核心分析¶

问题核心：要把 Claude-Code-Game-Studios 嵌入已有 Git + 引擎项目，需要解决路径域映射、hooks 部署与引擎 agent 选择三大要点。

技术分析（实施步骤）¶

1. 准备与备份：在主分支之外创建集成分支，备份仓库以便回滚。
2. 域边界映射：编辑 CLAUDE.md 与 .claude/settings.json，把子目录（如 Assets/, Scripts/, Engine/）与负责 agent 对应起来，确保路径作用域规则正确覆盖目标文件。
3. 选择引擎 agent：根据项目引擎启用 unity-specialist / godot-specialist / unreal-specialist，并审阅其建议以调整语言/框架偏好（如 DOTS、GDScript、GAS）。
4. 部署 hooks：将关键 hooks 以 Git hooks 或 CI 作业形式安装：
   - 本地 Git hooks 对单人有利；团队建议把检查迁移到 CI（例如在 PR 阶段运行）。
   - 确保环境中安装 jq、python 等依赖。
5. 测试与迭代：使用小规模变更（如单个 asset 或单个脚本）测试 hooks 触发和 agent 输出；收集误报并迭代规则。
6. 渐进扩大：从单一子目录向整个项目扩展，最终把关键命令（/qa-plan, /gate-check）整合到发布流程。

注意事项¶

• 不要直接在主分支启用全量 agents；先在特性分支或子目录中试验。
• 工具链完整性：缺失 jq/python 会导致自动校验失败。
• 保持人工门控：把最终合并或发布权限留给人类（如发布经理）。
• 受限于 IDE 集成：系统不会自动触发引擎编译或 IDE 断点；需手动或通过 CI 完成构建步骤。

重要提示：将 hooks 集成到 CI（PR 阶段）能最大化团队一致性并减少本地环境差异导致的问题。

总结：通过正确的路径映射、CI 化 hooks 与分阶段启用引擎 agent，你可以在不破坏主线的前提下把项目逐步纳入 Claude Code 的治理流程。

核心分析¶

问题核心：该系统对独立开发者/小团队提供强大的治理能力，但学习曲线 中等偏高。主要挑战来自配置复杂度、认知过载与对自动化建议的过度依赖。

技术分析¶

• 学习负担来源：需要理解 49 个 agents 的职责层级、72 个 slash 命令及 .claude 目录结构，并正确配置域映射（CLAUDE.md, .claude/settings.json）。
• 配置依赖：hooks 依赖本地工具（如 jq, python），缺失会导致校验回路失效。
• 错误风险：错误的路径映射或过度自动接受 agent 建议会引入不合适的变更或遗漏人工审查。

渐进采用建议（实操步骤）¶

1. 初始化实验项目：在一个非关键仓库运行 /start，观察 agents 的输出格式与建议。
2. 域边界映射：在 CLAUDE.md 与 .claude/settings.json 中明确定义子目录与负责 agent，避免越界修改。
3. 启动关键 commands：首先启用 /brainstorm, /create-epics, /dev-story, /qa-plan，验证从想法到任务分解的闭环。
4. 启用 hooks 到 CI：把关键 hooks 集成到 CI（而非仅本地）以保证一致性，并确保 jq/python 可用。
5. 逐步扩展 agent 集合：按需引入引擎专家（unity-specialist 等）和更多模板，同时保持关键人工审批点（导演/发布经理）。

重要提示：避免一次性启用全部 72 个命令或 49 个 agent；采用“少即是多”的策略，以免认知过载和错误采纳 AI 建议。

总结：通过小步试验、域映射与 CI 集成，独立开发者可以在数天到数周内看到价值；全面熟练掌握则需要更多时间与持续配置维护。