Claude Code 的会话能跨窗口私聊了
Claude Code v2.1.224 版本引入了跨会话消息功能，允许不同窗口、项目和机器间的会话通过SendMessage和ListAgents工具互相通信。官方提供改动预警、答案传递和长任务进度同步三个场景。该功能仅限信息对齐，无权批准权限或修改配置。作者提出多会话协作协议，强调当存在两个及以上相互依赖的会话时才适用，并需人为制定分工、模板与冲突协调规则。
相关文档
Claude 动态工作流终极指南
本文深入介绍了 Anthropic 在 Claude Code 中推出的“动态工作流”功能。该功能通过编写 JavaScript 脚本，编排数十到数百个子智能体并行处理任务，实现了自动化的步骤拆解、执行与结果验证。文章详细解析了其工作原理、与 Skills 的区别、三种使用方式（自定义关键词、内置 /deep-research 及 UltraCode 模式），并展示了内容生产、市场调研等实际应用场景。
30 分钟精通 Claude Code
本文分享了 Anthropic Boris 关于如何高效使用 Claude Code 的核心见解。文章指出，Claude Code 不应被视为“新 IDE”来学习，而应被当作一位“超级聪明的同事”来指挥。文中详细拆解了六个实操秘诀：从提问而非写代码开始、将其视为优秀新工程师、先头脑风暴再编码、利用其工具组合能力、使用 Claude.md 精简上下文，以及利用并行处理能力。掌握这些方法可将内部技术入职时间从数周缩短至数天。
用 Claude Code 和 XCrawl 学习 Twitter 大V观点
文章介绍了一种利用 XCrawl 工具结合 Claude Code，从 X（Twitter）批量抓取并分析大V（如 Karpathy）观点的方法。通过将 XCrawl 封装为 Skill，用户只需自然语言指令即可完成搜索、抓取、分类和报告生成，高效建立行业知识库。
Openclaw 热潮过去，才发现Claude Code 有多好！90%的人装完CC第一步就错了
文章指出很多用户安装 Claude Code 后未进行有效配置，导致生产力未被释放。作者提出了两个关键步骤：首先通过初始化引导建立 CC 对用户的记忆（MEMORY.md），使其了解用户身份和工作偏好；其次配置专属工作流（Skill），将重复任务标准化。文中提供了初始化提示词模板及 GitHub 上的 cc-starter-kit 仓库，帮助用户快速搭建个性化的 AI 辅助系统。
祝贺Claude Code成功越狱，获得永生
Claude Code因Anthropic发布失误导致源码泄露，作者分析了1902个源文件，揭秘其背后的工程架构。文章指出Claude Code的体验不仅靠模型，更靠精细的工程系统，包括精心拼装的System Prompt、四层权限安全审查、结构化记忆提取、9段式上下文压缩及企业级多Agent协作框架。这些设计展示了如何通过约束和工具让AI从“不可预测”变得“稳定可靠”。
从构建克劳德代码中汲取的经验教训：我们如何运用技能
本文分享了 Anthropic 团队使用 Claude Code 中“技能”功能的实战经验。文章将技能归纳为九大类（如 API 参考、产品验证、业务流程等），并总结了编写高质量技能的最佳实践：如利用文件系统结构、建立“陷阱”提示区、渐进式披露以及使用配置文件管理上下文。作者强调了技能不仅是文本，而是包含脚本和资源的文件夹，并探讨了如何通过内部市场分享和评估技能。
构建 Claude Code 的经验：如何使用 Skills
本文分享了 Anthropic 团队在使用 Claude Code Skills 方面的经验。文章首先澄清了 Skills 不仅是 Markdown 文件，而是包含脚本和资产的文件夹。接着详细介绍了 9 种核心的 Skill 类型，涵盖了从 API 参考、产品验证、数据分析到业务流程自动化和运维手册等多个场景。最后，作者还提供了编写有效 Skills 的最佳实践，强调了不要陈述显而易见的事实，并指出了利用配置选项和文件夹结构的重要性。
Claude Code 团队如何进行代码评审
本文介绍了 Claude Code 团队在 AI 生成约 90% 代码的情况下如何重构代码评审流程。团队将代码评审从人工逐行阅读转变为分层自动化体系：包括 PR 前的 Claude 自验证、子代理 diff 审查、内部 skill（bug 猎捕、diff 缩减等）、以及每个 PR 的 AI 评审，仅将人类注意力保留给高风险决策。通过 CLAUDE.md 和 REVIEW.md 等文件向评审者注入项目上下文，并快速回滚机制兜底。6 月至 9 月间合并 PR 数量翻倍，回滚率下降超 40%，实现了用最少人工环节保障代码质量的目标。
如何使用新版 Claude：从入门到精通
文章介绍 Claude 的重要变革：Claude Chat 与 Cowork 已统一为单一产品，云端的 Chat 现在能直接编写代码、生成幻灯片等，用户无需再区分不同模式。作者建议删除旧的复杂配置——包括 CLAUDE.md 文件、skills、指令文件等，因为它们会造成'上下文膨胀'，反而降低输出质量。这一观点得到 Claude Code 作者 Boris Cherny 的支持。替代方案是：设置中开启统一模式、选择 Auto、保留 Memory、每次只给一个清晰目标，并让 Claude 在开始前复述目标以确认理解。核心理念是'少即是多'，让技术变得无形。
What is a "harness"?
文章系统解释了 AI 领域中 harness（套件/执行框架）的概念。作者指出 LLM 默认只能生成文本，要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单，这一切组成了 harness。文中区分了界面（如 Claude Code 的 TUI/GUI）与底层 harness（如 Anthropic Agent SDK、Codex App Server），并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱'，让代码可以在外部运行，以及 agent 的定义：LLM 与 harness 的结合体。
很多提示词和 Skill，其实都已经过时了
作者基于 Anthropic 工程师删除 Claude Code 80% 系统提示词却无性能损失的事实，反思提示词与 Agent Skill 的实践方法。提出提示词不是八股文，应聚焦任务三要素（目标、规则、完成标准），减少角色铺垫和冗余规则，多给思考方向而非僵硬示例，并设定明确验收标准。关于 Skill 沉淀，强调只有高频且流程稳定的任务才值得做成 Skill，要写入独特经验而非通识废话，严格控制单一职责与边界，主文件精简并渐进式加载，且必须内置自检环节形成质检闭环。
Motion Engineering: 一个 Agent 打造五个部门的动画工作室
文章介绍如何将 Claude Opus 5.5 变成一个完整的动画制作团队，通过设立导演、艺术总监、动画师、渲染工程师和评审五个“部门”，让一个 agent 依次完成故事策划、视觉设计、动画编码、渲染和质检的全流程。作者强调关键不在模型本身，而是围绕模型构建的生产系统：使用 Claude Code 作为 agent、Remotion 作为视频框架、FFmpeg 处理媒体。模型不直接生成像素，而是编写产生帧的代码，使首个视频成为后续的基础。真正的“一次成型”背后往往是详尽的提示词、参考资料和生产环境，工作室化流程才是可复现视频创作的核心。
