像带新人一样引导 Claude Code：来自 17 年开发经验的启示 | Claude

📌 One-Sentence Summary

拥有 70 万行代码的 Skyline 代码库的首席开发者 Brendan MacLean，将他 17 年来引导人类开发者的方法论应用于 Claude Code，通过上下文、技能和 MCP 集成，让遗留代码库重新变得易于管理。

📝 Summary

本文详细介绍了 Skyline（一款拥有超过 70 万行 C# 代码、已维护 17 年的开源蛋白质分析软件）的首席开发者 Brendan MacLean，如何运用他为培训新人类开发者而总结的方法论，成功引导 Claude Code。起初，Brendan 对 AI 编码工具持怀疑态度，他发现 Claude.ai 的会话缺乏持久上下文，这与引导新团队成员时面临的挑战如出一辙。他的解决方案是将 Claude Code 视为一名受训开发者：提供结构化的上下文、领域特定技能以及通过 MCP 进行数据访问。他创建了一个独立的仓库（pwiz-ai）来存放 AI 上下文，其中包括用于环境设置的 CLAUDE.md 文件，以及一个编码了项目专业知识的技能库（例如调试、版本控制）。结果令人振奋：一个停滞了一年之久的项目（文件视图面板）在两周内完成，夜间测试基础设施实现了自动化，一位持怀疑态度的实验室成员也构建并发布了一个新的绘图扩展。Brendan 给处理遗留代码库的开发者的关键建议是：投入精力维护一个上下文层，构建技能库，并使用 MCP 集成进行数据访问。核心见解是：让 AI 在大型复杂项目上有效工作的关键在于上下文，而非魔法。

💡 Main Points

1. 将 AI 编码工具视为新开发者，进行结构化的引导，是在大型代码库上取得成功的关键。 Brendan 将他 17 年来引导人类开发者的方法论应用于 Claude Code，提供上下文、一个范围可控的项目，并逐步扩大范围，而不是期望立竿见影。
2. 上下文是 AI 辅助开发中最关键且最常被忽视的工件。 Brendan 强调，上下文必须被有意识地维护、版本化，并作为项目工件（与代码库分离）来发展，以便在多个会话之间保持持续的理解。
3. 构建可复用的技能库可以编码领域知识，并提高 AI 的可靠性。 技能，例如强制进行根因分析的“调试”技能，编码了项目特定的专业知识，任何 Claude 实例都可以加载，使 AI 超越“猜测与测试”的行为模式。
4. MCP 集成对于让 AI 智能体访问实时数据和基础设施至关重要。 Brendan 使用 MCP 服务器将 Claude 连接到测试结果、异常报告和支持线程，实现了自动化的每日摘要和基础设施管理。

💬 Key Quotes

• 我可以像引导一名受训开发者一样，通过 Claude Code 将 Claude 引入我的大型项目：解释足够的信息以成功完成一个有限的项目，并为下一次迭代生成改进后的上下文。
• 一个看似重大的担忧——'Claude 无法真正了解我的大型项目'——变得越来越清晰：上下文只是另一个需要维护和发展的工件。
• 要明白，如果你不记录‘上下文’，Claude 就无法学习。不要期待魔法。投入精力构建和维护你的上下文层。并像对待其他项目工件一样对待它：进行版本控制、发展它、维护它。
• 我看到几乎每个人都在接手有趣的新功能，这些功能他们之前可能因为深陷其他工作而无暇尝试。

📊 Article Meta

Read Full Article