Claude Code 完整上手指南：MCP、Skills、第三方模型配置一次搞定

Claude Code 是 Anthropic 官方出的命令行工具，直接在终端里跟 Claude 交互，干的事情就是帮你写代码、改代码、跑命令。跟 ChatGPT 那种网页聊天不一样，它是嵌在你开发工作流里的------你在哪个目录下启动它，它就能读那个目录的代码，理解项目结构，然后直接动手改文件。

说白了，它把"复制代码到聊天框→拿到回复→粘贴回编辑器"这个循环给干掉了。

安装

原生安装器（推荐）

这是目前官方推荐的方式，零依赖，不需要 Node.js，装完自动后台更新。

macOS / Linux：

bash 复制代码

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

Windows：

powershell 复制代码

winget install Anthropic.ClaudeCode

Homebrew（macOS）

bash 复制代码

brew install --cask claude-code

能用，但新版本发布后 Homebrew 那边会有几小时到一两天的同步延迟。追新版本的话还是用原生安装器。

npm（已不推荐）

bash 复制代码

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

从 v2 开始就标记为 deprecated 了。如果你有特殊原因需要锁定版本，还能用，但一般没必要。需要 Node.js 18+ 环境。

启动

装完之后，cd 到你的项目目录，直接敲：

bash 复制代码

claude

第一次用会让你登录 Anthropic 账号做认证。搞定之后就进入交互式对话了。如果你没有 Anthropic 账号，文章后面会有介绍如何接入其它模型。

非交互模式（适合脚本调用）：

bash 复制代码

claude -p "解释一下 src/auth.ts 里的登录逻辑"

核心用法

让它读代码

最基础的用法------你不确定某段代码干了什么，直接问：

复制代码

这个项目的入口文件在哪？整体架构是怎样的？

它会自己去翻文件、读代码，然后给你一个总结。不需要你手动指定文件路径（当然你也可以指定）。

让它改代码

比如你想给某个函数加个参数校验：

bash 复制代码

给 src/utils/validate.ts 里的 parseConfig 函数加上参数类型检查，如果传入的不是对象就抛 TypeError

它会读文件、定位函数、改代码、写回去。改之前会把 diff 展示给你看，你确认了才会真正写入。

让它跑命令

复制代码

跑一下测试看看有没有挂的

它会根据项目里的配置（package.json、Makefile 之类的）判断该用什么命令，然后执行。执行前同样会让你确认。

让它处理 Git 操作

sql 复制代码

把当前改动提交一下，commit message 写清楚点

它会看 diff、生成 commit message、执行 git add 和 commit。但默认不会 push------推送到远端这种不可逆操作，它会额外确认。

权限模型

Claude Code 有三种权限模式，控制它能自动做什么、什么需要你点确认：

Ask mode：所有操作都要确认。适合刚开始用、不太信任它的时候。
Auto-edit mode：读文件和改文件自动放行，但跑命令还是要确认。日常开发比较推荐这个。
Full auto mode：啥都自动干。适合你很清楚它要做什么、或者在沙箱环境里跑的场景。

切换方式：在交互模式里输入 /permissions 就能调。

一个实用建议：刚上手先用 Ask mode 跑几天，观察它的行为模式，心里有数了再切到 Auto-edit。

CLAUDE.md：给它立规矩

项目根目录下放一个 CLAUDE.md 文件，Claude Code 每次启动都会读它。你可以在里面写：

项目的技术栈和约定
代码风格要求
哪些文件不要动
常用命令是什么

示例：

markdown 复制代码

# 项目约定

- 使用 TypeScript strict mode
- 组件用 PascalCase 命名，工具函数用 camelCase
- 测试文件放在同目录下的 **tests** 文件夹
- 不要修改 src/generated/ 下的任何文件，那是自动生成的
- 运行测试：pnpm test
- 运行 lint：pnpm lint

这个文件的好处是团队共享------提交到仓库里，所有人用 Claude Code 的时候都遵守同一套规矩。

MCP：给 Claude Code 接外挂

MCP 是什么

MCP（Model Context Protocol）是 Anthropic 搞的一套开放协议，2025 年捐给了 Linux 基金会。简单说就是一个标准化的接口，让 Claude Code 能连接外部工具和服务------数据库、浏览器、搜索引擎、GitHub、各种 API，都能通过 MCP 接进来。

没有 MCP 的时候，Claude Code 只能读文件、改文件、跑命令。有了 MCP，它能查数据库、搜网页、操作浏览器、调第三方 API，能力边界一下子扩大了很多。

怎么加 MCP Server

用 claude mcp add 命令：

bash 复制代码

# 基本格式
claude mcp add <server-name> -- <启动命令>

# 指定作用域
claude mcp add <server-name> --scope user    # 个人级别，所有项目可用
claude mcp add <server-name> --scope project # 项目级别，跟着仓库走

举个例子，加一个 GitHub MCP server：

bash 复制代码

claude mcp add github -- npx -y @modelcontextprotocol/server-github

加完之后重启 Claude Code 就能用了。也可以直接编辑配置文件，位置在项目的 .claude/settings.json 或者用户级别的配置目录里：

json 复制代码

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxx"
      }
    }
  }
}

MCP 使用建议

不要一口气装太多。每个 MCP server 都会占启动时间和上下文空间，装个五六个常用的就够了
敏感信息（数据库密码、API key）放环境变量里，别硬编码在配置文件中
项目级别的 MCP 配置（.claude/settings.json）可以提交到仓库，但记得把 env 里的密钥排除掉
用 /mcp 命令可以在会话中查看和管理当前加载的 MCP server

Skills：可复用的工作流

Skills 是什么

Skills 本质上就是 markdown 文件，里面写着一套指令。你把它放到指定目录，Claude Code 就能识别并加载。可以理解为"预设的 prompt 模板"，但比直接粘贴 prompt 方便得多------它跟 slash command 是统一的，创建一个 skill 就自动注册为一个 /命令。

适用场景：你发现自己反复给 Claude Code 说同样的话（"用 vitest 写测试，覆盖边界情况，mock 外部依赖"），那就该把它做成 skill 了。

怎么创建 Skill

在项目里创建这个路径的文件：

bash 复制代码

.claude/skills/<skill-name>/SKILL.md

或者放在用户级别（所有项目通用）：

javascript 复制代码

~/.claude/skills/<skill-name>/SKILL.md

文件内容就是 markdown，可以带 YAML frontmatter 来控制行为：

markdown 复制代码

---
name: write-test
description: 为指定模块编写单元测试
allowed-tools:
  - Bash
  - Read
  - Write
  - Edit
---

# 编写单元测试

按照以下规范为目标模块编写测试：

1. 使用 vitest 作为测试框架
2. 测试文件放在同目录的 **tests** 文件夹下
3. 文件名格式：<module-name>.test.ts
4. 必须覆盖：正常路径、边界情况、错误处理
5. 外部依赖一律 mock，不要发真实网络请求
6. 每个测试用 describe 分组，用清晰的中文描述测试意图
7. 写完之后跑一遍确认全部通过

保存之后不需要重启，Claude Code 会自动识别。在对话里输入 /write-test 就能触发。

frontmatter 字段说明

name：skill 的标识符，也是 slash command 的名字
description：描述这个 skill 干什么。Claude 会根据这个描述判断是否自动激活
allowed-tools：限制这个 skill 能用哪些工具。比如一个只读分析的 skill，可以只给 Read 权限

内置的 Slash Commands

Claude Code 自带这些命令，不需要额外配置：

命令	干什么的
`/help`	查看帮助
`/compact`	压缩对话历史，释放上下文空间
`/clear`	清空对话，重新开始
`/init`	读取项目结构，生成 CLAUDE.md 初始文件
`/model`	切换模型（Opus / Sonnet / Haiku）
`/review`	审查代码改动
`/commit`	生成 commit message 并提交
`/pr`	创建 Pull Request
`/config`	打开或修改设置
`/mcp`	管理 MCP server
`/fast`	切换快速模式（同模型，输出更快）
`/cost`	查看当前会话的 token 用量和费用
`/doctor`	诊断配置问题

Skill 的自动激活

如果你在 frontmatter 里写了 description，Claude Code 会根据当前对话内容判断是否自动加载这个 skill。比如你的 skill 描述是"为指定模块编写单元测试"，当你在对话里说"帮这个函数写个测试"，它可能会自动激活这个 skill，不需要你手动输入 /write-test。

这个机制挺方便，但如果你不想要自动激活，把 description 去掉就行。

实际工作流场景

场景一：接手陌生项目

刚 clone 下来一个项目，啥都不了解：

复制代码

帮我梳理一下这个项目的目录结构和核心模块，重点说说数据流是怎么走的

比自己一个个文件翻快多了。它会把入口、路由、数据层、工具函数这些串起来讲。

场景二：修 Bug

拿到一个 bug report，知道大概在哪但不确定根因：

bash 复制代码

用户反馈登录后偶尔会跳回登录页。看看 src/auth/ 目录下的 token 刷新逻辑有没有竞态问题

它会读相关代码，分析可能的问题点，然后给出修复方案。你觉得靠谱就让它直接改。

场景三：重构

想把一个大函数拆成几个小的：

css 复制代码

把 src/services/order.ts 里的 processOrder 函数拆分一下，按职责分成校验、计算、持久化三个步骤

场景四：写测试

bash 复制代码

给 src/utils/format.ts 里的所有导出函数补上单元测试，用 vitest，覆盖边界情况

场景五：代码审查

bash 复制代码

看看 src/api/routes.ts 最近的改动有没有安全问题

一些实用技巧

用 /compact 压缩上下文

聊久了上下文会变长，响应变慢。输入 /compact 可以让它总结之前的对话，释放上下文空间。长任务中途用一下很有帮助。

用 /clear 重新开始

如果话题完全换了，/clear 清掉历史重新来，比在旧上下文里继续聊效果好。

多用具体指令，少用模糊描述

不好的问法：

复制代码

帮我优化一下这个项目

好的问法：

css 复制代码

src/components/Table.tsx 渲染 1000 行数据时明显卡顿，看看有没有不必要的 re-render，给个优化方案

越具体，输出质量越高。

善用 --continue 恢复会话

终端不小心关了，或者想接着上次的进度继续：

bash 复制代码

claude --continue

会恢复上一次的对话上下文。

结合 Git 分支工作

建议在 feature branch 上用 Claude Code 干活。这样它做的改动都在独立分支上，不满意直接扔掉分支就行，不会污染主线。

它不擅长什么

说几个别对它期望过高的场景：

大规模架构设计：它能给建议，但最终的架构决策还是得人来拍。它看不到业务全貌、团队能力、历史包袱这些上下文。
跨多个仓库的改动：它的工作范围是当前目录。如果改动涉及多个独立仓库，得分别处理。
需要运行时调试的问题：它能读代码做静态分析，但没法真正跑起来打断点。涉及到具体运行时状态的 bug，还是得配合 debugger。
涉及敏感信息的操作：不要让它处理包含密钥、密码的文件。虽然对话内容不会被用于训练，但养成习惯比较好。

接入第三方模型

如果你没法订阅 Anthropic 官方服务（网络原因、支付方式限制等），Claude Code 支持通过环境变量把请求转发到其他兼容的 API 端点。只要对方支持 Anthropic 的消息格式，就能直接接入。

核心环境变量

变量名	作用
`ANTHROPIC_BASE_URL`	API 端点地址，默认是 `https://api.anthropic.com`
`ANTHROPIC_AUTH_TOKEN`	目标服务的 API Key
`ANTHROPIC_MODEL`	主力模型名称
`ANTHROPIC_SMALL_FAST_MODEL`	轻量任务用的小模型（后台操作、快速补全）

以 DeepSeek 为例

DeepSeek 原生支持 Anthropic API 格式，不需要任何代理或中间件，配置最简单。

先去 platform.deepseek.com 注册账号拿到 API Key，然后设置环境变量：

Linux / macOS（写到 ~/.bashrc 或 ~/.zshrc 里持久化）：

bash 复制代码

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-your-deepseek-api-key
export ANTHROPIC_MODEL=deepseek-chat
export ANTHROPIC_SMALL_FAST_MODEL=deepseek-chat

Windows PowerShell：

powershell 复制代码

$env:ANTHROPIC_BASE_URL = "https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN = "sk-your-deepseek-api-key"
$env:ANTHROPIC_MODEL = "deepseek-chat"
$env:ANTHROPIC_SMALL_FAST_MODEL = "deepseek-chat"

Windows 永久设置（系统环境变量）：

打开"系统属性 → 高级 → 环境变量"，新建以下用户变量：

ini 复制代码

ANTHROPIC_BASE_URL = https://api.deepseek.com/anthropic
ANTHROPIC_AUTH_TOKEN = sk-your-deepseek-api-key
ANTHROPIC_MODEL = deepseek-chat
ANTHROPIC_SMALL_FAST_MODEL = deepseek-chat

设置完之后直接启动 claude 就行，它会自动走 DeepSeek 的接口。

通过 settings.json 配置模型

除了环境变量，也可以在 settings 里指定默认模型。文件位置：

全局：~/.claude/settings.json（Windows 是 %USERPROFILE%\.claude\settings.json）
项目级：.claude/settings.json

json 复制代码

{
  "model": "deepseek-chat",
  "smallModel": "deepseek-chat"
}

或者启动时用参数指定：

bash 复制代码

claude --model deepseek-chat

进入会话后也能用 /model 命令临时切换。

通过 OpenRouter 接入更多模型

如果你想用 GPT、Gemini、Llama 或者其他模型，可以走 OpenRouter。它聚合了几百个模型，提供统一的 Anthropic 兼容接口。

bash 复制代码

export ANTHROPIC_BASE_URL=https://openrouter.ai/api/v1/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-or-your-openrouter-key
export ANTHROPIC_MODEL=anthropic/claude-sonnet-4
export ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-haiku-4

OpenRouter 上也能选 DeepSeek、Google Gemini 等模型，但非 Anthropic 模型的兼容性不一定完美------Claude Code 的 agent 循环是针对 Anthropic 消息格式设计的，其他模型可能在工具调用上有些小问题。

本地模型（Ollama）

如果你想完全离线跑，可以用 Ollama 加一个格式转换代理：

bash 复制代码

# 先启动 Ollama
ollama serve

# 用社区代理（如 claude-code-router）桥接格式
# 然后指向本地代理端口
export ANTHROPIC_BASE_URL=http://localhost:3456
export ANTHROPIC_AUTH_TOKEN=dummy
export ANTHROPIC_MODEL=qwen2.5-coder:32b
claude

本地模型的体验取决于你的硬件和模型大小。32B 以上的模型在工具调用方面表现还行，更小的模型容易出格式错误。

社区代理工具

如果目标 API 不直接兼容 Anthropic 格式，可以用这些开源代理做转换：

claude-code-router：支持路由到 OpenRouter、DeepSeek、Ollama、Gemini 等多个后端
claude-code-proxy：把 Anthropic 格式转成 OpenAI 格式，适配 GPT 系列
deepclaude：专门为 DeepSeek + Claude Code 优化的代理

这些代理本质上都是在本地起一个 HTTP 服务，把 Claude Code 发出的 Anthropic 格式请求翻译成目标 API 能理解的格式。

注意事项

第三方模型的工具调用能力参差不齐。Claude Code 重度依赖 tool use，如果模型在这方面弱，体验会打折扣
用第三方端点时，Claude Code 会自动禁用一些功能（比如 MCP tool search），这是安全限制
环境变量设置后，claude 启动时不会再要求 Anthropic 账号登录
DeepSeek 的 API 价格大概是 Anthropic 的 1/10 到 1/20，性价比很高，但响应速度和代码能力跟 Claude 还是有差距

费用相关

Claude Code 按 token 计费，用的是你 Anthropic 账号的额度（Pro 订阅用户有包含的额度，Max 订阅额度更高）。几个省钱的点：

问题描述清楚，减少来回对话
大文件不需要全读的时候，指定具体行数范围
用 /compact 控制上下文长度
简单任务用 /model 切到 Sonnet 或 Haiku，省钱且快
/cost 随时看当前会话花了多少
接入 DeepSeek 等第三方模型，成本能降一个数量级

最后

Claude Code 的定位不是替代你写代码，而是把那些重复性的、机械性的工作接过去------读代码、写样板、跑命令、生成测试、整理 commit。你省下来的时间可以花在真正需要思考的地方：系统设计、技术选型、业务理解。

MCP 和 Skills 这两个扩展机制让它从一个"聪明的终端助手"变成了一个可以深度定制的开发平台。MCP 扩展它能触达的外部资源，Skills 固化你的工作流程。花点时间把这两个配好，日常效率提升会很明显。

用好它的关键就一句话：把它当成一个能力很强但需要明确指令的搭档，而不是一个什么都懂的全知全能助手。你给的上下文越充分、指令越具体，它的输出就越靠谱。

Claude Code 完整上手指南：MCP、Skills、第三方模型配置一次搞定

安装

原生安装器（推荐）

Homebrew（macOS）

npm（已不推荐）

启动

核心用法

让它读代码

让它改代码

让它跑命令

让它处理 Git 操作

权限模型

CLAUDE.md：给它立规矩

MCP：给 Claude Code 接外挂

MCP 是什么

怎么加 MCP Server

推荐的 MCP Server

MCP 使用建议

Skills：可复用的工作流

Skills 是什么

怎么创建 Skill

frontmatter 字段说明

内置的 Slash Commands

推荐自建的几个 Skill

Skill 的自动激活

实际工作流场景

场景一：接手陌生项目

场景二：修 Bug

场景三：重构

场景四：写测试

场景五：代码审查

一些实用技巧

用 /compact 压缩上下文

用 /clear 重新开始

多用具体指令，少用模糊描述

善用 --continue 恢复会话

结合 Git 分支工作

它不擅长什么

接入第三方模型

核心环境变量

以 DeepSeek 为例

通过 settings.json 配置模型

通过 OpenRouter 接入更多模型

本地模型（Ollama）

社区代理工具

注意事项

费用相关

最后