChatGPT的聊天框里反復(fù)調(diào)prompt？

最近，一位X用戶發(fā)了條推文，開頭就是一個驚呼：頭部大廠偷偷在用的Claude Code項目模板外泄！

這已經(jīng)不是寫提示詞了。這是AI工程基礎(chǔ)設(shè)施。

整套打法圍繞一個文件「CLAUDE.md」展開，而它的核心原則只有三條：

每次Claude犯錯→你加一條規(guī)則；每次你重復(fù)自己→你加一個工作流；每次出bug→你加一道護(hù)欄。

這樣做，是要把項目經(jīng)驗沉淀成它每次啟動都會讀取的長期上下文和自動化約束。

整個架構(gòu)，像是一家AI公司的崗位編制：CLAUDE.md是入職手冊，skills/是工作SOP，hooks/是合規(guī)部，docs/是公司章程，tools/是后勤組，src/才是真正出活的業(yè)務(wù)部門。

你不再是在和AI聊天了，而是在構(gòu)建一個了解你代碼倉庫的AI。

最瘋狂的部分是，你只需要配置一次，Claude就會自動審查代碼，并按指令重構(gòu)、強(qiáng)制執(zhí)行架構(gòu)規(guī)則、撰寫發(fā)布說明、從技能中運行工作流、記住過去錯誤等。

而且它會越用越聰明。

大多數(shù)人，都是打開ChatGPT，寫提示詞，復(fù)制粘貼，反復(fù)；而在這套打法下，你只需要打開終端，跑一個skill代碼已交付。

這等于是在自己的代碼庫里養(yǎng)了一隊AI同事。

這條推文背后，傳遞的是這個時代正在悄悄翻篇的一個小信號，大多數(shù)人可能還沒反應(yīng)過來。

一張不算泄露的「泄露截圖」

撕開一個真相

@ai_rohitt曬出來的這張截圖，是Anthropic官方文檔里公開推薦的Claude Code標(biāo)準(zhǔn)范式。

CLAUDE.md是Claude Code在每次會話開始時自動讀取的項目記憶文件。

.claude/skills/和.claude/hooks/是官方支持的擴(kuò)展機(jī)制。

這些都是社區(qū)已經(jīng)討論了幾個月的公開做法，并不是什么人偷出來的「內(nèi)部模板」。

但它之所以能讓一些資深開發(fā)者主動轉(zhuǎn)發(fā)，說明它得到了一些天天用Claude的開發(fā)者們的認(rèn)同。

其中相當(dāng)一部分人，可能這兩天才意識到原來它還能這么用。

而硅谷頂級團(tuán)隊，已經(jīng)把這件事跑成了生產(chǎn)線。

第一個例子，是OpenAI Frontier團(tuán)隊。

OpenAI官方披露的Frontier團(tuán)隊實驗中，一個從空repo起步的內(nèi)部beta，在約5個月內(nèi)由Codex生成了約100萬行代碼和約1500個PR；團(tuán)隊從3人擴(kuò)展到7人，人工不直接寫代碼。

帶隊的Ryan Lopopolo在后續(xù)訪談中進(jìn)一步提到，這套工作流已經(jīng)接近「0 人工代碼、0 人工 review」的極限形態(tài)。

他認(rèn)為與其節(jié)省token，不如利用模型極高的并發(fā)能力和極低的成本來代替人類有限且昂貴的同步注意力。

第二個例子，是Stripe內(nèi)部的自動化代碼代理系統(tǒng)Minions。

Stripe內(nèi)部的Minions每周生成并推動超過1300個PR合并，這些代碼從頭到尾由AI生成，但仍經(jīng)過人工review。

這里還有一對數(shù)據(jù)：1.6%vs98.4%，它來自Mohamed bin Zayed AI大學(xué)VILA-Lab發(fā)表的一篇論文。

https://arxiv.org/pdf/2604.14228

研究者系統(tǒng)性扒了Claude Code v2.1.88版本51.2萬行TypeScript源碼，給出的結(jié)論是：只有1.6%是AI決策邏輯，剩下的98.4%是確定性的工程基礎(chǔ)設(shè)施。

具體說就是權(quán)限網(wǎng)關(guān)、上下文管理、工具路由、錯誤恢復(fù)這四類。

這組數(shù)字不是說模型只貢獻(xiàn)1.6%的能力，而是說明Claude Code作為產(chǎn)品，大量復(fù)雜度不在模型本身，而在權(quán)限、上下文、工具路由、恢復(fù)機(jī)制等確定性工程基礎(chǔ)設(shè)施上。

@ai_rohitt那張圖里的CLAUDE.md/skills/hooks結(jié)構(gòu)，就是普通開發(fā)者也能搭一套的「入門版基建」，它和OpenAI、Stripe那套生產(chǎn)級架構(gòu)是同一種范式，只是規(guī)模小得多。

CLAUDE.md暴露的秘密

過去3年，所有人都在問「GPT什么時候能更聰明」「Claude什么時候出新版本」。

但真正在生產(chǎn)環(huán)境跑通AI編程的團(tuán)隊，他們更關(guān)心的可能根本不是這個，而是如何讓AI記住自己上次踩過的坑，怎么讓AI在動手前先看一眼項目的架構(gòu)約束，怎么讓AI犯錯的時候自己被工具擋住。

CLAUDE.md正是這一切的承載體。

Anthropic官方對它的定義只有一句：

一個markdown文件，放在項目根目錄，Claude Code在每次會話開始時自動讀取。

https://code.claude.com/docs/en/memory

聽上去很簡單，圍繞它展開的那幾層結(jié)構(gòu)，才是它真正厲害的部分。

CLAUDE.md是項目大腦。

架構(gòu)決策、命名約定、測試要求、那些反復(fù)踩過的坑，都堆在這里。它是AI每次啟動時第一眼看到的「員工手冊」。

.claude/skills/是可復(fù)用工作流。

Claude Code的創(chuàng)建者Boris Cherny在社區(qū)里反復(fù)強(qiáng)調(diào)一句話：「如果你每天做某件事超過一次，把它變成skill或command?！?/p>

一個skill就是一段可執(zhí)行的方法論。Code review、生成commit message、寫發(fā)布說明，這些都不該是每天手敲提示詞的活，應(yīng)該是skill調(diào)一下就出結(jié)果。

.claude/hooks/是自動護(hù)欄。

這是最關(guān)鍵的部分。它不依賴AI自己判斷，由確定性代碼在AI犯錯之前就擋住它。這就是為什么敢讓AI「無人監(jiān)督」地跑，因為出錯的邊界由hooks卡死了。

docs/decisions/是架構(gòu)決策記錄。

讓AI不僅知道代碼「是什么」，還知道代碼「為什么是這樣」。

這一項最容易被忽略，但也是AI協(xié)作最大的杠桿點。

tools/和src/是執(zhí)行層。

這套架構(gòu)真正值得注意的地方，不在于某個開發(fā)者搞出了一個漂亮目錄，而是越來越多獨立團(tuán)隊正在收斂到同一個方向：把模型放進(jìn)一套由上下文、工具、權(quán)限、評估和反饋循環(huán)組成的harness里。

GitHub上已經(jīng)能看到不少類似項目：

rohitg00的awesome-claude-code-toolkit、diet103的claude-code-infrastructure-showcase、affaan-m的everything-claude-code，都在圍繞agents、skills、hooks、rules、MCP configs等組件搭建Claude Code的工程化工作環(huán)境。

這說明，真正成熟的AI編程工作流，不是只靠一個更強(qiáng)的模型，也不是只靠一條更長的prompt，而是把模型嵌入一套可復(fù)用、可約束、可恢復(fù)、可審計的工程系統(tǒng)里。

至于具體目錄結(jié)構(gòu)，各家實現(xiàn)并不完全相同。

OpenAI實驗室的極限實驗

2026年2月11日，OpenAI官方博客發(fā)了一篇文章：《Harness engineering: leveraging Codex in an agent-first world》。

https://openai.com/index/harness-engineering/

Anthropic圍繞這個概念重新調(diào)整了Claude Code的架構(gòu)思路；Martin Fowler的網(wǎng)站把它凝練成一個公式：「Agent=Model+Harness?！?/p>

Harness這個詞來自馬術(shù)。它指的是馬的整套挽具，韁繩、馬嚼子、馬鞍、籠頭。

一匹馬可以跑得很快很有力，但它自己不知道往哪兒走：整套挽具決定了它的方向。

類比到AI編程：模型本身能力很強(qiáng)，但它不知道在你的代碼庫里該往哪兒走。Harness就是你為它造的方向盤+剎車+導(dǎo)航。

OpenAI Frontier團(tuán)隊那個「100萬行0人工」的實驗，本質(zhì)就是把Harness做到極致。

他們的關(guān)鍵工程實踐包括以下幾條。

層級架構(gòu)強(qiáng)約束。

從Types到Config到Repo到Service到Runtime到UI，依賴關(guān)系單向流動，由linter在CI層強(qiáng)制執(zhí)行。Agent寫出違反層級關(guān)系的代碼？直接構(gòu)建失敗。

linter錯誤信息本身是修復(fù)指令，這也是最反直覺的細(xì)節(jié)。

普通項目的lint錯誤是「violation detected」，給人看的；OpenAI Frontier的lint錯誤是「use logger.info({event: 'name', ...data}) instead of console.log」，給Agent看的、可以直接讀懂并修復(fù)的指令。

文檔作為單一事實來源。所有架構(gòu)圖、execution plans、設(shè)計規(guī)范都在倉庫內(nèi)部的docs/目錄。Agent不需要任何外部知識庫，一切就在repo里。

這套東西效果有多厲害？

模型沒有換，但LangChain調(diào)整了harness，包括系統(tǒng)提示、工具、中間件和推理模式，最終把Terminal Bench 2.0分?jǐn)?shù)從52.8提到66.5。

你今天就能做的事

是為AI造一個項目大腦

問題回到普通開發(fā)者這里：如果范式已經(jīng)轉(zhuǎn)移，作為一個普通工程師，今天就能做點什么。

第一件事，在你最重要的項目根目錄建一個CLAUDE.md。

不需要完美，也不需要很長。寫下你團(tuán)隊的架構(gòu)規(guī)則、命名約定、測試要求、那些反復(fù)踩過的坑，10分鐘能寫完一個能用的版本。

下次AI犯錯的時候，先不要手動修，而是問自己一句：CLAUDE.md里缺了什么？

第二件事，把每天重復(fù)做的事改造成skill。

這里要注意Boris Cherny的金句：「如果你每天做某件事超過一次，把它變成skill或command?！?/p>

Code review、生成commit message、寫發(fā)布說明、修一類重復(fù)的bug，這些都該是skill，不該是每天手敲提示詞。

第三件事，在容易踩坑的地方加一個hook。

Hook是98.4%里最有杠桿的那部分。它不依賴AI變聰明，它依賴確定性代碼做強(qiáng)制檢查。這是把人類工程師的判斷力翻譯成機(jī)器可讀約束的過程。

這件事的核心不在寫代碼，而在寫規(guī)則。

Karpathy今年1月在推特上的那句被廣泛轉(zhuǎn)發(fā)的話：「我已經(jīng)從80%手動寫代碼變成了80%交給Agent寫?！?/p>

未來五年，工程師的能力曲線正在從「我能寫多少行代碼」轉(zhuǎn)向「我能為AI設(shè)計多嚴(yán)格的工作環(huán)境」。

寫代碼的活兒正在被Agent接管。

但設(shè)計那個讓Agent能寫出好代碼的世界，還是人的工作。而且比以前更難、更重要、也更有意思。

參考資料：

https://x.com/ai_rohitt/status/2048390767115428016?s=20

https://arxiv.org/pdf/2604.14228