Anthropic 刚发布了一篇 Claude Code 官方长文，主题是大型代码库里的落地方式。它不是单纯讲“怎么写提示词”，而是把 Claude Code 放到企业级工程环境里看：百万行 monorepo、几十个仓库组成的微服务、历史包袱很重的遗留系统，以及 C、C++、C#、Java、PHP 这类团队常常担心 AI 编码工具不够稳定的语言栈。
文章里一个很关键的判断是：Claude Code 的效果不只取决于模型本身，更取决于代码库外面那层 harness。这个 harness 由 CLAUDE.md、hooks、skills、plugins、MCP servers 这些扩展点组成，再加上 LSP 和 subagents，帮助 Claude 在真实代码库里知道从哪里开始、用什么规则、调用哪些工具、什么时候拆分任务。
对大仓库来说，最先要做的是让代码库“可导航”。根目录的 CLAUDE.md 负责整体地图和关键注意事项，子目录的 CLAUDE.md 负责局部约定、测试命令和构建命令；不要把所有知识都塞进一个超长文件。官方也建议在相关子目录启动 Claude Code，用 ignore / permissions 规则排除生成文件和第三方代码，并为结构混乱的老系统补一份轻量级 codebase map。
文章还强调了几个容易被低估的层次：hooks 适合把 lint、format、会话复盘和规则更新做成确定性流程；skills 适合把安全审查、文档更新等专项能力按需加载；plugins 适合把团队里已经验证过的配置分发给所有成员；LSP 能让 Claude 按符号跳转，而不是在大仓库里靠文本匹配乱撞；MCP 则把内部文档、工单、分析平台等系统变成 Claude 可调用的工具。
如果你的团队准备把 Claude Code 带进更大的工程体系，这篇文章值得收藏。它给出的路线很现实：先把基础上下文、命令、权限和工具层搭好，从低风险任务开始建立信任，再逐步扩大到代码修改和自动化流程。换句话说，不要期待 AI 自己猜懂组织知识，而是要把代码库和团队流程整理成 Claude 能稳定使用的操作环境。
传送门
https://claude.com/blog/how-claude-code-works-in-large-codebases-best-practices-and-where-to-start
原创文章，如若转载，请注明出处：https://wefound.cc/p/2409.html
