Claude Code完整指南：从提示词到子代理与技能

Claude Code 正在成为 AI 编程领域的一个重要标准。它不只是另一个代码补全工具，而是一个运行在终端里的智能体编程环境。一位 B 站 UP 主通过一个完整的视频课程，从安装、基础交互、项目重构，一直讲到 MCP、子代理和技能系统，展示了这套工具的实际工作流。本文基于该课程内容，结合对官方文档的交叉理解，梳理出一条从入门到进阶的路径。

Claude Code 是什么：终端里的编程智能体

Claude Code 本质上是一个命令行程序，运行在终端中，直接与你的项目仓库交互。你可以把它理解为一个在控制台里运行的编程文本编辑器——向它提问、下达指令，它会读取文件、修改代码、执行命令。

安装方式有多种：通过 curl 脚本、Homebrew、VS Code 或 Cursor 扩展、JetBrains 集成，甚至桌面程序和网页版。UP 主在 Mac 终端中演示了安装流程，并强调基础层面使用的是 Anthropic 的 Claude 模型。

启动后，界面会显示当前使用的模型。默认配置下有三个选择：Sonnet 用于大多数日常任务，Opus 用于更复杂的开发项目，Haiku 则是最便宜、最快但准确性稍弱的选项。UP 主给出的经验法则是：日常编码和重构用 Sonnet，处理高层级复杂编程时切到 Opus，目标始终是节省 Token。

基础操作：登录、模式切换与第一个提示词

首次使用需要通过斜杠命令完成登录，选择带订阅的账户进行身份验证。登录后，按 Shift+Tab 可以在不同智能体模式之间切换，包括直接编辑文件的模式、用于创建新项目的 Plan Mode，以及基础的对话交互模式。

UP 主用一个类似 Tinder 的前端项目做了演示。第一个提示词是：为项目添加一个测试功能，当出现第三次滑动点赞时弹出匹配成功的弹窗。模型随即开始读取文件、修改代码，并逐项询问是否应用更改。这里有一个值得记住的细节——UP 主刻意没有开启“允许本次会话所有编辑”，而是逐条确认。原因很直接：AI 仍然可能出错，原子级确认是项目安全的重要保障。

修改完成后，切换到 VS Code 借助 Git 版本控制查看变更，比在终端里追踪要直观得多。除了 Git，Claude Code 还提供了 Rewind 命令，可以把代码或对话恢复到之前的状态。Sandbox 命令则创建一个隔离环境，用于安全地测试更改。

CLAUDE.md 与 Spec：给 AI 一份项目说明书

直接把整个项目丢给模型每次索引，既慢又贵。正确的做法是使用 /init 命令，让 Claude Code 分析项目并生成一个 CLAUDE.md 文件。这个文件是专门给 Claude 看的项目文档，描述技术栈、架构风格、核心功能组件，以及你希望它遵循的规范。

CLAUDE.md 支持分层：可以在根目录放一份全局的，也可以在特定子目录（如 assets 或 source）放更细粒度的版本，各自只负责所在层级的范围。UP 主还建议在文件中加入“使用简短回答、不要多余代码、重构前始终阅读 Spec.md”这类指令，以节省 Token 并约束行为。

更进一步，可以要求 Claude 生成一份 Spec.md，描述项目将要依赖的技术规范。这种做法在构建包含前端、后端、数据库、身份验证的复杂项目时尤其有效——先写规格，再基于规格分阶段迭代。

Plan Mode 与 FSD 重构实战

演示中的重头戏是一次架构重构。UP 主清空上下文后进入 Plan Mode，要求按照 Spec.md 中的规范将项目重构为 Feature-Sliced Design 架构。Plan Mode 的价值在于：AI 先给出完整的执行计划，你逐项审阅、接受或修改，确认后才开始执行。

计划相当庞大——安装依赖、配置路径别名、创建组件、拆分 CSS 文件。执行过程持续了十二到十五分钟，全程自主运行，UP 主没有手动改任何一行代码。最终项目呈现出完整的 FSD 架构，entities 分类清晰，profile UI 等模块各归其位。这里传达的理念是“深度编码”而非“氛围编码”：把神经网络当作思维的增强，而不是任务的委派。

Feature-Sliced Design（FSD）是一套面向前端应用的架构方法论，核心思想是按“业务职责”而非“文件类型”组织代码。它将项目划分为由下至上的若干层级：shared（通用工具与 UI 基础件）、entities（业务实体，如 User、Product）、features（用户可感知的交互功能）、widgets（独立组合区块）、pages（路由页面）、app（全局配置与入口）。每层只能向下依赖，禁止同层或反向引用，从而保证模块解耦与可测试性。FSD 对目录命名和公共 API 有严格约定，因此迁移往往涉及大量文件移动与路径别名配置——这正是文章中重构任务耗时较长、且特别适合交由 AI 按计划批量执行的原因。

MCP：连接外部 API 的隧道

MCP（Model Context Protocol）是 Claude Code 连接外部 API 的通道，用于扩展模型和程序本身的功能。UP 主已经安装了若干来自 Claude 自身的 MCP，并重点推荐了 context7——它可以读取最新的技术 API 文档。

安装方式很简单，通过 claude mcp add 命令即可。实际使用时，可以告诉 Claude“用 better-auth 实现登录功能，并用 context7 获取最新 API”，它会自行完成信息检索。其他值得关注的 MCP 包括：Figma（前端开发者）、Playwright（浏览器测试）、Notion、Jira 与 Confluence 集成，以及用于制作演示文稿的 Gamma。MCP 的生态独立于 Claude Code 存在，你只需要选择工作中真正需要的连接器。

Model Context Protocol（MCP）是 Anthropic 于 2024 年底开源的开放协议，用于在 LLM 应用与外部数据源、工具之间建立标准化连接。它采用客户端—服务器架构：MCP 服务器暴露三类能力——resources（可读取的数据）、tools（可调用的函数）、prompts（可复用的提示模板），客户端（如 Claude Code）则负责发现并按需调用。相比为每个 API 写一次性集成代码，MCP 让同一套服务器可被任何兼容的客户端复用，因此生态可以独立演化。context7 这类服务器正是通过该协议把最新文档以工具形式暴露给模型，缓解了训练数据滞后的问题。

子代理：并行工作的专业助手

子代理（Subagents）可以理解为初级员工或并行工作者——它们本质上是独立的上下文，带着特定任务在后台运行，不占用主上下文。

通过 /agents 命令可以创建和管理子代理，可选择项目级或全局级（personal）。演示中创建了一个“PR 代码审查”代理，职责是在提交 pull request 前分析潜在错误、检查 lint 规范、找出危险点。创建过程中可以配置它可用的工具权限——由于这个角色只负责审查，UP 主只保留了只读工具。

每个子代理本质上就是一个 Markdown 文件，头部包含名称、描述、可用工具列表和模型选择，下方是普通的系统提示词。这种设计的好处是：用自然语言就能构建庞大的编排结构。运行时代理以独立身份启动，读取信息后给出审查判定——演示中它确实发现了一个严重错误和若干警告。

上下文窗口（context window）是大模型单次推理能处理的最大 token 数量，主对话中所有文件内容、命令输出和工具结果都会累积占用它。当上下文接近上限时，模型对早期信息的注意力会下降，回答质量随之变差，且每次请求都要为整个上下文付费。子代理的核心价值就在于上下文隔离：它用一份全新的、只装载任务相关材料的上下文完成工作，只在结束时把精简结论回传主线程。这与“检索增强”思路一致——把长尾信息留在外部，只在需要时引入摘要，既控制成本，也降低主上下文的污染。

技能：封装顶级开发者的最佳实践

技能（Skills）是功能扩展的预设模板，本质上是把其他人的思维模式和算法固化下来供复用。例如 Vercel 提供的 React 最佳实践技能，可以直接引入。

安装只需把命令粘贴到控制台，之后就能在任务中调用。演示中对一个 useMatch 模型文件应用了 Vercel 的 React 技能进行重构，原本冗余的多余状态被去除，代码明显更简洁——而使用者本身并不需要掌握这些最佳实践。

技能的结构非常规整：一个与技能同名的文件夹，内含必需的 SKILL.md 文件，包含名称（必须与文件夹名一致，这是唯一的硬性要求）、功能描述、元数据和核心提示词。具体的规则和示例放在其他文件中，由系统自动决定连接哪些内容。这意味着你可以去公开的技能库寻找现成资源，也可以自己编写。

成本控制：用本地模型练习

Claude Code 表现优秀，但消耗不小。UP 主给出了一个务实的方案：通过 Ollama 运行本地模型，在 Claude Code 框架内使用自定义提供商。安装 Ollama 后，拉取兼容的模型（如 Qwen2-Coder、GLM-4.7、GPT-OSS 等），然后通过命令启动 Claude Code 并指定该模型。

本地模型的表现自然不如 Claude，但在练手阶段可以避免消耗订阅额度。关键在于分清场景：哪些任务可以交给本地模型，哪些必须用顶级模型。

Ollama 是一个本地大模型运行时，负责下载模型权重、管理内存与 GPU 加速，并在本机暴露一个兼容 OpenAI 接口的 HTTP 服务（默认端口 11434）。Claude Code 通过环境变量（如 ANTHROPIC_BASE_URL 与 ANTHROPIC_AUTH_TOKEN）可以把请求指向这个本地端点，从而在不改动工作流的前提下替换底层模型。需要注意的是，本地模型对工具调用（tool use）的遵循能力通常弱于 Claude，复杂重构或长链任务容易失败；它更适合语法练习、简单补全和流程熟悉阶段。显存大小直接决定可运行的模型规模，量化版本（如 Q4）能在牺牲少量精度的情况下显著降低硬件门槛。

小结

这套课程的主线相当清晰：先用 /init 建立项目文档，用 Spec 锁定技术规范，通过 Plan Mode 审阅执行计划，在重构等重任务中让子代理并行工作，用技能引入外部最佳实践，用 MCP 打通外部 API，最后用 Rewind 和 Git 保持对变更的控制。Claude Code 的定位不是替代开发者，而是把开发者从执行细节中解放出来，把精力留在判断和决策上。