Claude Code实战：AI编程从安装到全栈项目开发

AI编程工具正在重塑软件开发的方式。据Anthropic透露，其内部工程师已经用Claude Code编写高达90%的代码。拥有20多年开发经验的软件工程师Mosh Hamadani在B站发布了一套双语字幕课程，完整演示了如何用Claude Code从零构建并部署一个生产级的全栈AI工单系统。本文基于该课程内容，梳理Claude Code的核心理念、安装配置流程与关键使用技巧。

Claude Code到底是什么

Claude Code被定义为一种“代理式编程工具”（agentic coding tool）。传统AI助手是对话式的：你提问、它回答、你复制粘贴。而编程代理的不同之处在于，它拥有可执行动作的工具——能读取文件、写入代码、运行命令、修复Bug、提交Git变更，自主完成多步骤任务。

它运行在终端里，这意味着编辑器无关性，同时对VS Code和JetBrains等主流IDE有良好集成。据课程介绍，Netflix、Spotify、Uber、Salesforce等大公司已在生产环境中使用Claude Code。Google Trends数据显示其关注度在过去一年急剧攀升，甚至出现在部分招聘岗位的要求中。

代理式编程（Agentic Coding） 是相对于传统“对话式 AI 助手”的一个范式区分。对话式助手只能产出文本建议，人类必须承担复制、粘贴、执行、验证的全部环节；而代理式系统在模型之外还挂载了一组可调用的工具（tools），每个工具对应一个可执行的外部动作，例如读文件、写文件、运行 shell 命令、调用 Git。模型在推理过程中输出的是“工具调用请求”，由宿主程序执行后把结果回传给模型，模型再据此决定下一步。这一“推理—行动—观察”的循环可以自动重复多轮，直到任务完成。因此代理的能力上限不仅取决于模型本身，还取决于它被授予了哪些工具、以及权限边界如何设定——这也是后文权限管理机制存在的根本原因。

AI会取代软件工程师吗

Mosh在课程中用一个比喻回应了这个问题：电锯的发明并没有让木匠失业，而是让他们更快、更精确、更省力地完成工作。锯木头只是木匠工作中的一环，就像写代码只是软件工程中的一环。

他的核心观点是：软件工程的基础不会消失，改变的是工具。从文本编辑器到IDE，从手动部署到CI/CD，从裸写SQL到ORM——每一代开发者都会获得新工具，而早期拥抱者获得先发优势。但理解代码的能力反而变得更加重要，因为你的角色从“写代码”转向“评估代码”。

安装与环境配置

Claude Code提供两种付费方式：订阅制（Pro/Max套餐，固定月费）和API按量计费。Mosh本人从Pro起步，因用量大很快触顶，转而使用Max套餐并强烈推荐。他特别声明自己并非Anthropic的推广合作方。

安装过程不复杂：访问官方文档页面，根据操作系统选择对应命令（Mac/Linux/WSL用curl，Windows用PowerShell或CMD），在终端执行即可。需要留意安装输出中的PATH警告——如果提示需要将claude加入PATH，务必执行提示的命令，否则后续运行会报“command not found”。

安装完成后首次运行需登录，订阅用户用Claude账号，API用户用Anthropic Console账号。在VS Code中使用时，建议将终端面板移到左侧，让提示词输入区和代码区左右分屏，操作体验更佳。

必须掌握的基础操作

Claude Code的交互围绕几个快捷前缀展开：! 进入Bash模式直接执行Shell命令，@ 引用文件为代理提供上下文，/ 调用内置斜杠命令，& 运行后台任务。按 ? 可查看完整快捷键列表。

几个值得立即配置的点：

• /terminal-setup：安装Shift+Enter换行绑定，编写多行提示词时比每行末尾加反斜杠优雅得多。
• /model：切换模型，课程录制时默认是Opus 4.5，另有Sonnet和Haiku可选。
• /tasks：查看后台运行的任务，按k可终止。
• /init：生成项目专属的CLAUDE.md记忆文件。

权限管理是另一个关键机制。当Claude请求使用工具（如执行npm install）时，会给出三个选项：仅允许一次、本次会话始终允许、拒绝。对于安全命令（如启动开发服务器），选择“始终允许”能显著提升效率；对于危险操作则要保持警惕。文件编辑同样建议选择“本次会话允许所有编辑”，之后通过Git源码管理面板逐文件审查变更。

CLAUDE.md：项目的长期记忆

执行 /init 后，Claude会分析代码库并生成CLAUDE.md文件，内容涵盖项目基本命令（dev/build/lint）、架构描述和代码约定。这个文件在每次请求时都会被载入上下文窗口，相当于项目的“长期记忆”。

这里有一个重要的工程习惯：当项目架构发生变化时，要主动更新CLAUDE.md。课程中演示了重构App.jsx后，用一句“update claude.md and include architectural changes”让代理同步更新组件结构描述，从而让后续的代码修改更准确。

需要注意的是，大语言模型是非确定性的，每次运行 /init 的输出都不同。Mosh建议学习者不要纠结于具体内容，而应关注整体工作流——如何拆解任务、如何从错误中恢复。

提示词的四条实用法则

课程给出的提示词原则简洁有效：

1. 清晰具体：不要说“加认证”，而要说“用现有的user模型给登录端点加JWT认证”。
2. 提供上下文：把代理需要知道的代码、文件、库、约束提前说清楚，别让它猜。
3. 简洁：不要在提示词里写小作文，越短越清晰输出越好。
4. 别把它当同事寒暄：Claude是编程代理，不需要“你好，能否请你帮忙……”这类客套。

实战：修Bug与重构的正确姿势

课程用一个有Bug的React记账应用作为练习场。第一个Bug是总收入与总支出计算错误。Mosh给出的提示词是“in @app.jsx, total income and expense are not calculated correctly. Fix it.”

Claude的修复方式是在计算时把amount转成float。但Mosh指出这不是正确的修法——数据源里amount本来就是字符串，每次使用都要解析，这是治标不治本。于是他追加提示：“in transactions array, amount should be a number.” 代理随即修改了数据结构，Bug被根治。

这个细节揭示了AI编程的核心方法论：审查AI生成的每一行代码，识别它是在治标还是治本。

重构环节同样体现了这种思路。让Claude把Summary抽成独立组件后，代理给了它三个props（totalIncome、expenses、balance），但计算逻辑仍留在App里。Mosh追加提示把计算逻辑移入Summary组件内部，最终组件只有一个prop，设计更合理。

他特别强调：在项目初期用小块任务建立代码模式，让代理学习并遵循统一的写法。如果一次性给太大块的工作，代理可能在应用不同部分使用不一致的模式，最终失控。

计划模式：避免“氛围编程”陷阱

Plan Mode（按Shift+Tab切换）用于开发新功能。代理会先读取代码库、分析架构、草拟实现计划，在获得批准前不改动任何代码。课程演示了“添加删除交易功能”的完整流程：计划中明确了App.jsx新增handleDeleteTransaction函数、TransactionList增加onDeleteTransaction prop和操作列、CSS无需改动，并列出验证步骤。

对计划不满意可以要求修改。Mosh追加了“add a confirmation dialog box”，代理随即更新了按钮点击逻辑，加入确认弹窗。批准执行后约50秒完成功能，浏览器验证通过，删除交易后汇总数字正确更新。

这里的原则是：把大功能拆成小功能，否则代理一次改动几十上百个文件，你根本无法有效审查，就会掉进“氛围编程”的陷阱。

上下文窗口管理：控制成本的关键

用 /context 可以可视化上下文使用情况。Claude Code的上下文窗口为200K tokens，一个token约等于四分之三个单词。课程演示时已用24%，其中系统提示占1%，消息历史占14%。

上下文填满后，代理会开始幻觉、遗忘、输出质量下降。两条应对策略：

• 切换不相关任务时：用 /clear 清空对话。
• 相关任务但上下文渐满时：用 /compact 压缩对话，保留摘要。演示中压缩后占用从24%降至13%，清空后仍有10%被系统提示、工具和CLAUDE.md占据。

上下文窗口与成本直接相关：每次发消息，系统提示、CLAUDE.md和全部对话历史都会作为输入token发送。因此要保持CLAUDE.md精简，删掉过时内容。用量方面，订阅用户用 /usage 查看套餐消耗，API用户用 /cost 查看费用。

上下文窗口（Context Window） 指模型在一次请求中能同时“看到”的 token 总量上限，包括系统提示、工具定义、CLAUDE.md、历史对话和当次输入。它不同于模型的训练知识，是一次性、易失的工作记忆。大语言模型的注意力成本随 token 数增长，且超出窗口的内容会被直接截断，因此长会话中早期信息可能被无声丢弃，表现为“遗忘”此前约定。/compact 的做法是让模型把已有对话总结为一段摘要再放回窗口，用有损压缩换取空间；/clear 则是彻底重置。理解窗口的有限性，是把 AI 编程从“随便聊”变成可工程化控成本的前提。

MCP：给代理装上外部工具

MCP（Model Context Protocol）解决的是集成扩展问题。没有MCP时，每家AI厂商都要为GitHub、Slack、Postgres分别写定制代码并持续维护，只有厂商自己能添加集成，外部API一变所有厂商都得改。

MCP引入两个角色：MCP Server封装外部服务的复杂性（认证、消息格式），API变化时只需更新Server；MCP Client内嵌在Claude Code这类宿主应用中，用标准JSON格式与任何Server通信。启动时宿主询问各Server“你有哪些工具”，之后代理便知道该调用哪个。类比来说，Chrome不需要为每个网站写定制代码，它用HTTP协议就能访问任何网站。

现成的MCP Server覆盖GitHub、Slack、Postgres、Playwright（浏览器测试）、Google Drive、Sentry（错误日志）等数百种服务。但Mosh给出了务实建议：每个注册的MCP Server都会把工具塞进上下文窗口，增加成本并可能让代理选择困难，只装真正需要的。

Model Context Protocol（MCP） 是 Anthropic 于 2024 年底提出的开放协议，用于标准化“AI 应用”与“外部数据源/工具”之间的连接方式。它在设计上借鉴了 Language Server Protocol（LSP）的思路：LSP 让任意编辑器与任意编程语言的分析器解耦，MCP 则让任意宿主应用与任意外部服务解耦。协议基于 JSON-RPC 通信，定义了工具（tools）、资源（resources）、提示模板（prompts）三类原语。由于协议开源，除 Claude Code 外，其他 AI 客户端与 IDE 也在逐步支持，这使得同一个 MCP Server 可以被多个宿主复用。理解这一点有助于把握 MCP 的定位：它不是某个产品的私有插件机制，而是试图成为 AI 工具集成领域的通用接口层。

课程全貌与学习建议

完整课程约9小时，B站视频是第一小时的内容。后续章节将逐步构建一个生产级全栈工单系统：认证与角色权限、工单CRUD与测试、AI回复润色、长对话摘要、自动分类、基于知识库的自动解决工单、邮件集成，最后Docker化部署到云端，并配置GitHub Actions让Claude自动修复Issue、合并后触发生产部署。

Mosh用Claude Code约两个工作日完成了这个项目，而手动开发加全部测试至少需要两到三周。但他反复强调：这不是“睡觉时50个AI代理帮你建应用”的课程，而是真正的软件工程课——每一行AI生成的代码都要审查、重构、配上数百个自动化测试。

对于想跟上节奏的学习者，他的建议很直接：不要被动观看，每节课都打开编辑器和终端跟着敲。就像学骑车，看再多视频也不如自己骑上去。