使用命令、代理、模式和會話內存構建 SuperClaude 框架工作流
本教程介紹如何使用 SuperClaude 框架在 Anthropic API 之上構建結構化工作流。通過克隆框架、發現命令/代理/模式、創建 Python 橋接器動態加載 Markdown 行為文件，並運行多個實際示例（如頭腦風暴、前端實現、安全分析、商業策略、深度研究規劃、令牌高效響應以及帶會話保存/加載的多步驟開發流程），展示如何使提示更一致、角色感知更強，適用於複雜的 AI 輔助軟件開發任務。
在本教程中，我們將使用 SuperClaude 框架在 Anthropic API 之上構建一個先進的工作流。SuperClaude 框架是一個結構化層，它通過命令、代理和模式來增強 Claude 的能力。首先，我們從 GitHub 克隆框架倉庫，然後探索其中的 Markdown 文件，這些文件定義了各種行為資產。我們編寫了一個 Python 橋接器，該橋接器在每次模型調用前，會動態地將相關的命令、代理或模式文件加載到系統提示中。這使得提示更加一致和角色感知，從而適用於複雜的 AI 輔助軟件開發任務。
我們通過多個實際示例來演示框架的用法。例如，使用頭腦風暴命令為大學生個人理財應用進行結構化構思；利用前端架構師代理實現一個 React + TypeScript 的 BudgetRing 組件，該組件以動畫 SVG 圓環顯示月度支出與預算；通過安全工程師代理審查一個存在 SQL 注入和硬編碼密鑰風險的 Flask 登錄處理程序；使用業務面板命令探討醫療合規自動化的 B2B SaaS 策略。此外，我們還展示了深度研究規劃（如向量數據庫現狀分析）和令牌高效模式（比較 OAuth 2.0、OIDC 和 SAML）。
教程的核心部分是一個多步驟工作流：構建一個能夠從 URL 總結 GitHub 倉庫的 CLI 工具。該工作流依次包括頭腦風暴、架構設計、實現、測試和文檔編寫，所有步驟在同一個會話中完成，並最終保存會話以便後續恢復。我們還介紹了擴展建議，例如檢查命令文件、添加自定義命令、切換模型、堆疊代理和模式，以及恢復保存的會話。通過這種方式，SuperClaude 框架提供了一個靈活的基礎，用於實驗定製工作流、組合不同行為資產，以及構建跨多個步驟保留上下文的長期 AI 輔助開發會話。