家人们谁懂啊，今天 Claude Code 代码写到一半，突然留了个 TODO 让我接着写，这不是倒反天罡吗！

AI 写代码已经不是新闻了，AI 让人写代码才是新闻！

今天，Anthropic 团队悄悄更新了最新功能，目标是解决长期以来被 AI 编程工具所忽视的领域：学习与理解。

开发者们，尤其是初学者，或多或少都有过这样的体验：遇到一个难题，向 AI 提问，复制粘贴一段由 GPT 或 Claude 生成的、看似完美的代码，问题解决，然后……就没有然后了。

代码是能跑，但为什么这么写？背后的设计思想是什么？有哪些其他的实现方式，优劣何在？这些问题，往往随着窗口的关闭而被遗忘。

AI 成了一个高效却冰冷的「代码老虎机」，而非一个能启迪思考的良师益友。

现在，Claude 决定改变这一切。

他们正式推出了两种全新的输出模式：Explanatory (解释模式) 和 Learning (学习模式)。

简单来说：

• Explanatory 不再只是给你最终的代码，而是像一位资深架构师，一步步为你拆解它的思考过程、架构决策、技术权衡以及最佳实践。知其然，更知其所以然。
• Learning 模式下，Claude 会化身你的结对编程搭档，在写代码的过程中，它会突然停下来，在关键节点留出 TODO(human) 标记，然后告诉你：「这部分逻辑你来试试？」

这不仅仅是一次功能上的小修小补，更是一次人机交互方式的转变。

Claude 正在从一个单纯的「任务执行者」变成一个循循诱导的「编程导师」。

它不再满足于帮你写完代码，更要确保你真正理解代码，甚至逼着你亲自动手，在实践中成长。

这背后，是一套名为 Output Styles 的强大机制在驱动，它甚至允许开发者定制 Claude 的「人格」。

更深挖一层，我们还能看到 Anthropic 围绕 Subagents (子智能体) 和 Slash Commands (斜杠命令) 打造的 Agent 工具箱。

Claude Code 引领的这场编程学习革命，将会把人机协作推向何方？

告别「代码黑箱」：两大新模式详解

想象一下，你身边坐着一位资深的架构师和一位耐心的编程搭子，随时准备为你解惑和指导。这就是 Explanatory 模式和 Learning 模式试图带给你的体验。

Explanatory 模式：会思考的 AI 架构师

在传统的 AI 编程助手中，当你要求它实现一个功能时，它会直接给出最终的代码。这个过程就像一个黑箱，你只看到了输入和输出，却错过了最宝贵的中间环节——思考过程。

Explanatory 模式 正是为了打破这个黑箱。

当你启用此模式后，Claude 在完成软件工程任务的同时，会像一位经验丰富的开发者在进行 code review 或结对编程时那样，不断地「自言自语」。它会：

• 解释推理过程：详细说明它为什么会做出这样的架构决策或技术选型。
• 分析权衡利弊：告诉你选择这种方案背后，放弃了哪些其他可能性，以及这样做的优劣是什么。
• 传授最佳实践：在编码过程中，自然地融入行业内公认的最佳实践和代码规范，并告诉你「为什么这么做是好的」。
• 揭示代码库模式：帮助你理解当前项目中已有的设计模式和代码风格，确保新代码的融入是无缝且一致的。

举个例子，在 Explanatory 模式下，当你让 Claude 设计一个新的 API 结构时，它会先输出这样的Insights：

好的，为了构建一个可扩展且易于维护的 API，我将采用分层架构。我们将分离路由处理、业务逻辑和数据访问。这种关注点分离 的设计模式，虽然在初期会增加一些文件数量，但从长远来看，它能极大地提升代码的可读性和可测试性……

看到了吗？这不再是简单粗暴的代码，而是充满了设计哲学和工程智慧的对话。对于希望从「代码搬运工」成长为「软件工程师」的开发者来说，可以在潜移默化中学到更多最佳实践。

Learning 模式：逼你动手的「苏格拉底式」AI 陪练

如果说 Explanatory 模式是「言传」，那么 Learning 模式 就是更进一步的「身教」。

这个模式源自于 Anthropic 此前在教育领域的探索 Claude for Education，现在正式向所有用户开放。它的核心理念源自主动学习理论：只有亲身实践，才能获得最深刻的理解。

启用 Learning 模式后，Claude 不会一次性把所有代码都写完。它会在关键节点故意停下来。

它会采用一种协作式、边做边学的互动方式：

1. 主动留白：在编码过程中，Claude 会故意将一些小而关键的代码片段留空。
2. 布置任务：它会在代码中通过 TODO(human) 标记，明确指出需要你亲手实现的部分。
3. 提供上下文：在布置任务前后，它会提供足够的上下文信息和指导，确保你不会无从下手。
4. 即时反馈：在你完成代码后，Claude 会对你的实现进行分析，提出改进建议或给予肯定，形成一个完整的学习闭环。

可以说这是我第一次遇到一个 AI 编程工具，会跟我说：「好了，基础框架我已经搭好了。现在，这个计算核心折扣率的函数 calculateDiscount 就交给你来实现了。我相信你能搞定！」

这是一种巧妙的「反向教学」设计，它将用户从被动的「代码接收者」转变为主动的「任务参与者」。

这感觉就像一位健身教练，他为你示范了动作要领，但最终需要你自己举起哑铃。

这种模式的魅力在于，它迫使你直面问题的核心，进行独立思考。当你完成 TODO(human) 部分后，Claude 会检查你的代码，提供反馈，并在需要时进行修正。

这个「编码-反馈-修正」的闭环，是最高效的学习方式之一。

无论是难以理解的复杂概念，还是需要动手实践的编程任务，Learning 模式都能将单向的「问答」变成双向的「共建」，让学习过程变得生动而深刻。

顺便一提，Learning 模式不止在 Claude Code 中可用，还能在 Claude App 中使用：

揭秘背后机制：Output Styles 如何重塑 Claude 的「人格」

那么，Claude 是如何实现这两种截然不同的交互模式的呢？答案在于一个名为 Output Styles (输出风格) 的核心功能。

Output Styles 允许用户直接修改 Claude Code 的系统提示 (System Prompt)，从而彻底改变其行为模式和「人格」。可以把它理解为给 AI 戴上不同的「角色面具」。

• Default (默认) 风格：我们最熟悉的 Claude，其 System Prompt 经过高度优化，目标是高效完成软件工程任务。它被指令要「简洁地回应」、「用测试验证代码」，一切以生产力为先。
• Explanatory & Learning 风格：当切换到这两种风格时，Claude Code 会主动关闭那些为了追求效率而设定的指令。取而代之的是，将新的、专注于教学和解释的指令添加到 System Prompt 中。

而当你切换到 Explanatory 或 Learning 这样的非默认风格时，后台发生的事情是：

• 「关闭」默认指令：系统会暂时屏蔽掉那些为「高效产出」而设计的指令。
• 「注入」新指令：取而代之的是，将新风格专属的定制指令添加到 System Prompt 中。

这个设计本身就体现了一种权衡：为了实现教学目的，可以适度牺牲部分执行效率。在追求「更快、更强」的 AI 领域，这是一个非常值得关注的转变。

如何使用和定制 Output Styles？

在 Claude Code 的命令行界面 (CLI) 中，切换和管理 Output Styles 非常简单：

• 菜单选择：运行 /output-style 或从 /config 菜单进入，即可看到所有可用的风格并进行选择。
• 直接切换：运行 /output-style explanatory 或 /output-style learning 即可快速切换。

这些设置是项目级别的，会被保存在项目目录下的
.claude/settings.local.json 文件中，方便团队协作时保持一致的交互风格。

而真正让 Output Styles 变得无比强大的，是它的可定制性。只需运行一个简单的命令，你就可以创造完全属于自己的输出风格：

/output-style:new 我需要一个输出风格，它在写任何代码前，都必须先用伪代码的形式描述思路，并且在所有函数前都加上符合 JSDoc 规范的注释。

Claude 会帮助你生成一个自定义风格的 Markdown 模板文件，保存在用户目录的 ~/.claude/output-styles 下。

一个自定义风格的 Markdown 文件结构如下：

---
name: My-TDD-Style
description: 一个强制执行测试驱动开发 (TDD) 流程的风格
---
# Custom Style Instructions
你是一个严格遵循测试驱动开发 (TDD) 原则的 AI 编程助手。
## Specific Behaviors
1.  **永不先写实现代码**：在收到任何功能需求时，你的第一步永远是编写一个或多个会失败的测试用例。
2.  **最小化实现**：在编写了失败的测试后，编写最简单、最直接的代码让测试通过。
3.  **重构**：在测试通过后，再对代码进行重构以提高质量。
4.  **循环**：不断重复「红-绿-重构」的循环。

这意味着，你可以创造出千变万化的 Claude「人格」，比如：

• Code-Golf-Master 风格：要求 Claude 永远用最少的代码行数来解决问题。
• Beginner-Friendly 风格：要求 Claude 避免使用任何高级语法，并为每一行代码都添加详细注释。
• Security-Auditor 风格：要求 Claude 在生成任何代码时，都优先考虑安全性，并指出潜在的漏洞风险。

这种开放性和可扩展性，将 Claude Code 从一个固定的产品，变成了一个可以根据个人或团队需求无限进化的动态平台。

冰山之下：Claude 的「智能体军团」构想

如果我们只关注 Explanatory 和 Learning 模式，那我们只看到了冰山一角。水面之下，是 Anthropic 正在构建的一个高度模块化、可组合的 AI Agent 生态系统。这个生态的核心组件之一，就是 Subagents (子智能体)。

什么是 Subagents？

你可以将主 Claude 想象成一个项目经理或总指挥官。当它遇到一个需要特定专业技能的复杂任务时，与其自己硬着头皮上，不如把它分派给团队里的专家。这些「专家」，就是 Subagents。

每一个 Subagent 都是一个预先配置好的 AI 人格，它具备：

• 明确的专长领域：例如代码审查、调试、数据库查询、测试用例生成等。
• 独立的上下文窗口：Subagent 的工作不会「污染」主对话的上下文，保持了主线任务的清晰。
• 定制化的工具权限：你可以精确控制每个 Subagent 能使用哪些工具（如读写文件、执行 shell 命令等）。
• 专属的 System Prompt：每个 Subagent 都有一个精心设计的系统提示，指导其行为，使其在专业领域内表现更出色。

通过 /agents 命令，用户可以轻松创建、管理和编辑这些 Subagents，将它们配置成团队专属的「AI 专家团队」。你可以创建一个极其严苛的 code-reviewer 子代理，或是一个擅长定位 Bug 的 debugger 子代理，它们各司其职，由主 Claude 智能体进行调度。

现在，我们可以将 Output Styles 和 Subagents 联系起来，看到一幅更完整的图景：

Output Styles 定义了主智能体 (项目经理) 的沟通风格和行为模式。而 Subagents 则是项目经理手下的专家团队。

这两者结合，创造了一个强大而灵活的系统。你可以让一个「循循善诱」的项目经理 (Learning 模式) 去调用一个「极其严苛」的代码审查员 (code-reviewer Subagent)，从而实现一种独特的、兼具引导性和专业性的开发体验。

实战指南与关键信息

典型落地场景

1、新同学上手陌生代码库

• 风格：Explanatory。
• 操作：claude 启动后，运行 /output-style explanatory。在实现需求的同时，让 Claude 主动讲清代码组织、模块边界、历史权衡与常见模式。

2、边做边学，兼顾交付与成长

• 风格：Learning。
• 操作：运行 /output-style learning。由 Claude 留出 TODO(human) 让你补完，随后点评并修正，实现「不耽误交付的能力提升」。

3、团队统一工程习惯

• 风格：自定义（项目级）。
• 操作：运行 /output-style:new ...，把团队的提交规范、日志与异常处理、测试边界写入「Specific Behaviors」，与代码仓库一并进行版本化管理。

与 100 万 Tokens 上下文的协同效应

值得注意的是，就在几天前，Claude Sonnet 4 API 的上下文窗口已扩大到 100 万 tokens。

这意味着 Claude 可以在一次请求中「读完」一整个中型代码库。这极大地提升了 Explanatory 和 Learning 模式的体验上限：解释可以跨越多个文件进行全局追踪，带教也能围绕项目的整体架构进行。

关键操作速查表

深度对比：Output Styles 与其他定制化功能的区别

为了更好地理解 Output Styles 的定位，有必要将其与 Claude Code 提供的其他定制化功能进行比较，如 CLAUDE.md、Sub-agents 和自定义斜杠命令 (Slash Commands)。

我们可以用一个「餐厅厨房」的类比来理解它们的区别：

总结一下：

• Output Styles 改变的是 AI 的「性格」和「工作方式」。
• Sub-agents 是在主 AI 之外，引入了拥有特定「专业技能」的专家。
• Slash Commands 和 CLAUDE.md 则是提供了更高效的「沟通工具」和「背景资料」。

这些功能共同构成了一个强大且分层清晰的定制化体系，让开发者可以从不同维度、不同粒度上精细地控制 AI 的行为，构建出强大的、自动化的 Agentic 工作流。

小结：AI 编程的下一站是「赋能」而非「替代」

Claude 这次的更新反映了 Anthropic 对 AI 与人类协作未来的思考。

1. 从「工具」到「伙伴」的范式转移：Explanatory 和 Learning 模式的出现，标志着一种新的价值主张——成长与赋能。AI 的角色不再是简单地完成任务，而是成为一个能够促进使用者技能提升、加深其领域理解的智能伙伴。
2. 拥抱个性化与可扩展性：通过 Output Styles, Subagents 等功能，Anthropic 几乎将 Claude Code 的所有核心行为都开放给了用户进行定制。未来的 AI 工具，不应是「万金油」式的解决方案，而是一个可以被塑造成最适合自身工作流的高度可配置平台。
3. 对「学习过程」价值的重申：在一个用 AI 一秒生成代码的时代，什么才是开发者真正的核心竞争力？答案是对系统、对原理、对设计的深刻理解。Claude 的新模式，正是对这一点的回应。它通过巧妙的交互设计，将学习和理解的过程重新嵌入到日常的开发工作中。

AI 编程的未来，或许不是一个由 AI 全自动编程的「黑灯工厂」，而是一个人类开发者与形态各异、各司其职的 AI 智能体深度协作、共同创造、共同成长的全新生态。

本文参考资料：

Output styles - Anthropic