在 Claude Code 相关资料里，有一个项目很值得单独拿出来介绍：
项目名称叫 Claude How To。从定位上看，它不是一份简单的命令说明，也不是零散的技巧合集，而是一套围绕 Claude Code 的系统学习资料。
项目 README 里是这样介绍的：
A visual, example-driven guide to Claude Code — from basic concepts to advanced agents, with copy-paste templates that bring immediate value.
简单理解，就是：用可视化教程、真实示例和可复制模板，帮助开发者从 Claude Code 入门，一直走到 Agent、Hooks、Skills、MCP 等高级用法。
截至资料抓取时，这个项目已经有 3.3 万左右 Star、4000 多 Fork。对于一个 Claude Code 教学项目来说，这个关注度不低。
📌 苏米注：33K Star 的增长速度在 AI 编程工具教学类项目中非常罕见。这反映出 2026 年开发者群体的一个核心痛点：AI 编程工具能力越来越强，但"怎么用得好"远比"用什么"更让人困惑。Claude How To 的成功说明市场需要的不是更多工具，而是更清晰的使用路径。
为什么需要这样一个项目？
很多人第一次接触 Claude Code，通常会经历一个类似过程：
- 安装 Claude Code
- 在终端里输入 claude
- 问几个问题
- 让它解释代码、改一个小 Bug
- 然后就不知道下一步该怎么深入了
这不是个别现象。Claude Code 的能力并不只在"聊天"和"写代码"，它还包含很多更偏工程化的能力：
| 能力模块 | 核心功能 |
|---|---|
| Slash Commands | 把常用任务封装成命令 |
| Memory | 让项目规则、团队规范能被持续加载 |
| Skills | 按需加载可复用能力 |
| Subagents | 把复杂任务交给专门的子 Agent |
| MCP | 连接 GitHub、数据库、文件系统等外部工具 |
| Hooks | 在特定事件发生时自动执行脚本 |
| Checkpoints | 在关键节点保存状态，方便回退 |
| CLI | 在脚本、CI、批处理场景中使用 Claude Code |
单看每一个功能都不难理解，但难点在于：如何把这些能力组合起来，变成真正能提升开发效率的工作流。
官方文档通常更像功能参考，适合查参数、查命令、查配置。但对学习者来说，更需要的是一条路线：先学什么，后学什么，哪些能力可以组合，实际项目里该怎么落地。
Claude How To 解决的正是这个问题。
不只是文档，而是一条学习路径
这个项目最有价值的地方，是它把 Claude Code 的学习拆成了 10 个模块：
- Slash Commands
- Memory
- Skills
- Subagents
- MCP
- Hooks
- Plugins
- Checkpoints
- Advanced Features
- CLI
这些模块不是简单罗列，而是从基础能力逐步过渡到高级工作流。项目里还给出了一条大约 11 到 13 小时的完整学习路线，对于只想快速上手的人，也提供了 15 分钟入门路径：
git clone https://github.com/luongnv89/claude-howto.git
cd claude-howto
# 复制第一个 slash command
mkdir -p /path/to/your/project/.claude/commands
cp 01-slash-commands/optimize.md /path/to/your-project/.claude/commands/
# 在 Claude Code 中输入
# /optimize
因为 Claude Code 不是读完文档就能真正掌握的工具。更好的方式是：一边看解释，一边把模板复制到自己的项目里试。Claude How To 的价值不在于罗列功能，而在于让这些功能可以马上跑起来。
它和官方文档有什么区别？
| 官方文档 | Claude How To |
|---|---|
| 这个命令有哪些参数？ | 新手应该从哪里开始？ |
| 这个配置项怎么写？ | Slash Commands、Memory、Skills 怎么组合？ |
| 某个功能官方支持到什么程度？ | Hooks 在真实开发流程里能做什么？ |
| 新版本更新了什么？ | Subagents 适合处理哪些任务？ |
| MCP 接入外部工具后，可以形成什么工作流？ |
很多时候，开发者不是不知道 Claude Code 有某个功能，而是不知道这个功能应该放在工作流里的哪个位置。
比如 Slash Commands。如果只知道它是一个命令入口，可能只会写几个简单提示词。但结合 Memory、Subagents、MCP 之后，它就可以变成一个完整的 PR Review 流程：
- 输入 /review-pr
- Claude Code 加载项目规范
- 通过 GitHub MCP 获取 PR 信息
- 委托代码审查 Agent 分析代码
- 委托测试 Agent 检查测试覆盖
- 最后汇总出审查结果
单个功能只是积木，组合后的工作流才是生产力。
最值得关注的几个模块
如果时间有限，不一定要从头到尾一次性读完。可以先重点看下面几个模块。
1. Slash Commands：把常用任务固化下来
Slash Commands 是最适合入门的模块。它的作用是把常用提示词封装成命令文件，比如代码优化、生成 API 文档、准备 PR、检查测试覆盖等任务，都可以变成一个固定命令。
这样做的好处很明显：
- 不用每次重新写提示词
- 团队成员可以复用同一套命令
- 任务描述更稳定
- 复杂流程可以逐步沉淀下来
对个人开发者来说，Slash Commands 是从"随手问 AI"走向"沉淀 AI 工作流"的第一步。
2. Memory：让 Claude Code 记住项目规则
CLAUDE.md 是 Claude Code 很重要的一个机制。它可以存放项目规范、编码风格、测试要求、目录说明、常用命令等信息。Claude Code 进入项目后，会读取这些上下文，从而更理解当前项目。
Claude How To 里提供了多种 Memory 模板：
- 项目级 CLAUDE.md
- 目录级规则
- 个人偏好配置
- 团队协作规范
这个模块适合团队重点关注。因为团队里使用 AI 编程工具时，最容易出现的问题不是"模型不会写代码"，而是每个人给 AI 的要求不一致。有了项目级 Memory，至少可以把一部分规则沉淀成统一上下文。
AI 编程要稳定，不能只靠每次临时提醒，更需要可复用的项目记忆。
3. Skills：把能力做成可复用组件
Skills 可以理解为 Claude Code 的"能力包"。一个 Skill 通常包含说明文档、脚本、模板和执行规则。当任务触发相关场景时，Claude Code 可以按需加载这个 Skill，而不是把所有内容一次性塞进上下文。
项目里给出的示例包括：
- code-review：代码审查
- brand-voice：品牌语气检查
- doc-generator：文档生成
这个设计很适合处理重复性专业任务。比如团队经常需要做代码审查，就可以把审查标准、检查脚本、输出格式整理成一个 Skill。后续每次遇到代码审查任务时，Claude Code 就能按相同标准执行。
4. Subagents：让复杂任务分工处理
当任务变复杂后，一个主 Agent 很容易同时承担需求理解、代码修改、测试分析、风险检查等多个角色。Subagents 的思路是把某些子任务交给专门的 Agent。
项目里提供了几类常见角色：
- code-reviewer：负责代码质量分析
- test-engineer：负责测试策略和覆盖
- documentation-writer：负责技术文档
- secure-reviewer：负责安全审查
- implementation-agent：负责功能实现
主 Agent 不必把所有细节都塞进自己的上下文，可以把边界清晰的任务委托出去，再汇总结果。这样更接近真实团队里的分工协作。
5. MCP：把 Claude Code 接到外部系统
MCP 是 Claude Code 生态里非常关键的一块。它让 Claude Code 不只是在本地文件里工作，还可以连接 GitHub、数据库、文件系统等外部工具。
Claude How To 提供了多个配置示例：
- GitHub MCP
- Database MCP
- Filesystem MCP
- Multi MCP
这一步会明显扩大 Claude Code 的使用边界。比如做 PR 审查时，Claude Code 可以通过 GitHub MCP 获取 PR 信息；分析数据问题时，可以通过数据库 MCP 查询数据。
📌 苏米注：MCP 是 Claude Code 从"编程助手"进化为"Agent"的关键分水岭。没有 MCP，Claude Code 只能操作本地文件；有了 MCP，它能连接真实世界的工具链。建议团队在落地时，优先接入 GitHub 和内部文档搜索这两个 MCP Server，它们的使用频率最高、ROI 最大。
6. Hooks：把流程自动化起来
Hooks 解决的是事件触发问题。比如在写文件前自动格式化代码，在提交前运行测试，在执行命令后记录日志，在任务结束时发送通知。
项目里给出的示例包括：
- format-code.sh：写入前格式化代码
- pre-commit.sh：提交前运行测试
- security-scan.sh：安全扫描
- log-bash.sh：记录命令
- notify-team.sh：发送通知
Hooks 的意义在于：把一些固定检查从"人工提醒"变成"自动触发"。没有约束的自动化，往往不够可靠。
可以搭出哪些工作流？
Claude How To 里列了不少组合场景，这里挑几个更贴近日常开发的例子。
| 工作流 | 组合模块 | 适用场景 |
|---|---|---|
| 自动化代码审查 | Slash Commands + Subagents + Memory + MCP | PR 审查、代码质量检查 |
| 团队新人上手 | Memory + Slash Commands + Plugins | 新人 onboarding、项目理解 |
| 文档生成 | Skills + Subagents + Memory | API 文档、迁移说明 |
| DevOps 自动化 | Plugins + MCP + Hooks + CLI | 部署检查、健康监控 |
应该怎么学习这个项目？
建议不要把 Claude How To 当成一本需要从第一页读到最后一页的书。更合适的方式是按阶段使用。
第一阶段：先跑通 15 分钟入门
先 clone 项目，复制一个 Slash Command 到自己的测试项目里，然后在 Claude Code 里执行。目标不是一次掌握所有功能，而是先理解：Claude Code 的能力可以通过项目文件沉淀下来。
第二阶段：配置项目 Memory
接着可以把 02-memory/project-CLAUDE.md 改成适合自己项目的版本。建议先写几类信息：
- 项目是什么
- 常用命令有哪些
- 代码风格要求
- 测试怎么运行
- 哪些目录比较重要
- 哪些操作需要谨慎
这一步做好后，Claude Code 对项目的理解会稳定很多。
第三阶段：挑一个高频任务做成命令或 Skill
不要一开始就追求复杂自动化。可以先选一个高频任务，例如代码 Review、写单元测试、生成 README、检查接口文档、总结模块结构。把它做成 Slash Command 或 Skill，反复调试，让输出逐渐稳定。
第四阶段：再研究 Subagents、MCP 和 Hooks
当基础工作流稳定之后，再去看 Subagents、MCP 和 Hooks。这三个模块更偏工程化，适合处理复杂任务：
- Subagents 负责分工
- MCP 负责连接外部工具
- Hooks 负责自动触发规则
📌 苏米注：四阶段学习法的核心思想是"先跑通最小闭环，再逐步扩展"。很多团队在推广 AI 编程工具时犯了"一步到位"的错误——一开始就配置复杂的 MCP 和 Hooks 体系，结果因为门槛太高导致 adoption 率很低。正确的做法是：让开发者先用 Slash Command 获得正反馈，再逐步引导他们发现 Memory、Skills 的价值。
项目带来的启发
Claude How To 最值得借鉴的地方，不只是它整理了很多 Claude Code 模板，而是它传递了一个很重要的思路：
AI 编程工具的效果，不只取决于模型本身，也取决于是否有清晰的工作流设计。
同样是 Claude Code：
- 没有 Memory，它只能临时理解项目
- 没有 Slash Commands，常用任务很难沉淀
- 没有 Skills，专业能力难以复用
- 没有 Subagents，复杂任务容易挤在一个上下文里
- 没有 MCP，它很难连接真实系统
- 没有 Hooks，自动化流程缺少边界和约束
这些能力组合起来，才会形成一个更完整的 Agent 工作环境。这也是 Claude Code 和普通 AI 聊天工具最大的区别之一——普通聊天工具更像"问答窗口"，Claude Code 这类工具更像"能进入项目现场的执行环境"。
总结
Claude How To 是一个非常适合系统学习 Claude Code 的开源项目。它的价值可以概括为三点：
- 有路线：从 Slash Commands、Memory 到 MCP、Hooks、Subagents，学习顺序比较清晰
- 有示例：不是只讲概念，而是提供大量可以复制的模板
- 有组合思路：重点不是单个功能，而是如何把功能串成真实工作流
对于刚开始使用 Claude Code 的开发者，可以先用它跑通最小示例，再逐步把常用任务沉淀成命令、Memory 和 Skills。对于已经在团队里使用 AI 编程工具的人，这个项目更适合作为一份工作流设计参考。
真正值得学习的，不只是 Claude Code 的功能清单，而是如何把这些功能组织成稳定、可复用、可协作的工程流程。