Claude Code保姆级教程：安装、实战与Skill/MCP全解析

Claude Code 是什么？先厘清它与 Claude 的区别

很多刚接触 AI 编程工具的朋友容易把 Claude 和 Claude Code 混为一谈，实际上它们是两个层面的东西。Claude 是 Anthropic 开发的大语言模型，属于底层能力；而 Claude Code 是一款 AI 辅助编程工具，可以理解为一个编程助手，它能帮你生成代码逻辑、辅助大型项目开发，甚至从零到一完成一个功能模块。

Claude Code 底层默认调用 Claude 系列模型，但它的模型选择并不局限于此，国内的一些模型同样可以接入。这意味着它本质上是一个「壳」，真正的能力上限取决于你背后挂了哪个模型。

据 B 站 UP 主的分析，Claude Code 的发展速度非常快，效果在同类工具中属于优秀水平。但效果好也意味着代价——背后的模型越强，消耗的 token 就越多，而且 Claude Code 并没有免费额度，需要付费使用。这是它目前的一个现实门槛。

Token 机制是大语言模型使用成本的核心计量单位。模型处理文本时，会先将内容切分为 token——英文中一个 token 大约对应 3-4 个字符或约 0.75 个单词，中文则通常一个字或一个词对应 1-2 个 token。每次对话，输入的历史上下文和模型生成的输出都会被计入 token 消耗。Claude Code 这类工具之所以 token 消耗大，是因为它需要频繁读取项目文件、维护长上下文记忆，单次任务可能涉及数万甚至数十万 token 的往返。Anthropic 采用按 token 计费的 API 定价模式，模型越强（如 Opus 系列）单价越高。理解 token 机制，有助于判断为什么 AI 编程工具的成本会随任务复杂度快速上升，也解释了国内模型接入为何能成为降低费用的替代方案。

AI 编程工具横向对比：Cursor、Trae 与 Claude Code

市面上 AI 编程工具已经不少，早前有 Copilot，后来 Cursor、Trae、Open Code 陆续登场，现在又有了 Claude Code。从形态上看，Copilot 和 Claude Code 都是插件，需要集成到 IDE 中使用；而 Cursor 和 Trae 则自带 IDE 开发环境。

UP 主的个人建议是：如果你在国内，优先考虑 Trae。原因是 Trae 对中文对话的支持更符合国内用户的编程习惯，用中文跟它交流，反复调试的效果相当不错，而且它是免费的——对话内容不消耗 token，只是有时需要排队等待。

Claude Code 的核心优势在于底层模型非常强悍。Anthropic 推出的 Opus 系列模型在编程场景中表现出色，生成的代码风格更完善、标准更高。如果你有海外环境，Claude Code 值得一试。

从实际使用体验来看，Cursor、Trae 和 Claude Code 三款工具的功能高度相似，都能修改代码、运行代码、配置开发环境。UP 主认为 Trae 完全可以替代 Cursor，问题不大。而 Claude Code 拉开差距的地方，主要还是模型能力带来的代码质量提升。

安装与 IDE 集成：十分钟上手

Claude Code 的安装过程非常简单，UP 主以 Windows 系统为例进行了演示。Mac OS 和 Linux 用户的安装同样容易，不必担心平台差异。

安装完成后，你可以在 PowerShell 或 CMD 中直接使用 Claude Code，但 UP 主认为命令行方式不够友好。更推荐的方式是将其集成到 IDE 中——教程以 PyCharm 为例，但 IntelliJ IDEA、VS Code 等其他编辑器同样适用，安装插件的步骤基本一致。

这种插件化的集成方式，让 Claude Code 融入你已有的开发流程，而不需要额外切换工具。对于已经习惯某个 IDE 的开发者来说，学习成本很低。

核心功能拆解：命令、记忆、权限模式

内置命令与记忆机制

Claude Code 提供了一系列内置命令来辅助开发。更值得关注的是它的记忆系统：包括自动记忆和 CLAUDE.md 文件。UP 主会通过配套案例演示如何利用这些记忆机制，让 Claude Code 在多次交互中保持对项目上下文的理解。

三种权限模式

权限模式是 Claude Code 一个很有特色的设计，UP 主介绍了三种模式：

第一种是全自动模式，Claude Code 可以从零到一完全不需要人工介入地编程；第二种是确认模式，在编程过程中用户需要确认某些内容，比如是否修改某个文件、是否安装某个插件；第三种是规划模式，Claude Code 只给出规划方案，不实际修改任何文件，也不需要用户确认。

这三种模式对应了不同的使用场景，从完全放手到全程可控，开发者可以根据任务的风险程度灵活切换。

CLAUDE.md 文件是 Claude Code 记忆机制的核心载体之一。它是一个放在项目根目录的 Markdown 文件，Claude Code 在启动时会自动读取其中的内容作为项目级上下文。开发者可以在里面写清楚项目结构、技术栈约定、代码风格规范、常用命令等，这样每次对话都无需重复说明。它类似于给 AI 助手准备的一份「项目说明书」。与之配合的自动记忆机制，则是 Claude Code 在交互过程中主动记录用户偏好和重要决策，形成跨会话的持久记忆。两者结合，让 Claude Code 在多轮、跨天的开发任务中保持上下文一致性，减少重复沟通成本。这也是它区别于普通代码补全工具的关键能力之一。

MCP 工具集成：从内置到自定义

Claude Code 内置了一些基础工具，比如操作文件、查看文件、编写代码等，大多数情况下这些已经够用。但如果你需要个性化工具——比如代码检测、GitHub 提交与拉取、数据统计等——就需要通过 MCP 来扩展。

MCP（Model Context Protocol）是 Claude Code 支持的外部工具集成协议，配置非常方便。UP 主在教程中会演示两种自定义 MCP 服务端的方式：一种是用 stdio 通信模式，另一种是用 HTTP 的 Streamable SSE 模式。两种方式都是完完全全手把手教你从零创建工具，并把它启动起来供 Claude Code 调用。

MCP（Model Context Protocol，模型上下文协议） 是 Anthropic 于 2024 年底推出的开放标准，用于让 AI 模型与外部工具、数据源进行标准化连接。可以把它类比为 AI 世界的「USB-C 接口」：只要工具遵循 MCP 协议实现服务端，任何支持该协议的 AI 客户端都能直接调用，无需为每个工具单独适配。MCP 服务端通常暴露三类能力——Tools（可执行的操作，如提交代码）、Resources（可读取的数据，如文件内容）、Prompts（预设的提示模板）。文中提到的 stdio 模式 是指服务端作为本地子进程，通过标准输入输出与 Claude Code 通信，适合本地工具；HTTP Streamable SSE 模式 则是通过 HTTP 长连接传输事件流，适合远程或云端服务。两种模式的选择主要取决于工具的部署位置和网络环境。

Skill 技能系统：自定义与外部引入

Claude Skill 是 Claude Code 中另一个重要的扩展能力。你可以配置互联网上已有的技能，也可以开发自己的技能供 Claude Code 使用。理论上，网上能看到的所有技能，Claude Code 都可以拿来用。

教程会讲解自定义 Skill 的定义和编写方法，以及如何将外部网络上的 Skill 引入到自己的项目中。这部分难度并不大，但能显著扩展 Claude Code 的能力边界。

写在最后

Claude Code 的定位很清晰：它不是 IDE，而是一个插件化的 AI 编程助手，核心价值在于底层模型的代码生成能力。它的学习曲线平缓，安装和 IDE 集成十分钟左右就能搞定，真正的深度在于记忆机制、权限模式、MCP 工具和 Skill 系统的灵活运用。对于国内开发者，Trae 是更务实的选择；如果你有海外环境和预算，Claude Code 配合 Opus 模型能带来更高的代码质量。