在终端用好 Claude Code：Anthropic AI 代理实战

# 让 Claude 帮你补测试
> 帮我找出所有没有单元测试覆盖的函数，并为它们生成测试用例

# 排查线上问题
> 我的 API 在高并发下会报 500 错误，帮我排查原因

# 重构老代码
> 把 src/components 目录下所有 Class Component 重构为 Function Component

Claude Code 会自动扫代码、执行必要的 Shell 命令、改文件，然后展示 Diff 等你的确认。

如果只想跑单次任务，比如在 CI 或脚本里用 -p 模式：

claude -p "检查本次 git diff 中是否有安全漏洞"

也能配合管道：

tail -f app.log | claude -p "如果发现异常日志，立刻通知我"

会话管理也方便：claude -c 继续上次会话，claude -r <session-id> 恢复指定历史。

内置的斜杠命令很实用：

引用文件用 @，比如：

> @src/auth/login.ts 这里的 token 验证逻辑有 Bug，帮我修复

直接执行命令并让 Claude 分析结果用 !：

> ! npm test，根据报错帮我修复

写个项目说明书：CLAUDE.md

这是 Claude Code 最独特的地方。CLAUDE.md 是个 Markdown 文件，放在项目根目录，每次新会话都会读取，相当于你给 AI 写的'项目背景和规范'。

它遵循就近优先的层级：

• 全局级：~/.claude/CLAUDE.md（你的个人偏好）
• 项目级：./CLAUDE.md（团队共享）
• 子目录级：./src/components/CLAUDE.md（模块专用指引）

我通常会在这里写明技术栈、常用命令、代码规范和留意事项，例如：

# 项目说明：电商后台管理系统
## 技术栈
- 前端：React 18 + TypeScript + Tailwind CSS
- 后端：Node.js + Fastify + Prisma + PostgreSQL
## 常用命令
- 启动开发服务器：`pnpm dev`
- 运行测试：`pnpm test`
## 代码规范
- 所有新组件必须是 Function Component
- 数据校验使用 Zod schema
## 注意事项
- `src/legacy/` 目录是历史遗留代码，不要修改

从 2026 年 2 月开始，Claude 还加入了自动记忆机制。它会在对话过程中识别有价值的信息，并在后续会话中自动调用。存储位置可以通过 settings.json 里的 autoMemoryDirectory 自定义。

Skills 和 MCP：让插件各司其职

Skills 把特定领域的操作规范写成独立文件，放在 .claude/skills/ 下。比如 react-component.md 定义如何创建组件，api-design.md 约束接口设计。它和 CLAUDE.md 的区别在于：Skills 是按需加载的，而 CLAUDE.md 每次都读。注意，沙盒模式下 Skills 目录只读。

MCP（Model Context Protocol）则更进一步，让 Claude Code 能连接外部工具。配置好 MCP Server 后，它可以直接读 Google Drive 文档、在 Jira 创建任务、查询 Slack 消息，甚至调用公司内部 API。

添加 MCP Server：

# 普通 Server
claude mcp add
# 带 OAuth 的 Server
claude mcp add --client-id <id> --client-secret <secret>

也可以直接编辑 ~/.claude/settings.json。

自定义命令和钩子

有些重复性操作可以封装成自定义 Slash 命令。在项目根目录建 .claude/commands/ 文件夹，每个 Markdown 文件就是一个命令。例如创建 review-pr.md，内容：

请对当前 git diff 做一次全面的 Code Review，检查潜在的安全漏洞、性能问题及边界情况。

之后输入 /review-pr 就能触发。

Hooks 则用于在动作前后自动执行脚本。比如每次编辑文件后自动格式化：

{
  "hooks": {
    "afterFileEdit": ["prettier --write {{file}}", "eslint --fix {{file}}"],
    "beforeCommit": ["pnpm test --run"]
  }
}

支持的时机包括 afterFileEdit、beforeCommit、PostCompact 等。

接入 CI/CD 流水线

Claude Code 的'一次性执行'模式天然适合放到自动化里。比如 GitHub Actions 中做自动 Code Review：

name: AI Code Review
on: pull_request:
  types: [opened, synchronize]
jobs:
  claude-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Claude Code Review
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
        run: |
          claude -p "请对本次 PR 的改动做 Code Review，重点检查安全性和性能"

也可以用在非编码场景，比如监控日志、翻译 i18n 文件等。管道一接，它就工作了。

配置与调优

常用的环境变量：

export ANTHROPIC_API_KEY="sk-ant-xxxx"
export ANTHROPIC_BASE_URL="https://your-proxy.com"
export CLAUDE_CODE_DISABLE_CRON=1   # 禁用后台定时任务
export ENABLE_TOOL_SEARCH=1         # 启用工具搜索

settings.json（全局或项目级）里可以指定模型、主题，甚至限制工作树范围：

{
  "model": "claude-opus-4-6",
  "theme": "dark",
  "worktree": {
    "sparsePaths": ["src/", "tests/"]
  }
}

注意几件事

Token 消耗：分析大代码库时 Token 用得很快。我的经验是高频使用 /compact，必要时 /clear 开启新任务；在 CLAUDE.md 里写清要忽略的目录，.gitignore 也配好，能省不少。

安全：危险命令执行前它会让你确认，CI 场景里最好用只读权限的 Key。生产环境操作前先在 staging 上过一遍。

质量控制：用 /plan 先看规划，小步提交，搭配 Hooks 自动跑测试，养成 Review Diff 的习惯。

代理问题：如前所述，国内用户建议用 ANTHROPIC_BASE_URL 配合第三方中转，避免直接设置全局 HTTP_PROXY 带来的各种不适。

最后

Claude Code 把 AI 编程从'建议'推到了'执行'的层面。对于独立开发者、接手老项目的工程师，或者需要自动化重复任务的团队来说，它带来的效率提升很直接。虽然 Token 成本和网络要求是需要面对的坎，但就 Agentic 编程工具目前的水准来看，它算是走得最远的一个。

它不完美，但你一旦习惯了让它替你干活，就很难再回到纯手动挡了。

参考资料：

• 官方文档：https://code.claude.com/docs
• GitHub 仓库：https://github.com/anthropics/claude-code
• Anthropic 官网：https://www.anthropic.com