CLAUDE.md:这不是写给人看的文档,而是写给 AI 的上下文

TL;DR：CLAUDE.md 不是给人读的文档，是给模型读的工程规格。它控制 Claude Code 的行为边界，每次会话都被全量加载到上下文。写得好，省掉反复提醒；写得差，浪费 Token 还不生效。

CLAUDE.md 是工程规格，不是文档

大多数团队第一次写 CLAUDE.md，会本能地抄一段 README 进去——项目介绍、技术栈、团队使命。这些信息对人有用，对模型几乎没用。模型不关心你们的愿景，它关心的是：跑什么命令、改哪些文件、遵守什么边界、不能碰什么东西。

CLAUDE.md 的本质是一份机器可读的行为规格。它有以下工程属性：

• • 每次会话全量加载：无论任务大小，CLAUDE.md 的全部内容都会被注入上下文。这意味着每一行都在持续消耗 Token 预算。
• • 层级覆盖：用户级 ~/.claude/CLAUDE.md → 项目级 ./CLAUDE.md → 子目录级 subdir/CLAUDE.md，后者覆盖前者。跨项目通用的偏好放用户级，项目特定的放项目级。
• • 支持文件导入：@other-file.md 语法可以把外部文件内容内联进来。适合拆分长规则到独立文件。
• • 不是强制策略：CLAUDE.md 是上下文，不是策略引擎。模型可能会忽略其中的规则。真正需要强制的安全边界要用 Hooks 实现（见第 22 篇）。

理解这一点很关键：CLAUDE.md 里的规则是建议，不是约束。你在里面写”不要改 .env”，模型多数时候会遵守，但不是 100%。如果某条规则违反了就必须中断操作，那它属于 Hooks 的管辖范围。

一个常见的误解是：CLAUDE.md 写得越详细，Claude Code 就越听话。实际上，CLAUDE.md 的效果遵循一个倒 U 型曲线——太少的信息让模型无从遵循，太多的信息让模型失去焦点。最佳区间在 60 到 120 行之间。低于 60 行，缺少关键约束；超过 120 行，规则之间互相干扰，遵循率开始下降。后文的 Token 预算分析和失败案例会展开这个论点。

另一个误解是：CLAUDE.md 可以替代 README。不能。README 是给人看的，描述项目是什么、为什么这么做；CLAUDE.md 是给模型看的，描述怎么操作、不能做什么。一个好的检验标准：如果删掉 CLAUDE.md 里某段话，模型的行为是否会改变？如果不会，那段话就不该在那里。

三个真实的 CLAUDE.md

不是模板，是实际在用的配置。三个项目，三种技术栈，三种关注点。

A. TypeScript API 服务

这个项目的核心需求是分层架构约束——Claude Code 必须知道每一层该干什么、不能干什么，否则它会在 route handler 里写业务逻辑。

# CLAUDE.md## Commands- Install: pnpm install- Dev: pnpm dev- Test: pnpm test (unit), pnpm test:e2e (integration)- Lint: pnpm lint- Typecheck: pnpm typecheck- DB migrate: pnpm prisma migrate dev## Architecture- src/routes/ — Express route handlers, thin layer, delegate to services- src/services/ — Business logic, no HTTP imports- src/repositories/ — Database access only, no business logic- src/models/ — Prisma-generated types only, never edit manually- src/utils/ — Shared helpers, no side effects## Rules- Routes MUST NOT contain business logic- Services MUST NOT import from express- Repositories are the only layer that touches prisma client- All new endpoints need integration tests in tests/e2e/- Use zod for request validation, never trust req.body directly## Safety- Do not edit prisma/schema.prisma without explicit approval- Do not modify migrations after they've been applied- Do not touch .env files- Do not run pnpm prisma migrate reset## Testing- Run relevant unit tests after editing service files- Run integration tests after adding endpoints- Test command for single file: pnpm vitest run src/services/user.test.ts

关键设计：Architecture 段落用一句话定义每个目录的职责和限制。Rules 用 MUST NOT 做硬边界声明。Testing 段落不只说”要测试”，而是明确给出什么操作触发什么测试。

B. React 前端（Next.js）

前端项目的关注点不一样：组件复用、样式约束、路由结构、SSR 边界。

# CLAUDE.md## Commands- Install: pnpm install- Dev: pnpm dev- Build: pnpm build- Lint: pnpm lint- Typecheck: pnpm typecheck- Test: pnpm test## Architecture- app/ — Next.js App Router, page.tsx + layout.tsx only- components/ui/ — Primitive components (Button, Input, Dialog), no business logic- components/features/ — Feature-specific composite components- lib/ — Shared utilities and hooks, no React components- lib/api/ — API client functions, generated from OpenAPI spec- styles/ — Global styles and Tailwind config## Rules- Use Tailwind classes only, no inline styles, no CSS modules- Import components from @/components/ui, never write raw<button> or<input>- Server Components by default, add "use client" only when state/effects needed- Data fetching in Server Components or Server Actions, not in useEffect- Form mutations use Server Actions, not API routes- Do not create new API routes unless explicitly asked## Safety- Do not edit tailwind.config.ts without approval- Do not modify next.config.js without approval- Do not install new UI libraries without checking if existing components suffice- Do not touch lib/api/ — it is auto-generated## Testing- Run pnpm test after modifying components- Test file colocated: ComponentName.test.tsx next to ComponentName.tsx- Prefer testing-library, no Enzyme

关键设计：Rules 段落明确”默认 Server Component，按需加 use client”——这是 Next.js 项目最容易出错的地方。Safety 里”不要装新 UI 库”防止 Claude Code 动不动引入 shadcn 新组件。

C. Python ML 服务

ML 项目有独特的约束：数据管线、模型文件、实验可复现性。

# CLAUDE.md## Commands- Install: pip install -e ".[dev]"- Dev: python -m src.main- Test: pytest tests/ -v- Lint: ruff check src/- Format: ruff format src/- Train: python -m src.train --config configs/default.yaml- Evaluate: python -m src.evaluate --checkpoint checkpoints/latest.pt## Architecture- src/data/ — Data loading and preprocessing pipelines- src/models/ — Model architectures, PyTorch nn.Module only- src/training/ — Training loops, loss functions, schedulers- src/evaluation/ — Metrics, visualization, report generation- configs/ — YAML config files, one per experiment- notebooks/ — Exploration only, never import from notebooks into src/## Rules- All data paths go through configs, no hardcoded file paths in source- Model changes must be backward compatible with saved checkpoints- Use PyTorch, not TensorFlow- Use type hints everywhere, run mypy before committing- Do not modify configs/default.yaml — create a new config for experiments- Keep notebooks stateless: clear all outputs before committing## Safety- Do not delete or modify files under checkpoints/- Do not run training without specifying a config file- Do not modify src/data/loader.py without running full pipeline test- Do not push large model files (>100MB) to git## Testing- Run pytest after modifying any src/ file- Test data pipeline separately: pytest tests/test_data/- Integration test after model changes: pytest tests/test_training/- Single file: pytest tests/test_data/test_loader.py -v

关键设计：ML 项目最大的坑是可复现性。Rules 里的”所有数据路径走 configs”和”模型变更必须向后兼容 checkpoint”直接防止 Claude Code 破坏实验可复现性。Safety 段落的”不要删 checkpoints 目录下的文件”看似简单，但这类规则如果只在 CLAUDE.md 里声明而没有 Hooks 兜底，一旦模型认为删除旧 checkpoint 是”清理空间”的合理操作，损失不可逆。

三个例子的共同模式

回看这三个配置，可以发现一个共同结构。每个 CLAUDE.md 都包含五个段落，每个段落的职责固定：

Commands 回答”怎么跑”。列出安装、开发、测试、lint、类型检查的完整命令。不给这些信息，Claude Code 会猜——它可能猜对（用 npm 代替 pnpm），也可能猜错（用 jest 代替 vitest）。一旦猜错，后续所有操作都建立在错误的工具链上。

Architecture 回答”东西在哪”。用一句话描述每个关键目录的职责和限制。这不是给人看的架构文档，是给模型的导航图。没有它，模型会通过搜索推断结构——读 ten 个文件来猜目录职责，浪费数千 tokens，还可能猜错。

Rules 回答”怎么写”。用 MUST / MUST NOT 做明确的约束声明。关键是具体：不要写”注意代码质量”，要写”Services MUST NOT import from express”。前者是人的价值观，后者是机器可执行的条件判断。

Safety 回答”不能碰什么”。列出所有禁止修改的文件和禁止执行的命令。这些规则需要 Hooks 兜底——CLAUDE.md 里列出是为了让模型理解原因，Hooks 里拦截是为了确保执行。

Testing 回答”怎么验证”。不只说”要测试”，而是明确什么操作触发什么测试命令。给单文件测试命令尤其重要——没有它，Claude Code 会跑全量测试，一个 2000 个测试的仓库等两分钟，消耗大量 Token 在测试输出上。

内容分层策略：什么放哪里

CLAUDE.md 不是唯一的行为配置点。Claude Code 有三层规则载体，各有不同的加载时机和 Token 成本。

决策逻辑：

• • 每个开发者都需要知道的（命令、架构、安全边界）→ CLAUDE.md
• • 只有改某个目录时才需要知道的（UI 组件规范、API 风格）→ .claude/rules/
• • 只有执行特定任务时才需要知道的（部署流程、数据迁移）→ Skill

错误做法：把所有规则都塞进 CLAUDE.md。一个 400 行的 CLAUDE.md 里可能有 200 行只在改某个子目录时才有用，但它们每次会话都在消耗 Token。详见后文失败案例。

正确做法：CLAUDE.md 保持精简（建议 120 行以内），路径特定规则拆到 .claude/rules/（见第 05 篇），任务流程封装为 Skill（见第 08 篇）。

Token 预算分析

CLAUDE.md 不是免费的。每次会话启动，它的全部内容都会被注入上下文。以下是基于实际使用估算的 Token 消耗：

CLAUDE.md 行数 → 大致 Token 消耗├── 30 行    → ~500 tokens├── 50 行    → ~800 tokens├── 80 行    → ~1200 tokens├── 120 行   → ~1800 tokens  ← 推荐上限├── 200 行   → ~3000 tokens├── 400 行   → ~6000 tokens  ← 已是负担└── 600+ 行  → ~9000+ tokens ← 严重影响任务空间

加上其他上下文开销：

总上下文预算构成（Claude Sonnet, 200K tokens）├── 系统提示词（内置）     ~3K tokens├── 用户级 CLAUDE.md       ~800 tokens（如果配置了）├── 项目级 CLAUDE.md       ~1500 tokens（120 行）├── Rules 文件（按需加载）  ~200-500 tokens（匹配的文件）├── Auto memory             ~200-1000 tokens├── 用户消息               ~1K tokens├── 工具调用 + 结果         ~5K-50K tokens（任务复杂度决定）├── 历史对话               ~10K-100K tokens（会话长度决定）└── 剩余可用于任务推理      → 越多越好

关键洞察：CLAUDE.md 从 30 行增长到 120 行，Token 成本只从 500 增长到 1800，还在可接受范围。但从 120 行增长到 400 行，成本跳到 ~6000，而增加的 280 行规则（主要是一些低频场景的注意事项）被模型遵循的概率反而下降了——因为规则太多，模型无法在大量指令中维持对每一条的注意力。

建议上限：CLAUDE.md ≤ 120 行，控制 Token 消耗在 2000 以内。 超出的内容考虑拆到 .claude/rules/ 或 Skill。

这里有一个反直觉的发现：Token 消耗的增长是线性的，但规则遵循率的下降是指数级的。从 80 行增加到 120 行，遵循率可能只从 88% 降到 82%；但从 120 行增加到 200 行，遵循率可能从 82% 骤降到 65%。原因是注意力稀释——模型面对 200 行指令时，很难在前 80 行的架构规则和后 120 行的边缘场景注意事项之间合理分配注意力权重。结果往往是高频规则被正确遵循，低频规则被完全忽略，而中间地带（比如测试要求）处于不确定状态。

这意味着 CLAUDE.md 优化的核心不是”怎样塞更多规则”，而是”怎样让最重要的规则最突出”。实用的做法：把最关键的 5-8 条规则放在 Rules 段落的前三行。模型对指令列表的开头部分注意力最高。

质量度量：怎么知道你的 CLAUDE.md 有没有用

CLAUDE.md 不是写了就完了。它是一份运行中的工程规格，需要度量效果。以下是四个可操作的指标：

度量方法不需要复杂工具。连续用 Claude Code 完成一周的任务，记录每次需要手动纠正的情况，就能得到这些指标的粗略估计。更简单的方法：让 Claude Code 在每个任务结束时输出一份简短的”规则遵循自检”——它认为自己遵循了哪些规则、违反了哪些规则、有哪些规则不确定怎么执行。虽然自检不完全可靠，但它的”不确定”项通常指向 CLAUDE.md 里表述模糊的段落。

诊断规则：

• • 遵循率低 → 规则表述太模糊，Claude Code 不知道怎么执行。改写为具体指令。
• • 重复提问率高 → CLAUDE.md 缺少关键信息。把被反复问到的问题补充进去。
• • 越界率高 → Safety 规则只在 CLAUDE.md 里，没有被 Hooks 强制。把最关键的边界移到 Hooks。
• • 首次正确率低 → Architecture 描述不准确或不完整。让 Claude Code 复述架构，看它理解了什么。

CLAUDE.md vs Hooks：边界决策

CLAUDE.md 是建议层，Hooks 是执行层。一条规则放在哪里，取决于违反后果的严重程度。

核心原则：违反后果可接受的规则放 CLAUDE.md，违反后果不可接受的规则必须用 Hooks 兜底。

很多团队的现状是只在 CLAUDE.md 里写了”不要改生产数据库”，但没有 Hooks 拦截。这在 90% 的情况下够用，因为模型确实会遵守写在 Safety 段落里的规则。但那 10% 的失败场景——模型认为某个任务”显然”需要改数据库、绕过了 CLAUDE.md 的建议——造成的后果可能远超你愿意承受的范围。所以判断标准不是”模型通常会遵守吗”，而是”如果模型不遵守，后果有多严重”。严重到不可接受的，必须加 Hooks。

举个例子：你在 CLAUDE.md 里写了”不要改 .env 文件”。大部分时候 Claude Code 会遵守。但偶尔它会认为某个任务必须修改 .env 才能完成，然后就改了。如果你真的不能承受 .env 被修改的后果，就在 Hooks 里加一个 PreToolUse 拦截：

{  "hooks": {    "PreToolUse": [      {        "matcher": "Write|Edit",        "command": "bash -c 'echo \"$TOOL_INPUT\" | jq -r .file_path | grep -q \"\\.env\" && echo BLOCK: .env files are protected || true'"      }    ]  }}

这样即使模型”决定”要改 .env，Hooks 也会在写入前拦截。CLAUDE.md 是提示，Hooks 是保障。

失败案例：400 行的 CLAUDE.md

这是一个真实的场景。一个 8 人团队在 monorepo 里维护前端（Next.js）、后端（NestJS）、共享组件库和数据库迁移四个 package。他们把所有规则都写进根目录的 CLAUDE.md，大概 400 行，包括：

• • 前端组件规范（只在改 packages/ui/ 时有用）
• • 后端 API 设计指南（只在改 apps/api/ 时有用）
• • 数据库迁移流程（只在改 packages/db/ 时有用）
• • 部署步骤（只有发布时有用）
• • Code Review 检查清单（只有提 PR 时有用）
• • 通用编码规范（任何时候都有用）

问题出在两个层面：

Token 浪费：400 行 CLAUDE.md 消耗约 6000 tokens。一个”修前端按钮样式”的任务，不需要后端 API 设计指南、数据库迁移流程和部署步骤，但这些内容全被加载了。

规则遵守率下降：更严重的问题是，规则太多之后 Claude Code 的遵循率反而下降。测试数据：40 行 CLAUDE.md 时遵循率约 85%，400 行时降至约 60%。原因不是模型能力不够，而是信号稀释——400 条指令里找到和当前任务相关的 20 条，比 40 条里找到 20 条困难得多。模型在大量无关规则中无法维持对所有规则的注意力。

修复方案：

修改前：根 CLAUDE.md 400 行（所有规则混在一起）修改后：根 CLAUDE.md 80 行（命令、全局架构、通用安全边界）├── .claude/rules/frontend.md   — 前端组件规范（匹配 apps/web/**, packages/ui/**）├── .claude/rules/backend.md    — 后端 API 设计指南（匹配 apps/api/**）├── .claude/rules/database.md   — 数据库迁移流程（匹配 packages/db/**）├── .claude/rules/deploy.md     — 部署步骤（匹配 deploy/**, scripts/**）└── Skill: code-review          — Code Review 检查清单（触发时加载）

修改后，常规前端任务的上下文加载：根 CLAUDE.md（1200 tokens）+ frontend rules（400 tokens）= 1600 tokens。相比之前的 6000 tokens，节省了 73%。遵循率回升到约 80%。

教训：CLAUDE.md 的价值不在于写了多少规则，而在于当前任务相关的规则有多突出。 规则越多不等于越好。精简、分层、按需加载才是正确策略。

更深一层的教训是：这个团队犯的错误不是”写了太多规则”，而是”没有对规则做优先级排序”。400 行里的每一条单独看都是合理的，但它们没有区分”每次都需要”和”偶尔需要”。当一个前端开发者让 Claude Code 改按钮颜色时，它不应该被后端数据库迁移流程干扰。分层加载的本质是把”谁在什么时候需要什么”这个工程判断显性化。

如果你正在评估自己团队的 CLAUDE.md 是否过长，可以做一个简单测试：随机选一个任务，跑之前先问 Claude Code”根据 CLAUDE.md，这个任务需要注意哪些规则？”如果它列出了很多和你当前任务无关的规则，说明 CLAUDE.md 需要拆分。

落地检查清单

按顺序执行：

• • [ ] CLAUDE.md ≤ 120 行。如果超过，把路径特定的规则拆到 .claude/rules/（见第 05 篇）
• • [ ] 包含五个核心段落：Commands、Architecture、Rules、Safety、Testing
• • [ ] Commands 段落覆盖：安装、开发、测试、类型检查、lint
• • [ ] Architecture 段落用一句话描述每个关键目录的职责和限制
• • [ ] Rules 段落用 MUST NOT / MUST 做明确约束，不用”应该””尽量”
• • [ ] Safety 段落列出所有不能碰的文件和不能跑的命令
• • [ ] Testing 段落明确什么操作触发什么测试，附上单文件测试命令
• • [ ] 让 Claude Code 复述项目结构，确认准确（验证 Architecture 段落是否有效）
• • [ ] 跑三个任务，统计重复提问率和越界率
• • [ ] Safety 里的关键规则已用 Hooks 兜底（见第 22 篇）
• • [ ] 没有 README 级别的背景描述——项目介绍、团队愿景、技术选型理由不属于 CLAUDE.md

交叉引用

• • 第 05 篇（rules）：路径特定规则的写法和组织方式，CLAUDE.md 超长时的拆分目标位置
• • 第 22 篇（hooks）：确定性控制层，Safety 规则的强制执行机制，CLAUDE.md 建议的兜底保障
• • 第 00 篇（运行时模型）：四层架构中的记忆层定位，CLAUDE.md 在上下文预算中的具体位置和压缩行为

一个实际的工作流

把以上内容串起来，一个团队从零开始配置 CLAUDE.md 的推荐流程：

第一步：让 Claude Code 自助生成草稿。在一个已有项目里运行”阅读仓库结构，生成一份 CLAUDE.md 草稿，包含 Commands、Architecture、Rules、Safety、Testing 五个段落”。它会基于实际代码给出一个合理的起点。

第二步：人工审查和修正。Claude Code 生成的草稿通常在 Commands 和 Architecture 上比较准确（因为它真的读了代码），但在 Rules 和 Safety 上往往遗漏团队的隐性约定。把那些”所有人都知道但没人写下来”的规则补进去。

第三步：验证。跑三个不同类型的任务（修 bug、加功能、重构），观察 Claude Code 是否遵循规则。如果它反复违反某条规则，不是它不听话，是那条规则表述不够具体。改写后重新验证。

第四步：度量。一周后检查遵循率、重复提问率、越界率。如果越界率超过 5%，把对应的 Safety 规则加到 Hooks。

第五步：迭代。项目在演进，CLAUDE.md 也要跟着更新。每次新增一个重要目录、变更测试框架、或者修改部署流程时，同步更新对应的段落。