把 Claude Code 玩到极限的一套配置
这是一套完整、成体系的 Claude Code 配置方案，覆盖了代理（Agents）、技能（Skills）、钩子（Hooks）、命令（Commands）、规则（Rules）以及 MCP 配置。与其说这是一个配置仓库，不如说它更像一套已经跑通的“工程化工作流”。
这个项目之所以值得关注，并不只是因为配置齐全，而是因为它背后的人和结果。作者是 Anthropic 黑客松冠军，并且不是为了参赛临时拼出来的 Demo，而是基于这套配置，直接做出了 zenith.chat。更关键的是，这套东西并不是写完就丢，而是作者在 10 个月的日常开发中反复使用、不断调整 的产物，属于真正被现实需求打磨过的工具，而不是摆在仓库里好看的玩具项目。
那它到底解决了什么问题？
简单说，就是把一个“默认状态下能力有限的 Claude Code”，改造成一个高度可定制、可扩展、可长期演进的编码助手。不同代理负责不同任务，技能拆得足够细，钩子和规则用来约束行为边界，命令负责高频操作的快速触发，而 MCP 则承担起工具与上下文的整合角色。所有东西放在一起，不是堆料，而是有明确分工和协作关系。
但这里也有一个非常重要的使用前提：不是越多越好。
尤其是 MCP，很多人第一反应是“全开”，结果适得其反。作者在实践中已经踩过坑：在 200k 上下文窗口下，如果 MCP 配置过多，有效可用上下文反而会被压缩到 70k 左右，直接影响模型发挥。
因此作者给出的建议非常明确，也非常务实：
-
MCP 配置总量控制在 20–30 个
-
单个项目实际启用 不超过 10 个
-
工具数量尽量 控制在 80 个以内
这套经验，本身就比配置文件更值钱。它说明了一件事：真正把 Claude Code 用到“生产级”，拼的不是功能多少，而是取舍能力和长期使用反馈。
如果你已经在用 Claude Code 写代码，这套配置值得你完整看一遍；即便不照抄，也能帮你理解，一个成熟的 AI 编程环境，应该长什么样子。
