AI提效工具使用实践 Claude Code、NEXT AI DRAW.IO、XREAD

代码辅助 Claude Code

1.1 核心目标

利用 Claude Code 对代码库的深度理解能力，快速原型开发、代码重构及单元测试编写，提升开发迭代速度。
通过自然语言直接驱动终端指令，自动执行 Shell 脚本、运行测试用例。
基于对整个项目结构的读取与分析，提供符合现有代码风格的智能建议。
以下配置详细介绍整套Claude提效核心（MCP、SKILL、HUB、SUPERPOWERS）

1.2 使用介绍

1.3 安装流程

Step1：安装 Node.js (建议 18 版本及以上)，包括其自带的 npm。

Linux环境

复制代码

cd ~
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.1/install.sh | bash && source ~/.bashrc
nvm install --lts && source ~/.bashrc

Windows环境

下载地址(Node.js --- Download Node.js®)，安装过程中全部默认就可以
安装Git，下载地址（https://git-scm.com/install/windows），全部默认就可以

Step2：安装Claude Code

复制代码

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

Step3：验证

可运行 claude --version 或 claude doctor ，检查是否安装成功。

1.3.1 配置Claude Code

Step1：进入目录

Linux

打开 Terminal，然后运行：

复制代码

claude
cd ~/.claude

Windows:

打开 PowerShell，然后运行：

复制代码

claude
cd $env:USERPROFILE\.claude

Step2：编辑 settings.json 配置文件

在 .claude/ 目录下创建或编辑 settings.json，配置本地模型服务的地址和 token

Linux/macOS:
使用 vim 或 nano 编辑：

vim ~/.claude/settings.json

或者

nano ~/.claude/settings.json
Windows（PowerShell）:
使用 PowerShell 中的 notepad 编辑：

notepad $env:USERPROFILE.claude\settings.json

settings.json内容如下：

复制代码

{
  "language": "Chinese",
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "XXXXXXXXXXXX",
    "ANTHROPIC_BASE_URL": "https://XXXXXXXX/",
    "API_TIMEOUT_MS": "3000000",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1,
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "MiniMax-M2.5",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "MiniMax-M2.5",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "MiniMax-M2.5"
  },
  "effortLevel": "high"
}

Step3：编辑 config.json 配置文件

为了在 VS Code 插件中跳过登录，可以在 .claude/ 目录下创建或编辑 config.json 文件，内容如下：

复制代码

{
  "primaryApiKey": "XXX" 
}

快捷编辑命令：

Windows（PowerShell）:

notepad $env:USERPROFILE.claude\config.json
Linux/macOS:

vim ~/.claude/config.json

或者

nano ~/.claude/config.json

Step4：启动

配置完成后，在项目目录下运行：

复制代码

claude

1.3.2 配置MCP

编辑mcp.config.json配置文件

复制代码

{
  "mcpServers": {
    "bing-search": {
      "command": "npx",
      "args": [
        "-y",
        "bing-cn-mcp"
      ]
    },
    "mcp-clickhouse": {
      "command": "/home/zhexiao/libs/ENTER/envs/aiagent_analysis/bin/python",
      "args": [
        "-m",
        "mcp_clickhouse.main"
      ],
      "env": {
        "CLICKHOUSE_HOST": "10.5.XX.XX",
        "CLICKHOUSE_PORT": "8123",
        "CLICKHOUSE_USER": "admin",
        "CLICKHOUSE_PASSWORD": "XXXX",
        "CLICKHOUSE_DATABASE": "XXXX",
        "CLICKHOUSE_SECURE": "false",
        "CLICKHOUSE_VERIFY": "false",
        "CLICKHOUSE_CONNECT_TIMEOUT": "30",
        "CLICKHOUSE_SEND_RECEIVE_TIMEOUT": "30"
      }
    }
  }
}

重新启动

复制代码

claude --mcp-config ~/.claude/mcp.config.json

1.3.3 配置SKILL

存储 skill 的位置决定了谁可以使用它。

所有项目：~/.claude/skills/skill-name/SKILL.md

复制代码

mkdir -p ~/.claude/skills/code-reviewer
vim ~/.claude/skills/code-reviewer/SKILL.md

写入skill内容

复制代码

---
name: Code Reviewer
description: 对代码进行深度审查，检查逻辑错误、安全隐患、性能问题及代码风格。
version: 1.0.0
---

你是一位拥有 10 年以上经验的资深技术专家和技术主管。你的任务是审查用户提供的代码，确保其达到生产环境的标准。

### 🎯 审查核心维度

1.  **逻辑与正确性**
    - 是否存在明显的逻辑错误、死循环或边界条件遗漏？
    - 异常处理是否完善？是否有潜在的 Panic 或未捕获的异常？
2.  **安全性**
    - 检查是否存在 SQL 注入、XSS、CSRF 等常见漏洞。
    - 敏感信息（如密钥、密码）是否被硬编码？
3.  **性能与效率**
    - 是否存在不必要的内存分配、循环内的重复计算或低效的算法（如 O(N^2)）？
    - 数据库查询是否优化（如 N+1 问题）？
4.  **代码风格与可维护性**
    - 命名是否语义化且符合语言规范（如 Python 的 PEP8, Go 的 Gofmt）？
    - 函数是否过长？是否遵循单一职责原则？
    - 是否有冗余代码或"魔术数字"？
5.  **测试覆盖**
    - 代码是否易于测试？是否缺少关键路径的单元测试？

### 📝 输出格式规范

请严格按照以下 Markdown 格式输出审查结果：

#### 📌 审查摘要
> 用一句话总结代码的整体质量和主要问题。

#### 🐛 问题清单
请使用表格列出所有发现的问题：

| 严重性 | 行号/位置 | 问题描述 | 建议修改 |
| :--- | :--- | :--- | :--- |
| 🔴 严重 | Line 12 | 存在 SQL 注入风险 | 使用参数化查询 |
| 🟡 警告 | Line 45 | 变量命名不规范 | 改为 `user_list` |
| 🟢 建议 | Line 80 | 循环内重复创建对象 | 移至循环外 |

*(严重性分级：🔴 严重 - 必须修复; 🟡 警告 - 建议修复; 🟢 建议 - 锦上添花)*

#### 💻 优化后的代码示例
如果代码有较大的修改空间，请提供一个重构后的完整代码块或关键片段，展示最佳实践。

#### 💡 专家点评
针对这段代码的架构或设计模式，给出一两句简短的建议（例如："这里使用策略模式会比大量的 if-else 更好"）。

### 🚫 约束
- 如果代码非常完美，请明确表扬，不要强行找茬。
- 保持语气专业、客观且具有建设性。
- 优先指出会导致程序崩溃或安全漏洞的问题。

测试验证

复制代码

claude
/code-reviewer xxxx代码

1.3.4 配置HUB&SUPERPOWERS

首先从https://github.com/jarrodwatts/claude-hud下载源码zip，并完成解压。

claude-hud-main.zip

superpowers-main.zip

复制代码

❯ /plugin marketplace add /home/file/claude-hud-main
❯ /plugin install claude-hud@claude-hud-main

  
❯ /plugin marketplace add /home/file/superpowers-main
❯ /plugin install superpowers@superpowers-marketplace


❯ /reload-plugins
❯ /claude-hud:setup

1.3.5 TBD：CLAUDE DESIGN

https://news.qq.com/rain/a/20260418A06KZH00

https://ai-bot.cn/claude-design/

流程图辅助 NEXT AI DRAW.IO

2.1 核心目标

利用 AI 的自然语言理解能力，让不懂绘图规范的人员快速生成专业的流程图、 ER 图。
抽象业务逻辑到可视化图形，大幅提升从需求分析到设计落地的效率。
在生成图表的同时应用 draw.io 的标准图形库，确保输出的图表既符合行业规范（如 BPMN、UML）。

2.2 使用介绍

输入需求后，AI确实能秒出设计草图，省去了从零搭建的麻烦。但生成的图往往只能看个大概，一旦放大细看，问题就全暴露了：连接线绕来绕去理不顺，文字标题也经常压着边框或者跑出框外。

为了解决AI草图生成不精确的问题，我会下载另一个设计软件 Draw.io，采用AI生成 + Draw.io 精修的模式。手动复制并修正 AI 生成的草图，对其中的内容进行校正、优化、对齐，最终完成终稿设计。

2.3 安装流程

使用docker工具一键安装

复制代码

docker run -d -p 3001:3000 --env-file .env ghcr.io/dayuanjiang/next-ai-draw-io:latest

.env关键内容

复制代码

# AI Provider Configuration
# AI_PROVIDER: Which provider to use
# Options: bedrock, openai, anthropic, google, vertexai, azure, ollama, openrouter, deepseek, siliconflow, gateway
# Default: bedrock
AI_PROVIDER=openai

# AI_MODEL: The model ID for your chosen provider (REQUIRED)
AI_MODEL=MiniMax-M2.5

# AWS Bedrock Configuration
# AWS_REGION=us-east-1
# AWS_ACCESS_KEY_ID=your-access-key-id
# AWS_SECRET_ACCESS_KEY=your-secret-access-key
# Note: Claude and Nova models support reasoning/extended thinking
# BEDROCK_REASONING_BUDGET_TOKENS=12000  # Optional: Claude reasoning budget in tokens (1024-64000)
# BEDROCK_REASONING_EFFORT=medium        # Optional: Nova reasoning effort (low/medium/high)

# OpenAI Configuration
OPENAI_API_KEY=XXXXXXXX
OPENAI_BASE_URL=https://XXXXXXXX/v1

项目文档生成工具 Zread

3.1 核心目标

构建团队专属知识库：汇聚项目文档、技术规范与业务逻辑，标准化输出项目设计文档

高效梳理项目脉络：快速呈现项目架构，帮助团队成员零门槛接手新旧项目、理解业务逻辑

3.2 使用介绍

执行核心命令，生成项目设计文档

zread
执行预览命令，在线查看文档效果

zread browse

3.3 安装流程

全局安装工具

通过 npm 执行全局安装命令：

复制代码

npm install -g zread_cli