Claude Code 斜杠命令（八）：研究、规划与 CI/CD 集成

Claude CodeAI工具教程斜杠命令

系列目录

  1. （一）快速入门——最常用的基础命令
  2. （二）对话管理——让你的会话有条不紊
  3. （三）上下文管理——不让 Token 成为瓶颈
  4. （四）代码审查三剑客
  5. （五）模型与推理控制
  6. （六）并行工作与后台 Agent
  7. （七）项目配置与权限管理
  8. （八）研究、规划与 CI/CD 集成（本文）
# 研究规划与 CI/CD 集成 ## 深度研究 - /deep-research 扇出搜索 - 交叉验证多来源 - 输出引用报告 ## 大型规划 - /ultraplan 浏览器可视化草稿 - 任务树拖拽调整 - 本地或云端执行 ## GitHub 集成 - /install-github-app 安装 GitHub App - /autofix-pr 自动修复 CI 失败 - --watch 持续监控模式 ## 定时任务 - /schedule /routines 云端定时 Agent - 自然语言描述触发时间 - 不占用本机资源 ## 云端环境 - /remote-env 注入环境变量 - /web-setup 配置网络访问 ## Slack 集成 - /install-slack-app 接入通知 - 任务结果推送到频道

前七篇我们讨论的命令，多数还是"你问我答"的协作模式。本篇要讲的进阶命令则代表了另一种理念：让 Claude Code 成为真正的自动化协作者——它能主动检索信息、持续监控你的仓库，甚至在你睡觉时帮你修复 CI 失败。这一层次的集成，能把原本需要数小时人工跟进的流程压缩到几分钟。

研究与规划

/deep-research：多源检索，交叉验证

当你需要对一项技术决策做充分调研时，/deep-research 是你的起点。它不是简单的单次搜索，而是会执行一套"扇出-验证-综合"的研究流程：

  1. 扇出搜索：围绕你的问题拆解出多个子查询，同时从文档、社区讨论、技术博客等多个来源拉取信息。
  2. 交叉验证：对各来源的说法进行对比，标注存在争议或时效性存疑的内容。
  3. 输出引用报告：最终生成一份带有来源链接的结构化 Markdown 报告，你可以直接转发给团队或作为 RFC 的参考附录。
flowchart LR A[输入问题] --> B[扇出搜索多来源] B --> C[交叉验证结论] C --> D[输出引用报告]

典型用法：

/deep-research 对比 Kafka 和 Pulsar 在低延迟金融交易场景下的适用性，重点关注消息顺序保证和运维复杂度

输出报告会明确标注每个结论的信息来源，让你在技术选型会议上有据可查，而不是凭印象说话。节省的不只是搜索时间，更是反复翻文档、核实说法的认知负担——通常能把 2-3 小时的调研压缩到 15 分钟内完成。

/ultraplan：在浏览器草拟大计划

对于涉及多个模块的大型重构或新功能开发，/ultraplan 提供了一个可视化的规划界面。执行后，Claude Code 会在浏览器中打开一个交互式草稿板，你可以：

  • 用自然语言描述目标，Claude 自动拆解成有依赖关系的任务树
  • 在界面上拖拽调整优先级和执行顺序
  • 选择计划是在本地逐步执行，还是提交到云端 Agent 并行推进
/ultraplan 将现有 REST API 迁移到 GraphQL，保持向后兼容，分三个迭代完成

与直接让 Claude 写执行步骤相比，/ultraplan 的价值在于"计划"和"执行"是解耦的——你可以先在浏览器里把计划审核到满意，再决定何时、以何种粒度启动执行。这对于团队协作尤其有用，计划草稿可以分享给同事评审。

GitHub 集成

/install-github-app：打通 GitHub Actions

要让 Claude Code 能够感知你的仓库状态，第一步是安装 GitHub App：

/install-github-app

命令会引导你完成以下步骤：

  1. 打开授权页面，选择要授权的仓库（可以精确到单个仓库，不必授权全部）
  2. 配置 Claude Code 可以读取哪些 Actions 工作流
  3. 生成 webhook 配置，让 PR 事件能实时推送给 Claude

完成后，Claude Code 就拥有了监控仓库 CI 状态的能力，这是后续 /autofix-pr 工作的前提。

/autofix-pr：自动修复 CI 失败（重点）

这是本文最值得重点介绍的命令。开发者每天花在"为什么 CI 又挂了"上的时间往往比写代码还多。/autofix-pr 就是为了解决这个痛点而设计的。

工作原理：

flowchart LR A[拉取 diff+CI 日志] --> B[定位失败步骤] B --> C[复现并生成 patch] C --> D[推送 commit+PR 评论] 
/autofix-pr https://github.com/your-org/your-repo/pull/142

执行后，Claude Code 会：

  1. 拉取 PR 的完整 diff 和所有 CI 日志
  2. 定位失败的具体步骤（测试失败、lint 报错、类型错误等）
  3. 在本地或云端 Agent 中复现错误
  4. 生成修复 patch，并以新的 commit 推送到该 PR 分支
  5. 在 PR 评论区留下修复说明，注明改动原因

你甚至可以设置持续监控模式：

/autofix-pr --watch https://github.com/your-org/your-repo/pull/142

这样每次 CI 重新触发后，Claude 都会自动检查是否有新的失败需要处理。对于那种"改了 A 修好了 B 又坏了"的情况，不再需要你来回刷新页面。

实际使用中，这个命令对格式类、类型注解类、简单逻辑错误类的 CI 失败修复率很高，通常能在 2 分钟内提交修复。复杂的业务逻辑错误它也会分析并给出候选方案，供你最终确认。

定时任务：/schedule 与 /routines

在 Anthropic 云端创建定时 Agent

/schedule（别名 /routines）让你把一个任务描述变成在 Anthropic 云端按计划运行的 Agent：

/schedule "每周一早上 9 点对 main 分支运行 /code-review，结果发到 Slack #dev-review 频道"

你可以用自然语言描述触发时间，Claude Code 会自动转换为 cron 表达式并注册到云端调度系统。列出所有已有 routines：

/routines list

适合什么任务：

  • 定期代码审查：每周自动审查一次 main 分支的近期变更，比 code freeze 前的人工审查更及时
  • 自动报告生成：每天早晨汇总昨日的 PR 合并情况、open issues 变化，生成日报推送到团队频道
  • 依赖安全扫描：每天凌晨扫描依赖的 CVE 更新，有新漏洞立即创建 issue

云端 Agent 在 Anthropic 的基础设施上运行，不占用你本机资源，也不要求你保持 Claude Code 客户端在线。

云端环境配置

/remote-env 与 /web-setup

云端 Agent 执行任务时需要访问你的代码仓库、调用内部 API，/remote-env 用于为这些 Agent 注入环境变量：

/remote-env set GITHUB_TOKEN=ghp_xxx DATABASE_URL=postgres://...

/web-setup 则用于配置云端 Agent 的网络环境——比如指定它能访问哪些内网地址，或者设置代理。对于有内网部署服务的团队，这是让云端 Agent 能"看到"你内部系统的关键配置。

两个命令一般在首次设置定时任务或 /autofix-pr 的持续监控时一起配置，之后不需要频繁改动。

Slack 集成：/install-slack-app

/install-slack-app

引导你把 Claude Code 的通知能力接入 Slack 工作区。配置完成后：

  • /autofix-pr 修复完成后会在指定频道发通知
  • /schedule 任务执行结果可以直接推送到频道
  • 团队成员还可以在 Slack 中直接 @ Claude Bot 触发简单查询

对于已经重度依赖 Slack 的团队，这个集成能让 Claude Code 的输出自然地融入现有的沟通流里，而不需要专门打开 Claude Code 客户端查看结果。

完整 CI/CD 自动化工作流

graph LR A[推送代码 / 开 PR] --> B[GitHub Actions 触发] B --> C[CI 失败检测] C --> D[/autofix-pr 分析日志] D --> E[提交修复 commit]

这条流水线的核心价值在于：从 CI 失败到修复 commit 推送，全程无需人工介入。你在专注写下一个功能时，CI 问题已经在后台被自动处理完毕。

使用建议与注意事项

费用意识：云端 Agent（/schedule、持续监控的 /autofix-pr）消耗的 Token 计入你的 API 账单。建议先在低频场景试验，确认效果后再扩大覆盖范围。可以通过 /routines list 随时暂停或删除不再需要的定时任务。

权限最小化：给 GitHub App 授权时，优先选择单仓库而非全组织授权。/remote-env 注入的 Token 只给必要的最小权限范围，避免云端 Agent 拥有超出任务需要的访问能力。

人工审核节点：对于 /autofix-pr 推送的修复 commit，建议在 PR 合并策略上保留人工 review 要求，尤其是涉及业务逻辑的改动。自动修复是加速器，不是替代人工判断的理由。

常见误区

误区一：把 /deep-research 当搜索引擎用。 它适合需要多角度综合分析的决策场景，如果只是想查一个 API 的用法，直接问 Claude 效率更高，不必走完整的研究流程。

误区二：以为 /autofix-pr 能修好所有 CI 失败。 它对格式、类型、简单逻辑问题效果显著，但对于涉及复杂业务规则或需要理解大量上下文的失败，它更多扮演"分析员"而非"修复员"的角色，给出候选方案后仍需你来决策。

误区三：设置了 /schedule 任务后就不管了。 定时 Agent 的效果会随代码库演进而变化，建议每月检查一次 /routines list，评估哪些任务还在产生价值，清理掉已经失效或重复的任务，避免不必要的费用积累。

本系列至此完结。从第一篇的基础命令到本篇的云端 CI/CD 自动化，Claude Code 的斜杠命令体系覆盖了开发工作流的绝大多数环节。建议按需取用：先把日常最高频的命令用熟，再逐步引入自动化集成，让 AI 协作真正融入你的工程文化，而不是增加一层管理负担。

实操清单

  • 技术选型决策前用 /deep-research 做多源调研
  • 大型重构或新功能开发用 /ultraplan 先草拟任务树
  • 执行 /install-github-app 为目标仓库安装 GitHub App
  • CI 失败时执行 /autofix-pr <PR URL> 自动修复
  • 对频繁 CI 失败的 PR 使用 /autofix-pr --watch 持续监控
  • 用 /schedule 设置每周自动代码审查定时任务
  • 配置 /remote-env 为云端 Agent 注入必要的访问凭证
  • 执行 /install-slack-app 接入团队 Slack 通知
  • 每月检查 /routines list，清理不再需要的定时任务