Waza — Engineering Habits as Claude Code Skills

> 一句话版本：把你当工程师已经会的好习惯（先想清楚再动手、写完检查、系统化调 bug）打包成 Claude Code 可执行的技能，不是给 AI 写规则，而是让 AI 帮你坚持对的做事方法。

项目	信息
来源	https://github.com/tw93/waza
作者	[tw93](https://github.com/tw93)（中国开发者，Pake/MiaoYan/ttui 作者）
语言	Markdown + Shell + 技能描述
Stars	快速增长中
协议	MIT
日期	2026-04-27

🎯 核心内容

Waza 是一套 Claude Code 技能包，共 8 个技能，每个对应一个工程习惯：

技能	触发时机	核心理念
`/think`	写任何代码前	挑战问题本身，压力测试设计，验证架构
`/design`	做前端 UI 时	有明确审美方向的设计，不是默认模板
`/check`	任务完成、合入前	review diff，自动修安全问题，标记破坏性命令
`/hunt`	任何 bug	系统化调 bug，找到根因才动手修
`/write`	写/改文章	中英文都能写出自然感，砍掉僵硬公式化表达
`/learn`	进入陌生领域	六段研究流程：收集→消化→大纲→填充→打磨→自审发布
`/read`	任何 URL / PDF	转成干净 Markdown，特殊处理 GitHub/微信/飞书
`/health`	检查 Claude Code 配置	检查 CLAUDE.md/rules/skills/hooks/MCP 的健康度

设计哲学

Waza 最反直觉的观点：你写给 AI 的每一条规则，都成了它的天花板。 模型只能做到你规定的事，永远超出不了。

所以 Waza 不走「写死规则」的路，而是反过来：每个技能定一个清晰目标和关键约束，然后退后。模型越强，这种克制越有价值。

> "Eight skills for the habits that actually matter. Each does one thing, has a clear trigger, and stays out of the way."

连锁工作流

技能设计成可以链式调用，但每一步都等人工确认：

设计功能：/think → 批准 → "实现 X" → /check → 合入
研究和写：/read（抓资料）→ /learn（综合）→ /write（润色）
调 bug：/hunt（找根因）→ 修复 → /check（审查变更）

附加工具

Statusline：Claude Code 的迷你状态栏，显示 context window 使用率（<70% 绿，70-85% 黄，>85% 红）、5 小时额度、7 天额度
English Coaching：Claude 在回答中即时纠正你的英语错误，标注错误类型（让你学会规则，不只是改答案）

📚 Waza 三部曲

Waza 属于一个更大的项目家族（tw93 的三部曲）：

项目	日语	角色	功能
[Kaku](https://github.com/tw93/Kaku)	書く	爸爸	基于 Rust 的 AI 编程终端
[Waza](https://github.com/tw93/Waza)	技	姐姐	工程习惯技能包
[Kami](https://github.com/tw93/Kami)	紙	妹妹	文档/报告生成技能

🧠 深度分析：为什么 Waza 的设计思路值得关注

与 Superpowers/gstack 的对比

Waza 明确对比了 Superpowers 和 gstack——这些工具"impressive but heavy"。太多技能、太多配置、学习曲线太陡。Waza 只选 8 个 habit-level 的技能，每个只做一件事。

克制即护城河

最精彩的一点：他们意识到模型在快速变强，所以技能描述不需要太具体。 2025 年需要分 5 步写的调 bug 流程，2026 年模型自己就会了。Waza 的 /hunt 技能只说 "systematic debugging, root cause confirmed before any fix"——模型靠自己理解怎么做到。

这种设计是面向未来的：技能描述越短越克制，越能随着模型能力提升而自动变强。

30 天 500 小时的实战打磨

Waza 来自真实使用：30 天，300+ 会话，7 个项目，500 小时。每个技能的 "gotcha" 都源自真实事故——"a wrong code path that took four rounds to find, a release posted before artifacts were uploaded, a server restarted eight times without reading the error."

六层框架

tw93 的博客文章 "You Don't Know Claude Code" 提出了 Claude Code 操作的六层架构：

1. Context 层：CLAUDE.md / rules / memory

2. Action 层：Tools / MCP

3. Skills 层：按需加载的方法包

4. Control 层：Hooks（强制行为）

5. Isolation 层：Subagents

6. Verification 层：验证循环

Waza 的八个技能正好分布在 Skills + Verification + Control 三层。

Context 成本分析

博客还给出了一个非常有价值的上下文消耗分析：


200K total context
├── Fixed overhead (~15-20K)
│   ├── System instructions: ~2K
│   ├── Skill descriptors: ~1-5K
│   ├── MCP tool definitions: ~10-20K  ← 最大隐性开销
│   └── LSP state: ~2-5K
├── Semi-fixed (~5-10K)
│   ├── CLAUDE.md: ~2-5K
│   └── Memory: ~1-2K
└── Dynamically available (~160-180K)

关键教训：MCP server 连接太多会吃掉 12.5% 的固定开销。技能描述越短越好（Waza 的每个技能描述都很精炼）。

🔗 与我们的关联

直接价值

1. OpenClaw 技能设计参考：Waza 的 8 个技能结构（SKILL.md + 参考文档 + 脚本 + gotchas）和我们当前的 skill 结构高度一致，可以借鉴其描述精简度

2. /health 技能：OpenClaw 也可以做类似的健康检查技能，检查 memory.json/MEMORY.md/config/节点状态

3. English Coaching：OpenClaw 在 Discord 回复中也常写中文，可以引入类似的规则

4. Statusline：我们缺乏 context 使用率的可见性，可以借鉴

与已有报告的关联

OpenClaw 技能系统 — 我们之前的 skill 设计讨论
Anthropic Skills Best Practices — Anthropic 官方的技能最佳实践，与 Waza 的设计哲学互补
Waza 的六层框架直接涉及 Context Engineering，和我们的 Lossless Claw 插件解决的是同一个问题：上下文噪音和压缩

与 tw93 的渊源

tw93 是中文开发者社区活跃人物，已知项目：

Pake — 把网页打包成桌面应用的 CLI（10k+ stars）
MiaoYan — 极简 Markdown 笔记应用
ttui — TUI 工具
Kaku — 最新的 AI 编程终端（Rust，基于 terminal 架构）

他的风格是极简但实用，每次只解决一个问题。

评分

维度	评分	说明
设计理念	⭐⭐⭐⭐⭐	"规则即天花板"的反直觉设计，面向未来的克制哲学
实战性	⭐⭐⭐⭐⭐	500 小时真实打磨，每个 gotcha 来自真实事故
代码质量	⭐⭐⭐⭐☆	8 个干净技能包，npx 一键安装
文档	⭐⭐⭐⭐⭐	README 清晰，每个技能有独立文档
创新性	⭐⭐⭐⭐☆	不是全新的想法，但在 Claude Code 生态里做得最到位
与我们的相关性	⭐⭐⭐⭐⭐	技能设计、上下文管理、健康检查，全部直接可借鉴
综合	4.6/5	目前 Claude Code 生态最值得学习的技能包之一

一句话总结

Waza 不是教 AI 怎么编程，而是用 AI 帮你坚持你已经知道的工程好习惯。 不能让你思考更清晰、交付更谨慎、理解更深入——但它帮你把这些习惯真正执行出来。八项技能，每个只做一件事，做完就退后。