Everything Claude Code 原始碼解讀：用 Plugin 架構打造 AI 編程助手的知識體系

在 AI 編程工具百花齊放的時代，多數人關注的是「如何使用」Claude Code，卻少有人深入研究「如何系統性地配置」它。Everything Claude Code 是一個來自 Anthropic 黑客松冠軍的實戰配置集合，歷經 10 個月以上的日常高強度使用淬煉而成。讀完這份原始碼，你能學到的不只是 Claude Code 的配置技巧，更是一套完整的「AI 助手知識管理架構」——如何讓 AI 從工具使用中持續學習、如何設計分層的品質防線、如何在 context window 的物理限制下最大化效率。

Everything Claude Code GitHub Repository — 完整的 Claude Code 配置集合，包含 agents、skills、hooks、commands、rules 與 MCP 配置

專案概覽

Everything Claude Code 不是一個傳統意義上的「軟體專案」——它是一個 Claude Code Plugin，由 Markdown 定義檔、JSON 配置和 Node.js 腳本組成。專案包含 301 個檔案，涵蓋 13 個 agent 定義、30+ 個 skill 工作流、20+ 個 slash command、8 個 rule 規範、完整的 hooks 生命週期管理，以及跨平台（Windows/macOS/Linux）的 Node.js 腳本基礎設施。

技術棧：Markdown（agent/skill/rule 定義）、JSON（hooks/plugin 配置）、Node.js（跨平台腳本）、Shell（legacy hooks）、Python（instinct CLI）。

架構總覽

everything-claude-code/
├── .claude-plugin/          # Plugin 元資料與 marketplace 配置
│   ├── plugin.json          # 元件註冊表：宣告所有 agents、skills 的路徑
│   └── marketplace.json     # 自託管 marketplace 目錄
│
├── agents/                  # 專職子代理定義（Markdown + YAML frontmatter）
│   ├── planner.md           # 規劃專家：分解需求為可執行步驟
│   ├── architect.md         # 架構師：系統設計與技術決策
│   ├── code-reviewer.md     # 程式碼審查：品質、安全、效能
│   ├── security-reviewer.md # 安全專家：OWASP Top 10 全面審查
│   ├── tdd-guide.md         # TDD 專家：測試驅動開發流程
│   └── ...                  # 共 13 個專職代理
│
├── skills/                  # 工作流定義與領域知識
│   ├── continuous-learning/    # v1: Stop hook 觸發的學習系統
│   ├── continuous-learning-v2/ # v2: Hook 驅動的 instinct 學習系統
│   ├── iterative-retrieval/    # 漸進式上下文檢索模式
│   ├── verification-loop/      # 驗證迴圈：建置/型別/測試/安全
│   ├── strategic-compact/      # 策略性 context 壓縮
│   ├── eval-harness/           # Eval-Driven Development 框架
│   └── ...                     # 含前後端模式、語言專屬知識
│
├── commands/                # Slash 命令：串接 agent 與 skill 的入口
│   ├── plan.md              # /plan：規劃後等待確認才執行
│   ├── tdd.md               # /tdd：測試驅動開發
│   ├── learn.md             # /learn：手動萃取可複用模式
│   ├── verify.md            # /verify：執行完整驗證迴圈
│   └── ...
│
├── rules/                   # 永遠遵循的守則（模組化設計）
│   ├── security.md          # 安全：無硬編碼密鑰、輸入驗證
│   ├── performance.md       # 效能：模型選擇策略、context 管理
│   ├── agents.md            # 代理協作：何時委派、平行執行
│   └── ...
│
├── hooks/                   # 事件驅動的自動化
│   └── hooks.json           # 完整生命週期 hook 配置
│
├── scripts/                 # 跨平台 Node.js 基礎設施
│   ├── lib/utils.js         # 共用工具函式庫
│   ├── lib/package-manager.js # 套件管理器偵測
│   └── hooks/               # Hook 實作腳本
│
├── contexts/                # 動態 system prompt 注入
│   ├── dev.md               # 開發模式：寫碼優先
│   ├── review.md            # 審查模式：品質優先
│   └── research.md          # 研究模式：探索優先
│
└── mcp-configs/             # MCP Server 配置範本
    └── mcp-servers.json     # GitHub、Supabase、Vercel 等
Code language: PHP (php)

這個結構揭示了一個核心設計理念：Claude Code 的配置不是一個扁平的設定檔，而是一個分層的知識架構。每一層都有明確的職責邊界。

核心設計解析

設計一：Plugin 元件註冊表——用 JSON Schema 統治所有定義

整個專案的入口是 .claude-plugin/plugin.json，它扮演著「元件註冊表」的角色，明確宣告哪些檔案是 agent、哪些路徑包含 skills。

.claude-plugin/plugin.json — Plugin 元資料入口，定義所有元件的註冊路徑

{
  "name": "everything-claude-code",
  "version": "1.2.0",
  "skills": ["./skills/", "./commands/"],
  "agents": [
    "./agents/architect.md",
    "./agents/build-error-resolver.md",
    "./agents/code-reviewer.md",
    ...
  ]
}
Code language: JSON / JSON with Comments (json)

值得注意的是，這裡刻意沒有宣告 "hooks" 欄位。這是因為 Claude Code v2.1+ 會自動載入 plugin 中的 hooks/hooks.json，如果再次顯式宣告會觸發「Duplicate hooks file detected」錯誤。這個設計決策經歷了多次 fix/revert 循環（#29、#52、#103），最終加入了 regression test 來防止回歸——這是在實際使用中踩坑後的防禦性設計。

設計二：Agent 定義的 YAML Frontmatter 協定

每個 agent 都以 Markdown 檔案定義，使用 YAML frontmatter 來宣告元資料。這個設計讓 agent 定義同時具備「機器可解析」和「人類可閱讀」的特性。

agents/planner.md — 規劃專家代理，負責將複雜需求分解為可執行的實作計畫

---
name: planner
description: Expert planning specialist for complex features and refactoring.
  Use PROACTIVELY when users request feature implementation...
tools: ["Read", "Grep", "Glob"]
model: opus
---
Code language: CSS (css)

三個關鍵的設計決策隱含在這個簡短的 frontmatter 中：

工具白名單（tools）：planner 只有 Read/Grep/Glob——它只能讀取，不能寫入。這落實了「規劃者不應該直接動手」的職責分離原則。相比之下，tdd-guide 有 ["Read", "Write", "Edit", "Bash", "Grep"]，因為它需要撰寫測試和執行測試。
模型選擇（model）：架構性思考使用 opus（最深推理），而不是成本較低的 haiku。這反映了 performance rule 中明確的模型選擇策略。
主動觸發描述：description 中寫著 “Use PROACTIVELY”——這不只是給人看的，也是給 Claude Code 的行為指令，讓它在偵測到相關場景時主動委派。

設計三：Hooks 生命週期管理——事件驅動的品質防線

hooks.json 是整個專案最精密的設計之一。它定義了從 session 開始到結束的完整生命週期 hook，涵蓋 SessionStart、PreToolUse、PostToolUse、PreCompact、Stop、SessionEnd 六個事件點。

hooks/hooks.json — 完整的生命週期 hook 配置，實作事件驅動的品質防線

以 PreToolUse 為例，這裡有一個精巧的 dev server 攔截器：

{
  "matcher": "tool == \"Bash\" && tool_input.command matches \"(npm run dev|pnpm( run)? dev|yarn dev|bun run dev)\"",
  "hooks": [{
    "type": "command",
    "command": "node -e \"console.error('[Hook] BLOCKED: Dev server must run in tmux for log access');...;process.exit(1)\""
  }],
  "description": "Block dev servers outside tmux - ensures you can access logs"
}
Code language: JSON / JSON with Comments (json)

這個 hook 會阻止 Claude 在非 tmux 環境下啟動 dev server，強制使用 tmux 以確保日誌可存取。設計理念是：AI 助手不應該啟動它自己無法持續監控的長期服務。

PostToolUse 中的多層 TypeScript 品質防線同樣值得注意：

[
  { "matcher": "tool == \"Edit\" && ...\"\\\\.(ts|tsx|js|jsx)$\"",
    "command": "...npx prettier --write..." },
  { "matcher": "tool == \"Edit\" && ...\"\\\\.(ts|tsx)$\"",
    "command": "...npx tsc --noEmit..." },
  { "matcher": "tool == \"Edit\" && ...\"\\\\.(ts|tsx|js|jsx)$\"",
    "command": "...console.log detection..." }
]
Code language: JSON / JSON with Comments (json)

每次編輯 TypeScript/JavaScript 檔案後，自動執行三個檢查：Prettier 格式化 → TypeScript 型別檢查 → console.log 偵測。這是一個分層防禦的設計：格式→型別→衛生，層層遞進。

設計四：記憶持久化——Session 生命週期的狀態管理

Session 記憶持久化是這個專案中最具工程深度的設計。它通過 SessionStart、SessionEnd、PreCompact 三個生命週期 hook 組成完整的狀態管理迴圈。

scripts/hooks/session-start.js — Session 啟動時載入前次狀態和偵測套件管理器

async function main() {
  const sessionsDir = getSessionsDir();
  const learnedDir = getLearnedSkillsDir();

  ensureDir(sessionsDir);
  ensureDir(learnedDir);

  // 檢查近 7 天的 session 檔案
  const recentSessions = findFiles(sessionsDir, '*-session.tmp', { maxAge: 7 });

  if (recentSessions.length > 0) {
    const latest = recentSessions[0];
    log(`[SessionStart] Found ${recentSessions.length} recent session(s)`);
    log(`[SessionStart] Latest: ${latest.path}`);
  }

  // 檢查已學習的技能
  const learnedSkills = findFiles(learnedDir, '*.md');
  // 偵測並回報套件管理器
  const pm = getPackageManager();
  log(`[SessionStart] Package manager: ${pm.name} (${pm.source})`);
}
Code language: JavaScript (javascript)

scripts/hooks/session-end.js — Session 結束時建立或更新狀態檔

Session End hook 的檔案命名策略也值得注意：${today}-${shortId}-session.tmp，其中 shortId 是 CLAUDE_SESSION_ID 的最後 8 位。這讓同一天的多個 session 各自獨立追蹤，不會互相覆蓋。

scripts/hooks/pre-compact.js — Context 壓縮前保存當前狀態，防止重要資訊在摘要中遺失

PreCompact hook 在 context 壓縮前保存狀態——因為壓縮是有損的，重要上下文可能在摘要過程中遺失。這形成了一個防禦性的三角架構：啟動時恢復 → 壓縮前保存 → 結束時持久化。

設計五：策略性 Compact——在物理限制下的智慧妥協

Context window 是 LLM 最根本的物理限制。auto-compact 會在任意時間點觸發，經常打斷正在進行的任務。strategic-compact 的設計理念是：讓 compact 發生在邏輯上合理的時間點。

scripts/hooks/suggest-compact.js — 根據工具呼叫次數，在策略性時間點建議手動 compact

async function main() {
  const sessionId = process.env.CLAUDE_SESSION_ID || process.ppid || 'default';
  const counterFile = path.join(getTempDir(), `claude-tool-count-${sessionId}`);
  const threshold = parseInt(process.env.COMPACT_THRESHOLD || '50', 10);

  let count = 1;
  const existing = readFile(counterFile);
  if (existing) {
    count = parseInt(existing.trim(), 10) + 1;
  }
  writeFile(counterFile, String(count));

  // 在閾值時建議 compact
  if (count === threshold) {
    log(`[StrategicCompact] ${threshold} tool calls reached - consider /compact if transitioning phases`);
  }
  // 之後每 25 次工具呼叫提醒一次
  if (count > threshold && count % 25 === 0) {
    log(`[StrategicCompact] ${count} tool calls - good checkpoint for /compact if context is stale`);
  }
}
Code language: JavaScript (javascript)

關鍵在於它只是建議，不是強制——”consider /compact if transitioning phases”。這尊重了使用者的判斷，因為只有使用者知道當前是否處於任務邊界。

設計六：Continuous Learning v1 → v2 的架構演進

Continuous Learning 的版本演進是這個專案中最能體現設計迭代思維的部分。

skills/continuous-learning/SKILL.md — v1 學習系統：Stop hook 觸發，完整 skill 為學習單位

v1 的設計是在 session 結束時（Stop hook），評估整個 session 是否包含可萃取的模式，然後直接生成完整的 skill 檔案。問題在於：

Stop hook 只觸發一次——如果 session 中途崩潰，學習就丟失了
學習粒度太粗——一個完整的 skill 可能包含多個不相關的模式
沒有信心度機制——無法區分「偶然觀察」和「確認的偏好」

skills/continuous-learning-v2/SKILL.md — v2 學習系統：Hook 驅動的 instinct 架構，帶信心度評分

v2 引入了三個根本性改變：

v1: Stop hook → 完整 skill
v2: PreToolUse/PostToolUse hooks → 觀察 → 原子 instinct（帶信心度）→ 聚類 → skill/command/agent
Code language: HTTP (http)

Instinct（本能） 是 v2 的核心抽象——一個原子化的行為學習單位：

---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
---
Code language: JavaScript (javascript)

信心度評分系統的設計精妙之處在於其動態性：

重複觀察到 → 信心度上升
使用者糾正 → 信心度下降
長期未觀察 → 信心度衰減（confidence_decay_rate: 0.02）
達到 auto_approve_threshold: 0.7 → 自動應用

這模擬了人類學習的模式：反覆確認的行為成為直覺，被糾正的行為被抑制，長期未使用的行為逐漸遺忘。

設計七：Iterative Retrieval——解決子代理的上下文困境

當主代理委派任務給子代理時，面臨一個根本矛盾：子代理不知道它需要什麼上下文，而主代理不知道子代理會遇到什麼問題。

skills/iterative-retrieval/SKILL.md — 漸進式上下文檢索模式，解決多代理工作流中的上下文問題

標準方法的困境：
- 送出所有上下文 → 超過 context 限制
- 不送上下文 → 代理缺乏關鍵資訊
- 猜測需要什麼 → 經常猜錯

解決方案：四階段迭代檢索
DISPATCH（廣泛搜尋）→ EVALUATE（相關性評分）→ REFINE（精煉查詢）→ LOOP（最多 3 輪）

這個設計的精髓在於學習程式碼庫的術語。文件中舉了一個例子：搜尋 “rate limiting” 找不到結果，因為程式碼庫用的是 “throttle”——第一輪迭代就能發現這個術語差異，第二輪用正確的術語搜尋。最多 3 輪的限制防止了無限迴圈，同時 “3 個高相關性檔案勝過 10 個平庸的檔案” 的停止條件確保了效率。

設計八：Model 選擇策略——成本與能力的分層優化

Performance rule 中定義了明確的模型選擇策略，這個策略被 agent 定義中的 model 欄位具體實現。

rules/performance.md — 效能優化守則，包含模型選擇策略和 context 管理原則

**Haiku 4.5** (90% of Sonnet capability, 3x cost savings):
- Lightweight agents with frequent invocation
- Worker agents in multi-agent systems

**Sonnet 4.5** (Best coding model):
- Main development work
- Orchestrating multi-agent workflows

**Opus 4.5** (Deepest reasoning):
- Complex architectural decisions
- Maximum reasoning requirements
Code language: CSS (css)

這不只是文字建議——它直接反映在 agent 定義中：planner、architect、code-reviewer、security-reviewer 使用 opus，而 continuous-learning-v2 的 observer 使用 haiku。設計原則是：一次性的深度思考用最強模型，高頻的輕量任務用最便宜的模型。

設計九：Agent 協作規範——何時委派、如何平行

Agent 協作不是隨意的——rules/agents.md 定義了明確的委派時機和平行執行規範。

rules/agents.md — 代理協作守則，定義委派時機和平行執行策略

## Immediate Agent Usage
No user prompt needed:
1. Complex feature requests → Use **planner** agent
2. Code just written/modified → Use **code-reviewer** agent
3. Bug fix or new feature → Use **tdd-guide** agent
4. Architectural decision → Use **architect** agent

## Parallel Task Execution
ALWAYS use parallel Task execution for independent operations
Code language: PHP (php)

這裡的 “No user prompt needed” 是關鍵——代理會根據場景主動觸發，而不是等待使用者指示。再加上 “Multi-Perspective Analysis” 的設計（Factual reviewer + Senior engineer + Security expert + Consistency reviewer + Redundancy checker），形成了一個多視角品質保障的架構。

設計十：跨平台腳本基礎設施——用 Node.js 統一三大平台

所有 hook 腳本從最初的 Bash 遷移到了 Node.js，這是一個影響深遠的架構決策。

scripts/lib/utils.js — 跨平台工具函式庫，提供檔案操作、日期處理和系統資訊

const isWindows = process.platform === 'win32';
const isMacOS = process.platform === 'darwin';
const isLinux = process.platform === 'linux';

function commandExists(cmd) {
  // 驗證命令名稱 - 只允許字母數字、連字符、底線、點
  if (!/^[a-zA-Z0-9_.-]+$/.test(cmd)) {
    return false;
  }
  try {
    if (isWindows) {
      const result = spawnSync('where', [cmd], { stdio: 'pipe' });
      return result.status === 0;
    } else {
      const result = spawnSync('which', [cmd], { stdio: 'pipe' });
      return result.status === 0;
    }
  } catch { return false; }
}
Code language: JavaScript (javascript)

注意 commandExists 中的輸入驗證——/^[a-zA-Z0-9_.-]+$/ 正則表達式防止了 command injection 攻擊。使用 spawnSync 而非 execSync 避免了 shell 插值風險。這是 security rule 在基礎設施層的具體落實。

所有 hook 都遵循一個錯誤處理模式：

main().catch(err => {
  console.error('[SessionStart] Error:', err.message);
  process.exit(0); // Don't block on errors
});
Code language: PHP (php)

process.exit(0) 而非 process.exit(1)——即使 hook 出錯也不阻塞 Claude 的主流程。這體現了「基礎設施不應該成為使用者的障礙」的設計原則。

設計理念萃取

分層知識架構：Rules（永遠遵循）→ Skills（按需啟用）→ Agents（專職委派）→ Commands（使用者入口）→ Hooks（自動觸發）。每層有明確的職責邊界，就像微服務架構的關注點分離。這種分層讓配置可以漸進式採用——從 rules 開始，逐步加入更多層級。
事件驅動的品質防線：不依賴使用者記住要做什麼檢查，而是把品質守則嵌入工具使用的生命週期中。每次編輯後自動格式化、型別檢查、console.log 偵測——這是「shift left」理念在 AI 編程助手中的極致實現。
學習系統的原子化設計：Continuous Learning v2 從完整 skill 演進到原子 instinct，帶信心度評分和衰減機制。這個設計可以借鏡到任何需要「從使用者行為中學習」的系統——與其試圖學習完整的工作流，不如學習原子化的行為偏好，再透過聚類組合。
防禦性的狀態管理：SessionStart/PreCompact/SessionEnd 三個 hook 形成的狀態管理三角，確保記憶不會因為 context 壓縮或 session 中斷而遺失。在任何涉及有損操作的系統中，「壓縮前保存」都是值得採用的模式。
建議而非強制：Strategic Compact 只是建議使用者在邏輯邊界處 compact，而不是自動觸發。在 AI 助手的設計中，區分「自動化」和「建議」的邊界至關重要——高風險的操作應該交由使用者判斷。

延伸思考

Everything Claude Code 展示了一種全新的思考方式：AI 編程助手的配置本身就是一個軟體工程問題。它需要架構設計（分層的元件結構）、狀態管理（session 持久化）、品質保障（hook 防線）、持續學習（instinct 系統）和跨平台支援（Node.js 基礎設施）。

如果你正在建構任何形式的 AI agent 系統，以下是可以直接借鏡的具體做法：

用 YAML frontmatter + Markdown 定義 agent——兼顧機器解析和人類可讀，同時透過 tools 白名單落實最小權限原則。
設計生命週期 hook 而非一次性腳本——把品質檢查嵌入工具使用的事件流中，讓品質成為「預設行為」而非「額外步驟」。
為學習系統設計信心度和衰減機制——不是所有觀察都同等重要，時間會改變行為偏好的有效性。
在有損操作前保存狀態——無論是 context 壓縮、資料遷移還是系統升級，「壓縮前快照」是一個通用的防禦模式。
模型選擇要匹配任務特性——深度推理用最強模型，高頻輕量用最便宜的。這不只適用於 Claude Code，也適用於任何多模型 AI 系統的設計。

Vibe Coding：把觀念變成程式碼

以下是你可以直接給 AI 的 prompt 指令，將本文介紹的設計觀念應用到你的專案中：

事件驅動的品質防線

場景：你的專案有一些品質規範（格式化、型別檢查、安全掃描），但總是依賴開發者「記得」手動執行，想把這些檢查嵌入 Claude Code 的工具使用生命週期中。

給 AI 的指令：

我想為我的專案設計 Claude Code hooks，實作「事件驅動的品質防線」。請幫我建立 hooks.json，在以下時機自動觸發檢查：

1. PostToolUse：每次 Edit 或 Write 修改 [你的語言，例如 TypeScript] 檔案後，自動執行格式化工具（[例如 Prettier]）和型別檢查（[例如 tsc –noEmit]）
2. PreToolUse：攔截危險操作，例如阻止在非 tmux 環境下啟動 dev server、阻止直接刪除 production 設定檔
3. Stop：在每次對話結束時，自動執行完整的 lint 檢查

使用 Node.js 腳本而非 Bash，確保跨平台相容。每個 hook 腳本出錯時用 process.exit(0) 避免阻塞主流程——這是「基礎設施不應該成為使用者障礙」的原則。

我的專案使用 [你的技術棧]，套件管理器是 [npm/pnpm/yarn/bun]。

效果：AI 會根據你的技術棧產生完整的 hooks.json 配置和對應的 Node.js 腳本，包含 matcher 正則表達式、分層的檢查邏輯，以及防禦性的錯誤處理。你會得到一個每次編輯後自動執行品質檢查的工作流。

用 YAML Frontmatter 定義專職子代理

場景：你的專案需要多個角色協作（例如規劃、實作、審查），想為 Claude Code 建立專職子代理，每個代理有明確的職責邊界和工具權限。

給 AI 的指令：

請幫我為專案建立一組 Claude Code 子代理（subagents），採用「YAML Frontmatter + Markdown」的定義格式。我需要以下角色：

1. 規劃代理（planner）：只能讀取不能寫入，工具限定為 Read/Grep/Glob，使用 opus 模型進行深度推理
2. 實作代理（implementer）：擁有完整的讀寫工具，使用 sonnet 模型
3. 審查代理（reviewer）：只能讀取，使用 opus 模型，從程式碼品質、安全性、效能三個視角審查

每個代理的 description 要包含「Use PROACTIVELY when…」的主動觸發條件，讓 Claude Code 在偵測到相關場景時自動委派。工具白名單要落實最小權限原則——規劃者不應該直接動手寫程式碼。

我的專案是 [專案描述]，主要語言是 [語言]。

效果：AI 會產生符合 Claude Code Agent 規格的 Markdown 檔案，每個檔案包含 YAML frontmatter（name、description、tools、model）和詳細的行為指令。你可以直接放入 .claude/agents/ 目錄使用。

防禦性的 Session 狀態管理

場景：你在使用 Claude Code 處理長期專案時，經常因為 context 壓縮或 session 中斷而遺失重要的工作脈絡，想建立一個「啟動時恢復、壓縮前保存、結束時持久化」的三角防禦架構。

給 AI 的指令：

請幫我實作 Claude Code 的 session 記憶持久化系統，採用「防禦性狀態管理三角」模式：

1. SessionStart hook：檢查近 7 天的 session 檔案，載入最近的工作狀態；偵測專案的套件管理器
2. PreCompact hook：在 context 壓縮前保存當前狀態——因為壓縮是有損的，重要上下文可能在摘要中遺失
3. SessionEnd hook：建立或更新狀態檔，檔名用 ${日期}-${sessionId後8位}-session.tmp 格式，確保同一天多個 session 不會互相覆蓋

使用 Node.js 實作所有腳本，放在 scripts/hooks/ 目錄下，共用工具函式抽取到 scripts/lib/utils.js。狀態檔儲存在 .claude/sessions/ 目錄。

關鍵設計原則：即使 hook 出錯也不能阻塞 Claude 主流程（process.exit(0)）。

效果：AI 會產生完整的三個 hook 腳本和共用工具函式庫，包含檔案操作、日期處理、session ID 解析等功能。你的 Claude Code 會在每次啟動時自動恢復上次的工作脈絡，在壓縮前自動保存關鍵資訊。

策略性 Context 管理

場景：你在使用 Claude Code 進行大型任務時，auto-compact 經常在不恰當的時間點觸發，打斷正在進行的工作。想實作策略性的 compact 提醒，在邏輯邊界處建議壓縮。

給 AI 的指令：

我想實作 Claude Code 的「策略性 Compact」機制。請建立一個 PostToolUse hook 腳本，功能如下：

1. 用計數器檔案追蹤本次 session 的工具呼叫次數（以 CLAUDE_SESSION_ID 區分）
2. 達到閾值（預設 50 次，可透過 COMPACT_THRESHOLD 環境變數調整）時，輸出建議訊息：「考慮在階段轉換時執行 /compact」
3. 之後每 25 次工具呼叫提醒一次
4. 關鍵：只是建議而非強制——因為只有使用者知道當前是否處於任務邊界

這是「建議而非強制」的設計原則——高風險的操作應該交由使用者判斷。

效果：AI 會產生一個輕量的計數器 hook 腳本，在合適的時機提醒你手動 compact，而不是被 auto-compact 突然打斷。你可以在完成一個子任務後再壓縮，保持工作流的連貫性。

模型選擇策略的分層優化

場景：你正在設計一個多代理系統（不限於 Claude Code），需要為不同類型的任務選擇合適的模型，在成本和能力之間取得平衡。

給 AI 的指令：

我正在設計一個多代理系統，需要制定模型選擇策略。請根據以下「成本與能力分層優化」原則，為我的系統中每個代理角色推薦合適的模型等級：

– 深度推理層（Opus 等級）：複雜架構決策、安全審查、程式碼審查——一次性的深度思考
– 主力開發層（Sonnet 等級）：日常開發、工作流編排——品質與成本的平衡點
– 高頻輕量層（Haiku 等級）：行為觀察、格式檢查、簡單分類——高頻呼叫用最便宜的模型

我的系統包含以下角色：[列出你的代理角色和職責]

請為每個角色建議模型等級，並說明理由。同時估算在 [預期使用量] 下的月成本差異。

效果：AI 會為你的每個代理角色推薦具體的模型等級，附上選擇理由和成本估算。這個策略可以直接寫入你的 rules 或 agent 定義中，作為團隊的模型選擇規範。

Everything Claude Code 原始碼解讀：用 Plugin 架構打造 AI 編程助手的知識體系

專案概覽

架構總覽

核心設計解析

設計一：Plugin 元件註冊表——用 JSON Schema 統治所有定義

設計二：Agent 定義的 YAML Frontmatter 協定

設計三：Hooks 生命週期管理——事件驅動的品質防線

設計四：記憶持久化——Session 生命週期的狀態管理

設計五：策略性 Compact——在物理限制下的智慧妥協

設計六：Continuous Learning v1 → v2 的架構演進

設計七：Iterative Retrieval——解決子代理的上下文困境

設計八：Model 選擇策略——成本與能力的分層優化

設計九：Agent 協作規範——何時委派、如何平行

設計十：跨平台腳本基礎設施——用 Node.js 統一三大平台

設計理念萃取

延伸思考

Vibe Coding：把觀念變成程式碼

事件驅動的品質防線

用 YAML Frontmatter 定義專職子代理

防禦性的 Session 狀態管理

策略性 Context 管理

模型選擇策略的分層優化

延伸閱讀

發佈留言取消回覆