前面几章里，我们装好了 Claude Code，学会了下指令、学会了脱困。从这里起要更进一步，聊聊如何「强化」Claude Code 本身。它保持默认就已足够强大，但还准备了这样的入口：接上外部工具、把工作自动化、让多个 AI 分担、让改动能回滚。这一章，我们把每一样「是什么」「何时有用」当作地图握住。
用「连接·自动化·分担·安全网·成果物」把能力伸展开
什么是扩展功能 —— 朝 5 个方向拓展
Claude Code 的扩展功能，各自本是分头诞生的机制，但只要用「把 AI 的能力朝某个方向伸展」的视角来归拢，一下子就清晰了。在记住琐碎设置之前，先握一张地图：「哪个功能，解哪个烦恼」。把下面这张对照表装进脑子，后面各节就会顺理成章地进来。
接到 AI 单靠自己碰不到的外部数据或服务（数据库、任务管理、内部工具等）。化解「那信息，AI 不知道」。
「每次都做的固定处理」「重复的工作」不再甩给 AI，而是靠机制稳稳地跑。减少手工和漏说。
把大活分派给多个 AI，让查资料·实现·评审并行。对一个 AI 扛不下的规模有效。
让 AI 加的改动随时可回滚。是「放心大胆托付」的底气所在。
把常用的流程·成果·整套扩展做成可复用的形式，分发共享。
📌 本章的读法。 在这里，把「能做什么」的全貌抓住就够了。具体的设置步骤和示例不深入，留给各节末尾的专门文章。先记住名字和角色，需要时能回头来查即可。
连接 —— MCP
AI 再聪明，也不知道你手边的数据、公司内部工具的内容。数据库当前的值、任务管理里的工单、设计文件的内容——把 AI 和这些「外部世界」搭上桥的，就是 MCP（Model Context Protocol）。把它想成一种通用的「插口」规格，就好懂了。
是什么：用通用规格把 AI 与外部工具／数据接起来的「连接标准」。添加对应的服务器后，Claude Code 就能直接操作那个工具。
何时有用：想看着数据库内容实现、想和任务管理或设计工具联动、想让 AI 用上内部系统信息时。
💡 化解「AI 不知道那信息」的钥匙。 MCP 在扩展里通用性尤其高，众多工具都在跟进支持。原理和安装步骤，在 什么是 MCP —— 原理与用武之地里有详解。眼下只需记住「有一套把 AI 接到外部的通用规格」就够了。
自动化 —— hooks 与 loop
每次都嘱咐 AI「也跑一下测试」「也过一遍格式化」，忘说就会漏，本身也很烦。固定的处理，靠机制稳稳地跑更安全。这里就轮到 hooks 和 loop 命令登场。前者是「绑到某个时机自动执行」，后者是「把重复工作打包自动化」的工具。
是什么：能在 AI 执行工具的「前」或「后」插入自己脚本的机制。比如可把「文件编辑后必定跑一遍格式化」自动化。
何时有用：保存时的 lint·格式化、提交前检查、危险命令的事前拦截等，想让每次都必做的定型处理稳稳生效时。
是什么：让同一指令按固定间隔、或直到满足条件为止反复执行的机制。可托付「每 5 分钟查一次部署状态」这类重复。
何时有用：定期检查、盯守耗时长的处理、同一作业的重复等，想跑无需人盯着的重复时。
✅ 减少「漏说」和「手工」。 hooks 见什么是 Claude Code 的 hooks，loop 命令见什么是 loop 命令，都介绍了设置方法和实例。尤其 hooks 能把「甩给 AI 就容易漏」的质量检查用机制侧兜住，在团队开发里很宝贵。
分担 —— subagents / agent teams
把一切都塞进一个 AI，话越长上下文越淡，精度也随之下滑。于是，把大活分给多个 AI 的思路，就是 subagents（子智能体）。像「负责调查」「负责实现」「负责评审」这样分工，各自能专注于自己的活，整体质量随之提升。
是什么：父 AI 把特定工作交给专门的「子 AI」的机制。子在自己专属的上下文里工作，只把结果返给父。可按角色分开 AI。
何时有用：大范围调查、跨多文件的实现、想并行独立作业时。不弄脏上下文，就能拿下大活。
是什么：把多个智能体更正式地作为「团队」协同起来的进阶用法。以更大的工作单位来组织分工与协作。
何时有用：单次分担收不住的、持续而规模大的开发。理解它与 subagents 的区别后再选。
⚠️ 当心开太多。 并行运行的 AI 有上限，贪多一次跑太多，反而会变得不稳或让你干等。先从 1～2 个的分担起步。subagents 与 agent teams 的区别和取舍，在subagents 与 agent teams 的区别里有详细对比。
赋予流程 —— skills
有没有「这个活，总想按这套流程来做」的定式？每次重新解释是浪费。把某项作业的做法（流程·知识·规则）预先赋予 AI，就是 skills（技能）。在需要的场合，AI 会自己调出那个技能，按既定的路数来做。
是什么：把某项作业的流程·知识·参考文件打成一套赋予 AI 的机制。遇到对应场合会自动被调用，按既定路数处理。
何时有用：内部代码规范、做资料的模板、反复的定型作业等，想贯彻「每次同一套做法」时。
💡 让「每次的解释」变得可复用。 相对于 hooks 是「按时机自动执行的处理」，skills 是「AI 自己判断后调用的流程手册」——这样区分就好记了。原理和做法在 什么是 Agent Skills里讲解。
打包分发 —— plugins / marketplace
前面的 MCP、hooks、skills 等虽然好用，可反过来「一个个去设置也是麻烦」。把它们打成一整包，能轻松添加·共享的，就是 plugins（插件）和 marketplace（市场）。别人做好的一整套顺手扩展，可以整包拿来。
是什么：把技能·命令·hooks·MCP 设置等打成一套的「扩展包」。只需添加，就能一次性引入成套功能。
何时有用：想在团队里统一扩展、想立刻引入有实绩的配置时。
是什么：分发·获取插件的集散地。可以找并引入公开的扩展，也可以共享自制的。
何时有用：想把「我想要这种功能」，从现成扩展里找出来快速添加时。
📦 把扩展做成「可分发」的形式。 plugins 与 marketplace 的关系和引入步骤，整理在什么是 plugins 与 marketplace里。引入外部扩展时，务必先确认来源是否可信再用。
安全网 —— checkpointing 与 rewind
越是大幅托付 AI，越怕「一不留神被做了意料之外的改动」。这时管用的，就是能回滚改动的安全网。用 checkpointing（检查点）记下工作的节点，用 rewind（回滚）退回到那里，你就能放心大胆地托付。「退得回」的安心，正是大胆托付的勇气。
是什么：自动记录工作的中途状态，之后能把改动回滚到任意时点的机制。一手实现「想重来」。
何时有用：把较大改动托付给 AI 时、想在试错中改方向时、想撤掉意料之外的编辑时。
✅ 与 Git 并用才安心。 checkpointing 擅长会话内的回滚，但代替不了版本管理（Git）。日常照常留提交，细碎的试错用 rewind 退回——这样双重保险最稳。原理在 什么是 checkpointing 与 rewind里讲解。
展示成果 —— artifacts
有时不只是写代码，还想当场把成果做出来给人看。一个小小的网页、图表或数据的可视化、UI 的试作——这些「看得见、能核对的成果」能生成并预览的，就是 artifacts（成果物）。在「与其文字解释，不如让人一眼看到能跑的东西」更省事的场合，它大显身手。
是什么：把 AI 做出的成果（网页·图表·可视化·试作 UI 等）当场生成并预览的机制。看着核对，也便于共享。
何时有用：想给人看 UI 草案、想把数据做成图共享、想用「实物」而非文字来确认成品时。
🎨 让「拿出来核对」更快。 用武之地和做法在 什么是 artifacts里介绍。想边对话边打磨设计时，把相关的 Claude Design / Design Sync一并看看，做成果物的招数会更多。
扩展是进阶者的工具
至此，我们快速看过了 8 样扩展。样样都诱人，但完全不必一上来就全都上手。它们是要在基础之上叠加才能生效的「面向高阶用户」的工具。地基还没稳就往扩展上冲，反被设置牵着走，结果更绕路。
安装·权限·下指令，用第 2 章的内容做到稳稳当当。
练熟第 5 章的错误处理，扩展途中出毛病也不慌。
当你想「解掉这个烦恼」时，只加对应的那一样扩展。
⚠️ 扩展「等碰到麻烦再说」就好。 只因看着方便就抢先引入，徒增设置的复杂度。等具体的不满冒出来（总忘了做这道处理、这信息 AI 够不着，等等），再迎进一样能解掉它的扩展。守住这个顺序，扩展必成你的助力。
- 扩展有 5 个方向 —— 连接（MCP）／自动化（hooks·loop）／分担（subagents·agent teams）／安全网（checkpointing·rewind）／流程与成果（skills·artifacts·plugins）。
- MCP 把 AI 接到外部数据，hooks 自动化定型处理，loop 自动化重复。
- 用 subagents 分担工作，有 checkpointing / rewind 才敢大胆托付。skills·artifacts·plugins 让流程和成果可复用。
- 这些是面向高阶用户的。先打牢基础，等烦恼冒出来再一样样地加，才是正解。
拓展能力的工具备齐后，接下来是「聪明地长久用下去」的话题。下一章第 7 章「成本与效率」，我们来把握令牌和使用上限的管理，以及不浪费地使用的诀窍。