@anthropic-ai/claude-code 快速上手指南

本文重点:快速启动项目、配置 API、常用操作,让开发者立即开始实战,命令清单放在最后参考。


一、安装及配置秘钥

说明:Claude Code 依赖 gitnpm,这里不赘述基础安装。

1.1 安装 Claude Code

升级或首次安装:

npminstall-g @anthropic-ai/claude-code 
⚠️ 不同版本支持的命令略有差异,最终以 /help 输出为准。

1.2 配置 API

配置文件路径:

系统路径
WindowsC:\Users\用户名\.config\claude-code\config.json
Linux/Mac~/.config/claude-code/config.json

参考:https://platform.minimaxi.com/docs/guides/text-ai-coding-tools#手动编辑配置文件

示例:使用 minMax 并设置自己的 ANTHROPIC_AUTH_TOKEN

示例图片


示例图片
⚡ 国内支持模型:DeepSeekGLM-4
AI 推荐:KimiQwen-Max,不同模型训练数据、价格和擅长领域不同,可按实际需求选择。

二、实际使用流程(优先突出)

安装完成后,直接启动 CLI 进入项目实战:

# 推荐客户端 Windows Terminal: 1)Windows 商店安装 2)GitHub 下载压缩包直接使用 旧版 Win10 可使用 PowerShell 7 (x64) 

进入交互模式后:

# 初始化项目 claude /init # 生成 CLAUDE.md,建立项目上下文 # 先加一条默认:全局规范 把用中文回答,加入到全局规范,之后回答全用中文 # 让AI 干活 直接提出问题 # 经常干的 or 比较好的样例; 请把 ** 加到全局规范 请根据 ** 生成全局规范 # 规范太多,超过5k 行 请 规整 和 压缩全局规范 CLAUDE.md (不删减内容) # 有时,经常干的会幻觉 请把 ** 加到CLAUDE.md or 请调整全局规范 

日常开发操作示例

# 查看当前状态 /status # 查看上下文使用情况 /context # 分析项目代码(可指定文件或模块) /review src/main/java # 或用中文提问 请分析 xx 方法; 分析 xx 类;简化 ** 方法等 # 出现报错时 请解决 粘贴错误 → Ctrl + V → 让 AI 分析 # 页面或样式调整 请根据效果图调整某页面 粘贴图片 → Alt + V → AI 分析 # 提具体需求 重构某某 Service 为构造器注入 # 上下文过大或讨论方向改变 /clear 
⚡ 提示:首次进入项目必须 /initCLI 支持 / 命令或直接自然语言提问常用操作可记录在 CLAUDE.md 作为规范

三、AI 审查代码示例

直接粘贴到 CLI:

你是资深Java后端架构师,具备生产系统代码审查经验(Spring Boot / JPA / 微服务)。请审查以下代码变更,并判断是否可以合并到 master 分支。 【重点专项检查】 1. 稳定性 是否存在空指针、边界条件问题 是否可能引发运行时异常 是否影响已有功能或接口兼容性 2. 数据与事务安全 是否存在 SQL 注入风险 是否正确使用事务(遗漏、传播、回滚问题) 是否存在数据不一致风险 3. 数据访问与性能 是否存在 N+1 查询问题 查询是否可能走全表扫描或缺少索引 是否存在重复查询、不必要循环或高复杂度逻辑 4. 并发与线程安全 是否存在并发问题(共享变量、锁、竞态条件) 是否有线程安全隐患 5. 安全性 是否缺少权限校验 是否可能导致数据越权访问或敏感信息泄露 6. 代码质量 是否存在明显设计问题或代码异味 可读性、可维护性是否合理 是否存在重复逻辑或不合理抽象 【输出格式(必须严格遵守)】 【结论】 (可合并 / 不建议合并) 【风险等级】 (low / medium / high) 【阻塞问题(必须修复)】 xxx 【建议优化(可选)】 xxx 【说明】 如果存在可能影响生产稳定性的风险,必须判定为“不建议合并” 不要给泛泛建议,只输出关键问题 

有时ai 会提问你,git仓库在哪

自行识别 xx 路径的git 仓库,并加入到全局规范 

四、命令清单(参考用,全部可 /help 查看)

4.1 会话与状态管理

命令作用说明
/help列出所有命令
/status查看会话整体状态
/context上下文窗口、已用/剩余 tokens
/usage查看 token 使用明细
/model查看当前模型
/model <name>切换模型
/clear清空对话上下文
/exit / /quit退出 CLI

4.2 项目初始化与结构分析

命令作用说明
/init扫描目录建立项目上下文
/review审查项目代码并给出建议
/review <path>审查指定目录/文件
/plan <需求>生成实现计划
/explain解释项目或代码结构
/diff分析 Git 变更
/fix尝试修复发现问题(部分版本支持)

4.3 文件上下文控制

命令作用说明
/files查看已加载文件
/add <file>加入文件
/add <dir>加入目录
/drop <file>移除文件
/drop all移除全部文件上下文

4.4 对话行为控制(高级)

命令作用说明
/system <prompt>修改系统提示词
/temperature <0-1>调整回答发散度(部分版本支持)
/save <file>保存当前会话到文件
/load <file>载入历史会话

4.5 实战常用九大命令

/help /status /context /usage /model /init /review /clear /diff 

Read more

OpenClaw漏洞预警:如何给AI代理加上“记录仪”?

OpenClaw漏洞预警:如何给AI代理加上“记录仪”?

近日,工信部网络安全威胁和漏洞信息共享平台、国家互联网应急中心连续发布风险提示:开源AI智能体OpenClaw因默认安全配置脆弱、不当配置等问题存在较高安全风险。 当AI代理被赋予系统级权限,每一次“幻觉”或攻击都可能酿成数据浩劫 而每一次操作在操作系统中留下的痕迹,正是追溯这些风险的关键线索。移动云云日志可为移动云云主机提供命令级、文件级全量日志采集,搭配智能关键词告警与日志长期存储,让云主机上的每一行指令都有迹可循,为AI应用构建日志可追溯的安全防线。 四大高危风险,不容忽视 OpenClaw作为开源AI智能体框架,在提升自动化能力的同时,其默认配置存在的安全漏洞可能被恶意利用,导致企业核心数据面临严重威胁。 “AI智能体的安全风险不在于AI本身,而在于我们能否看清AI在系统层面的每一个动作。看不见的风险才是真正的风险。” 而移动云云日志,就是要让这些“看不见”的风险,变得“看得见”。 四大核心能力,构建AI安全防线 全量行为采集,不留死角 支持主流操作系统(CentOS、Ubuntu、WindowsServer等),可采集Shell命令历史、文

AI 编程新王 Codex 全面上手指南

AI 编程新王 Codex 全面上手指南 一篇文章带你精通 Codex 四大环境 + 免费使用方法 💡 前言:AI 编程的新时代 AI 编程的竞争正进入“第二轮洗牌期”。 过去几个月,Claude Code 一度成为开发者的宠儿,但频繁的限速、封号、降智问题让不少人头疼。 如今,OpenAI 推出的 Codex 迅速崛起,凭借强大的编程能力和超高性价比,成为“AI 编程新王”。 Codex 是什么? 它是基于 GPT-5 模型打造的专用编程环境,支持命令行、VS Code 插件、SDK 集成、云端操作等多种运行模式。 不论你是写脚本、做项目、还是维护仓库,Codex 都能像“AI 结对程序员”一样协助你高效开发。

Bright Data亮数据 MCP + N8N x AI 新闻编辑:基于亮数据,数据采集到观点摘要工作流自动化实践

Bright Data亮数据 MCP + N8N x AI 新闻编辑:基于亮数据,数据采集到观点摘要工作流自动化实践

Bright Data亮数据 MCP + N8N x AI 新闻编辑:基于亮数据,数据采集到观点摘要工作流自动化实践 背景 大模型与智能体技术高速发展的当下,垂直领域智能体成为企业智能化转型的新宠,如招聘助手、电商导购等场景应用层出不穷。然而,数据来源的非结构化、不可控与滞后性,制约着智能体的精准性与时效性,成为开发者面临核心难题,Bright Data MCP 作为创新型"即插即用"数据解决方案,通过先进数据采集与处理技术,深度覆盖招聘、电商、金融等多个行业领域,能够自动抓取网页数据并进行结构化处理,将零散无序的信息转化为规范、有序的知识单元,无论是搭建智能体的核心知识库,还是为对话交互构建上下文语料库,MCP 都能以高效、合规的方式,提供实时、精准的数据支撑,帮助开发者大幅降低数据处理成本,攻克数据获取难题,从而将更多精力聚焦于智能体的功能优化与应用创新,加速智能体的开发与落地进程。 Bright Data MCP介绍 Bright Data

OpenClaw 最强技能 self-improving-agent 详解:让 AI 从错误中自主学习

OpenClaw 最强技能 self-improving-agent 详解:让 AI 从错误中自主学习

self-improving-agent 是 OpenClaw 生态中最受欢迎的技能,下载量突破 268k。它能让 AI 记住犯过的错误和解决方案,实现持续自我改进。本文将深入讲解其工作原理、安装配置、实战案例和高级用法。 1 引言 在使用 AI 助手的过程中,你是否遇到过这样的困扰: * 今天教 AI 用 sudo 解决权限问题,明天它又忘了 * 同一个 API 文档链接打不开,它下次还给你这个链接 * 重复解释同样的工作流程,效率极低 这些问题源于传统 AI 助手的无状态特性——每次对话都是全新的开始,不会从历史交互中学习。 self-improving-agent 技能正是为了解决这个问题而生的。它通过记录错误、解决方案和用户反馈,让 AI 能够持续学习和改进。 2 self-improving-agent 是什么? 2.1 官方定义 self-improving-agent