AI 编程工程化

本文介绍 AI 编程工程化中的 Plugin，把 Rule、Skill、Subagent、MCP、Hook 等单个能力打包成可安装分发的“能力包”。

本文介绍 AI 编程工程化中的 MCP（模型上下文协议）机制，作为 AI 与外部工具间的 USB 接口标准。通过 MCP Server，AI 能拥有打通外部环境的能力。

本文介绍 AI 编程工程化中的 Subagent 机制，通过创建独立上下文的专属助手实现任务分治，突破单一 AI 的上下文限制，提升复杂任务处理效率。

本文介绍 AI 编程工程化中的 Hook 机制，通过在 AI 调用工具前后自动执行 Shell 脚本实现操作检查。可配置自动代码格式化、保护敏感文件、记录操作日志等功能，确保规则被严格执行。

本文介绍 AI 编程工程化中的 Skill 机制，通过打包完整的 Prompt 工作流让 AI 具备专业能力，让 AI 继承专家经验，突破个人 Prompt 能力上限。

本文介绍 AI 编程工程化体系中的 Command，通过创建 .md 文件将常用 Prompt 封装为/命令名快速触发。适用于生成 commit message、代码 review、部署检查等场景。

本文介绍了 Claude Code 中的 Rule 机制，通过全局、项目、目录三层规则为 AI 设定技术栈、编码规范和行为边界，让 AI 按约定工作。

本文以 Claude Code 为例，梳理 Rule、Command、Skill、Hook、Subagent、MCP 等核心机制。AI 时代，AI 编程工程化正成为程序员的一项基本功。