Claude Code 入门:读懂它是什么与多端用法

Anthropic工程师Lydia解析Claude Code的本质:它是跨多端运行的AI Agent,而非简单CLI工具。
本文整理自Anthropic Claude Code团队成员Lydia主讲的工作坊,核心论点是:Claude Code不应被理解为一个命令行工具,而是一个可在终端、IDE(VS Code/JetBrains)、浏览器和桌面端运行的AI Agent。作为非AI背景的工程师,Lydia以自身经历说明,用好Claude Code的关键不在于掌握AI理论,而在于建立正确的心智模型——理解Agent行为的非确定性,以及CLAUDE.md配置、Skills、子代理等机制的底层逻辑。工作坊采用"原理→权限配置→能力扩展"的递进式学习路径,帮助开发者从"会用"跨越到"懂用"。
从 Anthropic 团队视角看 Claude Code
在这场由 Anthropic Claude Code 团队成员 Lydia 主讲的工作坊中,她分享了一个很多开发者都能共鸣的切入点:即便身处 AI 工具的研发一线,非 AI 背景的工程师同样会感到陌生与不安。Lydia 此前任职于 Vercel,后来在 JavaScript 运行时 Bun 工作——而 Bun 正是 Claude Code 所使用的运行时。Bun 被 Anthropic 收购后,她便加入了 Claude Code 团队。
她坦言,刚进入 AI 领域时有一种"冒名顶替"的感觉:"连 AI 到底是怎么工作的都不太懂,却在做这样一个 AI 工具。"这种心态恰恰说明了一个问题——与过去相对"确定性"的软件工程不同,Claude Code 是一头"新的野兽"(a new beast),需要建立一套全新的心智模型才能真正用好它。

为什么要建立"心智模型"
Lydia 在工作坊中反复强调一个观点:传统软件工程之所以好理解,是因为它更具确定性——输入和输出之间有清晰、可预测的逻辑链条。而 Claude Code 作为一个 AI Agent,行为模式并不完全确定,这让习惯了确定性编程的工程师容易产生困惑。
她指出一个普遍现象:"用 Claude Code 开始写提示词(prompting)其实很容易,但往往并不真正理解背后发生了什么。"很多人已经在使用 CLAUDE.md、Skills、子代理(sub-agents)和插件(plugins)等功能,却缺乏对底层运作机制的理解。工作坊的目标正是填补这一空白——通过层层递进的讲解,让每个概念建立在前一个之上,从而形成完整的认知框架。

理解原理之所以重要,是因为它直接影响使用效果。当你知道一个工具"为什么这样反应",才能更好地预判它的行为、设计更有效的提示、以及合理配置权限与扩展能力。Lydia 将这种从"会用"到"懂用"的跨越,视为掌握 Claude Code 的关键。
Claude Code 远不止一个 CLI
对于还没接触过的人,Lydia 给出了清晰的定义:Claude Code 本质上是一个 Agent(智能代理),而不仅仅是一个命令行工具(CLI)。 虽然大多数人习惯在终端里使用它,但它的运行环境远比想象中丰富。
她列举了多种使用方式:
- 终端 CLI:最常见的方式,也是 Lydia 本人最习惯的入口;
- IDE 集成:可直接在 VS Code 或 JetBrains 系列编辑器中使用;
- 浏览器:无需本地环境即可运行;
- Claude 桌面应用:提供独立的桌面端体验。

其中一个值得关注的差异点在于运行位置:桌面应用和 CLI 都可以在本地设备上运行,而 Claude Code 也支持在 Web 端运行。Lydia 特别提到 Web 模式的便利性——如果你有一个 GitHub 仓库,可以直接连接后在浏览器里使用,省去了本地配置的麻烦。这种"随处可用"的灵活性,使得不同工作流的开发者都能找到适合自己的接入方式。

**AI Agent(智能代理)**是指能够感知环境、自主规划并执行一系列动作以完成目标的程序,与传统的"输入→输出"单次调用模式有本质区别。Claude Code 作为 Agent,可以自主决定调用哪些工具(如读写文件、执行命令、搜索代码库),在多步骤任务中持续迭代,而不需要用户对每一步都手动干预。这也是它与早期 AI 代码补全工具(如 GitHub Copilot 的行内补全)最大的区别:后者本质上仍是"辅助输入",而 Claude Code 更接近一个能够独立完成子任务的协作者。理解这一点,有助于解释为何它的行为不像传统 CLI 那样完全可预测——Agent 的"自主性"本身就意味着执行路径会因上下文而动态变化。
入门三件事:原理、权限与 Skills
根据工作坊的整体设计,Lydia 将 Claude Code 的学习路径拆解为逐层递进的几个核心主题。虽然本次分享主要聚焦于"Claude Code 是什么"这一基础定位,但她预告了后续将深入的方向:
- 原理(Fundamentals):理解 Agent 的运作机制,建立正确的心智模型,这是用好一切高级功能的前提;
- 权限与配置:包括 CLAUDE.md 这类项目配置文件,决定了 Agent 在你的代码库中拥有怎样的上下文与边界;
- Skills 与扩展能力:Skills、子代理和插件构成了 Claude Code 的能力扩展体系,让它能够适配更复杂的任务场景。
这种"由浅入深、层层叠加"的结构,正是 Lydia 推荐的学习方式。她认为,与其盲目地堆砌提示词,不如先搞清楚工具的本质,再逐步掌握配置与扩展技巧,这样才能在实际开发中真正发挥 Claude Code 的价值。
CLAUDE.md 是 Claude Code 的项目级配置文件,通常放置在代码仓库根目录,用于向 Agent 提供持久化的上下文信息——例如项目架构说明、编码规范、常用命令、禁止操作的目录范围等。每次会话启动时,Claude Code 会自动读取该文件,相当于给 Agent 一份"项目说明书",避免每次都在提示词中重复交代背景。Skills(技能)则是可复用的任务模板或工具扩展,允许开发者将常见操作封装成命名能力,供 Agent 在需要时调用。**子代理(sub-agents)**进一步支持任务分解——主 Agent 可以将复杂任务拆分后委派给多个子代理并行处理,再汇总结果,适合大型代码库的重构或跨模块分析等场景。这三者共同构成了 Claude Code 的"可编程性"层,是从基础使用迈向高效定制的关键。
小结
对于初次接触 Claude Code 的开发者来说,这场工作坊传递的核心讯息很明确:不要把它当作一个简单的命令行工具,而要把它理解为一个可以在终端、IDE、浏览器和桌面端运行的 AI Agent。 建立正确的心智模型,比快速上手更重要。
从一位非 AI 背景、却身处 Claude Code 研发一线的工程师口中说出这些话,反而更具说服力——它说明理解这套工具并不需要深厚的 AI 理论功底,而是需要一个清晰的认知框架和循序渐进的学习路径。
相关推荐

把分类器逼成聊天机器人:Jev实验揭秘AI生成本质
开发者把只会分类的 AI 模型 Jev 逼成聊天机器人,揭示"生成即分类"的技术本质。本文拆解温度调节、词语锦标赛、真实 token 等七种实现方式及其成本与局限。

Windows 11 任务栏升级:从搜索到快捷操作的进化
微软今秋为 Windows 11 任务栏搜索框带来重大升级,支持输入即执行数千项快捷操作:切换深色模式、调节音量、截图、排列窗口,甚至直接发送短信,重新定义桌面交互。

WorkBuddy入门指南:让AI真正帮你操作电脑干活
WorkBuddy零基础入门教程:一个能直接操作本地电脑的桌面AI智能体。本文讲解WorkBuddy的核心功能、与Codex的差异对比、积分省钱技巧以及三大认知误区,帮你从AI提问者进化为AI管理者。