Claude Code：
你的 AI 编程搭档

Claude Code 是什么

Claude Code 是 Anthropic 推出的 AI 编程工具，它运行在你的终端里，能直接读写你项目里的文件、运行命令、执行测试。它不只是一个能回答代码问题的聊天机器人——它更像一个真正在你机器上干活的编程助手。

具体能做什么：

• 理解你的整个代码库（不只是一个文件），能跨文件分析和修改
• 自主执行任务：写代码 → 运行 → 看报错 → 修改 → 再运行，形成完整循环
• 帮你调试、重构、写测试、写文档
• 通过 Git 感知项目历史，理解上下文

前置要求检查

开始之前，确认以下都已就绪（前面几篇文章都讲过了）：

安装步骤

第一步：安装 Claude Code CLI

在 Ubuntu/WSL 终端里运行：

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

安装完验证：

claude --version

应该显示类似 1.x.x 的版本号。

第二步：跳过官方认证流程

安装完成后，如果直接运行 claude，它会要求你进行官方账号认证。我们可以通过创建配置文件来跳过这个步骤。

在你的家目录（~）下创建一个隐藏文件 .claude.json（注意：不是 .claude 目录，而是 .claude.json 文件）：

touch ~/.claude.json

nano ~/.claude.json

{
  "hasCompletedOnboarding": true,
  "forceLoginMethod": "console"
}

验证文件是否创建成功：

cat ~/.claude.json

应该能看到刚才写入的 JSON 内容。

rm ~/.claude.json

使用第三方 API（推荐）

官方 Anthropic API 虽然稳定，但对国内用户不太友好（需要国际信用卡、可能有网络限制）。使用第三方 API 提供商可以：

• ✅ 支持国内支付方式（支付宝、微信）
• ✅ 网络访问更稳定
• ✅ 有免费额度可以试用
• ✅ 价格通常更便宜

什么是 API Key？

API Key 是一串密钥字符串，用来证明你的身份和授权你使用 API 服务。可以把它理解成：

• 🔑 门禁卡：有了它才能进入 AI 服务的大门
• 💳 会员卡：用来记录你的使用量和扣费
• 🆔 身份证：证明这个请求是你发出的

API Key 通常长这样：sk-xxxxxxxxxxxxxxxxxxxxxxxx（一串随机字符）

方案一：SiliconFlow（推荐新手）

SiliconFlow 是国内优质的 AI API 提供商，支持多种模型（Claude、GPT、国产大模型等），新用户有免费额度。

方案二：Kimi 开放平台

Kimi（月之暗面）是国内知名 AI 公司，其Kimi K2.5性能逼近顶尖模型，提供稳定的 coding API 服务。

第三步：配置 API Key 和端点

获取 API Key 后，需要告诉 Claude Code 使用哪个端点和密钥。我们将配置写入 Claude Code 的专属配置文件 ~/.claude/settings.json，配置与工具绑定，整洁且易于管理。

Claude Code 在 ~/.claude/ 目录下维护自己的配置文件，可以在 settings.json 中直接设置环境变量，Claude Code 启动时会自动读取。

mkdir -p ~/.claude

touch ~/.claude/settings.json

nano ~/.claude/settings.json

{
  "env": {
    "ANTHROPIC_API_KEY": "你的_SiliconFlow_API_Key",
    "ANTHROPIC_BASE_URL": "https://api.siliconflow.cn",
    "ANTHROPIC_MODEL": "Pro/moonshotai/Kimi-K2.5"
  },
  "alwaysThinkingEnabled": false
}

{
  "env": {
    "ANTHROPIC_API_KEY": "你的_Kimi_API_Key",
    "ANTHROPIC_BASE_URL": "https://api.moonshot.cn/anthropic",
    "ANTHROPIC_MODEL": "kimi-k2.5"
  },
  "alwaysThinkingEnabled": false
}

验证文件写入正确：

cat ~/.claude/settings.json

应该能看到刚才写入的 JSON 配置内容。

rm ~/.claude/settings.json

创建你的代码目录（推荐）

在开始使用 Claude Code 之前，建议你创建一个专门存放代码项目的目录。这是一个很好的开发习惯：

• ✅ 代码统一管理，方便查找和备份
• ✅ 与系统文件分离，避免误操作
• ✅ 路径简洁，输入方便

创建代码目录：

mkdir ~/code

测试运行

现在可以试试运行 Claude Code 了。假设你在 ~/code 目录下有一个项目：

cd ~/code

claude

如果配置正确，应该能直接进入 Claude Code 的交互界面，不会再要求认证。

关于速率限制和使用量

使用第三方 API 时，需要了解几个关键指标，它们直接影响你的使用体验：

进阶选择：官方 API 提供商

如果你需要更高的速率限制或更稳定的服务，可以考虑以下选项：

它怎么工作的

理解这个能帮你更好地使用它：

• Claude Code 启动时会扫描你的项目结构（目录树、重要文件内容），建立对项目的理解
• 它有一个对话上下文窗口，你们的对话历史、读取的文件内容都在里面
• 它可以主动调用工具：读文件、写文件、执行终端命令、搜索代码……每次调用工具前会告诉你它要做什么
• 复杂任务它会自主规划步骤，一步一步执行，不需要你手动分解

基本使用方式

怎么跟它说话

启动后进入交互模式，像正常对话一样输入需求：

claude

然后在交互界面中输入你的需求，例如：

• “帮我看看这个 Flask 应用为什么启动时报错”
• “在 src/auth.py 里添加 JWT token 刷新功能”
• “帮我写一个 pytest 测试文件，覆盖 UserService 的主要方法”
• “把项目里所有用 var 声明的变量改成 const 或 let”

也可以直接传入任务，不进入交互模式（适合简单任务或脚本）：

claude "解释一下 app.py 里 handle_error 函数的逻辑"

常用斜杠命令

在对话中输入 / 开头的命令来控制 Claude Code 的行为：

让它高效工作的技巧

1. 说清楚「是什么」而不只是「怎么做」

不够好的提示：「帮我优化这段代码」

更好的提示：「这个函数在处理 10 万条记录时很慢，现在用了嵌套 for 循环，帮我用更高效的方法重写，要求兼容 Python 3.10+」

给的信息越具体，结果越准确。

2. 先让它分析，再让它动手

对于复杂任务，先问它的计划，确认思路对了再执行：

You: 我想给这个应用添加用户权限系统，你先说说你的实现思路，
      等我确认后再开始写代码

Claude: 好的，我的思路是...

You: 方向对，但权限检查放在中间件层更好，按这个思路来

3. 充分利用它的工具调用能力

不用先把文件内容粘给它，直接告诉它文件在哪，它会自己去读：

You: 看一下 src/models/ 目录下所有的模型文件，
      检查有没有缺少索引的外键字段

4. 和 Git 配合使用

5. 任务失败时，给它更多信息

如果它做的不对，不要只说「不对」，把具体的报错信息、你期望的行为都告诉它：

You: 不对，运行后报了这个错：
      TypeError: Cannot read properties of undefined (reading 'userId')
      这个错误出现在 /api/profile 路由，用户已经登录了但 req.user 是 undefined，
      问题应该出在 auth 中间件的顺序上

6. 长任务分段完成

一次性让它完成整个大项目通常效果不如分段来。把大任务分成几个阶段，每个阶段完成后检查、commit，再进行下一阶段。

费用说明

Claude Code 按 API 使用量计费，不是订阅制。

• 费用取决于你发送和接收的 token 数量（大约 1000 个中文字 ≈ 1500-2000 token）
• 日常轻度使用（写写脚本、调试、问问题），每月几美元到十几美元足够
• 重度使用（让它重构大型项目、长时间自主运行），费用会更高
• 在 Anthropic Console 的 Usage 页面可以实时看费用

推荐的日常工作流

把前面几篇文章的内容整合起来，这是一个完整的 AI Coding 工作流：

cd ~/projects/my-app

git status

git pull

git switch -c feature/new-thing

claude

git diff

python -m pytest

git add . && git commit -m "feat: 添加分页功能"

git push

系列总结

到这里，这个系列的内容就完整了。回顾一下我们覆盖的内容：

这些是 AI Coding 的地基，后续无论是深入某个框架、做某类项目，都建立在这套环境之上。