Claude Code完整教程：权限模式、技能系统与MCP实战详解

本文基于 Bilibili 上一位前 Amazon/Microsoft 资深软件工程师 Eric 的 60 分钟 Claude Code 教学视频整理而成，系统梳理了从环境搭建到应用部署的完整工作流。无论你是否有开发背景，都能借助本文快速掌握 Claude Code 这一强大的 AI 编程工具。

为什么选择 VS Code 而非桌面应用

Claude Code 提供了三种使用方式：桌面应用、纯终端、以及集成开发环境（IDE）。三者各有取舍，但对于希望深度探索功能的用户而言，选择至关重要。

桌面应用的优势是零门槛，非技术用户可以一键开启，但代价是灵活性极低——大量高级功能无法触及。纯终端虽然功能完整，但界面对新手极不友好，文件变更难以直观追踪。

视频作者 Eric 的推荐是使用 VS Code 这一 IDE。原因在于它既保留了在 IDE 内调用终端运行 Claude Code 的能力，又能通过图形界面清晰查看所有文件的变化。安装过程也极为简单：从官网下载对应操作系统的版本，打开后通过"Open Folder"创建并打开一个项目文件夹，即可在 Explorer 面板中管理所有文件。启动 Claude Code 会话只需在 VS Code 终端中输入 claude 命令。

会话管理的基础操作

启动会话后，你会看到输入框、模型信息、Token 消耗量以及上下文窗口占用百分比。要终止会话，可点击垃圾桶图标或连续两次 Ctrl+C。若想恢复之前的对话，输入 /resume 即可选择历史会话继续——即使电脑意外关机，会话记录也不会丢失。

四种权限模式：安全与效率的平衡

Claude Code 通过 Shift+Tab 切换权限模式，理解它们是安全使用的关键。作者将四种模式的差异整理为清晰的对照体系：

• Plan 模式（计划模式）：只做规划，不执行任何文件编辑或脚本运行。适合复杂重构、代码审查或从零构建新应用。你作为最终审批者决定是否执行。
• Accept Edit 模式（接受编辑）：具备创建文件、编写程序的能力，但运行命令仍需你授权。
• Auto 模式（自动模式）：自动接受代码编辑，并能自动运行批处理脚本。它内置了一层"安全 AI 审查"，仅在真正需要人工介入时才通知你——类似一个智能分类器。
• Bypass 模式（绕过权限）：完全无限制运行 bash 脚本。仅推荐在虚拟环境或测试环境等无敏感信息的场景使用。

合理选择权限模式，是确保 Claude Code 在你机器上安全运行的核心保障。

自主目标（Slash Goal）：让 AI 循环自我优化

/goal 是本次教程的一大亮点。与普通 prompt 一次性输出结果不同，/goal 让 Claude 进入一个自我评估循环：提交需求后，系统会用一个 evaluator 对输出进行评估，若不满足初始要求，则将反馈回传给 Claude 重新生成，直到完全达标才返回最终结果。这种机制显著提升了输出的准确度。

视频中作者演示了一个完整案例：克隆一个在线"分级排名系统"应用。他先在 Plan 模式下截图并附上原应用链接，让 Claude 逆向分析所有功能、图像资产和交互逻辑，形成清晰计划。Claude 随后提出了一系列澄清问题——技术栈选择（Next.js + React）、是否保留邮箱订阅门槛、内容主题，以及"保真度"要求。

有意思的是"像素级还原"选项：它要求成品与截图字体、样式完全一致，差异不超过 2%。作者还在计划阶段追加要求——先将所有图标 SVG 资源拉取到本地，避免 AI 凭空猜测素材来源，从而大幅提升克隆准确度。最终 Claude 在本地服务器上完美复现了整个应用及全部功能。

技能（Skills）：可复用的 AI 工作流

技能可以理解为教 Claude Code 如何做事的 SOP 或工作流指南。作者以自己的"修复工单"技能为例——这个包含 9 个步骤的完整工作流，实现了从读取 JIRA/GitHub 工单、用 Playwright 浏览器自动化复现问题、多智能体研究、实现修复、QA 验证、提交 GitHub 到最终部署上线的全自动化 bug 修复流水线。

安装与触发技能

技能可以从 skills.sh 这一聚合平台获取，支持 Claude Code、Codex 等各类 AI 智能体。作者演示了安装 Anthropic 官方的"前端设计技能"（front-end design skill）：通过 /plugins 进入发现界面，用空格键选中后回车安装，再运行 /reload plugins 使其生效。

触发技能有两种方式：自然语言描述，或用 /front-end-design 这样的斜杠命令直接调用。作者用该技能对之前克隆的应用进行了整体 UI 翻新，字体、背景全面更新，同时保留了拖拽等核心功能。另一个推荐技能是 "Vercel React best practice"，包含 70 余条按影响力排序的性能优化规则。

上下文管理：应对"上下文腐烂"

上下文（Context）是使用 AI 编程时最容易被忽视却至关重要的概念。输入 /context 可查看当前上下文窗口的使用地图，Claude Code 的上下文窗口总量高达 100 万 Token。

作者引出了一个关键问题——Context Rot（上下文腐烂）：随着对话变长、输入 Token 增多，模型的准确度会逐步下降。这一现象在 Claude、OpenAI、Gemini 等所有主流模型上普遍存在。因此监控上下文占用极为必要，作者建议以 50% 为警戒线。

当占用过高时，可用 /compact 命令总结现有对话以释放空间——演示中上下文从较高比例压缩到了 7%。但需注意，压缩会丢失部分细节信息。此外 /clear 可完全重置会话，/model 可切换模型，/rewind 可将代码与对话回退到之前的检查点。

版本控制：GitHub 的必要性

虽然 /rewind 能回退会话，但更专业的方式是使用 GitHub 进行版本控制。它免费、可靠，能完整记录项目的所有修改历史，支持多人协作而不互相覆盖。

作者直接让 Claude Code 为项目创建私有仓库并提交。Claude 会自动排除 node_modules、.next 等无关文件（这些已被 .gitignore 忽略），并提醒不会提交任何敏感信息（如 .env 文件）。每次修改后，通过在 Source Control 面板填写 commit message 即可提交新版本。若需回滚，只需复制目标 commit ID 交给 Claude Code，它便能将代码还原到指定版本。

MCP 与 CLI：让 AI 接管你的日常工具

如何让 Claude Code 操控 Jira、Slack、Stripe、Vercel 等日常应用？答案是 MCP（Model Context Protocol，模型上下文协议）。

作者用一个精妙的比喻概括：MCP 就像 AI 的 USB 接口。在 MCP 出现前，开发者需为每个工具编写自定义脚本；如今 MCP 标准化了 AI 客户端（如 Claude Code）与 MCP 服务器之间的连接，让 AI 能够读取本地文件、访问数据库、连接 Stripe、Slack、Jira 等各类服务。

MCP vs CLI 如何取舍

除了 MCP，CLI（命令行接口）也是让 AI 调用第三方工具的途径。两者的核心区别在于：

• CLI：依赖 AI 生成的终端命令，Token 效率极高。追求速度和成本控制时首选。
• MCP：提供标准化的安全桥接，可精确控制授予 AI 的工具权限，支持认证边界和审计追踪，在安全性和团队协作上更胜一筹，但由于工具 schema 需持续加载进上下文，消耗的 Token 更多。

作者演示了通过 Vercel CLI/MCP 直接部署应用——仅需几秒，应用便成功上线并获得可访问链接。他甚至直接命令 Claude Code 删除项目，AI 会在执行前谨慎确认账户中的其他项目不受影响。

常见问题精要

针对社区高频疑问，作者给出了实用建议：

• Skills、MCP、Agents 的区别：Skills 是可复用的 SOP 工作流；MCP 是连接外部工具的通道；Agents 是具备特定专长或个性的专家智能体。三者关系为——Agent 执行任务，Agent 可拥有多个 Skill，Skill 内部可调用 MCP 或 CLI。
• Claude Code 与 Codex、Gemini 同类竞品如何比较：三者本质都是"框架"，模型才是驱动引擎。作者认为 Claude Code 作为框架功能最丰富，插件生态最完善。
• 20 美元套餐够用吗：新手学习足够，但每日重度使用极易在每 5 小时内触及限额。建议搭配本地模型或通过 OpenRouter 接入 DeepSeek V4 等高性价比模型进行组合。
• 一个月后会过时吗：不会。作者制作 Claude Code 视频已超一年，尽管产品经历 Opus 模型等重大更新，但这些基础原理始终有效，是学习高级功能的必备前提。

总结

这份教程系统覆盖了 Claude Code 的核心工作流：从 VS Code 环境搭建、四种权限模式的安全把控，到 /goal 自主循环、可复用技能、上下文腐烂应对、GitHub 版本控制，直至通过 MCP/CLI 让 AI 接管日常工具与部署。这些正是任何 AI 编程实践中不会过时的地基。掌握了这套基础，你才能进一步探索多智能体编排、动态工作流等进阶玩法。