标签：claude-code

所有技巧都围绕一个约束：上下文窗口很快会满，满了效果就会下降。核心做法包括：给 Claude 一个能自己运行的检查手段；先探索、再规划、再编码；提示要具体；用 CLAUDE.md、权限、hooks、skills、子智能体配置环境；积极管理上下文；最后用并行会话和非交互模式扩大规模。

• claude-code
• coding-agents
• context-window
• subagents
• workflows
• permissions

16 个 Claude 实例在共享 git 仓库上几乎无人干预地并行约两周、近 2000 个会话、约 2 万美元，从零写出 10 万行的 Rust C 编译器，能构建可启动的 Linux 6.9。重点是经验：近乎完美的测试、为 Claude 设计测试输出、用 GCC 当预言机方便并行、角色分工，以及上限与风险。

• multi-agent
• long-running-agents
• coding-agents
• testing
• claude-code
• model-capabilities

频繁点“同意”会造成审批疲劳，反而不安全。Claude Code 用操作系统原语做沙箱：文件系统隔离（只写当前工作目录）加网络隔离（只经代理连获批域名），缺一不可。在此基础上推出开源的沙箱化 bash 工具和云端运行、git 凭证不进沙箱的 Claude Code on the web。内部权限弹窗减少 84%。

• claude-code
• sandbox
• security
• prompt-injection
• permissions
• human-in-the-loop

auto 模式把权限审批交给模型分类器，介于人工审批和完全跳过权限之间。两层防御：输入层用提示注入探针扫描工具输出；输出层的转录分类器在执行前判定每个动作，先单 token 快速过滤，被标记再用思维链复核。另有子智能体交接检查和“拒绝后继续”。真实流量误报率 0.4%，对真实越权行为漏报率 17%。

• claude-code
• permissions
• human-in-the-loop
• prompt-injection
• security
• failure-modes

部署风险 = 失败概率 × 破坏范围；能力和权限扩大会让后者上升，工程问题就是给破坏范围设上限。人工审批并不可靠（用户同意约 93% 的请求），重点应放在环境层约束。文章对比 claude.ai 临时容器、Claude Code 沙箱、Cowork 本地虚拟机三种模式，并复盘了几次真实漏洞。

• security
• sandbox
• prompt-injection
• claude-code

2026 年 3–4 月部分用户觉得 Claude 变差，原因在 Claude Code 等产品层的三处改动，而非模型或 API：默认推理强度从 high 降到 medium；清理旧思考内容的缓存优化出 bug，每轮都丢推理历史；限制冗长度的系统提示损害编码质量。三者已在 4 月 20 日前修复并重置订阅用户用量额度。

• postmortem
• claude-code
• prompt-caching
• extended-thinking
• prompt-engineering
• evals

DeepLearning.AI 有上百门课，本页只挑与本路线直接相关的 6 门：4 门与 Anthropic 合作的短课（Computer Use、MCP、Claude Code、Agent Skills）、Arize 的智能体评测课和 Andrew Ng 的 Agentic AI 长课。每门只写要点和对照笔记。