Claude Code 完全入门指南:让你的 AI 从"会说"到"会做"

引言

你有没有过这种体验?

跟 ChatGPT 聊了一下午,它把方案说得头头是道------该用什么技术栈、代码怎么写、依赖怎么装------但聊完之后,你还是要自己打开编辑器,一行行敲代码,一条条跑命令。它说了,但活儿还是你的。

这就是当前大多数 AI 工具的困境:它们会说,但不会做。

Claude Code(社区简称 CC)的出现,彻底打破了这道墙。它不满足于给你答案,它会自己动手------读你的文件、改你的代码、装你的依赖、跑你的命令,直到任务完成。

读完这篇,你会理解 Claude Code 为什么被称作"Agent 领域的标杆",以及从"问答"到"执行"这一步跨越,对你意味着什么


一个直观的类比 ------ "用已知解释未知"

Claude Code 就像一个极其聪明、手脚健全、还能自己学习的实习生。

你跟他说:"帮我做一个桌面番茄钟。"

他会怎么做?

  1. 主动追问:技术栈选什么?Electron 还是 Tauri?
  2. 出方案:列出一份包含功能清单、项目结构、实现路径的完整计划
  3. 等你拍板:你确认了方案,他才动手
  4. 自己干活:创建项目文件 → 写代码 → 装依赖 → 跑测试 → 调试 → 直到跑通
  5. 交作业:告诉你运行命令,应用弹出来,能用

而传统的 ChatGPT 呢?它更像是 一个知识渊博但手脚残废的顾问------它能告诉你每一步怎么走,但你得自己迈腿。

核心公式

ini 复制代码
Agent = LLM(大脑) + Harness(躯体) + Skills(技能包)
  • LLM:大语言模型,负责"想"------理解你的需求,制定执行计划
  • Harness:AI 工程套件,负责"动"------工具调用、文件读写、上下文管理、错误恢复
  • Skills:特定领域的操作手册,负责"专"------前端设计规范、公司报销流程、API 调用指南

运作全景图

flowchart TD A["📝 你的指令"] --> B["🧠 LLM 大模型(大脑)
接收指令 + 工具说明"] B -->|"输出:下一步该用什么工具"| C["🔧 工具调用层
📖读文件 ✏️写代码 💻跑命令
🔍查资料 🐛读错误 🔧修复
------ Harness 负责执行 ------"] C -->|"返回执行结果"| D["📊 LLM 分析结果
还需要改 X 或 任务完成"] D -->|"🔄 需要继续?── 循环"| B D -->|"✅ 完成"| E["🎯 任务完成"]

这就是 Claude Code 的心脏------LLM Loop(大模型循环) :思考 → 行动 → 观察结果 → 再思考 → 再行动,直到目标达成。

你只需要定义"目的地",它自己找路。


核心概念拆解 ------ "逐个击破"

1. Harness:同样的模型,凭什么你更强?

很多 Agent 都宣称自己有 LLM Loop,那 CC 凭什么比别人好?

答案就一个字:Harness(工程套件)。

Harness 是一个 Agent 程序中"除了大模型之外的所有设计"------包括但不限于:

  • 工具调用的精准度
  • 上下文窗口的管理策略
  • 错误恢复机制的鲁棒性
  • 权限控制的粒度
  • 记忆系统的设计

这就像两个厨师用同样的食材------一个做出米其林三星,一个做出街边盒饭。区别不在食材(LLM),而在手艺(Harness)。

同样的模型,挂到 Claude Code 上和挂到别的 Agent 框架上,表现可能天差地别。CC 的 Harness 经过 Anthropic 团队反复打磨,每一个细节都在降低 Agent 出错的概率、提高任务完成的质量

2. 权限模式:三种程度的"放权"

Claude Code 给了你精细的控制粒度,通过 Shift + Tab 循环切换:

模式 改文件 跑命令 最佳场景
计划模式 (Plan) 不出手,先出方案 不出手 复杂任务,先看方案再动手
默认模式 (Normal) 智能判断,可能问你 需你批准 日常使用,安全可控
自动编辑模式 (Auto) 直接改,不问 仍需你批准 信任度高的阶段,追求效率

冷知识 :启动时加上 --dangerously-skip-permissions 可以开启全自动模式(改文件 + 跑命令都免确认)。Anthropic 官方数据显示 93% 的情况下用户都会直接同意 CC 的操作------它很少犯错。不过新手建议先从默认模式起手。

3. 记忆系统:让 Agent 越用越懂你

CC 有两层记忆,协同工作:

第一层 | CLAUDE.md(你主动立的规矩)

这是 CC 每次对话前必定加载的规则文件,分三级叠加生效:

objectivec 复制代码
全局 CLAUDE.md(~/.claude/CLAUDE.md)
    │  作用域:所有项目通用
    │  内容:"永远用中文回复"、"记住我叫张三"
    │
    ├── 项目级 CLAUDE.md(项目根目录/.claude/CLAUDE.md)
    │       作用域:当前项目
    │       内容:技术栈、文件结构、编码规范
    │       可提交到 Git,团队共享
    │
    └── 文件夹级 CLAUDE.md(子目录/.claude/CLAUDE.md)
            作用域:该文件夹内的文件
            内容:局部约束

用法:输入 /init 让 CC 自动分析项目并生成,或用 /memory 手动编辑。

原则CLAUDE.md 应该保持简洁,只放"最关键、最稳定"的原则。不要塞入所有细节------那是 Skills 和 Auto Memory 的活。

第二层 | Auto Memory(它自己默默学的)

这是一项需要手动开启的功能(输入 /memory → 打开开关)。开启后,一个独立的后台 Agent 会默默记录:

  • 你的个人偏好("不喜欢浅色 UI")
  • 你纠正过它的错误("不要用 var,用 const")
  • 项目的关键决策("选 React 而不是 Vue 的原因")

每次它写进记忆时,底栏会有提示。你觉得它记错了,直接说"忘掉刚才那句话"就删了。

CLAUDE.md 是你给它的规矩,Auto Memory 是它自己攒的经验。 两者配合,CC 用越久,犯错越少。


工作原理 ------ "从说到做"

LLM Loop 的完整执行流程

拿"做一个番茄钟"举例,看看 CC 的五步循环:

Step 1:接收指令

arduino 复制代码
你:"做一个桌面番茄钟应用"

Step 2:主动追问(模糊识别)

CC 不会闷头瞎干。它发现你的指令不够具体,会主动问:

markdown 复制代码
你想用什么技术栈?
  1. Electron + React(推荐)
  2. Tauri + Svelte
  3. 原生 Python GUI

Step 3:出计划,等你拍板

选定技术栈后,自动进入计划模式:

css 复制代码
📋 计划概览:
  - 功能:25 分钟倒计时 / 暂停 / 重置 / 桌面通知 / 三类模式
  - 结构:src/App.tsx / src/components/Timer.tsx / src/styles/
  - 实现路径:脚手架 → 核心逻辑 → UI → 打包

  [1] 同意 + 切换到自动模式
  [2] 同意 + 保持当前模式
  [3] 不同意,继续讨论

Step 4:循环执行(真正的 Agent 能力)

sql 复制代码
迭代 1:Create React App 脚手架
迭代 2:编写 Timer.tsx 核心逻辑 → 发现 bug → 自动读取错误 → 修复
迭代 3:安装依赖(npm install)→ 权限询问 → 你同意 → 安装成功
迭代 4:实现 UI 界面 + CSS 样式
迭代 5:集成测试 → 通过 → ✅

Step 5:交付成果

sql 复制代码
✅ 番茄钟已完成!运行 npm start 即可启动。

它与传统 AI 的本质区别

传统 AI(问答式) Claude Code(执行式)
结果形态 给一段代码/方案 直接帮你改好、跑通
依赖安装 "你需要装 npm 和 react" 自动帮你装好
出错处理 你自己调,自己搜 自动读错误、自动修
上下文 你不断补充 它自己读文件获取
你的角色 施工队 甲方/决策者

一句话:传统 AI 是你的"教练",Claude Code 是你的"队员"。


实战案例 ------ "看了就能用"

案例一:从零搭建桌面番茄钟

这是实操演示的完整流程,看看一句话能触发多少自动化的动作:

你的输入:

复制代码
做一个桌面番茄钟软件

CC 的完整过程:

  1. 识别指令模糊 → 主动追问技术栈(Electron/Tauri/原生)
  2. 进入计划模式 → 输出功能清单 + 项目结构 + 实现方案
  3. 你选择方案一 → CC 开始创建所有代码文件(.tsx, .css, package.json...)
  4. 自动编辑模式生效 → 后续改文件不再问你
  5. 到安装依赖时 → 因为是终端命令,仍会询问 → 你同意
  6. 装好依赖 → 告诉你 npm start 启动
  7. 你发一张配色参考图 → CC 直接拖拽识别 → 按图片调整主题 → 效果还原

整个过程,你只做了一件事:做选择题,确认方案。

案例二:派 AI 分头调研,汇总给你看

当你需要上线产品时,可以让 CC 并行调研同类产品:

复制代码
你:调研市场上其他番茄钟应用的优缺点,
   给我一份对比分析报告

CC 会自动派生多个子 Agent(Sub-Agent) ,每个独立负责一个产品的调研:

markdown 复制代码
主 Agent:收到调研指令
    │
    ├── 子 Agent 1 → 调研 Forest  → 独立上下文
    ├── 子 Agent 2 → 调研 Pomodone → 独立上下文
    └── 子 Agent 3 → 调研 Be Focused → 独立上下文
    │                   │
    └──── 汇总分析 ←─────┘
           ↓
      最终报告:对比表格 + 优缺点 + 开发建议

三个子 Agent 并行工作,互不干扰,结果自动汇总。 你就像突然有了一个 3-5 人的小团队,你只需要下指令和看结论。

案例三:让 CC 帮你操作飞书等外部工具

CC 通过 CLI 工具(命令行接口) 可以连接各种外部服务:

java 复制代码
你:帮我在飞书上创建一个"Q2 OKR"文档,
   把链接发到 wang@company.com 的邮箱

CC 会直接调用飞书 CLI 工具,创建文档 → 获取链接 → 调用邮件服务发送。不需要你打开飞书网页,不需要你复制粘贴。

把工具地址粘贴给 CC:"帮我装这个 CLI 工具",装完就能用了。比传统 MCP 方式更轻量、更高效。


一句话总结 ------ "刻在脑子里"

Claude Code 的真正价值,不是让你少打几个字,而是让你从"执行者"变成"决策者"------你只需要说"做什么",它负责"怎么做"。这才是 AI Agent 该有的样子。

💡 思考题 :如果现在有一个能替你执行任何电脑操作的 AI 副手,你最想让它做什么?是写周报、整理文件、还是帮你做竞品调研?------想清楚这个问题,打开终端,输入 claude,开始你的第一次对话。
📚 延伸方向:MCP(模型上下文协议)连接外部工具链 → Skills 构建团队 AI 生产力系统 → Sub-Agent 多 Agent 协作架构 → Hook 自动化触发机制



🚀 小白速查手册

一键安装、一句命令、一个快捷键都在这里。建议收藏,随时查阅。


一、安装速查(3 步上手)

Step 1:安装 Claude Code

方式一:一行命令(推荐)

bash 复制代码
# 去 claude.ai 官网复制安装命令,粘贴到终端执行
# 安装完成后验证:
claude --version

方式二:让 AI 帮你装(更省心)

arduino 复制代码
对 IDE 里的 Agent 说:
"帮我在这个电脑上安装 Claude Code"

它会自动检测系统、解决依赖、处理网络问题。

Step 2:配置模型(国内用户必看)

由于 Anthropic 账号已经实名制,建议使用 CC Switch 配国产/第三方模型:

  1. 下载 CC Switch → 安装
  2. 填写你的 API Key + Base URL → 起个名字 → 保存
  3. 注意:先配好 CC Switch,再启动 Claude Code

Step 3:启动 Claude Code

r 复制代码
claude                 # 正常启动(首次需做初始设置)
claude -c              # 继续上次对话(-c = --continue)
claude --dangerously-skip-permissions  # 全自动模式(高手用)

二、权限模式速查

快捷键 模式 改文件 跑命令 适合场景
默认 Normal(默认) 智能判断 需确认 日常使用
Shift+Tab 一次 Plan(计划) 不出手 不出手 先看方案
Shift+Tab 两次 Auto(自动编辑) 直接改 需确认 信任阶段
启动参数 全自动 直接改 直接跑 老手专享

三、常用命令速查表

🔤 对话管理

命令 作用 一句话说明
/compact 压缩上下文 对话太长、CC 变慢时用------保留关键信息,释放 token
/clear 清空对话 相当于重开一个新对话
/context 查看上下文占比 看还剩多少 token 空间
/resume 恢复历史对话 回到之前的某次对话
/rewind 回滚操作 撤销最近修改的文件和对话
claude -c 继续上次对话 启动时直接回到上次断开的地方

🔧 项目与记忆

命令 作用 一句话说明
/init 初始化项目 自动分析项目,生成 CLAUDE.md
/memory 管理记忆 打开/关闭 Auto Memory,编辑全局/项目规则
/model 切换模型 在 CC Switch 中配置的高/中/低档模型间切换

🚀 高级功能

命令 作用 一句话说明
/agent 创建子 Agent 手动创建一个分身,指定它的职责
/skill 调用技能 手动触发某个已安装的 Skill
/simplify 代码审核 派 3 个子 Agent 从质量/效率/可复用角度审核并优化
/btw 旁路提问 问一个和当前任务无关的问题,不影响上下文
/plugin 插件管理 发现和安装社区插件
!<命令> 执行终端命令 在 CC 对话中直接跑 shell 命令(如 !npm start

四、快捷键速查

快捷键 平台 作用
Shift + Tab 通用 循环切换三种权限模式
Ctrl + C x2 通用 退出 CC 对话
ESC x2 通用 快速回滚(等同于 /rewind
Ctrl + V Mac/Win 粘贴图片到对话框
Option + Enter Mac 消息换行(不发送)
Ctrl + Enter Win 消息换行(不发送)
Shift + Enter 通用 ⚠️ 直接发送消息
Ctrl + B 通用 把正在运行的前台进程放到后台
通用 调出上一条输入的命令

五、交互方式速查

方式 语法 用途
文字对话 直接打字 最基础的方式
@ 文件 @src/App.tsx 精准给 CC 指定文件作为上下文
拖拽文件 把文件拖到对话框 同上,更直观
粘贴图片 Ctrl+V 粘贴 让 CC 识别图片内容(多模态)
@ 指令文件 @需求文档.md 把详细要求写在文件里,让 CC 直接读取

⚠️ 反直觉冷知识 :给 CC 的指令越短,不一定越省 token 。指令太短时,CC 需要额外花费 token 去探索你的项目文件来补全上下文。描述越具体,效率越高。


六、上下文管理速查

arduino 复制代码
┌─────────────────────────────────────────────────────────┐
│  CC 的上下文窗口就像你的"短期记忆"                        │
│  聊得越久,记得越多,但也越容易"脑子乱"                   │
└─────────────────────────────────────────────────────────┘
情境 操作 口诀
感觉 CC 变慢了、回答质量下降了 /compact "压缩一下,腾出脑子"
当前任务彻底结束了,要开始全新任务 /clear 或新建终端 "清空,重头来"
想知道还剩多少"脑容量" /context "看看还剩多少空间"
想回到刚才的对话 /resumeclaude -c "继续上次聊的"
打开实时上下文监控 让 CC 帮你配置底栏百分比显示 "随时能瞟一眼"

经验参数 :上下文占用超过 60% 时,建议执行 /compact


七、记忆系统速查

bash 复制代码
CLAUDE.md(你立的规矩)
    │
    ├── 全局:~/.claude/CLAUDE.md
    │       写"永远用中文回复"这类跨项目规则
    │
    └── 项目:项目根目录/.claude/CLAUDE.md
            用 /init 让 CC 自动生成,或 /memory 手动编辑

Auto Memory(它自己学的)
    │
    └── 开启:/memory → 打开开关
        查看:/memory → 打开自动记忆文件夹
        删除:"忘掉刚才说过的xxx"
        作用域:仅当前项目

黄金法则CLAUDE.md 放"永远不变的原则",Auto Memory 放"使用中积累的经验"。不要反过来。


八、拓展能力一览

层级 是什么 一句话 怎么用
Skills 专业领域操作手册 "给 CC 装个专业说明书" /skill <名称> 或让 CC 自动识别
MCP 外部工具连接器 "AI 和外部服务的转接头" 配置后自动生效(token 消耗大,适量安装)
CLI 工具 命令行版的外部服务 "飞书、Notion 都提供了命令行版" 粘贴地址给 CC:"帮我装上"
Sub-Agent 分身/子 Agent "一个人干不完,分身并行干" /agent 创建,或让 CC 自动派生
Hook 自动触发器 "每次 X 发生,自动执行 Y" 告诉 CC 你的需求,它帮你配置
Plugin Skill + Agent + Hook 的集合包 "一站式能力扩展" /plugin 浏览安装

九、后悔药:Git 版本管理速查

把 Git 理解为游戏存档系统------每做到一个满意节点就存个档,做坏了随时读档重来。

场景 对 CC 说
安装 Git + 绑定 GitHub "帮我装 git 并绑定我的 GitHub 账号"
存档(提交) "帮我把当前版本提交到 GitHub"
读档(回滚) "帮我回滚到上一个版本"

习惯建议:每完成一个功能模块,就让 CC 帮你 commit 一次。存档不需要你懂 git 命令。


十、常见问题排查

问题 可能原因 解决
CC 启动后一直让我登录 没配 CC Switch,或 CC Switch 在 CC 之后打开 先配好 CC Switch,再启动 CC
CC 改坏了我的文件 没有 Git 存档 先用 /rewind 快速回滚,然后赶紧装 Git
CC 回答越来越慢/质量下降 上下文占满了 /compact,或 /context 先看一下
CC 不用我装的 Skill 触发词不够准确,或上下文太满 手动 /skill <名称> 调用,或在提示词里明确指定
想在对话中跑命令 直接打字会被 CC 当成对话 在命令前加 !(如 !npm start

📌 最后记住一句话:Claude Code 最核心的能力不是"回答你的问题",而是"替你完成你不想亲手做的事"。从今天开始,把重复的、繁琐的、需要打开多个工具的操作,都扔给它试试。

相关推荐
数智工坊1 小时前
基于CLIP隐空间的层级文本条件图像生成:unCLIP核心原理与全链路解析
论文阅读·人工智能·深度学习·transformer·迁移学习
雪回1 小时前
基于 Stable Diffusion-WebUI 实现 LandPPT 本地模型绘图配置指南(SDWebUI )
人工智能·深度学习·ai·ai作画·stable diffusion·ppt
^ V ^1 小时前
1.1 具身智能 (Embodied AI)
人工智能·具身智能
薛定猫AI2 小时前
【深度解析】从 AI 超级应用到数字操作系统:基于大模型 API 构建可落地的 Agent 工作流
人工智能
captain_AIouo2 小时前
Captain AI以数据为核心,打造OZON智能决策引擎
大数据·人工智能·经验分享·aigc
ALINX技术博客2 小时前
AMD VU FPGA+NVIDIA Thor AI 超高性能异构平台 ALINX HEA13,支撑新一代边缘 AI 系统
人工智能·fpga开发
TENSORTEC腾视科技2 小时前
AI赋能 车行无忧|腾视科技ES10终端,为车辆装上“智慧大脑”
人工智能·科技·ai·零售·无人叉车及智能调度系统解决方案
chatexcel2 小时前
AI PPT生成学术展演文稿实操教程:提示词设计与生成流程详解
人工智能·powerpoint
zzh_nice2 小时前
Markdown 技术文章发公众号,代码块和表格为什么总是乱?
程序员