2024年Claude Code刚发布时，开发者吐槽最多的不是功能弱，是配置像开俄罗斯方块——每个项目都要重新堆一遍上下文。Anthropic最新文档显示，「裸配置」现在被压缩到3个文件，平均 setup 时间从47分钟降到5分钟。但有个数据没写进官方稿：社区实测中，23%的人因为漏掉.claudeignore，token 账单直接翻倍。
CLAUDE.md：把重复 prompt 写进「肌肉记忆」
Claude Code 的上下文窗口是 200k token，听起来宽裕，实际跑起来像手机电量——看着100%出门，半天就焦虑。CLAUDE.md 的作用是给 AI 预装「项目常识」，避免每次对话都要交代「我们用 Next.js 15，TypeScript 严格模式，API 路由放 /app/api」。
Anthropic 3月24日更新的 /dream 命令，本质就是记忆压缩技术。CLAUDE.md 是这套机制的静态版本，把项目目标、技术栈、架构模式、编码规范、当前任务五块信息固化成「启动盘」。开发者 @swyx 在 Twitter 上形容：「以前像每次见面都要重新自我介绍，现在像递名片。」
这个文件的关键是「可执行」而非「完整」。官方模板要求列出具体版本号（Node.js 20.10 而非「最新 LTS」），标注当前聚焦的1-2个任务，避免 AI 在已完成的功能上浪费算力。
一个被忽略的细节：CLAUDE.md 支持动态更新。当项目进入新阶段，手动修改「Current Focus」区块，比重新训练 AI 的上下文成本低得多。这解释了为什么 Anthropic 把它放在三文件之首——它是人与 AI 的「共享状态管理器」。
.claudeignore：40% token 削减的隐藏开关
Claude Code 会读取你给它上下文权限的每一个文件。node_modules、.next 构建输出、日志文件、测试覆盖率报告——这些在大型项目里动辄几十万 token，全是噪音。Anthropic 内部测试显示，合理配置 .claudeignore 可削减 40% 以上 token 消耗。
基础模板覆盖七类文件：依赖目录（node_modules/）、版本控制（.git/）、日志（*.log）、本地环境（.env*.local）、构建输出（.next/ dist/ build/）、测试报告（coverage/）、压缩资源（*.min.js）。但社区贡献的扩展规则更值得参考——有人把 Prisma 生成的客户端代码、Storybook 静态站点、Docker 层缓存也纳入忽略列表。
token 经济学的残酷在于：Claude Code 不会提醒你「这个文件没必要读」。它像一台按里程计费的出租车，乘客不规划路线，司机不会主动省油。
一个反直觉的发现：忽略文件过多也会出问题。当 AI 缺少必要的类型定义文件（如某些 .d.ts），它会倾向于「猜测」而非「确认」，导致代码生成质量下降。平衡点在「足够精简」与「足够上下文」之间，需要按项目迭代调整。
Skills Registry：把一次性解法变成「可复用零件」
Claude Code 的 /skills 命令今年早些时候从实验功能转正。Skills Registry 是 .claude/skills/ 目录下的 Markdown 文件集合，每个文件描述一个可复用任务——「创建带测试的 React 组件」「配置 PostgreSQL 连接池」「生成符合设计系统的表单」。
传统工作流里，开发者反复输入相似 prompt，AI 反复生成相似代码，差异只在变量名。Skills Registry 把「怎么做」写成文档，让 AI 调用时像查手册而非重新推理。Anthropic 文档提到的一个案例：某团队把「Next.js API 路由错误处理」标准化为 skill 后，同类任务的代码一致性从 67% 提升到 94%。
技能文件的结构有讲究：必须包含触发条件（何时调用）、输入参数（需要什么信息）、执行步骤（分几步完成）、输出示例（长什么样）。缺少任何一块，AI 的调用成功率都会显著下降。
跨仓库复用是进阶玩法。通过 git submodule 或私有 npm 包把 skills 同步到多个项目，团队可以建立「组织级最佳实践」。但这带来治理问题：谁维护技能版本？如何标记废弃技能？Anthropic 目前把这些问题留给社区，官方只提供文件格式规范。
自举陷阱：用 Claude Code 配置 Claude Code 的悖论
官方推荐的 setup 方式充满产品人的狡黠：运行 claude code "Initialize a bare minimum Claude Code configuration..."，让 AI 自己生成配置自己的文件。这像让厨师给自己写菜单——高效，但前提是厨师知道你喜欢什么口味。
社区反馈呈现两极。支持者认为，AI 生成的模板比手动复制粘贴更不容易遗漏细节；反对者指出，新手如果不理解每块配置的用途，后续调试成本更高。一位 Hacker News 用户评论：「我花了20分钟让 Claude 生成配置，又花了40分钟理解它生成了什么。」
这个悖论的本质是「抽象泄漏」。当工具试图把复杂性藏起来，使用者就失去了调试能力。三文件配置之所以被称为「裸配置」，恰恰是因为它把原本藏在 GUI 或 CLI wizard 里的决策暴露为文本，让人能看、能改、能版本控制。
Anthropic 的文档策略也耐人寻味。他们没有提供「一键安装包」，而是坚持「用代码配置代码」的哲学。这与 Cursor、GitHub Copilot 的路径形成对比——后两者更强调「开箱即用」，代价是自定义灵活性下降。
一个未被官方强调的数据：在 Anthropic 的开发者调研中，使用三文件配置的用户，30天留存率比未使用者高 18 个百分点。配置行为本身成了「认真使用」的信号，筛选出愿意投入学习成本的长期用户。
那么，5 分钟 setup 是真实承诺还是营销话术？取决于你怎么定义「完成」。如果「能用」是标准，一条 CLI 命令足够；如果「好用」是标准，调优 CLAUDE.md 的架构描述、精简 .claudeignore 的忽略规则、积累可用的 skills，可能需要数周迭代。Anthropic 把起点压到 5 分钟，但终点由每个项目的复杂度决定——这个诚实，比「一键搞定」的夸大更少见。
你现在用的 AI 编程工具，配置流程是趋向简化还是越发复杂？如果明天必须迁移到另一款产品，你的「项目常识」能带走多少？
热门跟贴