🗒️Claude Code用法实践入门

geepair

技术分享|2026-3-16|最后更新: 2026-3-17|
type
Post
status
Published
date
Mar 16, 2026
slug
summary
记录claude code的一些小技巧和工具等
tags
开发
工具
思考
category
技术分享
icon
password

1、写在开头

Claude Code 是由美国人工智能公司 Anthropic 推出的终端原生 AI 编程助手,是 Claude 系列模型中专门针对编程任务优化的版本。它专为代码生成、理解与优化而设计,具备更强的代码处理能力和上下文理解能力。它能理解你的代码库,通过执行常规任务、解释复杂代码和处理Git工作流——全靠自然语言指令实现。你可以在终端、集成开发环境或GitHub上 @claude来使用它。
Github地址
claude-code
anthropicsUpdated Mar 25, 2026
官方文档
命令行图形界面
notion image

1.1 安装

已弃用通过 npm 安装的方式
macOS, Linux, WSL:

1.2 核心功能

功能
说明
代码生成
支持自然语言描述需求,自动生成高质量代码
代码调试
实时代码优化和错误修复建议
代码重构
理解复杂业务逻辑,提供精准的技术解决方案
项目导航
能阅读、解释大型代码文件,具备项目级全局视野
自动化任务
无需切换IDE即可实现多种开发任务
  1. 超长上下文:支持 200k tokens 超长上下文,可处理大型项目
  1. 多语言支持:支持 40+ 编程语言
  1. 终端原生:直接在终端中使用,无需切换IDE
  1. 智能对话:支持自然语言交互,对话式编程体验
  1. 跨平台兼容:可在多种操作系统上运行
  1. 安全性保障:采用 Constitutional AI 训练方法,注重安全性与伦理规范

1.3 可以做什么?

将你一直拖延的工作自动化

Claude Code 可以处理那些耗费你大量时间的繁琐任务:为未经测试的代码编写测试、修复项目中的 lint 错误、解决合并冲突、更新依赖项以及编写发行说明。

构建功能并修复错误

请用通俗易懂的语言描述你的需求。Claude Code 会规划方案,编写分布在多个文件中的代码,并验证其是否有效。对于错误报告,粘贴错误信息或描述错误症状,Claude Code 会追踪代码库中的问题,找出根本原因并进行修复。

创建提交和拉取请求

Claude Code 直接与 Git 交互。它可以暂存更改、编写提交信息、创建分支和打开拉取请求。
在 CI 中,您可以使用GitHub Actions或GitLab CI/CD实现代码审查和问题分类的自动化。

将您的工具与 MCP 连接

模型上下文协议 (MCP)是一种开放标准,用于将 AI 工具连接到外部数据源。借助 MCP,Claude Code 可以读取 Google 云端硬盘中的设计文档、更新 Jira 中的工单、从 Slack 拉取数据,或使用您自己的自定义工具。

可自定义说明、技能和钩子

CLAUDE.md这是一个 Markdown 文件,您可以将其添加到项目根目录,Claude Code 会在每次会话开始时读取它。您可以使用它来设置编码规范、架构决策、首选库和代码审查清单。Claude 还会在运行过程中自动构建内存,将构建命令和调试技巧等经验保存到不同的会话中,而无需您编写任何内容。创建自定义命令,将可重复的工作流程打包,以便您的团队可以共享,例如/review-pr/deploy-staging。钩子允许你在 Claude Code 操作之前或之后运行 shell 命令,例如在每次文件编辑后自动格式化或在提交之前运行 lint。

管理代理团队并构建定制代理

生成多个 Claude Code 代理,它们同时处理任务的不同部分。主代理负责协调工作、分配子任务并合并结果。对于完全自定义的工作流,Agent SDK允许您构建由 Claude Code 的工具和功能驱动的自己的代理,并完全控制编排、工具访问和权限。

使用 CLI 进行管道操作、编写脚本和自动化

Claude Code 具有可组合性,并遵循 Unix 理念。您可以将日志通过管道传输到它,在 CI 环境中运行它,或将其与其他工具链接起来使用:

随时随地办公

每个表面都连接到同一个底层 Claude Code 引擎,因此您的 CLAUDE.md 文件、设置和 MCP 服务器可以在所有表面上工作。除了上述的终端、VS Code、JetBrains、桌面和Web环境之外,Claude Code 还集成了 CI/CD、聊天和浏览器工作流程

1.4 命令

notion image
命令参数等

1.5 最佳实践

Claude Code是一个智能体编码环境。与只会回答问题并等待的聊天机器人不同,Claude Code可以读取你的文件、运行命令、进行修改,并在你观看、引导或完全离开的情况下自主解决问题。你不再需要自己编写代码然后请 Claude 审查,而是描述你的需求,然后由 Claude 来决定如何实现。Claude 负责探索、规划和实施。
但这种自主性仍然需要一个学习过程。克劳德的工作受到一些限制,你需要了解这些限制。
大多数最佳实践都基于一个限制:Claude 的上下文窗口很快就会填满,并且随着窗口的填满,性能会下降。Claude 的上下文窗口会显示你的所有对话,包括每条消息、Claude 读取的每个文件以及每个命令输出。但是,这个窗口很快就会被填满。一次调试会话或代码库探索就可能生成并消耗数万个令牌。这一点很重要,因为随着上下文填充,LLM 的性能会下降。当上下文窗口接近满格时,Claude 可能会开始“忘记”之前的指令或犯更多错误。上下文窗口是需要管理的最重要资源。

验证工作

请提供测试用例、屏幕截图或预期输出,以便 Claude 可以进行自我检查。
当 Claude 能够验证自己的工作时,例如运行测试、比较屏幕截图和验证输出,它的表现会好得多。如果没有明确的成功标准,最终可能会产生看起来正确但实际上行不通的结果。

先探索,再计划,最后编码

将研究和规划与实施分开,以避免解决错误的问题。
探索:进入计划模式。claude会读取文件并回答问题,但不会进行任何更改。
计划:请claude制定一份详细的实施计划。
按下此键Ctrl+G,即可在文本编辑器中打开计划,以便在 Claude 继续操作之前进行直接编辑。
实施:切换回正常模式,让 Claude 编写代码,并根据其计划进行验证。
计划模式虽然有用,但也会增加系统开销。对于范围明确且修复工作量较小的任务(例如修复拼写错误、添加日志行或重命名变量),请直接让 Claude 执行。当你不确定该如何操作、更改涉及多个文件或对要修改的代码不熟悉时,制定计划最为有用。如果可以用一句话描述差异,则可以省略计划。

1.6 一些使用小技巧

  1. 并行跑多个Claude实例
    1. 通常在Cursor或Trae等IDE中开5到10个终端,分别执行不同任务。Claude Code不仅仅用于编写代码,还能用来写脚本、文章等,因此我觉得在IDE中查看多个任务的输出结果会更加方便。一次性打开多个Claude窗口来完成不同的任务的思维方式非常有效,通过系统通知来管理多个实例的做法也非常巧妙。
  1. 本地+网页双线作战
    1. 除了本地的多个Claude实例,claude.ai/code网页端同时运行多个Claude实例。通过&将本地会话交给网页端,或者使用--teleport在两者间切换。
  1. 全程使用Opus 4.6 + 思考模式
    1. 尽管Opus 4.6可能较为昂贵和缓慢,但其功能强大且足够灵活,值得投入。毕竟,Opus 4.6在节省时间和提高效率方面,带来的回报远远超过了成本。
  1. 团队共享CLAUDE.md
    1. 团队将所有的使用文档放在同一个CLAUDE.md文件里,并且将其上传至git,每周都会有多人更新和维护。每当Claude Code出现错误时,他们会将错误记录到CLAUDE.md中,以便下次Claude Code避免犯同样的错误。
  1. 代码审查时自动更新规则
    1. 在代码审查时,会在PR(Pull Request)上@.claude,让它自动将某些规则添加到CLAUDE.md中。触发Claude Code的GitHub Action实现。
  1. 大多数会话从Plan模式开始
    1. 大部分会话都会从Plan模式开始(按两次shift+tab)。流程是:先在Plan模式下讨论,直到达成满意的计划,然后切换到自动接受编辑模式,Claude Code通常能一次性完成任务。
  1. 斜杠命令用于高频工作流
    1. 将重复执行的工作流使用斜杠命令(例如/review)进行自动化,并把这些命令存放在.claude/commands/目录下。斜杠命令不仅节省了输入时间,还能让Claude Code在执行任务时自动调用这些命令。
  1. 用子代理自动化常见流程
      • code-simplifier:Claude Code工作完成后简化代码
      • verify-app:执行端到端测试
      不要创建一堆“专家子代理”(如Python专家、前端专家等),这可能会导致上下文分割,从而让Claude无法进行全局推理。子代理应当用于自动化流程,而非进行专业分工。
  1. PostToolUse钩子自动格式化
    1. 使用PostToolUse钩子来格式化Claude Code生成的代码,确保Claude Code生成的代码格式一致,避免后续CI(持续集成)流程中的格式错误。
  1. 使用/permissions预授权
    1. 不使用--dangerously-skip-permissions,而是通过/permissions提前授权已知安全的命令,大部分设置存储在.claude/settings.json中,并与团队共享。
  1. Claude使用所有工具
    1. 让Claude Code通过各种工具完成工作:
      • mcp
  1. 长任务的处理策略
    1. 对于非常长的任务,Boris采取三种方式:
      • 提示Claude Code完成后用后台代理验证
      • 使用Agent Stop钩子做验证
      • 使用ralph-wiggum插件(让Claude自动循环直到完成)
高频命令
命令
用途
使用场景
/help
查看帮助信息
忘记某个功能时随手查
/model
切换模型
简单任务切小模型省 token
/cost
查看本次会话费用
每次结束前看看花了多少钱
/memory
编辑记忆文件
让 AI 记住项目的约定和偏好
项目级命令
命令
用途
说明
/init
初始化项目配置
会生成 CLAUDE.md,相当于给 AI 写项目说明书
/config
修改配置
调整权限、行为偏好等
/mcp
管理 MCP 服务器
接入外部工具和数据源
第一次打开一个新项目,先跑 /init。它会扫描你的代码库,自动生成一份项目描述文件。后续 AI 理解你的代码会准确得多。
进阶命令
命令
用途
/review
让 AI 做 Code Review
/mcp
配置外部工具集成
键盘快捷键
多行输入
在终端里输入多行内容一开始挺别扭的,这里有三种方法:
  • 反斜杠换行:在行尾打 \ 再按 Enter
  • Option + Enter(macOS):直接换行不发送
  • Shift + Enter:同上,跨平台通用
三种作用域
作用域
配置位置
适用场景
本地
当前项目 .claude/
只在这个项目用的工具
项目
项目根目录配置
团队共享的项目工具
用户
~/.claude/
所有项目通用的工具
Hooks 钩子:在关键节点插入自定义逻辑
Hooks 是面向进阶用户的功能,它让你在 AI 执行的各个阶段插入自定义脚本。
配置文件体系:两层覆盖机制
Claude Code 的配置分两层:
项目级配置优先级更高,这个设计很合理。你可以在全局配置里设好通用偏好,再在具体项目里做微调。比如全局开启自动确认模式,但在生产环境项目里强制要求每步确认。
用 @ 引用文件,精准提供上下文
用 ! 前缀执行 Shell 命令
自定义命令:把常用操作模板化
计划模式:大任务先规划再执行
ultrathink 扩展思考
Git Worktrees 并行作战

2、oh-my-claudecode插件

2.1 痛点

  • 向 Claude 重复解释了 3 遍需求,它还是理解错了关键逻辑?
  • 复杂项目卡在某个环节,Claude 不会主动寻求帮助,只会说"我理解了"?
  • 想要代码审查 + 测试 + 文档,需要在多个对话间来回切换,手动协调成本高?
    • 单一 AI 的能力天花板是显而易见的。
数据显示,使用 oh-my-claudecode 后:
  • 效率提升 50% - 自动任务分解与编排
  • 成本节省 30-50% - 智能模型路由(Haiku/Opus 按需分配)
  • 质量提升 - 32 个专业代理协作

2.2 oh-my-claudecode 是什么?

oh-my-claudecode
Yeachan-HeoUpdated Mar 25, 2026
oh-my-claudecode 是 Claude Code 的多智能体编排插件,灵感来源于 Oh My Zsh 对 Zsh 的增强理念——零配置,开箱即用,让工具变得更强大
一句话概括:让 AI 编程从"手工作坊"进化到"流水线工厂"。

核心特性

特性
说明
价值
32 个专业代理
架构师、测试工程师、安全审查员等
专家级协作
Team 模式
plan → prd → exec → verify → fix
系统化流程(claude beta功能)
零配置
一键安装即用
降低使用门槛
智能路由
Haiku/Opus 按需分配
节省成本 30-50%
持久化执行
不达目的不罢休
确保任务完成
多 AI 支持
Claude + Gemini + Codex
跨模型协作

架构设计

2.3 为什么用它?

核心优势对比

维度
原生 Claude Code
+ oh-my-claudecode
任务分解
手动描述细节,容易遗漏
自动分解 + 智能编排
专家协作
单一对话,能力受限
32 个专业代理协同
执行保证
可能中途放弃或理解偏差
持久化直到完成
成本控制
统一使用 Opus(贵)
Haiku 处理简单任务,节省 30-50%
多 AI 支持
仅 Claude
可调用 Gemini/Codex 交叉验证
质量保证
依赖单次输出
多轮验证 + 自动修复

核心价值

 
自动化编排
传统方式,耗时长且容易遗漏
使用 oh-my-claudecode,耗时短且质量更高
oh-my-claudecode 自动处理:
  1. 需求分析 - 澄清模糊点
  1. 架构设计 - 规划系统结构
  1. 代码实现 - 分配给执行者
  1. 测试验证 - 测试工程师介入
  1. 文档生成 - 技术文档专家
 
专家协作
oh-my-claudecode 提供 32 个专业代理,按需调用:
  • 架构师 (architect) - 设计系统结构
  • 测试工程师 (test-engineer) - 编写测试用例
  • 安全审查员 (security-reviewer) - 检查漏洞
  • 代码审查员 (code-reviewer) - 优化代码质量
  • 技术文档专家 (writer) - 生成文档
  • 设计师 (designer) - UI/UX 建议
 
持久化执行
一个 TypeScript 类型错误修复任务:
  • 原生 Claude Code:尝试 3 次后放弃
  • oh-my-claudecode Ralph 模式:自动修复 7 次,最终成功
 
特殊魔法词
ulw」:横向能力扩展,把任务分出去,适合复杂功能的生成。
ralph-loop」:纵向挖掘深度,把逻辑做闭环,适合重构和Debug。

2.4 安装

前置条件
  • 已安装claude cli
  • claude pro/max订阅
跟随指令提示操作

2.5 使用

构建一个复杂任务
规划 ⇒ 执行 ⇒ 验证
 
多Agent协同验证
oh-my-claudecode 的一个杀手级特性是多 AI 协同验证
使用 Codex 进行安全审查
使用 Gemini 进行 UI/UX 设计审查
三模型协同
 
Team 模式(推荐)
每个阶段的作用
  1. team-plan:智能分解任务,识别依赖关系
  1. team-prd:生成详细的产品需求文档
  1. team-exec:分配给执行者并行处理
  1. team-verify:测试工程师验证结果
  1. team-fix:修复未通过验证的任务(循环)
适用场景
  • 复杂功能开发(如全栈应用)
  • 需要多专家协作的任务(架构 + 安全 + 测试)
  • 对质量要求高的项目(金融、医疗等)
魔法关键字速查
关键词
效果
适用场景
示例
autopilot
全自主执行
快速原型开发
autopilot: build a landing page
ralph
持久化模式
全自主,快速迭代
ralph: refactor auth system
ulw
最大并行化
批量修复错误
ulw fix all lint errors
plan
规划模式
需求不明确时
plan the new feature
ralplan
迭代规划共识
复杂需求
ralplan this feature
deep-interview
苏格拉底式提问
模糊想法
/deep-interview "vague idea”
team
原生团队协作
复杂项目
team 5:executor fix errors

2.6 最佳使用技巧

模式选择指南
任务类型
推荐模式
理由
预期效果
复杂功能开发
team
系统化流程 + 多专家
高质量,可维护
快速原型
autopilot
全自主,快速迭代
5-10 分钟出原型
必须完成的任务
ralph
持久化 + 自我修复
确保完成,不留尾巴
批量修复
ulw
最大并行化
3-5 倍速度提升
需求不明确
deep-interview
苏格拉底式澄清
需求清晰度 ↑ 80%
安全敏感项目
team + security-reviewer
专业安全审查
安全漏洞 ↓ 90%
提示词优化技巧
好的提示词(详细 + 具体)
  • 功能列表清晰
  • 技术栈明确
  • 质量要求具体
  • 非功能性需求(限流、日志)
不要过度依赖 Autopilot
不要忽略验证阶段
必须指定专家类型

3、OpenSpec插件

A lightweight spec-driven framework(规范驱动)
OpenSpec
Fission-AIUpdated Mar 25, 2026
OpenSpec — A lightweight spec‑driven framework

3.1 介绍

Claude-Code是Anthropic开发的代码生成模型,专注于理解自然语言描述并生成高质量代码。OpenSpec通常指开放的API规范标准(如OpenAPI/Swagger),用于标准化接口描述。两者结合可实现从接口文档到代码的自动化生成。
 
准确性:基于规范化的OpenSpec描述,生成的代码能精确匹配接口需求,减少手动错误。 效率提升:自动生成基础代码(如API客户端、服务端桩代码),节省开发时间。 一致性:团队遵循同一规范,确保代码风格和接口定义统一。 维护性:OpenSpec变更时,可快速重新生成代码,降低同步成本。

3.2 安装

前提条件:已安装claude cli
安装完成后可以在命令行中执行openspec init来验证是否生效,若已生效则openspec安装完成。
notion image
notion image
notion image
  • /openspec-explore探索模式
    • 进入一个“思考伙伴”式的交互状态,帮助用户梳理思路、深入分析问题、澄清模糊的需求。
  • /openspec-propose提出变更
    • 基于用户快速描述的想法,一次性生成完整的提案文档,包括规范(spec)、任务清单(tasks)和其他相关产物。
  • /openspec-apply-change实施变更
    • 根据已生成的 OpenSpec 变更(即任务清单),开始或继续执行具体的开发任务。Claude 会按照任务步骤逐一生成代码、编写测试等。
  • /openspec-archive-change归档变更
    • 在变更实施完成并确认无误后,将其归档。归档会将本次变更的所有记录(提案、规范、任务、实现代码等)整理保存到项目的历史目录中,同时清理工作区。
       
按任务清单逐步实现 Claude 会理解 tasks.md 中的任务列表,然后依次生成代码。如果需要讨论某个任务,你可以随时提问。
验证实现是否完成 实现完一个任务后,可以让 Claude 帮你测试或解释代码。全部完成后,可以用 openspec list 确认所有变更是否已应用(如果有未提交的更改可能会显示为 active)。
实现过程中,ai会不断向你询问是否授权执行命令,最好自己辨别一下ai要执行的具体命令,防止ai越权操作导致系统bug。

4、其他

Pro-Workflow

5、参考

 
Loading...