Claude Code 是 Anthropic 官方出的命令行工具，直接在終端里跟 Claude 交互，干的事情就是幫你寫代碼、改代碼、跑命令。跟 ChatGPT 那種網(wǎng)頁聊天不一樣，它是嵌在你開發(fā)工作流里的——你在哪個目錄下啟動它，它就能讀那個目錄的代碼，理解項目結(jié)構(gòu)，然后直接動手改文件。

說白了，它把"復(fù)制代碼到聊天框→拿到回復(fù)→粘貼回編輯器"這個循環(huán)給干掉了。

安裝

原生安裝器（推薦）

這是目前官方推薦的方式，零依賴，不需要 Node.js，裝完自動后臺更新。

macOS / Linux：

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

Windows：

winget install Anthropic.ClaudeCode

Homebrew（macOS）

brew install --cask claude-code

能用，但新版本發(fā)布后 Homebrew 那邊會有幾小時到一兩天的同步延遲。追新版本的話還是用原生安裝器。

npm（已不推薦）

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

從 v2 開始就標(biāo)記為 deprecated 了。如果你有特殊原因需要鎖定版本，還能用，但一般沒必要。需要 Node.js 18+ 環(huán)境。

啟動

裝完之后，cd 到你的項目目錄，直接敲：

claude

第一次用會讓你登錄 Anthropic 賬號做認證。搞定之后就進入交互式對話了。如果你沒有 Anthropic 賬號，文章后面會有介紹如何接入其它模型。

非交互模式（適合腳本調(diào)用）：

claude -p "解釋一下 src/auth.ts 里的登錄邏輯"

核心用法

讓它讀代碼

最基礎(chǔ)的用法——你不確定某段代碼干了什么，直接問：

這個項目的入口文件在哪？整體架構(gòu)是怎樣的？

它會自己去翻文件、讀代碼，然后給你一個總結(jié)。不需要你手動指定文件路徑（當(dāng)然你也可以指定）。

讓它改代碼

比如你想給某個函數(shù)加個參數(shù)校驗：

給 src/utils/validate.ts 里的 parseConfig 函數(shù)加上參數(shù)類型檢查，如果傳入的不是對象就拋 TypeError

它會讀文件、定位函數(shù)、改代碼、寫回去。改之前會把 diff 展示給你看，你確認了才會真正寫入。

讓它跑命令

跑一下測試看看有沒有掛的

它會根據(jù)項目里的配置（package.json、Makefile 之類的）判斷該用什么命令，然后執(zhí)行。執(zhí)行前同樣會讓你確認。

讓它處理 Git 操作

把當(dāng)前改動提交一下，commit message 寫清楚點

它會看 diff、生成 commit message、執(zhí)行 git add 和 commit。但默認不會 push——推送到遠端這種不可逆操作，它會額外確認。

權(quán)限模型

Claude Code 有三種權(quán)限模式，控制它能自動做什么、什么需要你點確認：

• Ask mode：所有操作都要確認。適合剛開始用、不太信任它的時候。
• Auto-edit mode：讀文件和改文件自動放行，但跑命令還是要確認。日常開發(fā)比較推薦這個。
• Full auto mode：啥都自動干。適合你很清楚它要做什么、或者在沙箱環(huán)境里跑的場景。

切換方式：在交互模式里輸入 /permissions 就能調(diào)。

一個實用建議：剛上手先用 Ask mode 跑幾天，觀察它的行為模式，心里有數(shù)了再切到 Auto-edit。

CLAUDE.md：給它立規(guī)矩

項目根目錄下放一個 CLAUDE.md 文件，Claude Code 每次啟動都會讀它。你可以在里面寫：

• 項目的技術(shù)棧和約定
• 代碼風(fēng)格要求
• 哪些文件不要動
• 常用命令是什么

示例：

# 項目約定

- 使用 TypeScript strict mode
- 組件用 PascalCase 命名，工具函數(shù)用 camelCase
- 測試文件放在同目錄下的 **tests** 文件夾
- 不要修改 src/generated/ 下的任何文件，那是自動生成的
- 運行測試：pnpm test
- 運行 lint：pnpm lint

這個文件的好處是團隊共享——提交到倉庫里，所有人用 Claude Code 的時候都遵守同一套規(guī)矩。

MCP：給 Claude Code 接外 掛

MCP 是什么

MCP（Model Context Protocol）是 Anthropic 搞的一套開放協(xié)議，2025 年捐給了 Linux 基金會。簡單說就是一個標(biāo)準(zhǔn)化的接口，讓 Claude Code 能連接外部工具和服務(wù)——數(shù)據(jù)庫、瀏覽器、搜索引擎、GitHub、各種 API，都能通過 MCP 接進來。

沒有 MCP 的時候，Claude Code 只能讀文件、改文件、跑命令。有了 MCP，它能查數(shù)據(jù)庫、搜網(wǎng)頁、操作瀏覽器、調(diào)第三方 API，能力邊界一下子擴大了很多。

怎么加 MCP Server

用 claude mcp add 命令：

# 基本格式
claude mcp add <server-name> -- <啟動命令>

# 指定作用域
claude mcp add <server-name> --scope user    # 個人級別，所有項目可用
claude mcp add <server-name> --scope project # 項目級別，跟著倉庫走

舉個例子，加一個 GitHub MCP server：

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

加完之后重啟 Claude Code 就能用了。也可以直接編輯配置文件，位置在項目的 .claude/settings.json 或者用戶級別的配置目錄里：

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

推薦的 MCP Server

用了一段時間下來，這幾個是真正高頻用到的：

Context7 —— 實時文檔查詢

這個強烈推薦。它能拉取各種庫的最新文檔和代碼示例，解決"訓(xùn)練數(shù)據(jù)過時"的問題。你問 Claude 一個 Next.js 14 的 API 用法，它可能給你的是舊版本的寫法，但有了 Context7，它會去查最新文檔再回答。

claude mcp add context7 -- npx -y @upstash/context7-mcp

Memory —— 跨會話記憶

Claude Code 默認每次對話是獨立的，關(guān)掉終端就忘了。Memory server 提供一個持久化的知識圖譜，讓它能記住跨會話的信息——比如你的項目架構(gòu)決策、之前踩過的坑。

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

GitHub —— 倉庫操作

不只是 git 命令那些基礎(chǔ)操作，而是 GitHub 平臺層面的——創(chuàng)建 PR、review 代碼、管理 issue、查 CI 狀態(tài)。

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

需要設(shè)置 GITHUB_PERSONAL_ACCESS_TOKEN 環(huán)境變量。

Brave Search —— 網(wǎng)頁搜索

讓 Claude Code 能搜索互聯(lián)網(wǎng)。遇到不確定的技術(shù)問題，它可以先搜一下再回答，而不是純靠訓(xùn)練數(shù)據(jù)瞎編。

claude mcp add brave-search -- npx -y @modelcontextprotocol/server-brave-search

需要 Brave Search API key。

Puppeteer —— 瀏覽器自動化

能操控瀏覽器，適合做 E2E 測試、截圖、抓取頁面內(nèi)容。

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

PostgreSQL —— 數(shù)據(jù)庫操作

直接查數(shù)據(jù)庫、看表結(jié)構(gòu)、跑 SQL。調(diào)試數(shù)據(jù)相關(guān)的 bug 時特別有用。

claude mcp add postgres -- npx -y @modelcontextprotocol/server-postgres postgresql://user:pass@localhost/dbname

Sequential Thinking —— 深度推理

遇到復(fù)雜問題時，讓 Claude 用更結(jié)構(gòu)化的方式一步步推理，而不是一口氣給答案。適合架構(gòu)設(shè)計、復(fù)雜 bug 分析這類需要深度思考的場景。

claude mcp add sequential-thinking -- npx -y @modelcontextprotocol/server-sequential-thinking

MCP 使用建議

• 不要一口氣裝太多。每個 MCP server 都會占啟動時間和上下文空間，裝個五六個常用的就夠了
• 敏感信息（數(shù)據(jù)庫密碼、API key）放環(huán)境變量里，別硬編碼在配置文件中
• 項目級別的 MCP 配置（.claude/settings.json）可以提交到倉庫，但記得把 env 里的密鑰排除掉
• 用 /mcp 命令可以在會話中查看和管理當(dāng)前加載的 MCP server

Skills：可復(fù)用的工作流

Skills 是什么

Skills 本質(zhì)上就是 markdown 文件，里面寫著一套指令。你把它放到指定目錄，Claude Code 就能識別并加載?？梢岳斫鉃?quot;預(yù)設(shè)的 prompt 模板"，但比直接粘貼 prompt 方便得多——它跟 slash command 是統(tǒng)一的，創(chuàng)建一個 skill 就自動注冊為一個 /命令。

適用場景：你發(fā)現(xiàn)自己反復(fù)給 Claude Code 說同樣的話（"用 vitest 寫測試，覆蓋邊界情況，mock 外部依賴"），那就該把它做成 skill 了。

怎么創(chuàng)建 Skill

在項目里創(chuàng)建這個路徑的文件：

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

或者放在用戶級別（所有項目通用）：

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

文件內(nèi)容就是 markdown，可以帶 YAML frontmatter 來控制行為：

---
name: write-test
description: 為指定模塊編寫單元測試
allowed-tools:
  - Bash
  - Read
  - Write
  - Edit
---

# 編寫單元測試

按照以下規(guī)范為目標(biāo)模塊編寫測試：

1. 使用 vitest 作為測試框架
2. 測試文件放在同目錄的 **tests** 文件夾下
3. 文件名格式：<module-name>.test.ts
4. 必須覆蓋：正常路徑、邊界情況、錯誤處理
5. 外部依賴一律 mock，不要發(fā)真實網(wǎng)絡(luò)請求
6. 每個測試用 describe 分組，用清晰的中文描述測試意圖
7. 寫完之后跑一遍確認全部通過

保存之后不需要重啟，Claude Code 會自動識別。在對話里輸入 /write-test 就能觸發(fā)。

frontmatter 字段說明

• name：skill 的標(biāo)識符，也是 slash command 的名字
• description：描述這個 skill 干什么。Claude 會根據(jù)這個描述判斷是否自動激活
• allowed-tools：限制這個 skill 能用哪些工具。比如一個只讀分析的 skill，可以只給 Read 權(quán)限

內(nèi)置的 Slash Commands

Claude Code 自帶這些命令，不需要額外配置：

推薦自建的幾個 Skill

代碼審查 skill

---
name: review
description: 按團隊標(biāo)準(zhǔn)審查代碼
allowed-tools:
  - Read
  - Grep
  - Glob
---

# 代碼審查

審查當(dāng)前分支相對于 main 的所有改動，關(guān)注以下方面：

1. 安全問題：SQL 注入、XSS、硬編碼密鑰、不安全的反序列化
2. 性能問題：N+1 查詢、不必要的循環(huán)、內(nèi)存泄漏風(fēng)險
3. 邏輯錯誤：邊界條件、空值處理、競態(tài)條件
4. 代碼規(guī)范：命名是否清晰、函數(shù)是否過長、是否有重復(fù)代碼
5. 測試覆蓋：新增邏輯是否有對應(yīng)測試

輸出格式：按嚴重程度分級（Critical / Warning / Suggestion），每條給出文件路徑、行號、問題描述和修復(fù)建議。

部署 skill

---
name: deploy-staging
description: 部署當(dāng)前分支到 staging 環(huán)境
allowed-tools:
  - Bash
  - Read
---

# 部署到 Staging

執(zhí)行以下步驟：

1. 確認當(dāng)前分支所有測試通過
2. 確認沒有未提交的改動
3. 構(gòu)建 Docker 鏡像并打 tag（格式：staging-<短 commit hash>）
4. 推送到容器倉庫
5. 觸發(fā) staging 環(huán)境的滾動更新
6. 等待健康檢查通過
7. 輸出部署結(jié)果和訪問地址

如果任何步驟失敗，立即停止并報告原因。

API 文檔生成 skill

---
name: gen-api-doc
description: 為 API 端點生成接口文檔
allowed-tools:
  - Read
  - Grep
  - Write
---

# 生成 API 文檔

讀取指定的路由文件，為每個端點生成文檔，包含：

- 請求方法和路徑
- 請求參數(shù)（path / query / body），標(biāo)注類型和是否必填
- 響應(yīng)格式，給出示例 JSON
- 錯誤碼說明
- 認證要求

輸出為 markdown 格式，保存到 docs/api/ 目錄下。

Skill 的自動激活

如果你在 frontmatter 里寫了 description，Claude Code 會根據(jù)當(dāng)前對話內(nèi)容判斷是否自動加載這個 skill。比如你的 skill 描述是"為指定模塊編寫單元測試"，當(dāng)你在對話里說"幫這個函數(shù)寫個測試"，它可能會自動激活這個 skill，不需要你手動輸入 /write-test。

這個機制挺方便，但如果你不想要自動激活，把 description 去掉就行。

實際工作流場景

場景一：接手陌生項目

剛 clone 下來一個項目，啥都不了解：

幫我梳理一下這個項目的目錄結(jié)構(gòu)和核心模塊，重點說說數(shù)據(jù)流是怎么走的

比自己一個個文件翻快多了。它會把入口、路由、數(shù)據(jù)層、工具函數(shù)這些串起來講。

場景二：修 Bug

拿到一個 bug report，知道大概在哪但不確定根因：

用戶反饋登錄后偶爾會跳回登錄頁。看看 src/auth/ 目錄下的 token 刷新邏輯有沒有競態(tài)問題

它會讀相關(guān)代碼，分析可能的問題點，然后給出修復(fù)方案。你覺得靠譜就讓它直接改。

場景三：重構(gòu)

想把一個大函數(shù)拆成幾個小的：

把 src/services/order.ts 里的 processOrder 函數(shù)拆分一下，按職責(zé)分成校驗、計算、持久化三個步驟

場景四：寫測試

給 src/utils/format.ts 里的所有導(dǎo)出函數(shù)補上單元測試，用 vitest，覆蓋邊界情況

場景五：代碼審查

看看 src/api/routes.ts 最近的改動有沒有安全問題

一些實用技巧

用 /compact 壓縮上下文

聊久了上下文會變長，響應(yīng)變慢。輸入 /compact 可以讓它總結(jié)之前的對話，釋放上下文空間。長任務(wù)中途用一下很有幫助。

用 /clear 重新開始

如果話題完全換了，/clear 清掉歷史重新來，比在舊上下文里繼續(xù)聊效果好。

多用具體指令，少用模糊描述

不好的問法：

幫我優(yōu)化一下這個項目

好的問法：

src/components/Table.tsx 渲染 1000 行數(shù)據(jù)時明顯卡頓，看看有沒有不必要的 re-render，給個優(yōu)化方案

越具體，輸出質(zhì)量越高。

善用 --continue 恢復(fù)會話

終端不小心關(guān)了，或者想接著上次的進度繼續(xù)：

claude --continue

會恢復(fù)上一次的對話上下文。

結(jié)合 Git 分支工作

建議在 feature branch 上用 Claude Code 干活。這樣它做的改動都在獨立分支上，不滿意直接扔掉分支就行，不會污染主線。

它不擅長什么

說幾個別對它期望過高的場景：

1. 大規(guī)模架構(gòu)設(shè)計：它能給建議，但最終的架構(gòu)決策還是得人來拍。它看不到業(yè)務(wù)全貌、團隊能力、歷史包袱這些上下文。
2. 跨多個倉庫的改動：它的工作范圍是當(dāng)前目錄。如果改動涉及多個獨立倉庫，得分別處理。
3. 需要運行時調(diào)試的問題：它能讀代碼做靜態(tài)分析，但沒法真正跑起來打斷點。涉及到具體運行時狀態(tài)的 bug，還是得配合 debugger。
4. 涉及敏感信息的操作：不要讓它處理包含密鑰、密碼的文件。雖然對話內(nèi)容不會被用于訓(xùn)練，但養(yǎng)成習(xí)慣比較好。

接入第三方模型

如果你沒法訂閱 Anthropic 官方服務(wù)（網(wǎng)絡(luò)原因、支付方式限制等），Claude Code 支持通過環(huán)境變量把請求轉(zhuǎn)發(fā)到其他兼容的 API 端點。只要對方支持 Anthropic 的消息格式，就能直接接入。

核心環(huán)境變量

以 DeepSeek 為例

DeepSeek 原生支持 Anthropic API 格式，不需要任何代理或中間件，配置最簡單。

先去 platform.deepseek.com 注冊賬號拿到 API Key，然后設(shè)置環(huán)境變量：

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

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：

$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 永久設(shè)置（系統(tǒng)環(huán)境變量）：

打開"系統(tǒng)屬性 → 高級 → 環(huán)境變量"，新建以下用戶變量：

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

設(shè)置完之后直接啟動 claude 就行，它會自動走 DeepSeek 的接口。

通過 settings.json 配置模型

除了環(huán)境變量，也可以在 settings 里指定默認模型。文件位置：

• 全局：~/.claude/settings.json（Windows 是 %USERPROFILE%\.claude\settings.json）
• 項目級：.claude/settings.json

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

或者啟動時用參數(shù)指定：

claude --model deepseek-chat

進入會話后也能用 /model 命令臨時切換。

通過 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。它聚合了幾百個模型，提供統(tǒng)一的 Anthropic 兼容接口。

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 上也能選 DeepSeek、Google Gemini 等模型，但非 Anthropic 模型的兼容性不一定完美——Claude Code 的 agent 循環(huán)是針對 Anthropic 消息格式設(shè)計的，其他模型可能在工具調(diào)用上有些小問題。

本地模型（Ollama）

如果你想完全離線跑，可以用 Ollama 加一個格式轉(zhuǎn)換代理：

# 先啟動 Ollama
ollama serve

# 用社區(qū)代理（如 claude-code-router）橋接格式
# 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

本地模型的體驗取決于你的硬件和模型大小。32B 以上的模型在工具調(diào)用方面表現(xiàn)還行，更小的模型容易出格式錯誤。

社區(qū)代理工具

如果目標(biāo) API 不直接兼容 Anthropic 格式，可以用這些開源代理做轉(zhuǎn)換：

• claude-code-router：支持路由到 OpenRouter、DeepSeek、Ollama、Gemini 等多個后端
• claude-code-proxy：把 Anthropic 格式轉(zhuǎn)成 OpenAI 格式，適配 GPT 系列
• deepclaude：專門為 DeepSeek + Claude Code 優(yōu)化的代理

這些代理本質(zhì)上都是在本地起一個 HTTP 服務(wù)，把 Claude Code 發(fā)出的 Anthropic 格式請求翻譯成目標(biāo) API 能理解的格式。

注意事項

• 第三方模型的工具調(diào)用能力參差不齊。Claude Code 重度依賴 tool use，如果模型在這方面弱，體驗會打折扣
• 用第三方端點時，Claude Code 會自動禁用一些功能（比如 MCP tool search），這是安全限制
• 環(huán)境變量設(shè)置后，claude 啟動時不會再要求 Anthropic 賬號登錄
• DeepSeek 的 API 價格大概是 Anthropic 的 1/10 到 1/20，性價比很高，但響應(yīng)速度和代碼能力跟 Claude 還是有差距

費用相關(guān)

Claude Code 按 token 計費，用的是你 Anthropic 賬號的額度（Pro 訂閱用戶有包含的額度，Max 訂閱額度更高）。幾個省錢的點：

• 問題描述清楚，減少來回對話
• 大文件不需要全讀的時候，指定具體行數(shù)范圍
• 用 /compact 控制上下文長度
• 簡單任務(wù)用 /model 切到 Sonnet 或 Haiku，省錢且快
• /cost 隨時看當(dāng)前會話花了多少
• 接入 DeepSeek 等第三方模型，成本能降一個數(shù)量級

最后

Claude Code 的定位不是替代你寫代碼，而是把那些重復(fù)性的、機械性的工作接過去——讀代碼、寫樣板、跑命令、生成測試、整理 commit。你省下來的時間可以花在真正需要思考的地方：系統(tǒng)設(shè)計、技術(shù)選型、業(yè)務(wù)理解。

MCP 和 Skills 這兩個擴展機制讓它從一個"聰明的終端助手"變成了一個可以深度定制的開發(fā)平臺。MCP 擴展它能觸達的外部資源，Skills 固化你的工作流程?；c時間把這兩個配好，日常效率提升會很明顯。

用好它的關(guān)鍵就一句話：把它當(dāng)成一個能力很強但需要明確指令的搭檔，而不是一個什么都懂的全知全能助手。你給的上下文越充分、指令越具體，它的輸出就越靠譜。

以上就是Claude Code完整指南：MCP、Skills、第三方模型配置一次搞定的詳細內(nèi)容，更多關(guān)于Claude Code完整指南的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論