随着AI辅助编程工具从“补全代码”向“Agent式协作”演进，如何控制智能体的行为边界与上下文效率成为关键。Claude Code凭借其七种自定义指令机制，在灵活性与资源管理之间构建了一套精密的系统——但多数用户仅停留在使用CLAUDE.md层，忽略了更细粒度的能力分层。

这七种方式按生命周期可划分为四类：静态上下文注入（CLAUDE.md、输出样式、附加系统提示）、动态触发（规则、技能）、隔离执行（子智能体）以及生命周期钩子。理解它们对token预算和压缩策略的影响，是高效定制的核心。

CLAUDE.md是项目级默认指令，位于根目录时始终加载且不可压缩，适合存放构建命令、编码规范等“必需”知识；而子目录下的CLAUDE.md则按路径按需加载，代价是父目录文件会被压缩——需注意跨目录一致性。相比之下，规则（Rules）支持无范围或路径范围，路径范围规则能避免无关模块消耗上下文，适合为UI组件目录或API层专门定义行为模式。

技能（Skills）的独特之处在于按需调用且共享token预算——它像“插件库”而非系统提示，适合封装频繁使用的辅助工具（如代码审查模板、日志解析器），但需注意技能间可能互相调用导致上下文膨胀。子智能体（Sub-agents）则在隔离上下文中运行，只返回最终消息，适用于并行执行多项无依赖任务（如同时编译和生成文档），能有效防止主会话被中间状态污染。

钩子（Hooks）绑定到生命周期事件（如对话开始、用户输入后），且绕过上下文压缩——这意味着即使token接近上限，钩子也会完整执行。典型应用包括自动化运行linter、保存聊天记录到文件，或注入动态上下文（当前Git分支名）。行业里已有团队用钩子配合CI/CD流程，实现代码提交前自动触发规则检测。

输出样式和附加系统提示则属于“一次性”或“全局辅助”机制：前者注入到系统提示且永不压缩，适合强制约束输出格式（如JSON结构）；后者通过CLI标志生效，仅单次会话有效，适合临时调试场景。

对比GitHub Copilot仅支持工作区级指令和项目级ignored规则，Claude Code的分层设计更贴近开发者真实工作流——但也带来了选择成本。建议从“上下文频率”和“紧急性”两个维度决策：频率高、不可压缩的放入CLAUDE.md或输出样式；频率低但需隔离的用子智能体；自动化流程用钩子；临时或实验性行为用附加系统提示。避免将技能用于一次性任务，否则会浪费共享预算。

未来，随着令牌成本下降和Agent工作流的复杂化，这些机制可能会融合——例如钩子中触发子智能体，或技能之间按依赖树自动排序。而当前，掌握这七种方式的取舍，就是驾驭Claude Code潜能的钥匙。