Birgitta Bockeler 在"上下文工程"一文中提出了一个核心观点：AI 编码 Agent 的输出质量，取决于你给它提供的上下文质量。配置选项（rules、skills）、规范文档（specs）、工作流程——这些"上下文工程"正在成为现代 AI 工具开发者体验的核心部分。

这意味着：同样的 AI 工具，给不同团队使用，效果可能天差地别。 差异不在工具本身，而在团队为 AI 准备了多少上下文。

本文要做的事情：定义一个四层知识库架构，让 AI 工具从"懂代码"进化到"懂业务"。

版本说明：本文涉及的 AI 编码工具配置方式基于截至 2026 年 4 月的版本验证。Claude Code 全局配置使用 ~/.claude/CLAUDE.md，项目级配置使用项目根目录下的 CLAUDE.md；OpenCode 全局配置使用 ~/.opencode/AGENTS.md，项目级配置使用项目根目录下的 AGENTS.md。不同工具的配置文件格式和加载机制可能随版本更新而变化，请以各工具官方文档为准。

适用对象：正在使用或计划使用 AI 编码工具（如 Claude Code、OpenCode、Cursor 等）的开发团队，特别是团队规模在 3 人以上、项目中有一定业务复杂度的技术团队。

前置知识：了解 AI 编码工具的基本用法（如通过对话让 AI 生成或修改代码），知道 CLAUDE.md / AGENTS.md 是 AI 工具的项目配置文件即可。无需深入理解"上下文工程"概念——这正是本文要解释的。

一、为什么需要项目知识库

AI 编码工具能读取代码仓库，理解代码结构和技术实现。但代码只能告诉 AI "怎么实现的"，无法告诉它 "为什么这样实现"、"业务规则是什么"、"有哪些约束条件"。

没有知识库的后果：