8.1 Hooks 的设计哲学

AI 是概率性的，这是它的本质

你在 CLAUDE.md 里写："提交前必须跑 lint"。

Claude Code 看到这条规则，大概率会遵守。但"大概率"不是"一定"——它可能判断某次提交太小不值得跑，可能上下文太长忘记了这条规则，可能就是出了个什么幺蛾子。

这不是 bug，这是 LLM 的本质特性：它是概率性的，不是确定性的。

对于"写出好代码"这类任务，概率性没问题——偶尔的小偏差你 review 一下就发现了。

但对于"提交前必须跑 lint"、"不能修改 .env 文件"、"每次文件改动都要记录日志"这类必须百分之百执行的规则，概率性就不够用了。

这就是 Hooks 存在的理由。

---

Hooks 是确定性的

Hook 是一个 shell 命令，在 Claude Code 的生命周期特定时间点强制执行。

不管 AI 做了什么判断，不管上下文里有没有相关规则，只要事件触发，Hook 就跑。

Claude Code 不能"选择"不执行 Hook，就像你的 git pre-commit hook 不管你愿不愿意都会跑一样。

---

三种机制的本质区别

学到这里，你手里有三种影响 Claude Code 行为的方式，它们的本质完全不同：

机制	本质	可靠性
CLAUDE.md	给 AI 看的文字指令	概率性，AI 可能不遵守
Skills	给 AI 看的工作流程	概率性，AI 可能走偏
Hooks	强制执行的 shell 脚本	确定性，一定执行

不是说 CLAUDE.md 和 Skills 没用——它们对于引导 AI 的判断非常有效。但对于不允许出错的规则，只有 Hooks 才能真正保证。

---

什么时候用 Hooks

用 Hooks 的场景：

• ✅ 必须 100% 执行的操作（格式化、lint、保护文件）
• ✅ 和 AI 判断无关的纯机械操作（记录日志、发通知）
• ✅ 安全边界（阻止某些危险操作）
• ✅ 上下文压缩后的信息恢复

不需要用 Hooks 的场景：

• ❌ 需要 AI 判断的操作（"如果代码质量差就拒绝提交"——这需要理解，不是规则）
• ❌ 偶尔为之的任务（一次性的操作用 Skill 就够了）
• ❌ 已经用 CLAUDE.md 写了且 AI 一直遵守的规则（没必要重复保障）

---

一个帮助判断的问题

每次考虑要不要写 Hook 时，问自己：

"如果 Claude Code 这次没做这件事，会发生什么严重后果？"

如果答案是"会有 bug 漏进代码库"、"敏感文件可能被修改"、"团队收不到通知"——写 Hook。

如果答案是"有点不方便，但不严重"——CLAUDE.md 就够了。

---

下一节，我们来看 Hooks 的四种事件类型，以及如何用它们控制 Claude Code 的每个关键时间点。