如何使用 Hooks、Skills 和 Agents 为 Claude Code 构建治理层

📌 一句话摘要

本文提供了一个技术框架，用于在 Claude Code 中使用 Hooks、Skills 和 Agents 构建治理层，以确保 AI 助手严格遵守项目特定的架构规则。

📝 详细摘要

作者解决了 AI 助手忽视项目约束的常见问题，将其归因于“糟糕的治理”而非“糟糕的记忆”。在 Claude Code 等工具中，模型通常将 Skills 视为可选上下文。为解决此问题，文章提出了一个使用生命周期 Hooks 的结构化治理堆栈。通过在 UserPromptSubmit 阶段实现“强制技能评估” Hook，作者的团队将规则遵守率从 25% 提高到 90% 以上。该框架包括四个关键生命周期 Hooks（SessionStart、UserPromptSubmit、PreToolUse、Stop）、26 个领域特定 Skills 和自定义斜杠命令，以自动化复杂的流程，如 CRUD 生成和规范检查。这种方法将 AI 从“聪明的实习生”转变为遵循确定性控制平面的“代码库原生队友”。

💡 主要观点

- AI 助手未能遵守规则，是因为缺乏制度性摩擦和治理。 模型通常优先考虑便利性和速度，而非严格遵守。如果没有强制评估机制，AI 会将项目手册视为可选建议，而非硬性约束。

实现生命周期 Hooks 为 AI 行为创建了一个确定性控制平面。 通过使用 UserPromptSubmit 等 Hooks 强制执行技能评估协议，开发者可以确保 AI 在生成任何代码或执行操作之前，明确检查相关标准。

一个四阶段的 Hook 堆栈管理整个 AI 会话生命周期，以确保安全性和一致性。 该堆栈包括用于上下文设置的 SessionStart、用于规则强制执行的 UserPromptSubmit、用于防范危险命令的安全护栏 PreToolUse，以及用于关闭反馈循环的 Stop。

结构化的领域 Skills 和斜杠命令将 AI 转化为一个流程驱动的工具。 一致的 Skill 文档使模型能够有效地吸收知识，而 /dev 或 /crud 等斜杠命令则将高级工作流编码为可重复的自动化脚本。

通过将专业任务卸载到专用的子智能体，实现关注点分离。 使用 @code-reviewer 或 @project-manager 等智能体可以减少主线程中的上下文污染，并确保严格应用专业清单，而不会使主会话过载。

💬 文章金句

- AI 助手没有“糟糕的记忆”。它们有的是糟糕的治理。

• 在 Claude Code 中，Skills 是可用上下文，而非硬性约束。如果 Claude“觉得”它可以在不调用 Skill 的情况下回答，它就会这样做。
• 解决方案不是更多的提示。解决方案是 Hooks。
• Hooks 强制执行行为，Skills 提供标准，Commands 编码工作流，智能体处理并行专业知识。
• 你的模型已经具备能力。缺少的是一个能让正确行为自动化的系统。

📊 文章信息

AI 评分：89

来源：HackerNoon

作者：superorange0707

分类：人工智能

语言：英文

阅读时间：7 分钟

字数：1534

标签： Claude Code, AI 治理, LLM 运维, 软件工程, 提示工程

阅读完整文章