# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Claude Code推出了一个让人眼前一亮的功能——Hooks。
这个基于Shell的钩子系统能在关键时刻自动运行，让你能够精确地编排每次编程会话中必须发生的事情。
说白了，这个功能把那些依赖聊天指令的不确定性，变成了每次都会触发的确定性命令。
格式化、日志记录、安全检查，再也不用担心模型会不会记得你的提示了。
Claude Code原本依赖大语言模型来决定何时运行工具或请求确认。
这种方法存在明显的缺陷——模型可能会忘记、误解意图，或者在不同会话中表现不一致。
Hooks通过让用户注册能在预定义生命周期事件中触发的Shell命令，彻底解决了这个问题。
控制权从概率性的提示转移到了确定性的脚本。
用户可以决定命令是在工具调用之前运行、之后运行、在每次通知时运行，还是在助手尝试结束时运行。
Hook定义存储在用户或项目范围的JSON设置文件中。
每个条目都将过滤工具名称的匹配器与Shell命令数组配对。
当事件匹配时，Claude Code会将关于操作的结构化JSON通过stdin流式传输到命令中，等待最多60秒，然后解释退出代码或可选的JSON输出来决定如何继续。
由于Hooks以用户的完整权限执行，它们可以读取或修改账户能访问的任何内容。
文档列出了安全步骤，如验证输入、引用变量和跳过敏感路径。
PreToolUse：在创建工具参数后、处理工具调用前运行。可以匹配Task（代理任务）、Bash（Shell命令）、Read（文件读取）、Edit/MultiEdit（文件编辑）等工具。
PostToolUse：在工具成功完成后立即运行。识别与PreToolUse相同的匹配器值。
Notification：在Claude Code发送通知时运行。
Stop：在Claude Code完成响应时运行。
想要添加一个记录Claude Code运行的Shell命令的Hook？只需要几步：
配置会保存在~/.claude/settings.json中：
{
"hooks": {
"PreToolUse": {
"Bash": [
{
"type": "command",
"command": "your-logging-command-here"
}
]
}
}
}
Hooks通过stdin接收包含会话信息和事件特定数据的JSON数据。
对于输出，有两种方式：
简单方式：退出代码
高级方式：JSON输出
Hooks可以在stdout中返回结构化JSON来实现更复杂的控制。比如PreToolUse可以控制工具调用是否继续：
对于使用模型上下文协议（MCP）服务器的开发者，Hooks能识别带有mcp__前缀的工具名称。
这意味着一个模式可以针对整个服务器或单个远程工具，让策略执行在本地和云操作中保持一致。
MCP工具遵循mcp__<server>__<tool>的命名模式，例如：
自动格式化：在每次文件编辑后运行prettier处理.ts文件，gofmt处理.go文件。
合规日志：跟踪和计数所有执行的命令，用于合规或调试。
自动反馈：当Claude Code产生不符合代码库规范的代码时提供自动反馈。
自定义权限：阻止对生产文件或敏感目录的修改。
使用Hooks需要谨慎。文档特别强调了几个安全最佳实践：
Claude Code在启动时捕获Hooks的快照，在整个会话中使用这个快照。如果Hooks被外部修改，会发出警告，需要在/hooks菜单中审查才能应用更改。
结果是一个编程环境，其中风格指南、安全规则和工作流程约定作为平台本身的一部分运行，而不是作为嵌入在提示中的建议，为你提供可预测和可审计的行为。
而相比Vibe Coding 的天马行空，我更认为「确定性才是工程的灵魂」。
毕竟不是所有的工程都只是个简单的landing page —— 一句prompt 让AI 展开就好。
而Claude Code的Hooks功能，正是把AI编程从「艺术」拉回到「工程」的关键一步。
而在上周YC AI Startup School的演讲中，Andrej Karpathy 也提到，我们必须「让AI保持在控制之下」（keep the AI on the leash）。
他警告说：
当我看到诸如「2025年是AI代理之年」这样的说法时，我非常担心……这是代理的十年。
Karpathy的观点恰好呼应了Hooks 的功能。
当我们不再需要祈祷AI记住我们的要求，当每一个关键动作都能被精确控制，我们才将真正获得了与AI 协作的主导权。
这不仅仅是一个功能更新，更是一种编程范式的转变——从依赖AI的「概率性理解」，到构建可靠的「确定性系统」。
[1] Hooks官方文档: https://docs.anthropic.com/en/docs/claude-code/hooks
文章来自于“AGl Hunt”，作者“JJJohn”。
【开源免费】OWL是一个完全开源免费的通用智能体项目。它可以远程开Ubuntu容器、自动挂载数据、做规划、执行任务，堪称「云端超级打工人」而且做到了开源界GAIA性能天花板，达到了57.7%，超越Huggingface 提出的Open Deep Research 55.15%的表现。
项目地址：GitHub：https://github.com/camel-ai/owl
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0