claude-code-infrastructure-showcase
claude-code-infrastructure-showcase 是一个经过生产环境验证的 Claude Code 基础设施参考库，旨在帮助开发者构建高效、可扩展的 AI 辅助开发工作流。它并非直接运行的应用程序，而是一套源自真实复杂 TypeScript 微服务项目实战经验的模式与系统集合。
该方案核心解决了 Claude Code 技能（Skills）通常处于“被动等待”状态、需人工记忆调用的痛点。通过引入自定义钩子（Hooks）和智能配置，它能自动分析用户提示词与文件上下文，按需激活相关技能，实现“用时即现”。此外，针对大模型上下文限制，它创新性地提出了"500 行规则”与渐进式披露机制，将大型技能拆解为主指南与资源模块，仅在需要时加载细节，有效避免了上下文溢出。
这套工具特别适合正在使用或计划引入 Claude Code 进行企业级开发的软件工程师与技术团队。无论是需要自动化后端/前端开发规范，还是希望定制专属 Agent 来处理代码架构审查、重构及调试等复杂任务，都能从中找到成熟的可复用模板。只需少量时间集成，即可将原本零散的 AI 交互升级为系统化、自动化的研发助力，显著提升开发效率与代码质量。
使用场景
某全栈开发团队正在维护一个包含 6 个微服务和复杂 React 前端的 TypeScript 项目，日常需频繁处理 API 路由调试、架构审查及代码重构任务。
没有 claude-code-infrastructure-showcase 时
- 技能依赖人工记忆：开发者必须时刻记得手动调用特定的后端规范或测试技能，一旦遗忘，AI 生成的代码往往不符合项目既定的 Express/TypeScript 模式。
- 上下文窗口迅速耗尽：庞大的开发指南文档一次性全部加载，导致 AI 可用上下文被占满，无法深入分析当前具体的业务逻辑。
- 重复性配置耗时：每次开启新会话或切换任务时，都需要重新向 AI 交代项目背景、Sentry 集成方式等基础信息，效率低下。
- 复杂任务缺乏专项支持：面对代码架构审查或深层错误调试时，通用助手难以提供符合生产环境标准的专业建议，需人工反复纠正。
使用 claude-code-infrastructure-showcase 后
- 技能智能自动激活：通过 UserPromptSubmit 钩子，当开发者提到"API 测试”或“前端重构”时，系统自动匹配并激活
route-tester或frontend-dev-guidelines技能，无需人工干预。 - 模块化资源按需加载：遵循"500 行规则”，主技能文件仅保留核心指引，详细的资源文档仅在需要时动态加载，既节省了上下文空间又保证了深度。
- 开发语境持久化：内置的 Dev docs 系统和钩子机制让 AI 在上下文重置后仍能“记住”项目特有的工作流引擎和数据结构，实现无缝连续开发。
- 专用代理解决难题：直接调用预置的“代码架构审查”或“错误调试”代理，瞬间获得基于 5 万行生产代码经验提炼出的高质量优化方案。
claude-code-infrastructure-showcase 将原本依赖开发者记忆的碎片化最佳实践，转化为了自动运行、按需加载的企业级研发基础设施。
运行环境要求
- 未说明
不需要 GPU
未说明
快速开始
Claude Code 基础设施展示
经过生产环境验证的 Claude Code 基础设施精选参考库。
本展示源自于为期6个月的实际项目经验，涉及管理一个复杂的 TypeScript 微服务项目。它提供了能够解决“技能不会自动激活”问题，并使 Claude Code 能够扩展到企业级开发中的模式与系统。
这并不是一个可运行的应用程序——而是一个参考库。请将您需要的部分复制到您自己的项目中。
内容概览
适用于生产环境的基础设施包括：
- ✅ 通过钩子实现的自动激活技能
- ✅ 模块化技能模式（500行规则与渐进式披露）
- ✅ 针对复杂任务的专用代理
- ✅ 能够在上下文重置后依然有效的开发文档系统
- ✅ 使用通用博客领域的全面示例
构建所需时间： 6个月的迭代
集成到您的项目所需时间： 15–30分钟
快速入门——选择适合您的路径
🤖 想使用 Claude Code 进行集成吗？
Claude： 请阅读 CLAUDE_INTEGRATION_GUIDE.md，获取专为 AI 辅助设置量身定制的分步集成指南。
🎯 我想要技能自动激活功能
突破性功能： 技能在您需要时真正激活。
您需要：
- 技能激活钩子（2个文件）
- 一两个与您工作相关的技能
- 15分钟
👉 设置指南：.claude/hooks/README.md
📚 我想添加一个技能
浏览 技能目录 并复制您需要的内容。
可用技能：
- backend-dev-guidelines —— Node.js/Express/TypeScript 模式
- frontend-dev-guidelines —— React/TypeScript/MUI v7 模式
- skill-developer —— 用于创建技能的元技能
- route-tester —— 测试已认证的 API 路由
- error-tracking —— Sentry 集成模式
👉 技能指南：.claude/skills/README.md
🤖 我想要专用代理
10种经过生产验证的代理，用于处理复杂任务：
- 代码架构评审
- 重构协助
- 文档生成
- 错误调试
- 以及其他更多……
👉 代理指南：.claude/agents/README.md
与众不同之处？
自动激活的突破
问题： Claude Code 的技能只是静静地躺在那里，您必须记得去使用它们。
解决方案： UserPromptSubmit 钩子能够：
- 分析您的提示
- 检查文件上下文
- 自动建议相关技能
- 通过
skill-rules.json配置生效
结果： 技能在您需要时自动激活，而不是在您想起时才激活。
经过生产验证的模式
这些并非理论上的示例，而是从以下内容中提炼出来的：
- ✅ 6个处于生产状态的微服务
- ✅ 超过5万行的 TypeScript 代码
- ✅ 具有复杂数据网格的 React 前端
- ✅ 精密的工作流引擎
- ✅ 6个月的日常 Claude Code 使用
这些模式之所以有效，是因为它们确实解决了实际问题。
模块化技能（500行规则）
大型技能容易超出上下文限制。解决方案如下：
技能名称/
SKILL.md # <500行，高层次指南
resources/
topic-1.md # 每个文件<500行
topic-2.md
topic-3.md
渐进式披露： Claude 会先加载主技能文件，仅在需要时才会加载资源文件。
仓库结构
.claude/
├── skills/ # 5个生产级技能
│ ├── backend-dev-guidelines/ (12个资源文件)
│ ├── frontend-dev-guidelines/ (11个资源文件)
│ ├── skill-developer/ (7个资源文件)
│ ├── route-tester/
│ ├── error-tracking/
│ └── skill-rules.json # 技能激活配置
├── hooks/ # 6个自动化钩子
│ ├── skill-activation-prompt.* (至关重要)
│ ├── post-tool-use-tracker.sh (至关重要)
│ ├── tsc-check.sh (可选，需自定义)
│ └── trigger-build-resolver.sh (可选)
├── agents/ # 10个专用代理
│ ├── code-architecture-reviewer.md
│ ├── refactor-planner.md
│ ├── frontend-error-fixer.md
│ └── ... 还有7个
└── commands/ # 3个斜杠命令
├── dev-docs.md
└── ...
dev/
└── active/ # 开发文档模式示例
└── public-infrastructure-repo/
组件目录
🎨 技能（5个）
| 技能 | 行数 | 目的 | 最佳适用场景 |
|---|---|---|---|
| skill-developer | 426 | 创建和管理技能 | 元开发 |
| backend-dev-guidelines | 304 | Express/Prisma/Sentry 模式 | 后端 API |
| frontend-dev-guidelines | 398 | React/MUI v7/TypeScript | React 前端 |
| route-tester | 389 | 测试已认证的路由 | API 测试 |
| error-tracking | ~250 | Sentry 集成 | 错误监控 |
所有技能均遵循模块化模式——主文件加上资源文件，实现渐进式披露。
👉 如何集成技能 →
🪝 钩子（6个）
| 钩子 | 类型 | 是否必要 | 自定义需求 |
|---|---|---|---|
| skill-activation-prompt | UserPromptSubmit | ✅ 是 | ✅ 无需任何自定义 |
| post-tool-use-tracker | PostToolUse | ✅ 是 | ✅ 无需任何自定义 |
| tsc-check | Stop | ⚠️ 可选 | ⚠️ 需大量调整——仅限单体仓库 |
| trigger-build-resolver | Stop | ⚠️ 可选 | ⚠️ 需大量调整——仅限单体仓库 |
| error-handling-reminder | Stop | ⚠️ 可选 | ⚠️ 中等程度的自定义 |
| stop-build-check-enhanced | Stop | ⚠️ 可选 | ⚠️ 中等程度的自定义 |
请从两个必要的钩子开始——它们能够实现技能自动激活，并且开箱即用。
👉 钩子设置指南 →
🤖 代理（10个）
独立使用——直接复制即可！
| 代理 | 目的 |
|---|---|
| code-architecture-reviewer | 审查代码以确保架构一致性 |
| code-refactor-master | 规划并执行代码重构 |
| documentation-architect | 生成全面的文档 |
| frontend-error-fixer | 调试前端错误 |
| plan-reviewer | 审核开发计划 |
| refactor-planner | 制定代码重构策略 |
| web-research-specialist | 在线研究技术问题 |
| auth-route-tester | 测试已认证的端点 |
| auth-route-debugger | 调试认证相关问题 |
| auto-error-resolver | 自动修复 TypeScript 错误 |
👉 代理如何工作 →
💬 斜杠命令（3个）
| 命令 | 目的 |
|---|---|
| /dev-docs | 创建结构化的开发文档 |
| /dev-docs-update | 在上下文重置前更新文档 |
| /route-research-for-testing | 为测试研究路由模式 |
核心概念
挂钩 + skill-rules.json = 自动激活
系统：
- skill-activation-prompt 挂钩 在每次用户提问时运行
- 检查 skill-rules.json 中的触发模式
- 自动建议相关技能
- 技能仅在需要时加载
这解决了 Claude Code 技能的首要问题：它们无法自行激活。
渐进式披露（500 行规则）
问题： 大型技能会触及上下文限制。
解决方案： 模块化结构
- 主 SKILL.md 少于 500 行（概述 + 导航）
- 资源文件每份少于 500 行（深入内容）
- Claude 会根据需要逐步加载
示例： backend-dev-guidelines 包含 12 个资源文件，分别涵盖路由、控制器、服务、仓库、测试等内容。
开发文档模式
问题： 上下文重置会导致项目背景丢失。
解决方案： 三文件结构
[task]-plan.md- 战略计划[task]-context.md- 关键决策和文件[task]-tasks.md- 清单格式
适用场景： 使用 /dev-docs 斜杠命令可自动生成这些文件。
⚠️ 重要提示：原样使用无效的内容
settings.json
随附的 settings.json 仅为示例：
- Stop 挂钩引用了特定的 monorepo 结构
- 服务名称（如 blog-api 等）均为示例
- MCP 服务器可能并不存在于您的环境中
使用方法：
- 仅提取 UserPromptSubmit 和 PostToolUse 挂钩
- 自定义或跳过 Stop 挂钩
- 根据您的环境更新 MCP 服务器列表
博客领域示例
技能使用通用的博客示例（Post/Comment/User）：
- 这些是教学示例，而非强制要求
- 相关模式适用于任何领域（电商、SaaS 等）
- 请根据您的业务逻辑调整这些模式
挂钩目录结构
部分挂钩假定特定的目录结构：
tsc-check.sh假设存在服务目录- 请根据您的项目布局进行自定义
集成流程
推荐步骤：
第一阶段：技能激活（15 分钟）
- 复制 skill-activation-prompt 挂钩
- 复制 post-tool-use-tracker 挂钩
- 更新 settings.json
- 安装挂钩依赖项
第二阶段：添加首个技能（10 分钟）
- 选择一个相关的技能
- 复制该技能目录
- 创建或更新 skill-rules.json
- 自定义路径模式
第三阶段：测试与迭代（5 分钟）
- 编辑文件——技能应自动激活
- 提出问题——技能应被建议
- 根据需要添加更多技能
第四阶段：可选增强
- 添加您认为有用的代理
- 添加斜杠命令
- 自定义 Stop 挂钩（进阶操作）
获取帮助
对于用户
集成遇到问题？
- 查看 CLAUDE_INTEGRATION_GUIDE.md
- 向 Claude 提问：“为什么 [技能] 没有激活？”
- 提交包含您项目结构的问题
对于 Claude Code 团队
在协助用户集成时：
- 务必先阅读 CLAUDE_INTEGRATION_GUIDE.md
- 询问用户的项目结构
- 进行个性化调整，不要盲目照搬
- 验证集成效果
解决的问题
在引入此基础设施之前
❌ 技能无法自动激活 ❌ 必须记住使用哪个技能 ❌ 大型技能会超出上下文限制 ❌ 上下文重置会导致项目知识丢失 ❌ 开发过程中缺乏一致性 ❌ 每次都需要手动调用代理
引入此基础设施之后
✅ 技能可根据上下文自动建议 ✅ 挂钩会在恰当时机触发技能 ✅ 模块化技能始终控制在上下文限制内 ✅ 开发文档可在上下文重置后保留知识 ✅ 通过护栏实现一致的开发模式 ✅ 代理简化复杂任务
社区
觉得本内容有用吗？
- ⭐ 为本仓库点赞
- 🐛 报告问题或提出改进建议
- 💬 分享您自己的技能/挂钩/代理
- 📝 贡献来自您所在领域的示例
背景： 这套基础设施曾在我的 Reddit 帖子中详细介绍：“Claude Code 是个猛兽——6 个月深度使用的心得”。在收到数百条请求后，我们创建了这个展示项目，旨在帮助社区落地这些模式。
许可证
MIT 许可证——您可自由地将其用于商业或个人项目中。
快速链接
- 📖 Claude 集成指南 - 用于 AI 辅助设置
- 🎨 技能文档
- 🪝 挂钩设置
- 🤖 代理指南
- 📝 开发文档模式
从这里开始： 复制两个核心挂钩，添加一项技能，即可体验自动激活的神奇效果。
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。