Android开发者的Claude Code实战心得：需求描述、省Token与多Agent工作流
用 Claude Code 写 Android 项目大半年了，从最初”当高级搜索引擎用”，到现在日常开发的大部分编码工作都交给它，中间踩了不少坑，也攒了一套自己的工作流。这篇文章把这些心得系统整理一下：怎么描述需求才高效、Token 怎么省、缓存命中率是怎么回事、会话什么时候该重开、Agent / SubAgent / Hook / MCP 这些概念到底是什么、有哪些常用命令和隐藏功能、以及我用过的一圈周边工具（ccswitch、headroom、rtk、codex、gemini、openclaw、trae、superpowers、scrapling、figma mcp 等）各自解决什么问题。
本文以 Claude Code（终端 CLI 形态）为主线，但大部分方法论对 Codex CLI、Gemini CLI、Trae 等同类工具同样适用。
一、先建立正确的心智模型：它是”结对的同事”，不是”补全工具”
用 AI 编程工具效率差异最大的地方，不在于订阅了哪个模型，而在于使用者把它当什么用。
- 把它当代码补全用：你写一半它猜一半，收益有限，Copilot 就够了。
- 把它当搜索引擎用：问一句答一句，答完上下文就浪费了。
- 把它当结对的同事用：给它完整的任务背景、验收标准和项目约束，让它自己读代码、改代码、跑构建、看报错、再修，直到任务完成——这才是 Claude Code 这类 Agentic CLI 工具的正确打开方式。
“同事”这个比喻还有一层含义：新同事入职需要入职文档，AI 也一样。这就引出第一个关键实践。
二、CLAUDE.md：给 AI 的”入职文档”
Claude Code 每次启动会自动读取项目根目录的 CLAUDE.md。这是投入产出比最高的一件事，一次编写，长期受益。一个 Android 项目的 CLAUDE.md 建议至少包含：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# CLAUDE.md
## 项目概述
一款 IM + 协同办公 App，Kotlin + Compose + MVI，多模块组件化架构。
## 常用命令
- 构建 debug 包：./gradlew :app:assembleDebug
- 只跑某个模块的单测：./gradlew :feature-chat:testDebugUnitTest
- lint 检查：./gradlew detekt
## 模块结构
- app/ 壳工程，只做组装
- feature-*/ 业务模块，互相不可依赖，通过 router 通信
- core-*/ 基础能力（网络、存储、日志）
## 项目约束（重要）
- 网络请求统一走 core-network 的 ApiClient，禁止在业务模块直接 new OkHttpClient
- 字符串必须放 strings.xml，禁止硬编码
- 新代码用 Kotlin，禁止新增 Java 文件
- Compose 优先，除非改动的页面本身是 XML
几个经验：
- 写”禁止”比写”推荐”有用。AI 默认会用最通用的写法，你项目里的特殊约定（比如自研路由、统一网络层）必须显式写成禁令，否则它会绕过你的基建自己造轮子。
- 常用命令一定要写。否则它每次都要花几轮工具调用去猜你的 Gradle 任务名，既浪费时间又浪费 Token。
- 保持精简。CLAUDE.md 每次会话都会进上下文，写成几千行的百科全书反而稀释注意力。细节文档可以拆成单独文件，在 CLAUDE.md 里用
@docs/router.md引用，或者写清楚”路由相关规范见 docs/router.md”让它按需去读。 - 用
/init命令可以让 Claude 自己扫一遍代码库生成初版，再人工修订。
另外还有用户级的 ~/.claude/CLAUDE.md，适合放跨项目的个人偏好，比如”注释用中文”、”commit message 用约定式提交”。
三、如何描述需求：一次说清 > 反复纠偏
AI 编程有个反直觉的规律：前期多花两分钟写清需求，比后期花二十分钟纠偏便宜得多。因为每一轮纠偏都带着完整的历史上下文重新计算，又慢又贵，而且错误的中间产物会污染后续判断。
一个好的需求描述包含四要素：背景、目标、约束、验收标准。对比一下：
❌ 差的写法：
帮我加一个下载功能
✅ 好的写法：
在 feature-file 模块给文件消息加断点续传下载：
- 入口在 FileMessageItem 的下载按钮，点击后调 FileDownloadManager（还没有，需要新建）
- 用 OkHttp 的 Range 请求实现断点续传，下载状态用 StateFlow 暴露给 UI
- 进度要在通知栏同步显示，参考 core-notification 里已有的 UploadNotification 的写法
- 下载目录用 getExternalFilesDir，不要申请存储权限
- 完成后跑一下 :feature-file:testDebugUnitTest 确认没破坏现有用例
几个具体技巧：
- 给参照物。”参考 XxxManager 的写法”是最省事的约束方式，AI 会先读那个文件，然后自然对齐你的代码风格、错误处理方式和依赖注入姿势。
- 说清楚”不要做什么”。比如”不要动数据库表结构”、”不要升级依赖版本”，能避免它顺手做出超出预期的大改动。
- 复杂任务先进 Plan Mode（快捷键
Shift+Tab切换）。计划模式下它只读代码、出方案，不动手改。你确认方案没跑偏再放行执行。对于涉及五个文件以上的改动，先看计划几乎总是值得的——否决一个错误的计划是零成本的，回滚一堆错误的代码不是。 - 贴报错要贴全。ANR trace、崩溃堆栈、Gradle 报错，直接整段粘贴比你自己概括转述准确得多。Claude Code 支持粘贴大段文本和图片（截图 UI bug 给它看非常好用）。
- 一个会话干一件事。修 bug 修到一半突然想让它顺便重构，不如开新会话。混杂的目标会让它顾此失彼。
四、什么是 Agent？什么是 SubAgent（多 Agent）？
Agent
很多人对 “Agent” 这个词有距离感，其实定义很朴素：能自主循环”思考 → 调工具 → 看结果 → 再思考”直到完成目标的 AI，就是 Agent。
传统 Chat 模式是”一问一答”，你是执行者，它是顾问。Agent 模式下它是执行者：你说”修掉这个崩溃”，它自己 grep 定位代码、读上下文、改代码、跑 ./gradlew test、看到测试挂了再改，全程不需要你搬运信息。Claude Code 本体就是一个 Agent，工具集包括读写文件、执行 shell 命令、搜索代码等。
SubAgent 与多 Agent
SubAgent（子代理）是 Claude Code 里非常值得掌握的进阶能力：主 Agent 可以派生出独立的子 Agent 去执行子任务，子 Agent 拥有自己独立的上下文窗口，干完活只把结论汇报回来。
这解决了两个核心问题：
- 上下文隔离（省 Token 的大杀器）。比如”在整个项目里找出所有直接 new Handler 的地方并评估风险”，如果主 Agent 自己做，几十个文件的搜索结果会全部灌进主上下文；派 SubAgent 去做，翻文件产生的海量中间输出都留在子上下文里，主上下文只收到一份几百字的结论。
- 并行。多个互不依赖的子任务可以同时派多个 SubAgent 并行执行。比如组件化改造时，”梳理 feature-chat 的对外依赖”和”梳理 feature-mail 的对外依赖”就可以两个 SubAgent 同时跑。
你可以在 .claude/agents/ 目录下定义自己的子代理，每个是一个带 frontmatter 的 Markdown 文件，指定它的职责、可用工具、甚至用更便宜的模型：
1
2
3
4
5
6
7
8
9
10
11
---
name: code-reviewer
description: 代码审查专用，检查 Kotlin 空安全、协程泄漏、Compose 重组性能
tools: Read, Grep, Glob
---
你是 Android 代码审查专家，只读不写。重点检查：
1. lifecycleScope / viewModelScope 使用是否正确，有无协程泄漏
2. Compose 中不稳定参数导致的多余重组
3. 未处理的空安全问题
输出按严重程度排序的问题清单。
之后说一句”用 code-reviewer 审查这次改动”即可。我的常用组合是：主 Agent 负责写代码，一个 reviewer 子代理负责挑刺，一个 explorer 子代理负责在大代码库里找东西——写与查分离，主上下文始终保持干净。
多 Agent 的边界也要清楚：有依赖关系的任务不要并行。让两个 Agent 同时改同一个模块的文件，合并冲突会让你怀疑人生。并行只用于”读”和互不相干的”写”。
五、什么是 Hook？
Hook 是 Claude Code 提供的确定性拦截机制：在特定事件发生时（如工具调用前后、会话结束时）自动执行你配置的 shell 命令。它和”在提示词里叮嘱 AI”的本质区别是——提示词是概率性的，AI 可能忘；Hook 是 100% 执行的，由 Claude Code 框架本身保证。
配置在 settings.json 里，常用事件：
| 事件 | 时机 | 典型用途 |
|---|---|---|
PreToolUse | 工具调用前 | 拦截危险命令、重写命令 |
PostToolUse | 工具调用后 | 自动格式化刚改过的文件 |
Stop | Claude 完成回复时 | 发通知、跑构建验证 |
SessionStart | 会话开始 | 注入动态上下文 |
两个我在 Android 项目里实际在用的例子：
1. 每次 Claude 编辑完 Kotlin 文件自动跑 ktlint 格式化（PostToolUse 匹配 Edit/Write 工具），这样永远不用在对话里说”记得格式化”。
2. 拦截危险操作：PreToolUse 里匹配 rm -rf、git push --force 之类的命令直接拒绝。AI 犯错概率很低，但 Hook 把”很低”变成”为零”。
1
2
3
4
5
6
7
8
9
10
11
{
"hooks": {
"PostToolUse": [{
"matcher": "Edit|Write",
"hooks": [{
"type": "command",
"command": "jq -r '.tool_input.file_path' | { read f; [[ $f == *.kt ]] && ktlint -F \"$f\"; } || true"
}]
}]
}
}
后面提到的 rtk 也是靠 Hook 工作的：它注册了一个 PreToolUse Hook，把 Claude 要执行的 git status、gradle build 等命令透明重写成 rtk git status，对输出做瘦身后再返回给模型。
六、省 Token：真金白银的优化
Token 就是钱（或者是订阅额度）。Android 项目天生是 Token 黑洞：Gradle 一次构建输出几千行、logcat 刷屏、代码库动辄几十万行。我的优化手段按收益排序：
1. 勤用 /clear，警惕长会话
上下文是指数级的成本：会话越长，每一轮请求携带的历史越多。一个任务做完，立刻 /clear 开始下一个。如果任务没完但上下文快满了，用 /compact 让它总结压缩历史（自动压缩也会触发，但主动压缩可以指定保留重点）。经验值：单个会话专注单个任务，超过 70% 上下文占用就该考虑收尾了。
2. rtk（Rust Token Killer）：命令输出瘦身
rtk 是一个 Rust 写的 CLI 代理，原理是把 git status、gradle build、ls 等命令的输出做结构化压缩——去掉装饰性字符、折叠重复内容、只保留模型真正需要的信息，官方口径能省 60~90%。配合 Hook 自动重写命令后完全无感。对 Android 开发特别有价值的场景是 Gradle 构建输出：一次失败构建原始输出可能上万 Token，瘦身后只剩报错核心部分。装完可以用 rtk gain 看累计节省了多少，很有成就感。
3. headroom：上下文压缩与按需取回
headroom 是一个 MCP 工具，思路和 rtk 互补：rtk 在命令输出进入上下文之前瘦身，headroom 则把已经在上下文里的大块内容（比如一大段调研结果、一份长文档）压缩存档，需要时再 retrieve 取回。适合长调研型会话。
4. 精确指路，别让它盲搜
“修一下登录页输入框的 bug” 会让它 grep 半天；”修一下 feature-login/src/.../LoginScreen.kt 里 PasswordField 的 bug” 直接命中。你脑子里有的信息（文件路径、类名、大概行号），说出来就是纯赚的。
5. 大搜索交给 SubAgent
前面说过了：探索类任务派子代理，中间过程不进主上下文。
6. 别把整个文件粘进对话
Claude Code 能自己读文件，而且会按需读片段。你手动粘贴整个 2000 行的文件，等于强行塞满上下文。给路径就行。
7. 模型分级
不是所有任务都需要最强模型。改个字符串、写个 data class 用 Haiku/Sonnet 级别的模型就够了，架构设计和疑难 bug 再上大杯。Claude Code 里 /model 随时切换，SubAgent 也可以在定义里固定用便宜模型。
七、看不见的账单：Prompt 缓存与命中率
省 Token 还有一个更隐蔽的维度——同样多的输入 Token，价格可以差十倍，取决于缓存命中率。
什么是缓存命中率
大模型 API 是无状态的：每一轮对话，客户端都要把完整的历史（系统提示、CLAUDE.md、工具定义、之前所有消息）重新发给服务器。为了不让这些重复内容每次都全价计费，Anthropic 提供了 Prompt Caching（提示词缓存）机制：如果本次请求的前缀和上一次完全一致，命中的部分就按原价约十分之一计费，首字响应也更快；没命中的部分则要重新写入缓存（写入价格比正常输入还略贵一点）。
缓存命中率 = 命中缓存的输入 Token ÷ 总输入 Token。 Claude Code 的每一轮工具调用都是一次独立请求，而请求之间前缀基本不变，所以一个正常工作的会话命中率应该在 90% 以上。用 /cost（API 按量计费时）或 ccusage 这类统计工具可以看到 cache read 和 cache write 的比例——如果 cache write 占比异常高，说明你的使用姿势在反复击穿缓存，钱正在悄悄漏走。
如何提高缓存命中率
缓存的匹配规则是”前缀逐字一致”——前面任何一个字符变了，从那个位置往后的缓存全部失效。由此可以推出几条实践：
- 会话中途别动”头部”内容。CLAUDE.md、MCP 工具定义、系统提示都位于上下文最前端，会话进行到一半去改 CLAUDE.md、增删 MCP Server，整条缓存作废，下一轮全额重写。这类调整放到任务间隙、
/clear之后再做。 - 别频繁切换模型。缓存按模型隔离，
/model切一次，原缓存整体作废。模型分级是对的，但应该以”任务”为粒度切换，而不是一句话一切。 - 保持工作连续性。缓存有存活时间（TTL，通常几分钟，每次命中会自动续期）。敲两句话去开个会，回来缓存已过期，下一条消息要全额重建。长时间离开后如果是开始新任务，不如直接
/clear——前缀短，重建缓存反而便宜。 - 知道哪些操作必然击穿缓存：
/compact重写了整个历史，缓存必然全失效（一次性成本，换来之后每轮都更便宜，通常值得）；双击Esc回退重新编辑历史消息，从那一点起的缓存失效（也通常值得，因为砍掉了被污染的上下文）。关键是有意识地做——清楚代价、确认收益大于代价，而不是无意识地反复触发。
一句话总结：上下文只向后追加、头部保持稳定，命中率自然就高。
八、会话管理：什么时候续用，什么时候重开
/clear 在省 Token 一节已经出现过，这里把判断标准展开说清楚。
继续用当前会话，当：
- 还在同一个任务的迭代循环里（实现 → 审查 → 修复），前文的探索成果正在持续发挥作用；
- 下一步强依赖刚建立的上下文——比如刚让它分析完某模块的架构，接下来就要基于这份分析动手改；
- 上下文占用还健康（我个人的警戒线是 60%）。
果断新开会话，当：
- 任务已完成，下一个任务和当前上下文无关——旧上下文不但按轮收钱，还会干扰新任务的判断；
- 上下文被污染：AI 连续走了几次弯路、贴进过大段无关日志、纠偏两三次仍不见效。错误的历史会持续把模型往错误方向拖，这时”重开 + 第一条消息把约束一次性写清楚”几乎总是比”第四次纠偏”效果好；
- 上下文快满、即将触发自动压缩。自动压缩是有损的，关键约束可能在压缩中丢失，与其被动压缩不如主动收尾。
任务没做完但必须换会话怎么办？两个办法：
/compact 保留方案结论和待办清单——带指令的主动压缩，比自动压缩可控；- 更推荐接力文档（handoff）模式：让它把当前进展、关键决策、剩余待办写进一个 markdown 文件（”把目前的方案和待办写到 docs/refactor-progress.md”），新会话第一句让它读这个文件接着干。文件是无损的、可以人工审阅修订的，比压缩可靠，还顺便留下了文档。
另外两个相关命令：claude -c（continue）直接恢复最近一次会话，claude -r（resume）从历史会话列表里挑一个恢复——昨天没干完的活今天接着干，不需要靠复制粘贴找回上下文。
九、常用命令与快捷键速查
斜杠命令（会话内输入 / 可以看到全量列表）：
| 命令 | 作用 |
|---|---|
/clear | 清空上下文，开始新任务 |
/compact [指令] | 压缩历史，可附加”要保留什么”的指令 |
/model | 切换模型 |
/cost · /usage | 查看本会话花费 / 订阅额度用量 |
/init | 扫描代码库生成 CLAUDE.md 初稿 |
/memory | 编辑记忆文件（CLAUDE.md 等） |
/permissions | 管理工具权限白名单 |
/mcp | 查看和管理 MCP Server |
/agents | 创建和管理 SubAgent |
/hooks | 交互式配置 Hook |
/rewind | 回退到某个检查点（代码和对话一起回退） |
/resume | 切换到历史会话 |
/export | 导出当前对话 |
/doctor | 诊断安装和配置问题 |
/statusline | 自定义底部状态栏 |
输入技巧和快捷键：
| 操作 | 作用 |
|---|---|
Shift+Tab | 循环切换 普通 / 自动接受编辑 / Plan Mode |
Esc | 随时打断正在执行的 Claude |
双击 Esc | 跳回历史某条消息重新编辑（配合 /rewind 撤销代码） |
@ | 引用文件/目录，支持 Tab 补全，”精确指路”必备 |
! 开头 | 直接执行 shell 命令，输出进入上下文 |
# 开头 | 把这句话快速存为记忆（写进 CLAUDE.md） |
Ctrl+R | 展开查看被折叠的完整输出 |
| 直接粘贴图片 | 把 UI bug 截图、设计稿直接喂给它 |
命令行参数：
1
2
3
4
claude -c # 恢复最近一次会话
claude -r # 从列表选择恢复历史会话
claude -p "..." # 无头模式：不进交互界面，跑完输出结果就退出，适合脚本和 CI
claude mcp add <name> … # 添加 MCP Server
几个容易被忽略的好功能
- 检查点与
/rewind：Claude Code 在每次改动前会自动存档，改崩了可以把代码和对话一起回退到任意检查点。有了它，”放手让 AI 大改”的心理成本低了很多。 - 扩展思考：在提示词里加 “think” / “think hard” / “ultrathink”，可以逐级提升推理深度。疑难 bug 和架构设计时用，简单任务别用——又慢又贵。
#快速记忆：发现它犯了一个项目相关的错，纠正之后马上补一句# 本项目日志必须用 Timber，禁止直接用 Log，一句话沉淀进 CLAUDE.md，之后的会话自动生效。这是让 CLAUDE.md 保持”活文档”状态的最低成本方式。- 无头模式 + CI：
claude -p可以嵌进脚本，比如在 GitHub Actions 里对每个 PR 自动跑一轮代码审查，或者批量清理 lint 报告。 - git worktree 多开：用
git worktree给同一个仓库检出多个工作副本，每个副本跑一个 Claude Code 实例，互不干扰地并行推进多个任务——重度用户的常规操作。 - 权限白名单：在
/permissions里把./gradlew test、adb logcat这类安全高频命令加白，减少确认打断；危险命令则交给 Hook 兜底拦截，两头都省心。
十、MCP：给 AI 装”外设”
MCP（Model Context Protocol）是 Anthropic 推的开放协议，可以理解为 AI 的 USB 接口：任何实现了 MCP 的服务都能把自己的能力（工具、数据）插给 Claude 用。Claude Code 里用 claude mcp add 接入。我实际在用的几个：
Figma MCP：设计稿直出 Compose
对 Android 开发冲击最大的一个。接入后 Claude 能直接读取 Figma 设计稿的图层结构、间距、颜色、字体，你丢一个 Figma 链接说”按这个实现 Compose 布局”，它产出的还原度远高于”看截图猜尺寸”。心得两条：
- 设计稿本身规范（用了 Auto Layout、颜色变量）时效果最好，垃圾进垃圾出；
- 让它同时对照你项目的 DesignSystem 模块（”颜色用 AppTheme 里的语义色，别硬编码 hex”），否则会生成一堆魔法数字。
Scrapling Server MCP：网页抓取
给 Claude 增加”稳定抓网页”的能力（带反爬对抗、会话保持、截图）。我主要用它抓第三方 SDK 的接入文档——很多国内 SDK 文档没有干净的 API 可查，让它直接抓文档页再照着写接入代码，比自己复述文档给它省事得多。
Context7 MCP：查最新库文档
模型训练数据有截止时间，而 Android 生态的库更新飞快（Compose、Media3、Room 的 API 一年能变好几轮）。Context7 提供各大开源库的最新文档检索，问”Media3 最新版怎么配置缓存”这类问题时，让它先查再答，能显著减少”一本正经地用两年前的废弃 API”。
MCP 的注意事项：每个 MCP Server 的工具定义本身也占上下文，装十几个 MCP 等于每次会话先交一笔”入场税”。按项目需要启用，不用的删掉。
十一、Skills 与自定义命令：把重复流程固化下来
如果说 Hook 是”自动触发的脚本”，Skill（技能 / 自定义斜杠命令）就是”手动触发的标准作业流程（SOP）”。在 .claude/commands/ 或 .claude/skills/ 下放一个 Markdown 文件，就多了一条自定义命令。比如我给博客项目和 Android 项目分别配了：
1
2
3
4
5
6
<!-- .claude/commands/newpage.md -->
按项目规范新建一个页面，$ARGUMENTS 是页面名称：
1. 在对应 feature 模块创建 XxxScreen.kt（Compose）+ XxxViewModel.kt（MVI 模式）
2. ViewModel 参考 ChatViewModel 的 Intent/State/Effect 结构
3. 在 router 模块注册路由
4. 补一个 ViewModel 的单元测试骨架
之后 /newpage 订单详情 一句话完成脚手架。判断标准很简单：同样的指令你对 AI 说过三次，就该固化成 Skill。
社区的 superpowers 插件是这个思路的集大成者：一套现成的技能库，涵盖头脑风暴、TDD 工作流、系统性调试等，还包含”先写测试再写实现、每步验证”这类强制工作流。可以直接装，更推荐读它的技能源码——它教会你的”如何组织 Skill”比技能本身更值钱。
顺带一提 petdex：一个纯娱乐的 Skill，在终端里养一只桌面宠物。没有任何生产力价值，但写代码写累了看一眼还挺解压的，也算展示了 Skill 机制的可玩性。
十二、周边工具链：我都用过什么
ccswitch：多供应商/多配置切换
Claude Code 的 API 端点和 Key 是可配置的，很多人会同时有官方订阅、中转站、公司内部网关等多套配置。ccswitch 就是干这个的：一条命令在多套 Provider 配置之间切换，不用手动改环境变量。对国内开发者尤其实用——某个通道抽风时秒切备用通道，工作不中断。
Codex CLI 与 Gemini CLI：备胎还是主力？
这两个分别是 OpenAI 和 Google 的同形态竞品，我都长期装着：
- Codex CLI：干活风格偏”闷头执行”，改动激进，跑长任务（大重构、批量迁移）时表现不错。
- Gemini CLI：超长上下文是招牌，免费额度慷慨，让它一次性通读整个中型项目做分析很合适；日常编码的工程细节（能不能编译过、遵不遵守项目约定）个人感受弱于 Claude Code。
我的用法是主力 + 交叉验证：日常开发用 Claude Code；遇到疑难 bug 或方案纠结时，把同一个问题丢给 Codex/Gemini 各跑一遍，三个模型的答案互相印证。AI 有个特点是”错得很自信”，多模型交叉是目前最便宜的纠错手段。
Trae：AI IDE 路线
字节的 AI IDE（VS Code 系）。和 CLI 路线的区别在于交互形态：改动 diff 可视化、上下文选取靠点选，对不习惯终端的同学更友好。我的感受是：写前端和轻量项目时 IDE 形态很舒服；写 Android 时反而 CLI 更好用——因为 Android 的主 IDE 是 Android Studio，与其换编辑器，不如让 Claude Code 在终端里跑，AS 只负责看代码和调试，两者互不打架。
OpenClaw：把 Agent 装进 IM
开源的个人 AI 助手网关，能把 Agent 接到微信、Telegram 等聊天渠道，跑在自己的服务器上。和开发的结合点：出门在外时在手机上给它发一句”把 CI 上挂掉的那个测试修了”，它在服务器上调 Claude Code 干活，干完回消息。属于”不是必需、但体验过就回不去”的类别。折腾成本不低，注意跑在受控环境里并管好权限——一个能执行 shell 命令的 Agent 暴露在 IM 里，安全边界必须想清楚。
小结一张表
| 工具 | 解决什么问题 |
|---|---|
| Claude Code | 主力编码 Agent |
| ccswitch | 多 API 配置一键切换 |
| rtk | 命令输出瘦身，省 Token |
| headroom | 上下文压缩与按需取回 |
| Codex CLI / Gemini CLI | 交叉验证、备用通道 |
| Trae | IDE 形态的 AI 编程 |
| OpenClaw | IM 里远程指挥 Agent |
| superpowers | 现成的高质量 Skill 库 |
| Figma MCP | 设计稿转 Compose |
| Scrapling MCP | 抓取文档/网页 |
| Context7 MCP | 查询库的最新文档 |
| petdex | 摸鱼 |
十三、Android 场景的具体经验
- 构建报错直接甩给它。Gradle 的报错信息又长又绕（尤其是依赖冲突和 KSP 报错），Claude 解析这类输出的能力远超人眼扫描。配合 rtk 瘦身后成本也不高。
- 让它用 adb 自查。Claude Code 能执行 shell，也就能执行
adb。”装到设备上，启动 App，把崩溃的 logcat 抓下来自己分析”是完全可行的指令，形成”改代码 → 装包 → 看日志 → 再改”的闭环。 - ANR / 崩溃分析。把 trace 文件路径给它，让它结合源码定位。对
data/anr/traces.txt这种大文件，让它先 grep 关键线程再细读，别整个读进来。 - XML 转 Compose 迁移是它的强项：机械但需要细心的工作，正好是 AI 的甜点区。给一个迁移范例（参照物！），然后批量派活。
- 单元测试让它包办。写测试是 AI 目前最成熟的能力之一。我的规矩是：AI 写的业务代码，必须配 AI 写的测试，然后我只认真审测试用例——用例对了，实现大概率跑不偏。
- 它不擅长的要心里有数：复杂的自定义 View 触摸事件、多线程时序 bug、需要真机手感的动画调优，这些强依赖运行时反馈的领域，AI 只能辅助分析，别指望一把梭。
十四、总结：几条最重要的心得
- CLAUDE.md 是回报率最高的投资，把项目约束写成禁令。
- 需求描述四要素：背景、目标、约束、验收标准；给参照物；复杂任务先 Plan 后执行。
- Token 优化三板斧：勤
/clear、rtk 瘦身命令输出、探索任务派 SubAgent。 - 缓存命中率的关键是前缀稳定：会话中途别动 CLAUDE.md、MCP 和模型；上下文被带歪就果断重开，跨会话用接力文档传递进度。
- 概率性的事交给提示词，确定性的事交给 Hook。
- 重复三次的指令固化成 Skill，外部能力用 MCP 接入。
- 信任但要验证：AI 写的代码必须过构建、过测试、过你的 review。它是效率倍增器，不是责任转移器——merge 进 master 的每一行，署名的还是你。
工具会一直换代（这篇文章里的工具清单大概半年后就会过时），但”给足上下文、管好上下文、验证产出”这三件事，应该会在相当长的时间里持续有效。