Claude Code 有了「审美」：2026 年 AI 编码工具的规则暗战
2026年7月，Claude Code 2.1 让后台 Agent 自动提 PR，Emil Kowalski 开源了让 AI 写出「有品味 UI」的规则模块。同一天 Anthropic 隐写术代码被社区逆向。三条新闻指向同一个命题：AI 编码工具正从「写代码」进化到「写好代码」——代价是你越来越看不到它自己。
三条新闻指向同一个正在发生的转变：AI 编码工具不再只是「写得快」，它开始学「写得好」。但「好」的标准由谁定义、代码里藏了什么、企业能不能信任它——这些问题的答案，正在 2026 年夏天被重新书写。
后台 Agent 自动提 PR：Claude Code 2.1 在变「重」
Claude Code v2.1.198 的更新日志有二十多条改动，真正值得关注的只有三个。关于 2026 年 AI 编程工具的宏观趋势，我们在年中转向分析中已经讨论过——而这次更新，是把那些趋势落到了具体功能上：
- 后台 Agent 闭环：从
claude agents启动的后台智能体，在工作树中完成代码后，现在会自动git commit、git push并创建一个草稿 PR，不再停下来等开发者确认。配合新增的agent_needs_input/agent_completed通知钩子，开发者可以在 VS Code 或桌面端收到提醒后直接 review PR。 - Chrome 版全面可用：Claude in Chrome 正式上线。产品经理、设计师这类非技术角色也能在浏览器里直接与 Claude Code 对话，查看后台 Agent 的任务进度。
- /dataviz 技能：内置图表和仪表盘设计指导，附带可运行的颜色调色板验证器。这不是又一个「帮你画图」的功能，而是一个设计约束系统——它告诉你什么配色在数据可视化里是可访问的，什么不是。
这些改动的共同信号：Claude Code 正在从「对话式编码助手」变成一个「自主式开发代理」。它不再只是等你下指令，它在后台运行、自己提交、自己创建 PR。Explore 智能体也不再屈就于 Haiku 模型，而是继承主会话的模型（上限 Opus），分析大型代码库的质量明显提升。
但「自主」的另一面是「不透明」——这一点我们在后文会回到隐写术事件上。
规则模块正在成为 AI 编码工具的「操作系统」
如果把 LLM 本身比作 CPU，那项目级的定制规则就是上面跑的驱动。它能告诉模型：在这个仓库里，什么是对的、什么是错的、什么风格必须遵守。我们半年前开始在企业项目中落地 AIcoding 时，最大的教训就是——没有结构化规则约束的 AI，写的代码能跑但「不像我们团队的代码」。
Emil Kowalski 的 Skills for Design Engineers 是目前这个方向上最完整的实践。他做了三件事：
- 设计工程决策框架：核心规则包括——每条动画必须有理由（不能因为「很酷」就加）；每天操作 100 次以上的 UI（快捷键、命令面板）禁用动画；UI 动画控制在 300ms 内；只动画
transform和opacity。 - 动画审查器：以十条「不可妥协」的标准检查代码，输出 Before/After/Why 三列表格。比如
transition: all 300ms会被标记为违规——因为all触发了非 GPU 加速的属性，应改为transition: transform 200ms ease-out。 - 动效术语反向查询表：开发者说「iOS 拉到页面底部弹回去那种感觉」，它回答「Rubber-banding」。这让非设计背景的工程师能向 AI 精确描述需求。
这套规则已经在 Claude Code、Cursor、Codex 上可用。它的意义不在于「让 AI 做动画」——而是证明了资深工程师的隐性知识可以被编码为 AI 可执行的规则模块。
几乎是同一时间，TypeScript 领域知名开发者 mattpocockuk 发布了 编写指南，把这类定制规则的创作提炼为方法论：采用三层信息结构（主步骤 → 参考资料 → 外部文件）实现渐进式披露；区分自动触发和用户调用两种模式，让 description 字段成为触发条件而非说明文字；每个步骤必须有明确的完成标准，否则 AI 会在模糊地带反复兜圈。
两件事合在一起看，一个趋势已经很清晰：项目级定制规则不再是 Claude Code 或 Cursor 的附属功能，它正在变成 AI 编码工具的竞争主战场。谁的生态更丰富、更可组合、更容易被团队定制，谁就更可能成为企业级开发流程里的默认选项。
隐写术事件：信任正在变成选型变量
7 月 1 日还有另一条新闻。社区开发者逆向发现，Anthropic 在 Claude Code 中植入了隐写术代码：读取本地时区（Asia/Shanghai 或 Asia/Urumqi）和 ANTHROPIC_BASE_URL 环境变量，与一份经 base64 + XOR（密钥 91）加密的 147 个域名列表（包含美团、字节跳动、月之暗面等）进行比对。匹配后，在请求发送前将系统提示词中日期字符串的单引号（U+0027）替换为其他 Unicode 字符，连字符改为斜杠，形成 2–3 比特的分类标记传回服务器。我们在事件当天的深度分析中详细拆解了技术细节，这里不再展开——重点聊聊这件事对选型逻辑的冲击。
这不是 IP 检测，不是 HTTP Header 里的 CF-IPCountry。这是在工具内部、在系统提示词层面、以隐写方式嵌入的识别逻辑。不读源码根本发现不了。Anthropic 的企业网关和治理框架在这件事上显得格外讽刺——一面给企业客户推销「安全可控的 AI 治理」，一面在自己的工具里埋隐写标记。
事件发酵后 24 小时内，Anthropic 回应称「将在明日更新中删除」，Claude Code 负责人也承认了此事。The Decoder、IT之家等多家媒体跟进报道。
对企业技术团队来说，这件事的冲击不在于「地域识别」本身——几乎所有跨国 SaaS 都有合规性的地域逻辑。冲击在于隐蔽性。如果一段隐写代码可以存在于系统提示词处理逻辑里而不被发现，那它也可以存在于别的地方。闭源 AI 工具的信任模型是「相信供应商不会作恶」；这次事件把模型推向了「验证供应商没有作恶」——而验证的成本远高于相信。
企业团队现在应该做什么
综合以上信息，对使用 AI 编码工具的企业团队有三条具体建议：
| 建议 | 具体动作 | 优先级 |
|---|---|---|
| 建立内部规则库 | 从 Emil Kowalski 和 mattpocockuk 的实践出发，把团队已有的代码规范、设计系统、命名约定编码为结构化规则文件。不要只写文档——要让 AI 能执行这些约束，而非只是「参考」。 | 高 |
| 审计 AI 编码工具的网络行为 | 至少做一次：抓包看 Claude Code / Cursor / Copilot 发送了什么、什么时候发的、请求体里有什么。隐写术事件说明，不能只信隐私政策里的承诺。 | 高 |
| 混合策略：不把鸡蛋放一个篮子里 | 通用编码任务用 Claude Code / Cursor，涉及敏感架构或内部基础设施的代码走本地模型（如 DeepSeek + Continue.dev）。规则文件可以跨工具复用——设计好一次，到处生效。 | 中 |
蓝曜炬辉 在为客户做 AIcoding 落地咨询时的实践是：先花 2–3 天把团队最频繁遇到的 5–10 个「AI 反复写不好」的场景提炼为结构化规则，然后在一个非核心项目上跑一周验证，再推广到主项目。这种做法比「全团队培训 AI 工具用法」的 ROI 高出至少 3 倍——因为规则文件在代码仓库里，新人 clone 下来就能用，不需要口口相传。关于选型时需要问的核心问题，可以参考我们的CTO 选型框架。
常见问题
项目级定制规则和 .cursorrules / .clauderules 有什么本质区别？
早期的 .cursorrules 是单文件 prompt 注入，缺乏结构。现在的进步在于：多文件分层、有明确的触发条件（自动 vs 手动）、可组合、可附带参考数据（如 STANDARDS.md 中的数值表）。可以理解为从「贴一张便利贴」进化到了「装一个驱动」。
Emil Kowalski 的设计规则非设计师能用吗？
非常适合。它的设计恰恰是让不懂设计的人通过 AI 产出合格的 UI。审查器会自动拦截常见错误（如 transition: all、scale(0)），术语表让你能用自然语言描述动效。全栈工程师或后端开发者做内部工具时尤其受益。
隐写术事件后，企业还能信任 Claude Code 吗？
短期内 Anthropic 已经承诺回滚，但信任修复需要时间。实用建议：在非核心项目上继续使用并观察后续更新；核心/涉密项目暂时切到可审计的本地方案。不要把这次事件理解为「Anthropic 特别坏」——应理解为「所有闭源工具都有这个可能性，只是这次被抓到了」。
小团队值得花时间写定制规则吗？
如果一个 3–5 人团队每周在 AI 生成的代码上花超过 2 小时做人工修正，那就值得花半天写 2–3 个高杠杆规则。ROI 计算很简单：半天投入 vs 每周 2 小时 × N 周。大多数团队在第二周就回本。