超越 Prompt 堆砌：用 Claude 搭建“探查-规划-执行-自愈”全自动 Agent 工作流

前言：如果你还在用简单的 Prompt -> Response 模式使用 Claude，或者把 Agentic Loop 简单写成一个没有死循环保护和权限拦截的 while 循环，那么你的 AI 工作流在生产环境中离崩溃只有一步之遥。
制作一个能够处理长耗时（Long-running）、大型工程代码重构、甚至自动化运维的生产级 Agent，关键不在于 Prompt 写的有多长，而在于架构设计（Architecture）、上下文控制（Context Management）与安全防御（Guardrails）。
本文将从真实生产惨案出发，深度拆解 Anthropic 官方推崇的 Explore-Plan-Execute-Verify 架构，并手把手带你用 Python 打造一个具备“自我修正与安全拦截”的企业级代码 Agent 工作流。

1. 范式破局：为什么 90% 的 Claude 工作流会在生产环境崩溃？

在将 Claude 接入自动化流水线（CI/CD、代码重构、数据分析）时，大部分开发者都会经历以下“三大死因”：

以一次简单的“修改鉴权模块”为例：如果直接让 LLM 开始修改，它会由于不知道全局依赖而破坏其他 Service 的调用。当测试报错时，它又容易陷入 修改 -> 报错 -> 再修改 的死循环，直到 Context 爆表或 API 额度耗尽。

生产级 Agent 的核心原则：将“思考规划”与“执行动作”解耦，将“工具能力”与“安全防御”隔离。

2. 架构拆解：双环流（Dual-Loop）探查与执行引擎

为了解决上述问题，我们需要将工作流重构为 双环流（Dual-Loop）状态机 架构：

环节解析：

Explore（只读探查）：限制只能使用 Read, Grep, Glob 等只读工具，构建当前工程的上下文图谱。禁止在此阶段修改任何文件！

Plan（任务规划）：输出结构化的 Task Matrix（如 JSON 或 Markdown 列表），明确实行步骤、依赖文件与验证命令。

Execute（工具执行）：开启写权限与 Bash 工具，按照 Plan 逐个原子化地执行修改。

Verify（自动化验证）：执行单元测试（pytest / npm test）。若测试不通过，内环自动捕获 Traceback 并尝试自我修正；若连续 3 次失败，抛给外环触发 Re-Plan。

3. 生产级控制力：MCP、Subagents 与生命周期 Hooks 的协同

要实现上述架构，我们需要联合三大核心机制：

MCP (Model Context Protocol)：充当 Agent 的“感官”，让 Claude 无缝连接 GitHub Issues、Jira 单号、S3 存储桶与 PostgreSQL。

Subagents（子代理隔离）：主 Agent 仅扮演决策者（Orchestrator），将耗时且具体的子任务（如“编写测试用例”、“格式化文档”）交由专用的 Subagent 并行执行，大幅节省主 Context 的 Token。

Hooks 机制（生命周期钩子）：拦截所有的 PreToolUse 与 PostToolUse。即使 LLM 产生幻觉生成了危险指令，拦截钩子也会在操作系统层面将其绝对关停！

4. 端到端实战：构建具备“自愈能力”的代码重构 Agent

下面我们使用 claude-agent-sdk（Python）编写一个完整的生产级 Agent。该 Agent 具备：自动拦截危险 Bash、单元测试自动自愈（Red-Green-Refactor）、Session Resume 状态恢复 功能。

完整实战代码 (`production_agent.py`)：

Python

5. 质量把控：如何建立量化的 Agent Evals 评估框架？

很多团队在使用 Agent 时最大的困惑是：“我觉得今天跑得不错，但怎么证明系统变稳定了？”

不要凭感觉！生产级 Agent 工作流必须通过 Agent Evals (评估体系) 来做 Regression Test（回归测试）。你可以使用下表量化你的 Claude 工作流性能：

评估指标 (Eval Metric)	计算公式 / 衡量标准	生产目标值 (Target)	优化手段
任务首胜率 (Pass@1)	$\frac{\text{首次执行即通过测试的任务数}}{\text{总任务数}}$	$> 70\%$	优化 Explore 阶段的上下文质量（引入 MCP / AST 树）
自愈恢复率 (Self-Correction Rate)	$\frac{\text{首次失败但后续轮次自愈成功的任务数}}{\text{首次失败的总任务数}}$	$> 80\%$	在 Verify 阶段为 Agent 提供更详细的 Stack Trace
平均轮数 (Avg Turns per Task)	$\sum \text{Turns} / \text{Total Tasks}$	$< 8 \text{ Turns}$	精简 Tool Schema，增加明确的 Stop Condition
触轨拦截率 (Guardrail Trigger Rate)	被 Hook 成功拦截的危险指令次数	$100\% \text{ (无漏报)}$	完善 `PreToolUse` 正则与权限策略
单任务 Token 成本	$\text{Input Tokens} \times P_{in} + \text{Output Tokens} \times P_{out}$	监控并设置上限	使用 Subagent 隔离子任务；合理清理 Context