吴恩达联手Anthropic：Claude Code保姆级实战教程全解析

Claude Code 是 Anthropic 推出的高自主性编程助手，吴恩达（Andrew Ng）在 DeepLearning.AI 平台上与 Anthropic 合作推出了一门短课程，由 Anthropic 的 Eddie Sjovic 主讲，系统讲解 Claude Code 的使用方法与最佳实践。吴恩达称它是自己当前最喜欢的编程助手，并显著提升了他和其他开发者的生产力。这门课程从工具原理讲起，覆盖并行会话、Git Worktrees、MCP 服务器等进阶用法，并通过三个实战项目串联核心知识点。

课程开场截图

Claude Code 的定位：从补全到自主执行

吴恩达在课程开篇回顾了 AI 辅助编程的演进路径：从早期用户偶尔向模型提问代码问题，到 GitHub 自动补全，再到越来越自主的编程工具。Claude Code 发布时在“自主性”上迈了一个台阶——用户设定一个任务后，它可以持续工作数分钟甚至更久。如今已有开发者同时编排多个 Claude 实例，让它们并行处理代码库的不同部分。

这种能力跃迁带来了新的协作问题：如何协调多个并行会话、如何为每个任务提供足够清晰的上下文，这些最佳实践尚未被广泛掌握。课程的目标正是把这些经验系统化，帮助已有用户和新手 alike 获得生产力提升。

生产力提升截图

核心最佳实践：清晰上下文是效率关键

Eddie Sjovic 强调，使用 Claude Code 的关键技巧是提供清晰的上下文。具体包括三个方面：

指向相关文件：明确告诉 Claude Code 需要查看哪些文件，避免它在整个代码库中盲目搜索。
清楚描述功能与需求：把想要实现的功能、边界条件说清楚，减少来回澄清的成本。
用 MCP 服务器扩展能力：通过 MCP（Model Context Protocol）接入外部工具和数据源，让 Claude Code 的能力边界随生态扩展。

这套方法在课程后续的三个实战项目中反复应用，形成可复用的工作流。

MCP（Model Context Protocol） 是由 Anthropic 提出并开源的标准化协议，用于让大语言模型应用以统一方式连接外部工具、数据源和服务。它采用客户端-服务器架构：Claude Code 作为客户端，通过 MCP 服务器暴露的接口（如工具调用、资源读取、提示模板）访问文件系统、数据库、API、设计工具等。开发者无需为每个集成单独编写适配代码，只需启动对应的 MCP 服务器即可扩展 Claude Code 的能力边界。这一协议降低了工具集成的碎片化程度，也使社区生态能够快速积累可复用的连接器。

三个实战项目：从 RAG 聊天机器人到 Figma 前端

课程设计了三个递进式项目，覆盖不同的开发场景：

项目一：RAG 聊天机器人。 从后端到前端完整实现功能，包括代码重构、编写测试，并借助 GitHub 集成处理 Pull Request、修复 issue。过程中会用到计划模式、思考模式、并行会话和 Claude 的记忆管理等特性。

计划与思考模式截图

项目二：Jupyter Notebook 电商数据分析。 用 Claude Code 重构 notebook、删除冗余代码，并构建基于 Web 应用的可视化仪表盘。这个项目展示了 Claude Code 在数据探索场景中的用法。

项目三：Figma 设计稿转前端应用。 从一个 Figma 视觉稿出发，结合 Figma MCP 服务器和另一个 MCP 服务器，将设计导入并迭代、测试，以自主方式构建前端应用。这是 MCP 生态价值的集中体现。

RAG（Retrieval-Augmented Generation，检索增强生成） 是一种将信息检索与大语言模型生成相结合的技术范式。系统先从外部知识库中检索与用户问题相关的文档片段，再把这些片段作为上下文连同问题一起交给模型生成回答，从而缓解模型知识过期和幻觉问题。一个典型的 RAG 聊天机器人包含文档切分、向量化嵌入、向量检索和答案生成等环节，工程上还涉及后端接口、前端交互与测试。课程以该项目为载体，正是因为它覆盖了从数据处理到全栈开发的完整链路。

架构揭秘：简单工具集与本地化代码库

课程下一节会深入 Claude Code 的底层架构，吴恩达提示了一个可能出乎意料的点：架构相当简单。Claude Code 依赖的工具数量很少——在代码文件中搜索模式、列出目录、查看文件、执行正则表达式。它不依赖将代码库做语义嵌入或转换成可搜索结构。

真正让 Claude Code 有效的是它的自主阅读能力：它会边读代码边在一个 .md 文件中记笔记，自主判断代码库的运作方式，再据此决定如何推进代码修改。由于不需要为代码库建立索引，代码可以完全保留在本地，这也带来了安全层面的好处，课程后续会讨论相关影响。

课程总结截图

Git Worktrees 是 Git 提供的一种多工作区机制，允许在同一个仓库下同时检出多个分支到不同目录，而无需克隆多份代码或反复切换分支。每个 worktree 拥有独立的工作区和索引，但共享同一份对象数据库和引用。对于需要并行运行多个 Claude Code 会话的场景，worktrees 能让每个会话在隔离的目录中处理不同任务或分支，避免文件冲突和状态互相干扰，是课程推荐的多会话编排基础设施之一。

谁适合学这门课

吴恩达在结尾给出了明确的受众判断：如果你还不是 Claude Code 用户，这套思路能让你在系统构建方式上获得明显加速；如果你已经在用 Claude Code，系统化地学习这些最佳实践，仍可能发现不少此前没用过的新技巧。课程由 DeepLearning.AI 的 Hara Salami 参与贡献，属于短课程形式，适合希望快速上手并建立系统方法的开发者。