玩转ClaudeCode：ClaudeCode安装教程（Windows+Linux+MacOS）

Ne0inhk

— 13 min read
玩转ClaudeCode：ClaudeCode安装教程（Windows+Linux+MacOS）

本文介绍如何安装 AI 编码界一骑绝尘的最强工具 ——— Claude Code。安装不同的操作系统环境，本文会从 Windows、Linux、Mac 三个不同的系统环境依次介绍安装方法。

其中，Windows 系统作为大家最主流的操作系统，提供了两种安装方式，一种方式是直接在 Windows 的终端里安装，另一种是在 Windows 的子系统（WSL）内完成安装。其中，通过 WSL 安装，我们又可以分为，WSL 环境的直装和基于 WSL 的容器化安装（Docker），几种方法各有利弊，但均可正常使用。

Windows 环境直装 Claude Code

1. 获取 Claude Code 账号

访问 Claude Code 中国镜像站，完成账户注册。

输入邀请码 DZFW8J，获得价值100$的使用额度。

2. 配置 Claude Code 运行环境

访问 Git官网下载。

在这里插入图片描述

检查环境是否安装，如果没有，需要安装 node 环境（推荐先下载 nvm 做好 node 版本管理）。

node-vnpm-v
在这里插入图片描述

设置 Windows 系统环境变量：

  • 变量名：ANTHROPIC_BASE_URL，变量值：https://api.aicodemirror.com/api/claudecode
  • 变量名：ANTHROPIC_API_KEY，变量值：你的密钥
  • 变量名：ANTHROPIC_AUTH_TOKEN，变量值：你的密钥
在这里插入图片描述


点击确定，保存环境变量的修改。

3. 安装并启动 Claude Code

卸载已安装的Claude Code（未安装请跳过）

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

安装官方原版包

npminstall-g @anthropic-ai/claude-code
在这里插入图片描述

重启Windows PowerShell后运行以下命令，确认安装成功。

claude -v
在这里插入图片描述
d: cd D://workspace/project claude
在这里插入图片描述

Windows 子系统安装 Claude Code

1. 安装 WSL 环境

① 确认 Windows 功能已开启

打开 “控制面板 → 程序 → 启用或关闭 Windows 功能”

勾选 “适用于 Linux 的 Windows 子系统” 和 “虚拟机平台”

在这里插入图片描述

点“确定”后重启电脑。

开机后，管理员模式打开 Terminal, 启用 WSL 和支撑 WSL2 所需的虚拟机平台组件。

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
在这里插入图片描述

再次重启电脑。

② 更新和升级 WSL2 内核

wsl --update wsl --set-default-version 2

如果你还没安装任何 Linux 发行版，可以直接运行：

wsl --install

③ 检查 WSL 发行版状态

在 Terminal（管理员）里输入：

wsl --list--verbose

可以看到已经安装的 Linux 发行版：

NAME STATE VERSION Ubuntu Stopped 2 docker-desktop Stopped 2 docker-desktop-data Stopped 2

如果你还没安装任何 Linux 发行版，可以直接运行：

wsl --install

这会自动安装 Ubuntu 并设置 WSL2 为默认。

在这里插入图片描述

WSL 环境搭建好之后，按需选择下面三种安装方式。

2. WSL 环境安装 Claude Code

① 获取 Claude Code 账号

访问 Claude Code 中国镜像站，完成账户注册。

输入邀请码 DZFW8J，获得价值100$的使用额度。

② 安装 Claude Code

启动 WSL 环境，执行环境检查脚本：

curl-fsSL https://download.aicodemirror.com/env_deploy/env-install.sh |bash
在这里插入图片描述


卸载已安装的Claude Code

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

安装官方原版包

npminstall-g @anthropic-ai/claude-code
在这里插入图片描述

在「API密钥」界面配置一个API Key
访问仪表板的「API密钥」页面，创建并复制一个新的API密钥

在这里插入图片描述

复制并执行环境变量配置脚本：

sudoapt-getinstall jq curl-fsSL https://download.aicodemirror.com/env_deploy/env-deploy.sh |bash-s -- "你的API_KEY"
在这里插入图片描述


配置成功后，我们重启终端。

在新终端切换到需要使用 Claude Code 的项目，启动 Claude Code。

cd /mnt/d/workspace/project claude
在这里插入图片描述

3. Docker 环境安装 Claude Code

① 官网下载安装 Docker Desktop

  • 从 Docker 官网 下载并安装最新版。
  • 安装过程中勾选 “Use WSL 2 based engine”，并完成向导重启。
在这里插入图片描述

② Docker Engine 配置镜像源

打开 Docker Desktop，进入设置页面 (齿轮图标) ，编辑 Docker Engine 为下面内容：

{"builder":{"gc":{"defaultKeepStorage":"20GB","enabled":true}},"dns":["8.8.8.8","8.8.4.4"],"experimental":false,"features":{"buildkit":true},"insecure-registries":["https://hub.atguigu.com"],"registry-mirrors":["https://docker.mirrors.ustc.edu.cn","https://registry.docker-cn.com","http://hub-mirror.c.163.com","https://cr.console.aliyun.com/","https://mirror.ccs.tencentyun.com"]}
在这里插入图片描述

③ Docker Desktop 与 WSL 集成

打开设置的 Resources 页面。

打开 WSL integration 页面，勾选 Enable integration with my default WSL distro 选项。

在这里插入图片描述

然后检查 Advanced 页面内是否提示：You are using the WSL 2 backend。显示这个说明我们已经集成上了 WSL。

这里要求已安装至少一个 Linux 发行版（如 Ubuntu），如果没有安装，需要参考 环境准备 完成安装。

④ 创建 Claude Code 开发环境镜像

我们需要创建一个目录作为Docker的运行目录（如 D:\Tools\Docker\my-dev），然后在运行目录下面创建一个 Dockerfile 文件。通过编写 Dockerfile，可以在镜像里预装编译器、依赖包、工具链等，一次构建、随处可复用。

Dockerfile 文件内容：

# 1. 基础镜像 FROM ubuntu:22.04 # 关闭交互提示 ENV DEBIAN_FRONTEND=noninteractive # 3. 替换为国内 HTTP 源，避免 ca-certificates 未安装时的证书校验错误 RUN sed-i's|http://.*.ubuntu.com|http://mirrors.aliyun.com|g' /etc/apt/sources.list \&&sed-i's|http://security.ubuntu.com|http://mirrors.aliyun.com|g' /etc/apt/sources.list # 4. 更新索引并安装必备包（含 ca-certificates），遇到下载错误时重试 3 次并跳过缺失包 RUN apt-get update \&&apt-getinstall-y --no-install-recommends \ ca-certificates \ build-essential \git\curl\vim\ python3 \ python3-pip \ nodejs \npm\ --fix-missing \-o Acquire::Retries=3\&&rm-rf /var/lib/apt/lists/* # 可选：更换回官方 HTTPS 源（此时已有 ca-certificates，可校验证书）# RUN sed -i 's|http://mirrors.aliyun.com|https://archive.ubuntu.com|g' /etc/apt/sources.list# 4. 创建一个非 root 用户，避免容器内文件权限问题 ARG USERNAME=dev ARG UID=1000 RUN useradd-m-u${UID}-s /bin/bash ${USERNAME}\&&apt-get update \&&apt-getinstall-ysudo\&&echo"${USERNAME} ALL=(ALL) NOPASSWD:ALL">> /etc/sudoers \&&rm-rf /var/lib/apt/lists/* # 5. 切换到普通用户USER${USERNAME}# 6. 工作目录 WORKDIR /workspace # 7. 默认启动 shell CMD ["bash"]

接下来，我们来构建镜像。打开 Terminal 切到该目录：

mkdir D:\Tools\Docker\my-dev cd D:\Tools\Docker\my-dev

这里我为了防止一次性构建时拉取 ubuntu:22.04 时间过长，所以先手动拉下来。

docker pull ubuntu:22.04

同理，node 环境也是。

docker pull node:18

然后构建镜像（给它起个易记的名字，比如 ubuntu-demo）：

docker build -t ubuntu-demo .

其中，-t ubuntu-demo 是给镜像命名，. 表示在当前目录作为构建上下文，Dockerfile 也在这里。

在这里插入图片描述

⑤ 启动 Claude Code 开发环境容器

将本地的 Claude 安装包目录、项目代码和其他工作目录挂到容器里：

docker run -it\--name claude-code \-v D:/Tools/Docker/ClaudeCode/Claude:/workspace/claude \-v D:/Tools/Docker/ClaudeCode/Code:/workspace/project \ ubuntu-demo

进入容器后，验证 Node 与 npm，检查版本确保环境正常：

node--versionnpm--version

⑥ 获取 Claude Code 账号

访问 Claude Code 中国镜像站，完成账户注册。

输入邀请码 DZFW8J，获得价值100$的使用额度。

⑦ 容器内安装 Claude Code

在容器内的控制台，执行环境检查脚本：

curl-fsSL https://download.aicodemirror.com/env_deploy/env-install.sh |bash
在这里插入图片描述


卸载已安装的Claude Code

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

安装官方原版包

npminstall-g @anthropic-ai/claude-code
在这里插入图片描述

在「API密钥」界面配置一个API Key
访问仪表板的「API密钥」页面，创建并复制一个新的API密钥

在这里插入图片描述

复制并执行环境变量配置脚本：

sudoapt-getinstall jq curl-fsSL https://download.aicodemirror.com/env_deploy/env-deploy.sh |bash-s -- "你的API_KEY"
在这里插入图片描述


配置成功后，我们重启终端。

在新终端切换到需要使用 Claude Code 的项目，启动 Claude Code。

cd workspace/project claude
在这里插入图片描述

输入你的指令，点击回车，Claude Code会自动进行任务编排和操作。

在这里插入图片描述

Linux 环境安装 Claude Code

1. 获取 Claude Code 账号

访问 Claude Code 中国镜像站，完成账户注册。

输入邀请码 DZFW8J，获得价值100$的使用额度。

2. 安装 Claude Code

Claude Code 原生支持 Ubuntu 18.04+、CentOS 7+、Debian 10+、Fedora 30+，一键安装即可。

打开终端，执行环境检查脚本：

curl-fsSL https://download.aicodemirror.com/env_deploy/env-install.sh |bash
在这里插入图片描述


卸载已安装的Claude Code

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

安装官方原版包

npminstall-g @anthropic-ai/claude-code
在这里插入图片描述

在「API密钥」界面配置一个API Key
访问仪表板的「API密钥」页面，创建并复制一个新的API密钥

在这里插入图片描述

复制并执行环境变量配置脚本：

sudoapt-getinstall jq curl-fsSL https://download.aicodemirror.com/env_deploy/env-deploy.sh |bash-s -- "你的API_KEY"
在这里插入图片描述


配置成功后，我们重启终端。

3. 使用 Claude Code 进行开发

在新终端切换到需要使用 Claude Code 的项目，启动 Claude Code。

cd workspace/project claude
在这里插入图片描述


输入你的指令，点击回车，Claude Code会自动进行任务编排和操作。

在这里插入图片描述

MacOS 环境安装 Claude Code

1. 获取 Claude Code 账号

访问 Claude Code 中国镜像站，完成账户注册。

输入邀请码 DZFW8J，获得价值100$的使用额度。

2. 安装 Claude Code

Claude Code 原生支持 macOS 10.15+ 系统，一键安装即可。

打开终端，执行环境检查脚本：

curl-fsSL https://download.aicodemirror.com/env_deploy/env-install.sh |bash
在这里插入图片描述


卸载已安装的Claude Code

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

安装官方原版包

npminstall-g @anthropic-ai/claude-code
在这里插入图片描述

在「API密钥」界面配置一个API Key
访问仪表板的「API密钥」页面，创建并复制一个新的API密钥

在这里插入图片描述

复制并执行环境变量配置脚本：

sudoapt-getinstall jq curl-fsSL https://download.aicodemirror.com/env_deploy/env-deploy.sh |bash-s -- "你的API_KEY"
在这里插入图片描述


配置成功后，我们重启终端。

3. 使用 Claude Code 进行开发

在新终端切换到需要使用 Claude Code 的项目，启动 Claude Code。

cd workspace/project claude
在这里插入图片描述


输入你的指令，点击回车，Claude Code会自动进行任务编排和操作。

在这里插入图片描述

安装常见问题

① 之前安装过其他版本 Claude Code

之前安装过其他版本 Claude Code，请先直接全局卸载（在任意目录执行）

$ npm uninstall -g @anthropic-ai/claude-code

Windows环境执行失败请使用管理员模式打开命令行。

② 卸载残留导致API Error

这种一般是环境变量问题。

  • Mac版本：根目录下有个隐藏文件夹叫.zshrc，里面配置了三个镜像的环境变量，删除这三行保存，然后重新开一下终端；
  • Windows版本：删除用户路径下的.claude文件；
  • Linux版本：rm ~/.claude，然后重新启动 claude；

③ Claude -v 报错

运行 claude -v，可以看到大段 js 报错。

大概率是 node 版本问题，请提升至 20 以上版本（网传18版本即可，但经实测18版本仍然有不少安装失败的情况）

通过切换 node 到 20+ 版本，claude -v 成功出现版本号。

④ 其他安装问题

访问 Claude Code 中国镜像站-最新安装教程 ，查看最新安装方法和常见安装问题的解答。

Claude Code 开发者交流社区

福利多多，立即加入 👇 👇 👇

Claude Code 中国开发者交流社区

期待与你的思维碰撞，共同奔赴AI开发的浪潮！

Read more

Flutter 组件 shelf_static 的适配 鸿蒙Harmony 实战 - 驾驭极致静态资源分发、实现鸿蒙端文件服务器缓存策略与资产审计方案

Flutter 组件 shelf_static 的适配 鸿蒙Harmony 实战 - 驾驭极致静态资源分发、实现鸿蒙端文件服务器缓存策略与资产审计方案

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 shelf_static 的适配 鸿蒙Harmony 实战 - 驾驭极致静态资源分发、实现鸿蒙端文件服务器缓存策略与资产审计方案 前言 在鸿蒙（OpenHarmony）生态的分布式离线静态文档系统、内嵌 H5 业务容器中台以及需要为局域网成员提供高性能资产分发的各种垂直类应用开发中，“静态资源的高速投递与安全性管控”是应用响应质量的基石。面对包含数千张高密度解析图纸、复杂的 Web 前端资产包或者是需要对接 0307 批次资产安全标准的各类文档。如果仅仅依靠原始的 File.readAsBytes() 配合手写 HTTP 头返回。那么不仅会导致在鸿蒙端产生严重的内存拷贝开销，更会因为无法实现对 Etag 缓存校验、范围请求（Range Request）等现代 Web 协议的精确支配。引发鸿蒙系统应用在加载大型资产时的严重卡顿。 我们需要一种“物理对齐、协议自洽”

By Ne0inhk

阿里云「RDS AI助手」正式上线：大模型驱动的数据库智能运维Copilot

还在为数据库慢、配置难、巡检烦而头疼？ 现在，RDS AI助手正式上线，只需用自然语言提问，就能帮你查问题、做诊断、出报告、调参数——就像有个数据库资深专家随时待命，24小时在线答疑！ 它不是冷冰冰的对话窗口，而是深度跟数据库控制台交互融合，在你需要的地方出现一个RDS AI助手小图标，点击即用。 它是懂你业务、会看日志、能写建议的“智能运维搭子”。今天就带你快速了解它的几大核心能力。 知识问答，秒变数据库“百事通” 想知道某个功能怎么用？或者不确定当前实例是否支持某项特性？ 直接问 RDS AI 助手就行！ 比如：“我需要给这个实例的千万级数据量的表加字段，应该怎么操作避免锁表？” AI 会自动检索官方文档，并结合你的实例版本、配置等信息，告诉你是否满足条件，还能附上操作指引。再也不用翻手册、查限制，一问即答！ 点此立即观看精彩演示 实例巡检，一键生成巡检报告 在实例详情页点击【AI实例巡检】，RDS

By Ne0inhk

Meta-Llama-3-8B-Instruct避坑指南：从部署到对话全流程解析

Meta-Llama-3-8B-Instruct避坑指南：从部署到对话全流程解析 1. 引言 随着大模型技术的快速发展，Meta于2024年4月发布了Llama 3系列中的中等规模版本——Meta-Llama-3-8B-Instruct。该模型在指令遵循、多任务处理和对话能力方面表现出色，尤其适合单卡部署场景。得益于其GPTQ-INT4量化版本仅需约4GB显存，RTX 3060及以上消费级GPU即可流畅运行，成为个人开发者与中小企业构建AI对话应用的理想选择。 本文基于vllm + open-webui技术栈，结合实际部署经验，系统梳理从环境配置、模型加载到Web界面集成的完整流程，并重点剖析常见问题及其解决方案，帮助读者高效搭建稳定可用的本地化对话系统。 2. 技术选型与核心优势 2.1 模型特性概览 Meta-Llama-3-8B-Instruct 是一个经过指令微调的80亿参数密集模型，具备以下关键优势： * 高性能低门槛：FP16精度下占用约16GB显存，GPTQ-INT4量化后可压缩至4GB以内，支持RTX 3060/4060等主流消费级显卡。 * 长上

By Ne0inhk
解锁AIGC新时代：通义万相2.1与蓝耘智算平台的完美结合引领AI内容生成革命

解锁AIGC新时代：通义万相2.1与蓝耘智算平台的完美结合引领AI内容生成革命

前言 通义万相2.1作为一个开源的视频生成AI模型，在发布当天便荣登了VBench排行榜的榜首，超越了Sora和Runway等业内巨头，展现出惊人的潜力。模型不仅能够生成1080P分辨率的视频，而且没有时长限制，能够模拟自然动作，甚至还可以还原物理规律，这在AIGC领域中简直堪称革命性突破。通过蓝耘智算平台，我们能够轻松部署这个模型，创建属于自己的AI视频生成工具。今天，我将为大家深入探讨通义万相2.1的强大功能，并分享如何利用蓝耘智算平台快速入门。 蓝耘智算平台 1. 平台概述 蓝耘智算平台是一个为高性能计算需求设计的云计算平台，提供强大的计算能力与灵活服务。平台基于领先的基础设施和大规模GPU算力，采用现代化的Kubernetes架构，专为大规模GPU加速工作负载而设计，满足用户多样化的需求。 2. 核心优势 * 硬件层： 蓝耘智算平台支持多型号GPU，包括NVIDIA A100、V100、H100等高性能显卡，能够通过高速网络实现多机多卡并行计算，突破单机算力瓶颈。 * 软件层： 集成Kubernetes与Docker技术，便于任务迁移与隔离；支持PyTo

By Ne0inhk