面向已经用过 Claude Code、希望从会用升级到会治理的开发者，系统训练 Claude Code 的工程 Agent 心智模型、上下文治理、CLAUDE.md 与 rules 分层、Skills 工作流设计、Tools/MCP/Plugins 能力扩展、Hooks/Subagents/沙箱控制，以及 Prompt Caching、验证闭环和长期配置维护。
能用“收集上下文、采取行动、验证结果”的工程 Agent 循环解释 Claude Code 的工作方式，并判断一次失败更可能发生在哪个层面。
能根据真实场景判断 Claude Code 应该使用 MCP、Tool、Skill、Hook、Subagent 还是 Plugin，并说清选择理由和误用风险。
能判断 Claude Code 上下文污染的来源，并选择 /context、/clear、/compact、HANDOFF.md 或 Subagent 等方式治理长会话和高噪声任务。
能把 Claude Code 的长期规则、路径规则、自动记忆、工作流和强制校验分层放置，减少上下文噪声和规则冲突。
能判断一个重复任务是否适合写成 Skill，并设计包含触发条件、输入、步骤、输出、停止条件和副作用边界的 Skill 草案。
能为 Claude Code 外部能力扩展场景判断是否需要 Tool、MCP 或 Plugin，并提出命名、输出、错误、权限和分发边界设计。
能为高风险或高噪声 Claude Code 任务设计 Hook、permissions、sandbox、Subagent 和 worktree 组合，控制自动化风险和上下文污染。
能解释 Prompt Caching 对 Claude Code 成本、速度和可靠性的影响，并为任务设计可验证完成标准与长期配置健康检查。
