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

Flutter 三方库 discord_interactions 的鸿蒙化适配指南 - 在 OpenHarmony 打造高效的社交机器人交互底座

Flutter 三方库 discord_interactions 的鸿蒙化适配指南 - 在 OpenHarmony 打造高效的社交机器人交互底座

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 discord_interactions 的鸿蒙化适配指南 - 在 OpenHarmony 打造高效的社交机器人交互底座 在现代社交应用与办公协同工具的开发中,集成强大的机器人(Bot)交互能力是提升活跃度的关键。discord_interactions 库为 Flutter 开发者提供了一套完整的、遵循 Discord 官方协议的交互模型,涵盖了从 Slash Commands(斜杠命令)到 Webhook 签名验证的核心功能。本文将深入解析如何在 OpenHarmony(鸿蒙)环境下,结合鸿蒙的安全机制与网络特性,完美适配 discord_interactions 到你的鸿蒙应用中。 前言 随着鸿蒙系统(HarmonyOS)进入原生应用开发的新纪元,跨平台社交工具的适配需求日益增长。discord_interactions 作为一个纯

Fanuc机器人与PLC的Ethernet/IP通信

Fanuc机器人与PLC通过Ethernet/IP实现高速通信的技术实践 在现代智能制造产线中,机器人与上位控制系统之间的实时、稳定通信是保障生产节拍和设备协同的关键。Fanuc作为工业机器人领域的主流厂商,其控制系统虽然封闭性强,但通过标准工业以太网协议如Ethernet/IP,依然能够实现与第三方PLC(如罗克韦尔ControlLogix、西门子S7等)的高效数据交互。 尤其是在汽车焊装线、装配工站或物料搬运系统中,我们经常遇到这样的需求:用Allen-Bradley PLC统一调度多台Fanuc机器人执行不同动作序列,并实时监控其运行状态、报警信息及I/O反馈。这种场景下,传统的硬接线DI/DO方式已难以满足复杂逻辑与高响应要求,而基于Ethernet/IP的通信方案则展现出显著优势——不仅布线简化,更支持结构化数据传输和远程控制。 那么,如何让一台Fanuc LR Mate 200iD或M-20iA真正“听懂”ControlLogix控制器发出的指令?这背后涉及硬件配置、网络参数设置、标签映射以及KAREL程序的协同配合。本文将结合实际工程案例,深入剖析这一集成过程中的关

安卓手机安装Termux+AstrBot+NapCat搭建QQ个人机器人【非官方】(简易版)

安卓手机安装Termux+AstrBot+NapCat搭建QQ个人机器人【非官方】(简易版)

前言        好久不见,亲爱的友友们,这次我来了!这次我学会了用旧安卓手机安装termux软件搭建了一个AstrBotQQ机器人(大模型可能跑不了),我使用的旧安卓手机是vivoY31s标准版,手机型号有点久,到时能用就行了。其实方法都通用差不多。 目录 目录 前言 目录 一、简介 1.Termux 2.AstrBot 3.NapCat  二、步骤 1. 安装Termux 2. 更新系统包打开 Termux,依次执行以下命令,更新软件源并安装基础工具。 换源 (可选) 3. 申请存储权限 正式部署 安装 proot-distro 及 其他必须组件 登录 Ubuntu环境 添加第三方PPA 安装 Python 克隆 AstrBot 仓库 运行 AstrBot

OpenClaw 爆火启示录:低代码不是终点,而是走向「意图驱动」的企业级开发新范式

OpenClaw 爆火启示录:低代码不是终点,而是走向「意图驱动」的企业级开发新范式

最近技术圈被 OpenClaw 刷屏,作为意图驱动的 AI 智能体平台,它用自然语言完成服务编排、数据处理、运维自动化,让不少人开始重新思考:传统低代码会不会被颠覆?后端与业务开发的价值边界又该如何定义?         抛开概念炒作,从工程落地视角看:OpenClaw 代表的意图驱动、动态编排、工具化执行,不是低代码的终结者,而是低代码进化的下一阶路标。JNPF 快速开发平台作为企业级低代码代表,正沿着这条路径,把「可视化拖拽」升级为「自然语言+流程引擎+原子服务」的混合开发模式——本文从 Java 后端视角,聊聊这场变革对开发、运维、业务落地的真实影响。 一、先看本质:OpenClaw 到底给低代码带来什么启发?         从架构上拆解,OpenClaw 是一套LLM 驱动的动态任务编排引擎: * 输入:自然语言指令(而非固定接口/脚本) * 决策:意图识别、