最近最火热的编程工具当属𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞了，我最近重新折腾了一下自己的 Terminal

左上是𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞，右上是 Gemini-CLI]]

左下是 API 运行监控，右下是正常 bash（虽然 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 也可以切换成 bash mode，还是多了一个动作）

一、𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞是 anthropic 推出的智能编程工具，运行在终端中，理解代码库，并通过自然语言命令更快地编程。通过直接与的开发环境集成，𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 简化工作流程，无需额外的服务器或复杂的设置：

• 编辑文件并修复代码库中的错误

• 回答有关代码架构和逻辑的问题

• 执行和修复测试、代码检查和其他命令

• 搜索 git 历史记录、解决合并冲突以及创建提交和 PR

• 使用网络搜索浏览互联网上的文档和资源

• 理解上下文：保持对整个项目结构的感知

• 采取行动：执行真实操作，如编辑文件和创建提交

安装 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞：

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

要运行 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞，只需调用 claude CLI：

claude

二、𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 教程

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 命令行界面的完整参考，包括命令和标志。

命令	描述	示例
claude	启动交互式 REPL	claude
claude "query"	使用初始提示启动 REPL	claude "explain this project"
claude -p "query"	通过 SDK 查询，然后退出	claude -p "explain this function"
cat file | claude -p "query"	处理管道内容	cat logs.txt | claude -p "explain"
claude -c	继续最近的对话	claude -c
claude -c -p "query"	通过 SDK 继续	claude -c -p "Check for type errors"
claude -r "<session-id>" "query"	通过 ID 恢复会话	claude -r "abc123" "Finish this PR"
claude update	更新到最新版本	claude update
claude mcp	配置模型上下文协议 (MCP) 服务器	请参阅 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 MCP 文档[1]。
使用这些命令行标志自定义 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 的行为：

标志	描述	示例
--add-dir	添加额外的工作目录供 Claude 访问（验证每个路径是否作为目录存在）	claude --add-dir ../apps ../lib
--allowedTools	除了 settings.json 文件[2] 之外，应该在不提示用户许可的情况下允许的工具列表	"Bash(git log:*)" "Bash(git diff:*)" "Read"
--disallowedTools	除了 settings.json 文件[3] 之外，应该在不提示用户许可的情况下禁止的工具列表	"Bash(git log:*)" "Bash(git diff:*)" "Edit"
--print , -p	打印响应而不使用交互模式（有关编程使用详细信息，请参阅 SDK 文档[4]）	claude -p "query"
--output-format	指定打印模式的输出格式（选项：text、json、stream-json）	claude -p "query" --output-format json
--input-format	指定打印模式的输入格式（选项：text、stream-json）	claude -p --output-format json --input-format stream-json
--verbose	启用详细日志记录，显示完整的逐轮输出（在打印和交互模式下都有助于调试）	claude --verbose
--max-turns	限制非交互模式下的代理轮数	claude -p --max-turns 3 "query"
--model	使用最新模型的别名（sonnet 或 opus）或模型的全名为当前会话设置模型	claude --model claude-sonnet-4-20250514
--permission-mode	在指定的 权限模式[5] 下开始	claude --permission-mode plan
--permission-prompt-tool	指定一个 MCP 工具来处理非交互模式下的权限提示	claude -p --permission-prompt-tool mcp_auth_tool "query"
--resume	通过 ID 恢复特定会话，或在交互模式下选择	claude --resume abc123 "query"
--continue	在当前目录中加载最近的对话	claude --continue
--dangerously-skip-permissions	跳过权限提示（谨慎使用）	claude --dangerously-skip-permissions

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 会话中键盘快捷键、输入模式和交互功能的完整参考。

 这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

通用控制

快捷键	描述	上下文
Ctrl+C	取消当前输入或生成	标准中断
Ctrl+D	退出 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 会话	EOF 信号
Ctrl+L	清除终端屏幕	保留对话历史
上/下箭头	导航命令历史	回调之前的输入
Esc  + Esc	编辑上一条消息	双击 Escape 键修改

多行输入

方法	快捷键	上下文
快速转义	\  + Enter	在所有终端中工作
macOS 默认	Option+Enter	macOS 上的默认设置
终端设置	Shift+Enter	在 /terminal-setup 之后
粘贴模式	直接粘贴	用于代码块、日志

Vim 模式

使用 /vim 命令启用 vim 风格编辑，或通过 /config 永久配置。

模式切换

命令	动作	从模式
Esc	进入 NORMAL 模式	INSERT
i	在光标前插入	NORMAL
I	在行首插入	NORMAL
a	在光标后插入	NORMAL
A	在行尾插入	NORMAL
o	在下方打开新行	NORMAL
O	在上方打开新行	NORMAL

导航（NORMAL 模式）

命令	动作
h /j/k/l	向左/下/上/右移动
w	下一个单词
e	单词末尾
b	上一个单词
0	行首
$	行尾
^	第一个非空白字符
gg	输入开头
G	输入结尾

编辑（NORMAL 模式）

命令	动作
x	删除字符
dd	删除行
D	删除到行尾
dw /de/db	删除单词/到末尾/向后
cc	更改行
C	更改到行尾
cw /ce/cb	更改单词/到末尾/向后
.	重复上次更改

内置斜杠命令

命令	用途
/add-dir	添加额外的工作目录
/bug	报告错误（将对话发送给 Anthropic）
/clear	清除对话历史
/compact [instructions]	压缩对话，可选择性地提供重点指令
/config	查看/修改配置
/cost	显示令牌使用统计
/doctor	检查您的 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 安装的健康状况
/help	获取使用帮助
/init	使用 CLAUDE.md 指南初始化项目
/login	切换 Anthropic 账户
/logout	从您的 Anthropic 账户登出
/mcp	管理 MCP 服务器连接和 OAuth 身份验证
/memory	编辑 CLAUDE.md 内存文件
/model	选择或更改 AI 模型
/permissions	查看或更新权限[6]
/pr_comments	查看拉取请求评论
/review	请求代码审查
/status	查看账户和系统状态
/terminal-setup	安装 Shift+Enter 键绑定用于换行（仅限 iTerm2 和 VSCode）
/vim	进入 vim 模式，在插入和命令模式之间切换

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 提供多种设置来配置其行为以满足需求。可以通过在使用交互式 REPL 时运行 /config 命令来配置 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞。

设置文件

settings.json 文件是我们通过分层设置配置 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 的官方机制：

• 用户设置 在 ~/.claude/settings.json 中定义，适用于所有项目。

• 项目设置 保存在您的项目目录中：

  • .claude/settings.json 用于检入源代码控制并与团队共享的设置

  • .claude/settings.local.json 用于不检入的设置，适用于个人偏好和实验。𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 会在创建时配置 git 忽略 .claude/settings.local.json。

• 对于 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 的企业部署，我们还支持企业管理策略设置。这些设置优先于用户和项目设置。系统管理员可以在 macOS 上将策略部署到 /Library/Application Support/ClaudeCode/managed-settings.json，在 Linux 和通过 WSL 的 Windows 上部署到 /etc/claude-code/managed-settings.json。

Example settings.json

{
  "permissions": {
    "allow": [
      "Bash(npm run lint)",
      "Bash(npm run test:*)",
      "Read(~/.zshrc)"
    ],
    "deny": [
      "Bash(curl:*)"
    ]
  },
"env": {
    "CLAUDE_CODE_ENABLE_TELEMETRY": "1",
    "OTEL_METRICS_EXPORTER": "otlp"
  }
}

环境变量

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 支持以下环境变量来控制其行为：

所有环境变量也可以在 `settings.json`[7] 中配置。这作为为每个会话自动设置环境变量的方式很有用，或者为整个团队或组织推出一组环境变量。

变量	目的
ANTHROPIC_API_KEY	作为 X-Api-Key 头发送的 API 密钥，通常用于 Claude SDK（对于交互式使用，运行 /login）
ANTHROPIC_AUTH_TOKEN	Authorization  和 Proxy-Authorization 头的自定义值（您在此处设置的值将以 Bearer 为前缀）
ANTHROPIC_CUSTOM_HEADERS	您想要添加到请求中的自定义头（以 Name: Value 格式）
ANTHROPIC_MODEL	要使用的自定义模型名称（参见模型配置[8]）
ANTHROPIC_SMALL_FAST_MODEL	用于后台任务的 Haiku 类模型[9]名称
BASH_DEFAULT_TIMEOUT_MS	长时间运行的 bash 命令的默认超时时间
BASH_MAX_TIMEOUT_MS	模型可以为长时间运行的 bash 命令设置的最大超时时间
BASH_MAX_OUTPUT_LENGTH	bash 输出在中间截断之前的最大字符数
CLAUDE_BASH_MAINTAIN_PROJECT_WORKING_DIR	在每个 Bash 命令后返回到原始工作目录
CLAUDE_CODE_API_KEY_HELPER_TTL_MS	凭据应刷新的间隔时间（以毫秒为单位）（使用 apiKeyHelper 时）
CLAUDE_CODE_MAX_OUTPUT_TOKENS	为大多数请求设置最大输出令牌数
CLAUDE_CODE_USE_BEDROCK	使用 Bedrock（参见 Bedrock & Vertex[10]）
CLAUDE_CODE_USE_VERTEX	使用 Vertex（参见 Bedrock & Vertex[11]）
CLAUDE_CODE_SKIP_BEDROCK_AUTH	跳过 Bedrock 的 AWS 认证（例如使用 LLM 网关时）
CLAUDE_CODE_SKIP_VERTEX_AUTH	跳过 Vertex 的 Google 认证（例如使用 LLM 网关时）
CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC	等同于设置 DISABLE_AUTOUPDATER、DISABLE_BUG_COMMAND、DISABLE_ERROR_REPORTING 和 DISABLE_TELEMETRY
DISABLE_AUTOUPDATER	设置为 1 以禁用自动更新器
DISABLE_BUG_COMMAND	设置为 1 以禁用 /bug 命令
DISABLE_COST_WARNINGS	设置为 1 以禁用成本警告消息
DISABLE_ERROR_REPORTING	设置为 1 以选择退出 Sentry 错误报告
DISABLE_NON_ESSENTIAL_MODEL_CALLS	设置为 1 以禁用非关键路径的模型调用，如风味文本
DISABLE_TELEMETRY	设置为 1 以选择退出 Statsig 遥测（注意 Statsig 事件不包括用户数据，如代码、文件路径或 bash 命令）
HTTP_PROXY	为网络连接指定 HTTP 代理服务器
HTTPS_PROXY	为网络连接指定 HTTPS 代理服务器
MAX_THINKING_TOKENS	为模型预算强制思考
MCP_TIMEOUT	MCP 服务器启动的超时时间（以毫秒为单位）
MCP_TOOL_TIMEOUT	MCP 工具执行的超时时间（以毫秒为单位）
MAX_MCP_OUTPUT_TOKENS	MCP 工具响应中允许的最大令牌数（默认：25000）

配置选项

要管理配置，请使用以下命令：

• 列出设置：claude config list

• 查看设置：claude config get <key>

• 更改设置：claude config set <key> <value>

• 推送到设置（对于列表）：claude config add <key> <value>

• 从设置中移除（对于列表）：claude config remove <key> <value>

默认情况下，config 更改您的项目配置。要管理您的全局配置，请使用 --global（或 -g）标志。

全局配置

要设置全局配置，请使用 claude config set -g <key> <value>：

键	描述	示例
autoUpdates	是否启用自动更新（默认：true）	false
preferredNotifChannel	您希望接收通知的位置（默认：iterm2）	iterm2 、iterm2_with_bell、terminal_bell 或 notifications_disabled
theme	颜色主题	dark 、light、light-daltonized 或 dark-daltonized
verbose	是否显示完整的 bash 和命令输出（默认：false）	true

可用的工具

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 可以访问一组强大的工具，帮助它理解和修改您的代码库：

工具	描述	需要权限
Agent	运行子代理来处理复杂的多步骤任务	否
Bash	在您的环境中执行 shell 命令	是
Edit	对特定文件进行有针对性的编辑	是
Glob	基于模式匹配查找文件	否
Grep	在文件内容中搜索模式	否
LS	列出文件和目录	否
MultiEdit	对单个文件原子性地执行多个编辑	是
NotebookEdit	修改 Jupyter notebook 单元格	是
NotebookRead	读取和显示 Jupyter notebook 内容	否
Read	读取文件内容	否
TodoRead	读取当前会话的任务列表	否
TodoWrite	创建和管理结构化任务列表	否
WebFetch	从指定 URL 获取内容	是
WebSearch	执行带域名过滤的网络搜索	是
Write	创建或覆盖文件	是

三、𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 on VS Code

VS Code 中也有𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞的插件，但是看起来仅仅是可以在侧边栏使用，本质上与上面安装配置没什么区别

1. 打开 VSCode

2. 打开集成终端

3. 运行 claude - 扩展将自动安装

也可以从 VSCode 插件库搜索安装：

安装完成后点击红框图表，即可在 VS Code 右侧边栏使用了

四、Kimi K2/DeepSeek R1 with 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞

国内直接使用 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 太难了，一是毫无人性的封号，二是需要花钱，三是你就想花钱也没信用卡，四是前面都搞定了，依然无理由封号

所以聪明的 fuergaosi 开发了一个 claude-code-proxy 项目

它可以修改替换掉原 api，替换成 DeepSeek 或 kimi 的 api（任何兼容 OpenAI API 均可）

安装、运行 claude-code-proxy

git clone https://github.com/fuergaosi233/claude-code-proxy
cd claude-code-proxy
pip install -r requirements.txt
cp .env.example .env
python start_proxy.py

其中.env 示例如下

# Required: Your OpenAI API key
OPENAI_API_KEY="sk-xX"

# Optional: OpenAI API base URL (default: https://api.openai.com/v1)
# You can change this to use other providers like Azure OpenAI, local models, etc.
OPENAI_BASE_URL="https://api.moonshot.cn/v1"

# Optional: Model mappings (BIG and SMALL models)
BIG_MODEL="kimi-k2-0711-preview"           
# Used for Claude sonnet/opus requests
SMALL_MODEL="kimi-k2-0711-preview"    
# Used for Claude haiku requests

运行了python start_proxy.py之后

就可以另起 terminal 运行 claude 愉快编程了

ANTHROPIC_BASE_URL=http://localhost:8082 ANTHROPIC_AUTH_TOKEN="some-api-key" claude

最后再分享一段高效的 AI Agent 提示词技巧，来自@augmentcode

从上下文工程的视角，写提示词就像为 AI 打造一份结构化的“任务蓝图”。通过提供背景、意图、参考和分步指引，像项目经理一样与 AI 协作，才能最大化其能力，达成预期成果。

1. 构建清晰的上下文，模拟人类协作
   模糊的提示词（如“修复登录 bug”）缺乏足够信息，容易让 AI 误解或偏离目标。优秀的上下文工程需要融入“做什么”和“为什么”，例如：“登录接口在密码错误时返回 500 错误，复现方法是调用 /api/auth，检查 auth_service.py，建议添加测试用例。”这样的提示为 AI 提供了任务背景、复现路径和期望成果，就像在向团队成员交代任务。

2. 融入意图与参考，增强对齐
   上下文工程要求提示词不仅描述任务，还要阐明意图并提供参考。例如：“SettingsWebviewPanel.statusUpdate() 因高耦合被评审指摘，需改用事件机制以提升模块化。”通过指向具体代码、测试或文档（如“参考 auth_service.py”），AI 能更好地理解你的期望，减少试错。

3. 利用示例引导，优化学习效率 AI 在明确参考下表现更优，上下文工程提倡提供范例。比如：“为 ImageProcessor 编写测试，遵循 test_text_processor.py 的结构。”通过指向现有文件，AI 能快速模仿正确模式，减少偏差。

4. 分步拆解，精准聚焦
   上下文工程强调任务的结构化拆分，避免“一揽子”指令。例如，与其说“添加 JSON 解析器到聊天后端”，不如写：“在 services/ 下的 LLMOutputParsing 中实现 JSON 解析器，用于提取聊天完成的结构化输出。”分步、精准的提示让 AI 专注于单一目标，提升执行效率。

5. 先规划后执行，控制任务节奏
   复杂任务需先要求 AI 提供计划，确保方向一致。例如：“我要暴露时区设置，请先提供一个实现计划，暂不写代码。”这种分阶段的上下文设计就像项目管理中的里程碑检查，能有效对齐 AI 与你的意图。

6. 提示词即协作蓝图
   上下文工程不是简单的“提示词工程”，而是将提示词视为设计文档、任务分解和结对编程的结合。好的提示词就像与 AI 进行高效协作：清晰的目标、充足的

五、 大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。 

 这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

 

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书 

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓