Claude Code Best Practices：GitHub 64K 星的最全 Claude Code 实战手册

Skill超级捕获手 技术创作者 2026-08-21 15 阅读

Claude Code Best Practices：GitHub 64K 星的最全 Claude Code 实战手册，把 AI 编程从”氛围代码”拉回工程正轨

Claude Code Best Practice（shanraisshan/claude-code-best-practice）是目前 GitHub 上最完整的 Claude Code 实战技巧合集，涵盖 Subagents、Commands、Skills、Hooks、MCP Servers 等全部功能模块，配有可直接拷贝到项目使用的实现文件。核心理念是”from vibe coding to agentic engineering”——把靠感觉驱动的 AI 编程，升级为有结构、有章法、可复用的工程化流程。截至 2026-08-21，该仓库约获 64.7K GitHub Stars，6,077 Forks，MIT 协议开源。

功能与原则

该仓库不是单一 Skill，而是一套完整的 Claude Code 使用方法论合集。核心功能分为三大类：

  • 概念层（best-practice/）：每个 Claude Code 功能模块的最佳实践文档，Subagents、Commands、Skills、Hooks、MCP、Memory、Settings 等，配有使用场景说明。
  • 实现层（implementation/）：可直接拷贝到项目 .claude/ 目录使用的 .md 文件，包括 spec-reviewer、quality-checker、test-driven-loop 等预配置 Subagent 文件，以及各种 Slash Command 模板。
  • 编排工作流（orchestration-workflow/）：Command → Agent → Skill 三级编排模式文档，将复杂任务拆解为可独立执行的子任务链。

设计原则是”五阶段工程闭环”：Research → Plan → Execute → Review → Ship。每个阶段对应一个专门的 Agent，各自持有聚焦的上下文窗口，专业分工优于单一大模型提示词。

认可度

  • GitHub Stars：约 64.7K（截至 2026-08-21），Forks 6,077
  • Trending 经历：2026 年 3 月中旬曾进入 GitHub Trending 日榜，单日新增 851+ Stars
  • 社区背书：Anthropic 工程师 Boris Cherny（Claude Code 原创作者）曾在 X 上公开推荐该仓库，进一步推高了开发者关注度
  • 定位：GitHub 上收录 Claude Code 功能最全面的社区项目之一，文件内直接链接 Anthropic 官方文档作为参考

链接

GitHub：https://github.com/shanraisshan/claude-code-best-practice

原作者

shanraisshan（GitHub username），巴基斯坦开发者，社区维护。仓库以 MIT 协议开源，更新活跃，最后一次提交为 2026 年 6 月末。

介绍

Claude Code 的功能迭代速度极快，Subagents、Hooks、Ultrareview、Agent Teams、Scheduled Tasks 等新特性不断上线，但大多数用户只用了其中一小部分。shanraisshan/claude-code-best-practice 的出现填补了这个空白——作者将官方文档中散落的功能点整合成系统化的实践指南，配上可直接落地的配置模板。

仓库文件结构围绕”概念 + 实现”两条线展开。best-practice/ 目录下每个文件对应一个功能模块，说明”这个功能是什么、什么时候用、有什么坑”。implementation/ 目录则提供可以直接复制到项目中的 .claude/agents/ 和 .claude/commands/ 文件，包括预配置的 Subagent 模板和 Slash Command 定义。开发者克隆仓库后，三条拷贝命令即可将整套最佳实践注入自己的项目。

这套方法论在工程团队中反响强烈。Claude Code 默认让 AI 以”通才”模式工作——什么都能做，但没有固定章法。当团队引入 shanraisshan 的最佳实践后，AI 开始遵循”先研究、再计划、再执行、审查后交付”的五阶段流程，任务交付质量更加稳定可控。

特点

  • 全功能覆盖：Subagents、Commands、Skills、Hooks、MCP、Memory、Settings、Status Line、Plugins 等 Claude Code 全部功能模块，均配有实践文档和配置模板
  • 即装即用：Subagent 文件和 Command 模板经测试可直接拷贝使用，无需从零编写
  • 五阶段工程闭环：Research → Plan → Execute → Review → Ship，每个阶段对应独立 Agent，避免单一大模型全流程”一条龙”导致的失控问题
  • 多模型协作：支持 Claude Code 与 Codex、Cursor、Gemini CLI 的协作方案说明，帮助团队做技术选型
  • 持续更新：随着 Claude Code 新功能发布（Ultrareview、Agent Teams、Scheduled Tasks 等），仓库同步更新，是目前时效性最强的 Claude Code 实战手册
  • Boris Cherny 背书：Claude Code 原创工程师公开推荐，社区认可度高

使用方法

安装步骤

克隆仓库到本地，然后将配置拷贝进自己的项目：

git clone https://github.com/shanraisshan/claude-code-best-practice.git
cd claude-code-best-practice
cp -r .claude/agents ~/your-project/.claude/
cp -r .claude/commands ~/your-project/.claude/

启动 Claude Code 并验证安装：

cd ~/your-project && claude

运行 /weather-orchestrator 确认所有配置已正确连接。

基本调用

  • 启动代码审查：/code-review
  • 查看可用命令列表：在 Claude Code 中输入 / 调出命令面板
  • 加载特定 Skill：在 Claude Code 中输入 /skill <skill-name>

最小示例

使用 /code-review 命令审查一个 PR。打开包含 diff 的 Claude Code 会话，输入：

/code-review

Claude Code 会自动触发三个并行 Subagent：

  1. spec-reviewer——将 diff 与需求规格对照，标记偏离点
  2. quality-checker——执行 Lint、类型检查，列出潜在缺陷
  3. test-driven-loop——生成测试套件，迭代直到全部通过

最终输出包含按严重级别排列的内联评论、一个完整的测试套件，以及修复建议（需确认后执行）。

使用场景与人群

适用场景：

  • 团队规模化引入 Claude Code，需要统一工作流程规范
  • 个人开发者希望从”随意 vibe coding”升级为结构化 AI 辅助开发
  • 需要在 Claude Code 中引入 MCP Servers、自定义 Hooks 等高级配置
  • 多名开发者共用同一个 Claude Code 项目，需要标准化 Agent 行为

目标用户：

  • 软件开发团队（尤其是 TypeScript/前端团队，仓库内容与 JS/TS 生态结合紧密）
  • 中高级开发者，熟悉 Git、命令行、有一定 AI 工具使用经验
  • 需要管理多人协作环境下 AI 行为的 Tech Lead 或工程负责人

输入与输出案例

案例 1：运行 /code-review 审查 PR

输入：在 Claude Code 中打开一个 PR，输入 /code-review

输出：三个 Subagent 并行执行，约 2-3 分钟后返回：

  • spec-reviewer 发现 2 处需求偏差（内联评论，标记为 HIGH severity）
  • quality-checker 发现 3 处类型错误和 1 处 Lint 警告
  • test-driven-loop 生成 12 个测试用例，9 个通过，3 个失败并给出修复建议

案例 2：使用天气编排器验证 MCP 配置

输入：安装完成后，在项目目录下运行 /weather-orchestrator

输出：Claude Code 启动编排流程，自动调用天气数据查询工具，在终端输出结构化天气信息，证明 MCP Server 已正确连接。整个过程无需手动配置 API Key 或编写查询脚本。

GitHub: https://github.com/shanraisshan/claude-code-best-practice

评论区

0 条评论

登录后可评论。

Skill超级捕获手 15 阅读