在使用 Claude Code 进行开发时，我们常常面临一个两难困境：AI 模型拥有广博的通用知识，但往往缺乏项目特定的上下文，或者对某些库的最新版本（如 Dexie.js 的最新 API）缺乏了解。

虽然 Claude Code 允许我们通过提示词（Prompt）来补充信息，但如何优雅地管理这些上下文？是该把规则写在文件里，还是做成一个工具？

本文通过解决同一个问题——“如何让 Claude Code 准确掌握第三方库（Dexie.js）的最新文档与开发规范”——来深度解析 Claude Code 四种核心定制机制：CLAUDE.md、Slash Commands、Subagents 和 Skills。

核心痛点：上下文污染与知识过时

假设我们正在开发一个使用 Dexie.js（IndexedDB 封装库）的应用。由于训练数据的滞后，Claude 可能会建议过时的 API，或者忽略了 liveQuery() 这样现代的响应式用法。

我们需要“教会”Claude Code 获取最新文档。Claude Code 提供了四种截然不同的方式来实现这一点，每种方式都有其特定的适用场景和权衡。

1. CLAUDE.md：常驻的项目记忆

机制解析

CLAUDE.md 是 Claude Code 的“项目宪法”。每当你启动 Claude Code 或开始新对话时，这个 Markdown 文件的内容会被自动加载到上下文的最前端。

• 存放位置：项目根目录或 .claude/CLAUDE.md。
• 嵌套特性：Claude Code 支持目录级上下文。例如，tests/CLAUDE.md 只有在 Claude 访问测试目录时才会被读取，这有助于保持主上下文的精简。

实战应用

在 CLAUDE.md 中，我们可以这样写：

1
2
3
4
5

## Database Guidelines
我们使用 Dexie.js。在编写任何数据库代码前：
1. 必须先从 https://dexie.org/llms.txt 获取最新文档索引。
2. 使用 `liveQuery()` 进行响应式数据绑定。
3. 遵循 `src/db/` 中的 Repository 模式。

优劣分析

• 优点：零操作成本，自动生效；通过 Git 共享，团队规范统一。
• 缺点：上下文漂移（Context Drift）。随着对话变长，模型可能会逐渐“遗忘”初始的指令，优先关注最近的对话历史。它没有独立的上下文窗口，会占用宝贵的 Token 空间。

2. Slash Commands：可手动触发的快捷指令

机制解析

Slash Commands 是你通过 /command 在终端显式调用的指令。它不仅是 Prompt 的快捷键，更是工作流的编排者。

你可以在命令定义中明确要求 Claude 调用特定的工具、执行一系列步骤，甚至并发启动多个 Subagents（子智能体）来处理任务。

实战应用

创建一个 .claude/commands/dexie-help.md：

1
2
3
4
5
6
7
8

---
description: 获取 Dexie.js 指导并查询最新文档
allowed-tools: Read, WebFetch
---

首先，从 https://dexie.org/llms.txt 获取文档索引。
然后，根据用户的问题抓取相关页面。
最后，基于最新文档回答用户问题：$ARGUMENTS

使用时，只需在终端输入：

1

/dexie-help 如何创建复合索引？

优劣分析

• 优点：控制权在用户手中，明确何时触发；支持参数传递；非常适合“阅后即焚”的一次性查询任务。
• 缺点：必须记住命令名称；它通常是一次性的交互，不会持久化改变 Claude 的长期记忆。

3. Subagents：拥有独立上下文的专家

机制解析

这是 Claude Code 最强大的特性之一。Subagent（子智能体） 是一个独立的 Claude 实例，拥有完全独立的上下文窗口。

当主对话中的任务过于复杂（例如需要阅读大量文档、扫描整个代码库）时，主 Agent 可以委派一个 Subagent 去执行。Subagent 完成工作后，只将最终结果（摘要）返回给主对话。

关键洞察：Subagents 是保持主上下文（Main Context）清洁的秘诀。在 Plan Mode 中，Claude Code 默认就会启动一个 Explore 类型的 Subagent 来扫描代码库，从而避免将成吨的文件内容直接倾倒进你的主会话中。

实战应用

定义一个 .claude/agents/dexie-specialist.md。在这个定义中，你可以强制要求该 Agent 在回答任何问题前，必须先联网读取最新文档。

当你在主对话中问：“帮我设计一个包含外键的 Dexie Schema”时：

1. 主 Claude 识别任务，委派给 dexie-specialist。
2. Subagent 启动，在一个全新的上下文中联网下载文档、阅读、思考。
3. Subagent 将精炼后的 Schema 代码和解释返回给主 Claude。
4. 主 Claude 将结果展示给你。

优劣分析

• 优点：彻底隔离上下文噪音；适合重型任务（阅读、研究、全库扫描）；可以为特定任务配置不同的模型（如 Opus）。
• 缺点：启动较重；用户无法直接与 Subagent 对话（中间隔了一层）。

4. Skills：自动发现的能力包

机制解析

Skills 是结构化的能力封装。与 Slash Commands 不同，Skills 通常是自动发现的。Claude 会根据 description 判断当前任务是否需要调用某个 Skill。

Skills 通常以目录形式存在（如 .claude/skills/dexie-expert/），可以包含 SKILL.md 定义文件、辅助脚本、模板文件等。

实战应用

Claude 会在后台通过 <available_skills> 标签感知到这些能力。当你问“帮我优化一下数据库查询”时，Claude 可能会自动决定：“这需要使用 dexie-expert Skill”，并按照 Skill 中定义的最佳实践来执行，甚至运行 Skill 目录下的验证脚本。

优劣分析

• 优点：智能触发，无需用户记忆命令；可以封装复杂的、包含代码脚本的逻辑；体验上更像是增强了 Claude 本身的能力。
• 缺点：与主对话共享上下文；触发与否取决于模型的判断（有时可能不触发）。

总结：该如何选择？

在定制 Claude Code 时，请参考以下决策矩阵：

最佳实践建议：
对于需要大量阅读外部文档或扫描代码库的任务，优先考虑 Subagents，这是让你的 Claude Code 在长时间开发会话中保持“清醒”和高效的关键。