Claude Code 配置教程:如何通过修改 settings.json 优化 AI 编程体验

Claude Code 配置教程:如何通过修改 settings.json 优化 AI 编程体验

安装 Node.js:

https://nodejs.org/dist/v24.12.0/node-v24.12.0-x64.msi 

安装 Claude Code

打开 CMD,运行:

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

安装完成后验证:

claude --version 

安装成功会输出版本号,如果报错,请把错误信息发给deepseek,元宝这类AI工具。它们会告诉你解决方案的。

配置 settings.json

编辑配置文件:

C:\Users\你的用户名.claude\settings.json 

写入以下内容:

{ "env": { "ANTHROPIC_AUTH_TOKEN": "sk-xxx", "ANTHROPIC_BASE_URL": "url地址", "API_TIMEOUT_MS": "3000000", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1", "ANTHROPIC_MODEL": "claude-sonnet-4-5-20250929" }, "alwaysThinkingEnabled": true } 

注意:文件路径把你的用户名替换成你Windows的实际用户名,把 url,API Key和模型成你使用的。比如GLM,豆包或者其中claude code中转方都可以。

Claude Code Router

如果有多个渠道要灵活切换模型使用,推荐安装Claude Code Router,

npm install -g @musistudio/claude-code-router 

然后在默认路径:

C:\Users\你的用户名.claude-code-router 

这里的你的用户名路径以你电脑默认路径为准。下面是我本地参考如下配置,示例都是国内模型,实际上你配置claude系列模型也都是可以用的。

{ "LOG": true, "LOG_LEVEL": "debug", "CLAUDE_PATH": "", "HOST": "127.0.0.1", "PORT": 3456, "APIKEY": "", "API_TIMEOUT_MS": "600000", "PROXY_URL": "", "transformers": [], "Providers": [ { "name": "new-api", "api_base_url": "http://192.168.77.235:3011/v1/chat/completions", "api_key": "sk-xx", "models": [ "MiniMax-M2.1", "ZhipuAI/GLM-4.7", "ZhipuAI/GLM-4.6", "gemini-2.5-flash", "gemini-2.5-pro" ] } ], "StatusLine": { "enabled": false, "currentStyle": "default", "default": { "modules": [] }, "powerline": { "modules": [] } }, "Router": { "default": "new-api,MiniMax-M2.1", "background": "new-api,ZhipuAI/GLM-4.6", "think": "new-api,ZhipuAI/GLM-4.7", "longContext": "new-api,ZhipuAI/GLM-4.7", "longContextThreshold": 60000, "webSearch": "new-api,gemini-2.5-flash", "image": "new-api,gemini-2.5-flash" }, "CUSTOM_ROUTER_PATH": "" } 

也可以通过可视化UI来进行配置。

ccr ui 

效果如下图:

在这里插入图片描述

配置之后要重启运行。使用的话很简单,在命令行里,执行

ccr restart ccr code 

一般我们都是用编辑器打开某个项目,在项目的根目录下执行ccr code命令。执行完之后,可以看到如下的页面效果。后面直接对话交流需求即可。

在这里插入图片描述

这里主要使用的是魔塔社区的GLM-4.7模型,目前每天每个账号可以使用100次。推荐注册Iflow,目前使用GLM4.6模型是免费的,地址: https://platform.iflow.cn/models

在ccr ui对填写iflow的地址和api就可以了,目前国产模型效果写产品原型和简单应用还是很不错的。参考下面配置

在这里插入图片描述

使用什么模型都在路由中这里配置,配置后记得点右上角的保存并重启。重启后,ccr code里运行的模型会自动更新。

在这里插入图片描述

内置提示词配置

使用cc或者ccr都可以配置内置提示词,在电脑的默认路径:

C:\Users\你的用户名.claude C:\Users\你的用户名.claude-code-router 

找到CLAUDE.md

## Development Partnership I'll help you build frontend code and prototypes. I'll handle implementation details while you guide the overall vision and requirements. ## Core Workflow: Research → Plan → Implement → Validate - **Research**: Understand existing patterns and frontend architecture - **Plan**: Propose frontend approach and get your approval - **Implement**: Build with proper component structure and error handling - **Validate**: Run formatters, linters, and test in browser compatibility ## Frontend Code Organization - Keep components small and focused - Use clear naming conventions for files and functions - Follow component composition patterns - Group related UI elements logically ## Frontend Architecture Principles - Prefer explicit over implicit: - Clear component names over clever abstractions - Obvious data flow over hidden state management - Direct props passing over deep context when possible - Delete old code completely - no need for deprecation in prototypes - Optimize for readability and maintainability ## JavaScript/TypeScript Development Standards - Use TypeScript types instead of `any` when possible - Early returns to reduce nesting - Proper error handling in user interactions and API calls - Consistent component structure - Clear comments for complex UI logic ## UI/UX Considerations - Focus on responsive design principles - Consider accessibility in component design - Implement consistent styling patterns - Optimize for performance on common devices ## Problem Solving When stuck: Stop and look for simpler solutions When uncertain: "Let me think about different UI approaches" When choosing: "I see approach A (simpler) vs B (more flexible). Which do you prefer?" ## Testing Strategy for Frontend - Test critical user flows - Ensure browser compatibility - Validate responsive behavior - Check performance on key interactions ## Progress Tracking - Use TodoWrite comments for tracking next steps - Maintain clear documentation of component usage 

在使用的时候,cc和ccr是独立的。也就是你可以在一个终端使用cc,另一个终端使用使用ccr。到这一步基本上你就能非常灵活的使用claude code了。至于后面的CMP,skills都是进阶,用起来之后再学不迟。


关于作者:石云升|AI博主 & AI企业落地师,专注企业AI落地与业务流程重构。

在这里插入图片描述

Read more

什么是 PX4?无人机开发的第一步

什么是 PX4?无人机开发的第一步

本文是《从零开始学 PX4:无人机开发全流程实战》系列第一篇,带你迈出无人机飞控开发的第一步。适合零基础、有嵌入式/C++背景的开发者。 ✈️ 一、PX4 是什么? PX4 是一套开源的飞控系统(Flight Control System),适用于多种类型的无人机与机器人。它不仅仅是一个固件,而是一个完整的无人系统开发生态,包括飞控软件、仿真平台、通信协议、地面站和开发工具链。 📌 PX4 的组成: * ✅ PX4-Autopilot:飞控固件主仓库(C++ 开发) * ✅ QGroundControl:图形化地面站,便于调参与监控 * ✅ MAVLink:轻量级通信协议 * ✅ Gazebo / jMAVSim:仿真模拟器 * ✅ MAVSDK / MAVROS:无人机接口(支持 Python / C++ / ROS) 顶层软件架构 下面的架构图对 PX4 的各个积木模块以及各模块之间的联系进行了一个详细的概述。

无人机植物病害目标检测数据集(1500 张图片已划分、已标注)| AI训练适用于目标检测任务

无人机植物病害目标检测数据集(1500 张图片已划分、已标注)| AI训练适用于目标检测任务

无人机植物病害目标检测数据集(1500 张图片已划分、已标注)| AI训练适用于目标检测任务 引言 随着人工智能技术的快速发展,计算机视觉在农业领域的应用越来越广泛。尤其是在精准农业和智慧农业的发展背景下,通过自动化技术对农作物进行实时监测和病害识别,已经成为现代农业管理的重要方向。传统的农业巡检主要依赖人工观察,这种方式不仅效率较低,而且在大面积农田环境中难以做到持续、全面、精准的监测。 近年来,无人机遥感技术与深度学习算法的结合,为农业智能监测提供了全新的解决方案。无人机可以在短时间内对大范围农田进行低空巡检,获取高分辨率农田图像,而基于目标检测模型的视觉算法则能够自动识别作物健康状况、病害区域以及异常生长情况。 为了支持相关算法研究与工程应用,本文整理并发布 无人机植物病害目标检测数据集(1500+张图像)。该数据集面向 农业病害识别、作物健康状态评估以及无人机巡检算法训练 等任务构建,适用于 YOLO、Faster R-CNN、SSD 等主流目标检测模型训练。 本文将对该数据集进行详细介绍,包括数据来源、数据结构、标注方式、适用任务以及在智慧农业中的应用价值。

Dify平台接入CosyVoice3 API:打造低代码语音生成SaaS服务

Dify平台接入CosyVoice3 API:打造低代码语音生成SaaS服务 在智能内容创作和个性化交互需求爆发的今天,企业与开发者越来越需要一种既能快速上线、又具备高度定制能力的语音合成方案。传统的TTS系统往往依赖专业算法团队进行模型训练与部署,周期长、成本高;而市面上许多闭源语音API虽然开箱即用,却难以满足方言支持、情感控制等复杂场景。 有没有可能让一个不懂Python、没碰过GPU服务器的人,也能在半小时内搭建出支持“四川话+兴奋语气”的语音克隆应用?答案是肯定的——通过将开源语音模型 CosyVoice3 与低代码AI平台 Dify 深度集成,我们正迎来语音生成服务的平民化时代。 CosyVoice3:不只是语音克隆,更是声音的理解与再现 FunAudioLLM团队推出的 CosyVoice3 不是一个简单的文本转语音工具,它更像是一个“声音理解引擎”。它的核心突破在于:仅需3秒音频样本,就能捕捉说话人的音色特征、语调习惯甚至地域口音,并在此基础上实现高质量的跨语言、跨风格语音生成。 这背后的技术逻辑并不复杂,但设计极为精巧。整个流程分为两个阶段: 1. 声

CCF-CSP第38次认证第二题——机器人复健指南(满分题解)

题目背景 西西艾弗岛某山脉深处出土了一台远古机器人,具体年代已不可考。初步修缮后,研究人员尝试操控机器人进行些简单的移动。 题目描述 整个实验场地被划分为 n×n个方格,从 (1,1) 到 (n,n) 进行编号。机器人只能在这些方格间移动,不能走出场地范围。 如下图所示,假设机器人当前位于 (x,y),那么接下来可以向周围八个方向跳跃移动(如果目标方格在场地范围内): 若机器人只能跳动不超过 k 步,场地内有多少方格(包括起始位置)可以抵达? 输入格式 从标准输入读入数据。 输入的第一行包含空格分隔的两个正整数 n 和 k,分别表示场地大小和跳动步数。 输入的第二行包含空格分隔的两个正整数 x 和 y,表示机器人的起始位置(保证位于场地内)。 输出格式 输出到标准输出。 输出一个整数,表示 k 步内可以抵达的方格总数。 样例1输入