ubuntu22.04安装Claude Code及其在vscode跑通

ubuntu22.04安装Claude Code及其在vscode跑通

文章目录

一、基础环境

1. 更新系统环境变量

sudoapt update &&sudoapt upgrade -y

2. 安装 Node.js

使用 NodeSource 官方源安装最新 LTS

curl-fsSL https://deb.nodesource.com/setup_22.x |sudo-Ebash - sudoaptinstall-y nodejs node-vnpm-v

3. 安装 Git

sudoaptinstall-ygitgit--version

二、安装 Claude Code CLI

npminstall-g @anthropic-ai/claude-code 
若出现 用户没有权限写入系统级的 /usr/lib/node_modules 目录,导致触发了 EACCES 权限拒绝错误

验证是否安装成功

claude --version

三、配置 Claude Code 的环境变量

1. 安装使用 VSCODE 插件

在vscode 扩展市场,搜索并安装「Claude Code」插件进行安装

在这里插入图片描述


安装完成后,点击如下图中的右上角 Claude Code 图标,即进入 Claude Code 页面,在登录页面等待几秒待其初始化完成后即可使用。

在这里插入图片描述


成功进入 Claude Code 对话框后,在对话框输入 /config 进入设置,勾选 Disable Login Prompt 配置来关闭登录页面。

在这里插入图片描述

2. 填写 Claude Code 配置

自己使用 GLM 智普大模型,进行 Claude Code 配置

# 自动化脚本配置curl-O"https://cdn.bigmodel.cn/install/claude_code_env.sh"&&bash ./claude_code_env.sh # 手动配置mkdir-p ~/.claude vim ~/.claude/settings.json 

settings.json 内容如下

{"env":{"ANTHROPIC_BASE_URL":"https://api.z.ai/api/anthropic","ANTHROPIC_AUTH_TOKEN":"d4xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx","API_TIMEOUT_MS":"3000000","CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC":1,}}
为省tokens,自己在setting.json 指定 默认模型为 glm-5

终端输入claude 唤醒claude ,再输入/status即可查看当前选用的模型。

在这里插入图片描述

配置完成后,回到VScode 就可以开始使用 GLM-5 进行编码了!

在这里插入图片描述

Read more

使用 exo 技术构建 Mac mini AI 推理集群:从架构到实战

使用 exo 技术构建 Mac mini AI 推理集群:从架构到实战 摘要 随着大语言模型(LLM)规模的不断增长,单机推理已无法满足高性能需求。本文介绍如何使用 exo 分布式推理框架在 Mac mini 集群上部署 AI 推理服务。exo 利用 MLX 作为推理后端,通过 Thunderbolt 5 RDMA 实现超低延迟的设备间通信,支持张量并行(Tensor Parallelism)和流水线并行(Pipeline Parallelism),可在多台 Mac 设备上无缝运行超大规模模型。 关键词: 分布式推理、Mac mini M4、exo、RDMA、Thunderbolt 5、MLX、张量并行

By Ne0inhk
AI 也能写爬虫?基于 Bright Data + Warp CLI 的网页抓取实战

AI 也能写爬虫?基于 Bright Data + Warp CLI 的网页抓取实战

🤵‍♂️ 个人主页:@艾派森的个人主页 ✍🏻作者简介:Python学习者 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞👍🏻 收藏 📂加关注+ 目录 一、引言 1.1 写过爬虫的人,大概率都踩过这些坑 1.2 AI 已经很会写代码了,但它真的能“写爬虫”吗? 1.3 让 AI 不只是“写代码”,而是“驱动抓取” 二、技术与工具介绍 2.1 为什么“普通 AI + 爬虫代码”很难跑通真实网页? 2.2 Bright Data:爬虫工程真正的“底层基础设施” 2.3

By Ne0inhk
人工智能:循环神经网络(RNN)与序列数据处理实战

人工智能:循环神经网络(RNN)与序列数据处理实战

循环神经网络(RNN)与序列数据处理实战 1.1 本章学习目标与重点 💡 学习目标:掌握循环神经网络的核心原理、经典变体结构,以及在文本序列任务中的实战开发流程。 💡 学习重点:理解 RNN 的循环计算机制,学会使用 TensorFlow/Keras 搭建基础 RNN 与 LSTM 模型,完成文本分类任务。 1.2 循环神经网络核心原理 1.2.1 为什么需要 RNN 💡 传统的前馈神经网络(如 CNN、全连接网络)的输入和输出是相互独立的。它们无法处理序列数据的上下文关联特性。 序列数据在现实中十分常见,比如自然语言文本、语音信号、时间序列数据等。这些数据的核心特点是,当前时刻的信息和之前时刻的信息紧密相关。 循环神经网络通过引入隐藏状态,可以存储历史信息,从而有效捕捉序列数据的上下文依赖关系。 1.2.2 RNN

By Ne0inhk

人工智能与机器学习在软件工程中的应用:探索AL和ML技术如何改变软件的开发方式

作为一名正在深入学习软件工程的学生,近期我在完成课程项目时,对“人工智能与机器学习如何改变软件开发”这一主题进行了初步探索。随着调研的深入,我愈发意识到,AI与机器学习不再仅仅是软件所实现的功能特性,它们正在从根本上改变软件的生产方式。在此,我将自己的学习笔记与思考整理成文,希望能与社区的前辈和同学们交流探讨。鉴于本人学识尚浅,文中如有不当之处,恳请各位批评指正。 一、集成开发环境的智能化与软件质量保障的变革 传统的手工编码方式正在被AI赋能的新型开发工具所补充甚至取代,其中最为显著的便是集成开发环境的智能化转型。以GitHub Copilot、Amazon CodeWhisperer为代表的AI编程助手,已超越了传统的语法补全功能,它们能够基于上下文理解开发者的意图,实现从函数体自动补全到基于自然语言注释的代码生成,这种能力催生了“意图驱动开发”的雏形,开发者越来越多地将精力从语法细节转移到逻辑审查与架构设计上,人与机器的协作关系正在被重新定义。与此同时,在软件质量保障领域,机器学习技术的引入使得测试与缺陷预测变得更加精准和具有前瞻性,机器学习模型能够分析代码路径和执行逻辑,自

By Ne0inhk