Claude Code 实战手册：安装配置、扩展机制与高效使用指南
1、写在前面 如果把 AI 编程工具按照能力边界来划分，大致可以分成三类： 补全型工具 对话型工具 Agent 型工具 Claude Code 更接近第三类。它不是单纯回答问题，也不是只
Lin
9 分钟阅读
LinAgent 工作区隔离：Git Worktree 与任务绑定
1、问题 到 s11 为止，Agent 已经可以自主认领任务，但所有任务仍然共享同一个目录。 这会导致一个现实问题：两个 Agent 同时改不同任务时，如果都动到同一
Lin
4 分钟阅读
自主 Agent 设计：任务认领与自组织执行
1、问题 s09-s10 里的队友依然高度依赖领导调度。 如果任务板上有 10 个待办任务，领导必须一个个指定谁来做，这种模式很难扩展。 这一节的目标，是让队友自己扫
Lin
3 分钟阅读
多 Agent 协作协议：请求-响应与审批机制
1、问题 s09 已经有了队友和邮箱，但通信仍然比较原始。 比如两个典型场景： 领导请求某个队友优雅关机 队友提交高风险计划，等待领导审批 这两类交互都需要
Lin
3 分钟阅读
多 Agent 团队架构：队友生命周期与邮箱通信
1、问题 前面的子 Agent 是一次性的：创建、工作、返回结果、销毁。 这种模式虽然适合局部子任务，但不适合真正的团队协作，因为它缺少： 持续存在的身份 生命
Lin
3 分钟阅读
Agent 后台执行机制：异步任务与结果回流
1、问题 很多命令都是慢操作，例如： npm install pytest docker build 在阻塞式主循环里，模型只能干等，无法继续做别的事。这对复杂任务的执行效率影响很大。 阅读前提 这一节
Lin
3 分钟阅读
Agent 任务系统设计：DAG 依赖与持久化状态
1、问题 s03 的 TodoManager 只是一个内存里的扁平清单，它有几个明显不足： 没有依赖关系 没有顺序表达 状态粒度太粗 一旦上下文压缩，内存态就可能丢失 真实项目里的任
Lin
3 分钟阅读
Agent 长上下文治理：压缩、摘要与记忆延续
1、问题 上下文窗口是有限的。 教程举的例子很直观：读一个 1000 行文件，可能就会吃掉几千 token；再读几十个文件、跑几十条命令，上下文很快就会被撑
Lin
3 分钟阅读
Agent 技能系统：按需加载领域知识
1、问题 Agent 常常需要遵守很多额外知识，比如： Git 工作流 测试规范 代码审查清单 特定领域的操作手册 如果把这些内容全部塞进系统提示词，会让 prompt 非常臃肿，而
Lin
3 分钟阅读
子 Agent 架构实践：上下文隔离与任务拆解
1、问题 随着 Agent 不断读文件、执行命令、查看日志，messages 会越来越大。 很多时候父 Agent 只需要一个很小的结论，比如“这个项目用的是 pytest
Lin
3 分钟阅读
Lin 的博客 A merry heart goes all the way.
关于我
Lin 的 ❤️ 博客
技术专题：Java Agent 工程化：从知识库问答到可靠业务执行。围绕 RAG、工具治理、任务恢复与 Java 平台架构整理设计思路和验证方法。
记录一些 🌈 生活上，技术上的事
- 🛠️ 技术阵地： 深耕 Java 开发 ，目前向 AI 应用领域探索与拓展。这里主要记录我从后端架构到 AI 赋能的进阶之路、技术思考以及日常的 debug 血泪史。始终致力于写出优雅且没有 bug 的代码（尽量）。
- 🌈 生活侧写： 偶尔脱下极客的外衣，我也会在这里分享生活中的灵光一现。不管是好用的效率工具，还是周末的一场骑行，都是构成我真实生活的一部分。
社交链接
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
背景使用了 Pexels 上 Francesco Ungaro 拍摄的图片。