Claude Code 的 50 个隐藏技巧：用 Bookworm 路由系统释放全部潜力

Claude Code 的 50 个隐藏技巧：用 Bookworm 路由系统释放全部潜力

---

开篇：你的 AI 助手为什么总感觉差点意思？

你是否遇到过这样的场景：

• 问 Claude Code "帮我优化这个 SQL 查询"，得到一段能跑但没考虑索引的代码
• 报一个 React 报错，收到一堆关于"可能原因"的猜测，但没有系统的排查步骤
• 说"帮我检查一下 API 安全性"，结果只收到几条通用建议

问题不在于 Claude Code 不够聪明，而在于它默认以"通用模式"回答每一个问题。就像你去问一位"什么都懂一点"的朋友，和去问一位深耕十年的领域专家，得到的答案质量是完全不同的。

Bookworm Smart Assistant v5.6 解决的正是这个问题。它在 Claude Code 原生能力之上，构建了一个由 50 个专家技能 + 10 个智能体 + 17 个钩子组成的语义路由系统。你用自然语言描述需求，系统自动识别意图，将你的请求路由到最合适的领域专家——而不是一个万金油。

这篇文章整理了 50 个真实可用的技巧，对应 50 个技能的核心使用场景，帮助你从"会用 Claude Code"进阶到"真正驾驭它"。

---

Part 1：基础技巧（技巧 1-15）— 日常开发提效

技巧 1：让前端代码获得 React 19 级别的专家回答

场景：实现一个带加载态的数据获取组件

普通问法（通用模式）：

帮我写一个用户列表组件

专家路由问法（触发 frontend-expert）：

用 React 19 Server Components + Next.js 15 App Router 实现用户列表页，
包含骨架屏加载态和空状态处理

路由系统识别到 React 19、Server Components、Next.js 15 关键词，自动路由到 frontend-expert。这个技能深度集成了 React 19 的 Server Components、Actions 和 Compiler 最新范式，输出的代码不是"能跑"，而是"生产可用"：

// app/users/page.tsx (Server Component — 服务端直接查库)
export default async function UsersPage() {
  const users = await db.user.findMany({ take: 20, orderBy: { createdAt: 'desc' } });

  if (users.length === 0) {
    return <EmptyState message="暂无用户数据" />;
  }

  return <UserList users={users} />;
}

// 骨架屏 (loading.tsx — Next.js 15 约定式)
export default function Loading() {
  return (
    <div className="space-y-3">
      {Array.from({ length: 5 }).map((_, i) => (
        <div key={i} className="h-16 bg-muted animate-pulse rounded-lg" />
      ))}
    </div>
  );
}

关键差异：专家知道 Next.js 15 有 loading.tsx 约定，无需手动管理加载状态。

---

技巧 2：区分"组件 Bug"和"前端 Bug"——正确触发调试模式

核心消歧规则：React + Bug → 路由到 debugger-expert，而非 frontend-expert

这是 Bookworm 27 条消歧规则之一。当你说"React 组件报错"时，系统优先判断这是一个问题排查任务，而不是开发任务：

# 触发 debugger-expert（推荐）
我的 useEffect 一直触发无限循环，控制台报 Warning: Maximum update depth exceeded

# 触发 frontend-expert（不推荐）
帮我写一个 useEffect

debugger-expert 使用六步排查方法论：复现 → 收集 → 缩小 → 假设 → 验证 → 根因。面对这个报错，它会直接告诉你根因：

// ❌ 触发无限循环：依赖数组包含对象引用
useEffect(() => {
  fetchData(options);
}, [options]); // options 每次渲染都是新对象

// ✅ 修复：用 useMemo 稳定引用，或只依赖原始值
const stableOptions = useMemo(() => options, [options.page, options.size]);

useEffect(() => {
  fetchData(stableOptions);
}, [stableOptions]);

---

技巧 3：API 报错，别让安全问题被当成普通 Bug

消歧规则：API + 安全 → 路由到 security-expert

# 这句话触发 security-expert，不是 backend-builder
我的 API 有 CORS 问题，同时想检查一下有没有安全漏洞

security-expert 的 OWASP Top 10 视角：

# CORS 配置安全版本（避免通配符 origins）
from fastapi.middleware.cors import CORSMiddleware

ALLOWED_ORIGINS = [
    "https://yourdomain.com",
    "https://app.yourdomain.com",
]

app.add_middleware(
    CORSMiddleware,
    allow_origins=ALLOWED_ORIGINS,  # ❌ 不要用 ["*"]
    allow_credentials=True,
    allow_methods=["GET", "POST", "PUT", "DELETE"],
    allow_headers=["Authorization", "Content-Type"],
)

---

技巧 4：后端 API 开发，说明框架名自动匹配专家

触发 backend-builder 的关键词：Node、Python、Go、REST、GraphQL、FastAPI、Express

用 FastAPI 实现一个用户注册接口，需要参数校验和异步数据库操作

---

技巧 5：手机应用开发，跨平台框架自动识别

触发 mobile-expert：React Native、Flutter、iOS、Android、移动端

触发 miniprogram-expert：微信小程序、支付宝小程序、Taro、uni-app

系统会精确区分：说 Flutter 路由到 mobile-expert（精通 Dart 和原生集成），说 微信小程序 路由到 miniprogram-expert（了解微信审核规范和开放平台 API）。

---

技巧 6：第三方 API 对接，专用技能比通用更准确

触发 api-integration-specialist：支付宝支付、微信支付、OAuth、Webhook、Stripe

帮我实现微信支付的 JSAPI 下单，包含签名验证和回调处理

这个技能深度了解各平台的签名算法差异，不会把微信支付 v2 的 MD5 签名和 v3 的 HMAC-SHA256 混淆。

---

技巧 7：代码评审和 Bug 排查，一词之差路由到不同专家

关键区别：

你说的词	路由目标	专家模式
"帮我看看这段代码"	reviewer-expert	Code Review，关注可读性、技术债、重构建议
"这段代码报错了"	debugger-expert	Bug 排查，关注根因和修复
"上线前检查一下"	project-audit-expert	全栈审计，覆盖安全/性能/可维护性

---

技巧 8：写单元测试，明确测试框架触发精确路由

触发 tester-expert：Jest、Vitest、Playwright、pytest、TDD、单元测试

用 Vitest 给这个 useAuth hook 写完整的单元测试，覆盖登录成功/失败/loading 三种状态

---

技巧 9：Git 操作不求人，专门的 Git 专家

触发 git-operation-master：git rebase、merge conflict、分支管理、commit 规范

# 这类操作不要问通用助手，容易得到错误建议
帮我解决这个 rebase conflict，我有 3 个文件冲突

git-operation-master 会给出安全的解决步骤，并解释每一步的意图，避免数据丢失。

---

技巧 10：正则表达式和 Shell 脚本，有专门的向导

触发 regex-shell-wizard：正则、Shell、Awk、Sed、批量操作

写一个 Shell 脚本，批量把 src/ 目录下所有 .js 文件的 console.log 替换为 logger.debug

这个技能擅长构造不会破坏代码结构的精确正则，还会处理特殊字符转义的边界情况。

---

技巧 11：写 API 文档，别让后端专家来干技术写作的活

消歧规则：API + 文档/README → 路由到 tech-writer-expert

# 触发 tech-writer-expert（正确）
帮我给这个 REST API 写 OpenAPI 3.0 文档，包含请求示例和错误码说明

# 触发 backend-builder（不推荐）
帮我实现这个 API

tech-writer-expert 了解文档结构规范，生成的 OpenAPI 文档包含完整的 description、example、errorResponse 字段，而不是只有端点列表。

---

技巧 12：项目管理和排期，产品经理级别的输出

触发 product-manager-expert：PRD、需求文档、RICE、路线图、用户故事

帮我写一个用户登录功能的 PRD，包含验收标准和边界场景

---

技巧 13：CI/CD 流水线，DevOps 专家比通用更了解最佳实践

触发 devops-expert：CI/CD、GitHub Actions、Docker、Nginx、云服务

注意与 cloud-native-expert 的区分：

• Docker + CI/CD → devops-expert
• K8s + 部署 → cloud-native-expert

---

技巧 14：用 /skill-name 显式调用，绕过自动路由

这是 Bookworm 路由优先级最高的机制。当你明确知道需要哪个技能时：

/frontend-expert 帮我实现一个虚拟滚动列表组件
/security-expert 审查这段 JWT 验证代码
/architect-expert 帮我设计这个微服务的数据流

显式调用的优先级高于所有自动路由规则，即使输入关键词模糊也会直接执行。

---

技巧 15：通用编程问题不用费心路由，有兜底专家

当问题无法明确分类（如"帮我解释这段算法"、"这个 Python 语法对吗"），系统自动回退到 developer-expert。这是设计上的安全网，确保任何问题都有合理响应。

---

Part 2：进阶技巧（技巧 16-30）— 专业领域深挖

技巧 16：性能优化，"加载慢"比"前端优化"更能触发正确路由

消歧规则：性能优化/慢/卡顿/内存泄漏 → 优先路由到 performance-expert

即使你说的是"React 页面加载慢"，系统也会选择 performance-expert 而非 frontend-expert，因为性能分析是一个独立的专业方向：

# 触发 performance-expert
我的 Next.js 页面 LCP 超过 4 秒，Lighthouse 评分只有 52

# 专家会从 Core Web Vitals 视角分析，给出量化指标和优化优先级：

performance-expert 的输出包含：

1. 用 Chrome DevTools 的 Performance 面板定位瓶颈
2. 代码级别的优化方案（代码分割、图片格式、缓存策略）
3. 预期优化效果的量化估算

---

技巧 17："测试"这个词路由到 5 个不同技能

这是 Bookworm 消歧规则最有价值的体现之一。同样含有"测试"的输入，根据上下文路由到完全不同的专家：

输入示例	路由目标	原因
"写单元测试" + "Jest/Vitest"	tester-expert	测试工程任务
"A/B 测试" + "数据分析/pandas"	data-analyst-expert	数据科学任务
"渗透测试" + "漏洞/安全审计"	security-expert	安全任务
"可用性测试" + "用户访谈/Persona"	ux-researcher	UX 研究任务
"A/B 测试" + "增长/AARRR/裂变"	growth-hacker	增长营销任务

测试这个消歧效果很简单——加上不同的上下文关键词，观察路由结果的变化。

---

技巧 18：数据库问题，区分"优化"和"架构"

• 数据库 + 慢查询/索引/EXPLAIN → database-tuning-expert
• 数据库 + 架构设计/分库分表/选型 → architect-expert

# 触发 database-tuning-expert
这条 SQL 执行超过 3 秒，帮我分析 EXPLAIN 的输出并优化

# 触发 architect-expert
我们的订单表预计 3 年后有 10 亿条数据，如何做分库分表设计

database-tuning-expert 的输出会包含索引类型选择（B-Tree vs Hash vs GiST）、覆盖索引、避免隐式类型转换等细节，远比通用回答更有针对性。

---

技巧 19：安全审计，单文件和全项目用不同入口

• 代码安全审查（单文件）→ security-expert + reviewer-expert 协作
• 上线前全项目安全审计 → project-audit-expert

project-audit-expert 不只看代码，还检查：环境变量暴露风险、依赖 CVE、OWASP 清单、HTTPS 配置、日志脱敏等系统性问题。

---

技巧 20：K8s 路由有三种不同出口

场景	路由目标
K8s + 部署/Helm	cloud-native-expert
K8s + 架构设计	architect-expert
Docker + CI/CD	devops-expert

# 三种不同输入，三种不同专家
帮我写 K8s 的 Deployment 和 Service YAML  → cloud-native-expert
帮我设计基于 K8s 的微服务架构           → architect-expert
帮我配 Docker + GitHub Actions 自动部署  → devops-expert

---

技巧 21：微服务 gRPC，精确识别协议类型

消歧规则：微服务 + gRPC/protobuf → backend-builder（而非 architect-expert）

因为这是一个实现层问题，不是架构设计问题。backend-builder 了解 protobuf IDL 语法、grpc-tools 代码生成流程和服务间通信的错误处理模式。

---

技巧 22：SRE 和监控，不是运维问题是可靠性工程

触发 sre-expert：SLI/SLO、监控、告警、事故响应、Postmortem、可用性

帮我定义这个支付服务的 SLI/SLO，并设计 Prometheus + Grafana 的告警规则

sre-expert 了解四个黄金信号（延迟、流量、错误率、饱和度），生成的告警规则不会是简单的阈值，而是基于 SLO 的燃尽率告警。

---

技巧 23：DevSecOps，安全左移的专业实践

触发 devsecops-expert：SAST/DAST、容器安全、SBOM、Supply Chain

帮我在 CI 流水线中加入 SAST 扫描和容器镜像安全检查

这个技能了解 Trivy、Snyk、Semgrep 等工具的配置细节，以及如何在不影响流水线速度的前提下集成安全扫描。

---

技巧 24：Edge Computing，Serverless 边缘计算专家

触发 edge-computing-expert：Cloudflare Workers、Vercel Edge、Deno Deploy、边缘函数

帮我用 Cloudflare Workers 实现一个地理位置感知的 A/B 测试路由

这个技能了解 Edge Runtime 的限制（无 Node.js API、冷启动特性、KV 存储），不会生成在边缘环境跑不起来的代码。

---

技巧 25：影响分析，重构前先知道爆炸半径

触发 impact-analyst：变更影响、依赖分析、重构影响、爆炸半径

我要把 User 模型的 email 字段改为必填，帮我分析所有受影响的代码路径

impact-analyst 会追踪调用链，输出一份结构化的影响报告，包含直接影响文件、间接影响、API 契约变化和建议的修改顺序。

---

技巧 26：架构图，用代码而非 GUI 工具生成

触发 diagram-as-code-expert：Mermaid、PlantUML、架构图、流程图、时序图

帮我用 Mermaid 画出这个用户认证流程的时序图

生成的 Mermaid 代码可以直接嵌入 Markdown、Notion、GitHub，不依赖任何 GUI 工具。

---

技巧 27：零缺陷重构，用 Pinning Test 保护现有行为

触发 zero-defect-guardian：安全重构、零缺陷、Pinning Test、防退化

这是最被低估的技能之一。在重构前用 Pinning Test 固化当前行为，重构后验证行为不变：

这段遗留代码没有测试，我需要重构但不能改变行为，帮我用 Pinning Test 保护它

---

技巧 28：浏览器自动化，Playwright 和 RPA 的专业实践

触发 browser-automation-expert：Playwright、Selenium、RPA、浏览器自动化、爬虫

注意：可用性测试 + 用户访谈 不会路由到这里，而是路由到 ux-researcher。

---

技巧 29：SSH 和远程服务器操作，明确触发 DevOps

消歧规则：ssh + 服务器 → devops-expert

这条规则防止远程操作问题被错误路由到性能或移动端专家。

---

技巧 30：Shell 输出直接粘贴，系统自动识别环境

消歧规则：粘贴 PowerShell/PS C:\ 风格输出 → devops-expert

你不需要解释"我在 Windows 环境"，系统识别 Shell 提示符模式自动适配环境上下文。

---

Part 3：高级技巧（技巧 31-40）— 多技能协作

技巧 31：让 Orchestrator 接管复杂任务

触发 orchestrator Agent 的关键词：从零开发、全面优化、端到端实现、帮我搭建

帮我从零搭建一个 SaaS 用户管理后台，包含认证、权限管理、用户 CRUD 和操作日志

Orchestrator 的工作流：

1. 目标分解 → 识别需要的技能（architect + backend + frontend + security + tester）
2. 依赖排序 → 先架构设计，再后端接口，再前端集成，最后测试
3. 并行调度 → 独立任务并行执行
4. 质量门控 → 每个阶段输出经过 quality-gate 验证
5. 交付报告 → 完整的实现总结和后续建议

---

技巧 32：理解技能链推荐，让协作更顺畅

Bookworm 的 composable 系统会根据当前技能自动推荐协作技能：

frontend-expert:
  enhances: [designer-expert, ux-researcher]

performance-expert:
  enhances: [sre-expert, database-tuning-expert, frontend-expert]

security-expert:
  enhances: [devsecops-expert, reviewer-expert]

当你在 frontend-expert 模式下工作时，系统会提示"需要设计审查吗？可以切换到 designer-expert"。

---

技巧 33：从零建项目，用 genesis-engine 而非 orchestrator

关键区别：

• 从零搭建 → genesis-engine（单技能，项目脚手架专家）
• 全面优化/多步协作 → orchestrator（多技能，任务编排者）

genesis-engine 专注于项目初始化：目录结构、技术栈配置、基础代码框架、CI 配置一气呵成。

---

技巧 34：让 Research Analyst 做技术调研

research-analyst Agent 是一个只读分析的智能体，专注于：

• 追踪代码库中的数据流和调用链
• 对比多种技术方案的优劣（含决策矩阵）
• 评估变更的影响范围

用 research-analyst 分析我们代码库中所有调用 sendEmail 函数的地方

---

技巧 35：code-reviewer Agent 比 reviewer-expert 技能更深入

code-reviewer 是基于 Opus 模型的 Agent，进行多维度代码审查：

• 逻辑正确性
• 安全性
• 性能影响
• 可维护性
• 测试覆盖

适合对核心模块做正式的 Code Review，而不是快速检查。

---

技巧 36：quality-gate Agent 自动化验收

quality-gate Agent 在任务完成后自动执行四维验收：

1. TypeScript 编译检查（无 tsc 错误）
2. ESLint 规则检查（无 lint 错误）
3. 测试覆盖率检查
4. 构建成功率验证

这是 Bookworm 钩子系统的一部分，由 build-outcome-tracker 自动追踪构建结果。

---

技巧 37：pre-deploy-checker，上线前的最后防线

pre-deploy-checker Agent 在部署前自动检查：

• 环境变量是否完整
• 硬编码密钥检测
• 数据库迁移兼容性
• API 契约变化

帮我对这个版本做部署前检查

---

技巧 38：canvas-ui-designer，从线框到高保真

canvas-ui-designer Agent 专注于 UI/UX 设计输出，包含：

• 组件设计规范
• 响应式断点
• 无障碍访问 (WCAG 2.1 AA)
• 设计 Token 定义

---

技巧 39：用 MCP 扩展访问实时文档

在提示词中加入 use context7 触发 context7 MCP，访问最新框架文档：

use context7 告诉我 Next.js 15 的 Server Actions 最新 API 变化

这确保你得到的不是训练数据截止日期之前的旧文档，而是实时获取的官方文档内容。

---

技巧 40：sequential-thinking，复杂问题的结构化推理

触发 sequential-thinking MCP 的场景：复杂架构设计、疑难 Bug 根因分析、多步骤重构计划

用 sequential-thinking 帮我分析这个分布式事务问题的根因

sequential-thinking 会强制输出推理链，不跳步骤，确保每个结论都有明确的依据。

---

Part 4：自进化技巧（技巧 41-50）— 系统自我优化

技巧 41：路由不准确时，直接纠正，系统会学习

当系统路由到错误的技能时，你可以反馈：

你刚才路由到了 frontend-expert，但我需要的是 performance-expert

这个反馈会被 route-feedback.js 记录，通过指数衰减权重学习（5 天半衰期），同类输入在未来会更准确地路由。权重范围限制在 [-0.5, +0.5]，防止单次反馈过度影响系统。

---

技巧 42：隐式反馈也在工作，无需主动操作

系统通过 implicit-feedback.js 收集隐式信号：

• 路由后 5 分钟内你是否继续用了这个技能
• 是否切换到其他技能
• 对话是否因路由错误而中断

这些弱信号（weight: 0.3）也会参与权重学习，让系统在无感知的情况下持续改善。

---

技巧 43：让 self-auditor 做系统健康检查

用 self-auditor 检查一下系统配置是否有漂移

self-auditor 执行 8 维审计：

• 技能索引完整性
• 钩子注册状态
• 配置版本一致性
• 磁盘健康（debug/ 目录大小）
• 安全设置
• 孤儿技能检测
• 路由准确率
• 学习收敛状态

---

技巧 44：10 维健康评分，量化系统状态

执行健康检查：

帮我运行 health-check 查看系统健康评分

输出示例：

H1  配置一致性  13%  100
H2  行为基线    13%  100
H3  磁盘健康    10%  100
H4  钩子完整性  13%  100
H5  技能索引     9%  100
H6  规则缓存     9%  100
H7  路由准确率  13%  100
H8  学习收敛    10%   90
H9  路由合规    10%  100
H10 Hook有效性   9%  100
                总分:  99 / 100

---

技巧 45：drift-detector 自动感知配置变化

每次你修改系统配置文件（SKILL.md、CLAUDE.md 等），drift-detector 钩子会自动触发：

1. SHA256 完整性校验（24 个关键文件）
2. 如果发现不一致，触发 self-healer 自动修复元数据
3. 变化记录到 evolution-log.jsonl

安全边界：self-healer 只修改元数据（版本号、计数、索引），不修改任何业务逻辑或技能行为。

---

技巧 46：路由合规门控，防止技能滥用

route-compliance-gate 钩子在每次 Skill 调用前验证：

• 调用的技能是否在当前 [BWR] 路由指令的允许列表中
• 如果不匹配，拦截并记录合规违规

这确保路由引擎的决策不会被随意绕过，保持系统行为的一致性。

---

技巧 47：管道检测，准确识别构建失败

v5.6 新增的 detectPipeline 能力解决了一个经典问题：

# 传统方式：exitCode 被 tail 覆盖，误判为成功
vitest run | tail -5  # 实际失败，但 exitCode = 0 (tail 的退出码)

Bookworm 通过解析测试输出内容识别结果，支持 12 种测试框架的汇总行模式：

"3 failed" → failure
"0 failed, 12 passed" → success
"Tests:  12 passed, 0 failed" → success

---

技巧 48：A/B 实验框架，路由策略持续改进

系统内置 A/B 实验框架，可以对路由策略进行对比实验：

• 实验分组持久化（同一用户组保持一致体验）
• recordOutcome() 记录实验结果
• 当实验组收敛后自动晋升为默认策略

这是路由准确率能达到 100%（455 条反馈，0 误路由）的重要机制之一。

---

技巧 49：完整性签名，防止钩子被篡改

系统对 24 个关键文件（钩子、路由引擎、安全门控）维护 SHA256 哈希，并使用 HMAC-SHA256 机器绑定签名：

// checksums.json (部分)
{
  "hooks/route-interceptor.js": "sha256:a3f8b...",
  "scripts/route-analyzer.js": "sha256:d7c2e...",
  "hooks/route-compliance-gate.js": "sha256:9e4a1..."
}

如果钩子文件被意外修改（包括被 AI 自身修改），block-sensitive-files 钩子会拦截写入操作，integrity-check 会检测到 Hash 不匹配并告警。

---

技巧 50：查看进化日志，了解系统成长轨迹

帮我查看最近的 evolution-log，了解系统有哪些自动修复

evolution-log.jsonl 记录了系统每次自愈操作的完整轨迹：修复时间、触发原因、修改内容、修复前后状态。这是"系统有记忆"的体现——你可以回溯系统是如何从使用中学习的。

---

技术原理简介（5 分钟读懂路由引擎）

BM25 + 上下文融合评分

Bookworm 不是简单的关键词匹配，而是一个多维评分系统：

综合得分 = BM25基础分(0.6) + 会话上下文(0.2) + 项目类型(0.1) + 工作流模式(0.1)

BM25 是信息检索领域的经典算法，相比 TF-IDF 更好地处理关键词频率的边际效益（词出现多次，增益递减）。系统对 50 个技能 × 2393 个加权关键词建立索引，每个关键词按三层权重标注：

core      权重最高  — 技能最核心的触发词（如 React → frontend-expert）
strong    次高      — 强相关词（如 Hook → frontend-expert）
extended  基础      — 弱相关词（如 组件 → 多个技能竞争）

TF-IDF 区分度用于处理高/低区分度关键词。"性能"这个词出现在多个技能中（前端/后端/数据库），区分度低；"Argon2"只在 security-expert 中出现，区分度高。

7 层流水线架构

用户输入
  ↓
L1 路由层 — Neural Gateway: BM25 + TF-IDF + 上下文融合 → [BWR] 指令
  ↓
L2 门控层 — 5 个 PreToolUse 钩子: 文件保护 / 危险拦截 / 合规校验
  ↓
L3 执行层 — 50 专家技能 + 10 智能体 + 6 MCP 服务
  ↓
L4 后处理层 — 变更感知 / 构建追踪 / 活动日志
  ↓
L5 会话结束 — 合规审计 + 磁盘清理
  ↓
L6 学习闭环 — 显式纠正 + 隐式反馈 → 权重回注 L1
  ↓
L7 自进化 — 感知 → 审计 → 修复 → 记录（无人值守）

自适应学习闭环

学习安全设计的四道约束：

约束机制	作用
技能名白名单校验	防止学习系统记录虚构技能名
权重限幅 [-0.5, +0.5]	防止单一反馈暴走影响全局
5 天半衰期指数衰减	旧反馈自然退出，避免历史偏见
Holdout 验证集	用保留数据集评估学习效果，防止过拟合

---

快速开始

前提条件

• Claude Code 已安装（claude CLI 可用）
• Node.js 18+

安装步骤

# 1. 克隆仓库到 ~/.claude 目录
# （具体安装方式见项目文档）
# [TODO: GitHub URL]

# 2. 确认技能索引已生成
ls ~/.claude/skills-index.json

# 3. 验证钩子已注册
cat ~/.claude/settings.json | grep hooks

# 4. 运行健康检查
claude -p "帮我运行 health-check 查看系统健康评分"

5 分钟体验路由魔法

打开 Claude Code，依次输入以下三个请求，观察路由差异：

# 请求 1：应该路由到 debugger-expert
我的 useEffect 导致无限渲染，控制台报 Warning: Maximum update depth exceeded

# 请求 2：应该路由到 security-expert（不是 backend-builder）
帮我检查这个 API 的认证逻辑有没有安全漏洞

# 请求 3：应该触发 orchestrator（复杂任务）
从零帮我搭建一个带用户认证的 Todo 应用，包含前端、后端和数据库

在每次响应中，你可以看到系统注入的 [BWR:<id>] 路由指令，以及实际调用的技能名称。这个透明度设计是刻意为之——路由决策不是黑盒，用户可以随时看到和干预。

---

写在最后

Bookworm 最核心的设计理念，用一句话概括就是：普通 AI 助手让用户适应 AI，Bookworm 让 AI 适应用户。

这 50 个技能覆盖了从前端到后端、从开发到运维、从架构到产品、从技术到商业的全部工作流。但路由不是目的，路由的目的是让你每次交互都能得到领域专家级别的回答——不是泛化的建议，而是有具体代码、有行业最佳实践、有边界情况处理的专业输出。

系统正在不断进化。每一次你纠正路由错误，每一次你在技能推荐中选择了更合适的专家，都在让这个系统对你更了解。

项目地址：[TODO: GitHub URL]

---

Bookworm Smart Assistant v5.6 | 健康评分 99/100 | 1371/1371 测试全绿