安装和介绍

　　Claude Code 是 Anthropic 推出的 AI Coding 工具，可以在命令行或 VS Code 中运行，通过自然语言指令，直接参与代码的读取、修改、执行和测试。

　　从形式上看，它只是一个“更强的 AI 编程助手”。

　　但在实际使用中，很多人的感受是：它更像一个可以持续推进任务的 Agent。

　　总结观点

　　Claude Code 本身并不神奇，真正决定体验的有三点：

1. 使用的模型是否足够强
2. 是否具备良好的上下文管理能力
3. 是否支持 Agent 化、连续执行的工作方式

　　如果只把它当成“更聪明的 Copilot”，你很容易低估它。

　　个人使用 Claude Code + GLM4.7

　　npm安装

　　需安装Node.js 18以上版本：

　　https://nodejs.org/en/download/

　　在终端，使用npm下载claude code：

　　npm install -g@anthropic-ai/claude-code

　　原生安装（官方推荐）

　　macOS, Linux, WSL:

　　curl-fsSL https://claude.ai/install.sh | bash

　　Windows PowerShell:

　　irmhttps://claude.ai/install.ps1 | iex

　　Windows CMD:

　　curl-fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd

　　环境配置

　　有条件的情况可以使用官方账号购买claude模型并登录Anthropic账号使用。

　　配置自己的大模型——base_url和api_key：配置在 环境变量 或 settings.json 中

　　命令行使用

　　vscode插件使用（可选）

　　提醒一句：安装是否顺利，并不会决定你用得好不好，真正的分水岭在后面的“使用方式”。

　　Vibe Coding：AI Coding 适合什么？不适合什么？

　　在当前阶段，Claude Code 非常适合以下场景：

　　但也有明显不适合的场景：

　　总结观点：AI Coding 的“能力边界”，正在被误解

　　很多人觉得 AI Coding “还不太行”，往往不是因为它真的做不到，而是因为：

　　在高质量模型 + Agent 化工具的前提下，复杂项目已经是“可以推进”，而不是“完全不行”。

　　Claude Code 的三种模式，其实是三种“工程风险控制”

　　Claude Code 提供了三种工作模式：

　　从表面看，这是操作方式的区别；但从工程角度看，这是风险控制粒度的区别。

　　ask-before-edits

　　默认模式，当 Claude 需要修改文件时，它会先生成一个变更预览（通常是 diff 格式），向你展示具体哪些行会被添加、删除或修改。只有在你明确回复确认（如“Yes”、“Apply”或“Confirm”）后，它才会真正写入文件。

　　edit-automatically

　　Claude 会直接对文件进行读写操作，不需要在每次修改前停下来等待你的确认。它可能会在开始前简述一下计划，或者在完成后告诉你做了什么，但过程是自动完成的。

　　plan-mode

　　Claude 绝对不会触碰任何文件。它只会利用它的上下文窗口读取文件，分析代码结构，然后生成一份详细的执行计划。它会列出步骤 1、步骤 2、步骤 3，告诉你应该怎么做，或者如果你切换模式后它会怎么做。

　　批准计划后，会自动切换到前2种模式进行编辑。

　　总结观点：该怎么选？

　　Claude Code 的价值，不在“改代码有多快”，而在于：它允许你把“判断权”留在自己手里。

　　提示词不是技巧，是“工程方法论”

　　很多关于 AI Coding 的讨论，都会停留在“提示词怎么写”。

　　但在实际工程中，更重要的是：你如何描述问题本身。

　　一个成熟的提示词，通常包含：

　　同时，不要指望一次生成解决所有问题。复杂需求必须拆解为多个步骤，逐步推进。

　　1.提供详细的上下文

　　2.将问题分解为多个步骤

　　例如，在实现一个数据处理 pipeline 时，首先需明确输入的数据结构、转换逻辑、错误处理的相关要求及预期的输出格式。随后分析目录结构，并确定新功能的实现位置。

　　需要综合考量代码之间的依赖关系（dependency relationships）、模块的职责划分与隔离（module boundaries）以及代码的目录结构与命名规范（code organization principles）。这一步骤可确保生成的代码能无缝集成到现有代码库中。

　　3. 参照现有的代码实现模式

　　在提示词中明确具体细节能大大提升代码生成的质量。 技术细节需明确指向代码库中的既有实现范式，而非笼统要求通用方案。

　　我经常会将以前可复用的代码拷贝到新的项目中，然后让claude code参考该代码生成。

　　4.善用版本控制

　　由于vibe coding的下一次改进效果无法预估，所以应该在效果适当的时候进行代码提交，以防下一次生成效果倒退。虽然claude code也可以回滚代码，但仍有生成错误风险。

　　5.决策前分析（尽量先思考后行动）

　　利用大语言模型能够生成多套解决方案的能力，通过对比分析提升代码质量。首先，要求模型生成 2-3 种不同的实现策略，每种策略需包含对该方案优缺点的分析。

　　生成多套方案后，引导模型分析时间复杂度、空间复杂度、代码可读性和可维护性等因素，并分析如何权衡这些因素。这一反思（reflection）过程使模型能根据具体需求选择并完善最合适的解决方案。

　　当模型能力逐渐拉齐后，真正的差距开始来自：

　　AI Coding 的核心能力，正在从“写代码”迁移到“组织工程”。

　　测试：让开发真正变成“闭环”

　　Claude Code 在测试阶段的价值，常常被低估。

　　这意味着：

　　开发、测试、验证，可以在一个工具里完成闭环。

　　Skills：这不是插件，而是“可复用的工作经验”

　　Claude Skills 是 Anthropic 为其 AI 模型 Claude 推出的一项模块化能力扩展系统。简单来说，它就像是一套可动态加载的“技能包”或“专业插件”，能让通用型的 Claude 迅速转变为能精准、自动化完成特定任务的“领域专家”。

　　官方skills

　　安装

　　输入/plugins打开插件管理

　　输入anthropics/skills

　　官方skills列表

　　测试两个skill

　　参考文本poster.txt

　　精彩不容错过！ 【2026春季创意市集】火热来袭！ 日期：2026年3月15日–16日 时间：10:00 – 20:00 地点：城市文化艺术中心广场 百家原创品牌齐聚 手作体验 × 艺术展览 × 美食快闪 现场音乐演出 & 互动游戏 前100名入场观众还可领取限定好礼！带上家人朋友，一起来感受春日的灵感与温度！免费入场 · 风雨无阻#春季市集#创意生活 #周末去哪儿

　　海报生成 canvas-design

　　Prompt

　　根据poster.txt中的文字描述,生成一个海报

　　构建流程

　　输出

　　该skills文件目录结构（~\.claude\plugins\marketplaces\anthropic-agent-skills\skills\canvas-design）：

　　canvas-design:

　　canvas-fonts:

　　PPT生成 pptx

　　Prompt

　　读取poster.txt,补充适当内容,生成ppt

　　构建流程

　　构建过程中使用了js和浏览器的操作来生成。

　　输出

　　该skills文件目录结构（~\.claude\plugins\marketplaces\anthropic-agent-skills\skills\pptx）：

　　pptx:

　　scripts:

　　ooxml:

　　第三方skills

　　下载skill：https://skillsmp.com/

　　放到~/.claude/skills中

　　使用这个skill：

　　Prompt

　　在当前文件夹下生成一个fastapi脚手架

　　构建流程

　　生成脚手架结果：

　　自定义skills

　　有时候我们的工作中存在一些重复性工作，这时候就可以提炼为一个skill，下次可以直接复用该流程。

　　创建了一个skill文件夹和一个.skill文件

　　把fastapi-project-generator放入到skills文件夹中

　　使用/fastapi-project-generator生成

　　建立了和之前一样的目录结构：

　　Skills 的真正意义在于：

　　从这个角度看，Skills 更像是 AI 时代的 “知识资产”。

　　MCP、Skills 与工作流：三者不是替代关系

　　一句话结论

　　MCP 管连接，Skills 管经验，工作流管稳定性。

　　在实际系统中，它们往往是组合使用，而不是二选一。

　　1.MCP和Skills的区别，MCP的不足？

　　skills的渐进式披露机制

　　2.Skills的意义和发展

　　 官方市场：如Claude官方插件市场，提供经过验证的技能

　　 聚合市场：如 Skills.sh（排行榜+安装）、SkillsMP（海量技能库）、SkillsLLM（精选市场）等，让你可以像逛应用商店一样发现、安装技能

　　开源社区：在GitHub上，涌现出大量高质量的技能库（如 awesome-claude-skills），涵盖编程、设计、自动化等各个方面

　　一句话结论

　　3.Skills和工作流的比较

　　AI Coding 的能力边界：该把精力放在哪？

　　AI Coding很擅长的工作：

　　AI Coding还不擅长的工作：

　　当前Vibe Coding 的目标通常是快速生成一个 “基本可用”（Minimum Viable Code） 的方案，用于“探索”和“原型”，而非“生产”和“极致优化”

　　AI Coding 的目标，是“快速生成基本可用方案”，而不是“一步到位的极致优化”。

　　这反而帮开发者更清晰地找到了真正有护城河的价值点。

　　AI Coding持续发展下的未来展望

　　发展阶段：

　　1.网页(ChatGPT/DeepSeek)

　　2.IDE(Codex/Copilot/Cursor/Claude Code/Gemini CLI/antigravity)

　　3.操作系统

　　b. AI coding式代理：Clawdbot（融合了manus模式+AI coding能力+skills+开放权限）——长期的，主动的多功能智能体

　　未来：

　　软件生态会有什么样的变化？

　　这几天，一位开发者johnnytshi使用Claude Code仅用了30分钟，便将一段完整的CUDA后端代码，成功移植到AMD的ROCm上。

　　公司的工作流程会有什么变化？

　　1.公司系统（如OA）开放访问接口。

　　2.每个人把自己的工作抽象为一系列skills：

　　3.把skills提供给clawdbot：

　　4.将结果上传公司系统

　　可以为客户提供的产品形式会有什么变化？

　　 经过验证的/定制的skills

　　类clawdbot的数字员工产品部署

　　定制化-公司系统流程接入

　　系统安全优化

　　AI Coding 不在淘汰人，而在重塑能力结构

　　AI Coding 并不是在淘汰开发者，而是在把“写代码”这件事，从核心竞争力，变成基础执行能力。

　　未来真正拉开差距的，是：

　　如果你对 AI Coding、Claude Code、Skills 这类话题感兴趣，后续我们也会持续分享更多真实使用经验和方法论。