AI 编码助手正在从“生成代码”向“深度集成开发工作流”演进。Claude Code 作为其中的代表，提供了多达七种自定义指令方式，这一设计远超简单的“写提示词”逻辑。理解这些机制的差异，是充分挖掘工具潜力的关键。

基础层：常驻知识与范围限定 最基础的自定义方式是 CLAUDE.md。这个文件承载在仓库根目录下，会被持续注入到每次对话的上下文窗口。它适合存放构建命令、编码规范和项目架构说明。需要注意的是系统会在上下文压缩时移除它。当你想把规则限定到特定路径时，用 路径范围规则 比全局规则更明智。路径范围规则只会在处理该路径下文件时加载，避免全局规则引起的上下文膨胀。

按需调用：技能与子智能体的分工 技能 采用按需调用机制，用户手动触发时才加载。技能中的所有智能体共享一个 token 预算，适合可复用行为，比如添加注释或生成测试。相比之下，子智能体 运行在完全隔离的上下文中，独立完成最终消息后返回。这种隔离性让它适合需要高度并行的任务，比如同时查多个 API 文档，互不干扰。

自动化与系统级控制：钩子与输出样式 钩子 能够绑定到生命周期事件上，比如在“发送消息前”或“收到回复后”自动运行。它们能够绕过上下文压缩，适合执行确定性的自动化逻辑，例如运行 linter 或保存聊天记录。而 输出样式 直接注入系统提示，永远不会被压缩，适合要求严格格式化或角色扮演的场景。附加系统提示 通过 CLI 标志设置，仅对单次调用生效，是临时微调的便捷工具。

行业对比与判断 当前主流 AI 编码工具中，多数只提供基础的“系统提示”或“示例限制”功能。Claude Code 把复杂度分层，对应不同类型的使用场景，设计思路更接近“操作系统级”的插件管理。对于多个开发者协作的项目，路径规则和 CLAUDE.md 的组合能有效统一代码风格，而子智能体则为大规模重构提供了并行执行能力。但与此同时，过多无限制的全局规则会加速 token 消耗，用户需要根据项目复杂度精准部署。

实操建议 对于个人项目，用 CLAUDE.md + 路径规则已经足够。需要自动化检查时，优先考虑钩子。当面对多文件并行任务，比如多模块重构时，子智能体是最佳选择。技能适合频繁执行但非核心的辅助操作。输出样式则可以预留给角色功能如“代码审查者”或“测试工程师”。记住一条准则：凡是不需要持续加载的内容，就不要塞进 CLAUDE.md 中。