AI之-玩转claude

ai

是啥

竞品有codex：它是 OpenAI 为了对标 Anthropic 的 Claude Code 而推出的桌面客户端。
codex的能力：

  • 多代理并行： 你可以同时开好几个任务（Thread），一个让它写前端，一个让它调后端，它们互不干扰。

  • 内置浏览器： 它自带一个浏览器窗口，AI 可以直接打开你的 localhost:3000 调试页面，看到报错直接自己改代码。

  • 跨 App 协同： 它可以读取你的 PDF 文档，然后根据文档内容去 Xcode 或 VS Code 里改代码。

那copilot呢？

copilot只是个智能助手？感觉也能干codex和claude的事情。

都有哪些

从ccSwitch这段描述中就能看到有哪些：

CC Switch 可以帮你在 Claude Code / Codex / Gemini CLI 的多个供应商之间一键切换。如果你之前已经配置过这些工具，CC Switch 会自动把现有设置保存为名为 “default” 的供应商，保证你的配置不会丢失。
列表里还预置了 “官方（Official）” 供应商，随时点一下即可切回官方默认配置。切换前 CC Switch 会自动把当前配置备份回 default，可以放心来回切。CC Switch 就是这样工作的 😊

https://www.youtube.com/watch?v=srUeEjCjfNE

ccswitch是啥

是统一管理不同cli里面的mcp配置和apikey配置的。

https://github.com/farion1231/cc-switch

模式

  • plan模式就是他会基于你的问题去创建一个有目标说明，有步骤说明，有如何验证的一个计划markdown，然后你确认后他再按照markdown执行。
  • ask before Edit。就是不做计划，反正就按你的要求去做。但是写操作之前都要先询问你一下，让你看到diff确认后再写。
  • edit automatically。就是自动给你改也不问你。

计划模式

使用计划模式提要求的时候，他会给你制定一个计划书。

当给你做好了计划他会提问你这些问题：

我们可以选择：

  1. 同意执行，进入自动edit模式，不需要找我确认
  2. 同意执行，但是每次执行他要找我确认。
  3. 不满意。输入一些要求继续改计划。

注意：同意让他自动edit模式执行仅仅是同意他写文件，并不代表他能任意执行bash命令（例如创建目录、npm install等等），发生命令执行的时候claude依然会向你请求你的同意的。要想让他自动执行bash你得在启动claude的时候开启危险模式。。。

命令

/init

这个是创建claude.md文件，他是项目的描述。你会发现执行这个命令的时候，他会分析读取所有文件。

可以看到他把代码架构以及关键细节都给你研究明白了：

最佳实践： 你应该手动维护这个文件。在里面写上：“本项目登录入口在 /login，由 AuthContext 统一管理状态”。这样 AI 以后处理逻辑时，不需要翻遍所有文件，直接看 claude.md 就懂了。

使用bash命令

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88

然后貌似Npm run dev这样的命令，可以切后台执行，貌似是ctrl+b。 然后/tasks可以看后台任务。


### 回滚

连续两次esc，可以看到会话历史。我们可以回滚会话和代码。


### 找回会话

/resume命令可以找回以前的会话。 如果是vscode里面，其实都能看到所有会话记录。


### mcp调用

/mcp可以列出已经安装的mcp。


### 压缩上下文

/compact
也可以后面跟一个让他保留xxx内容的相关自然语言描述。

/clear可以清空上下文。


### hooks
可以在工具执行前或执行后执行咱们想要的bash，这样可以在他写完代码后做一些prettier格式化。



## agentSkill和subAgent

他们对上下文的处理方式不同。agentSkill是复用原来会话的上下文，他生成的响应又会塞到原来上下文里面去。
而subAgent则是个干净的上下文，他只接受你给他的并且返回给你。



## 编码表现和最佳实践


### planMode

![](https://img.cuiyongjian.com/blog/202604192215052.png)
他会按照计划一步一步执行。每一个task的执行都是ReAct的完整周期----包括:
1. 模型输出指令，例如 `<think>我要先看看当前目录结构</think><tool:call bash>ls -l</tool:call>`
2. claude执行模型的指令
3. claude把tool执行结果再回传给模型
4. 模型根据回传结果得出结论并提出下一个指令继续循环（例如可能是要创建文件之类的`<summary>我了解目录结构了，接下来创建文件</summary><tool:call Edit>index.css</tool:call`）。 若没有下一步指令了(例如本task结束了)则模型会输出总结`<summary>计划1执行完毕了，接下来我来执行计划2</summary><tool:call UpdateTodos>任务1</tool:call>`这表示让claude输出我们的任务列表并且把任务1给勾上，然后回传给模型。
5. claude输出任务进度并再次回传给模型。
![](https://img.cuiyongjian.com/blog/202604192225907.png)
6. 模型接收到回传结果后继续决策。---可能是继续本任务的其他步骤，也可能已经完成任务于是再次告诉claude更新todolist。不过实践下来，他在完成最后一个步骤后就没有调用updateTodoList了，而是总结了下自己所干的活：
![](https://img.cuiyongjian.com/blog/202604192235276.png)


### 良好的开发流程

1. 项目上下文配置
.clauderules用来配置项目的规范。例如这样写：
```js
# 项目核心规范 (Project Core Rules)

## 1. 技术栈上下文 (Tech Stack)
- 框架: React 18 (使用 Hooks, 禁止 Class Components)
- 语言: TypeScript (严格模式, 禁止使用 any)
- 样式: Tailwind CSS (遵循 Mobile-first 原则)
- 状态管理: Zustand (按模块拆分 Store)

## 2. 代码风格约束 (Code Style)
- 导出: 统一使用具名导出 (Named Exports)，禁止 default export。
- 类型: 优先使用 interface 描述数据结构，使用 type 描述联合类型。
- 函数: 超过 3 行的逻辑必须提取为独立的具名函数，禁止在 JSX 里写复杂的匿名函数。
- 注释: 核心业务逻辑必须附带 JSDoc，描述入参含义及边界条件。

## 3. 目录与架构契约 (Architecture Contract)
- 组件位置: 业务组件放在 `src/components/business`, 通用 UI 放在 `src/components/ui`。
- API 调用: 必须使用 `src/utils/request.ts` 封装的方法，严禁直接调用 fetch/axios。
- 资源引用: 所有图片资源必须通过 `assets/` 导入，禁止使用外部硬编码链接。

## 4. 避坑与禁忌 (Anti-Patterns)
- 严禁删除现有的 `TODO` 注释。
- 严禁在未征得用户同意的情况下重构 `theme.config.js`。
- 如果修改涉及到 API 变动，必须同步更新 `docs/api.md`。

## 5. 协作模式 (Agent Workflow)
- 在执行具体 Write 动作前，必须先生成 Plan 并等待用户确认。
- 每次完成功能编写后，主动询问是否需要生成对应的单元测试。

  1. 提问的结构化

  2. 审计与验证

运作原理

背后的“大脑”是如何运作的？
这种工作模式的核心架构被称为 ReAct (Reasoning and Acting) 范式。模型在执行一个带反馈的循环（Loop）。

核心逻辑：思考 -> 行动 -> 观察

  • Reasoning（思考）： Claude 接收到你的指令，先在大脑里拆解步骤。

  • Acting（行动）： 它发现自己不能直接回答，需要看一眼你的 index.css。于是它调用一个名为 read_file 的工具（Tool Call）。

  • Observation（观察）： 系统把文件内容喂回给 Claude。它看到内容后，产生了一个 Observation 节点，也就是你看到的“我已经了解了项目结构”。

coding指南

项目级别的上下文

Project-Level Context Injection” (项目级上下文注入)，能极大减少 AI 生成代码后的二次修改成本。 claude.md以及claudrule.md。

提问要规范

提问要遵循 “背景 + 目标 + 限制” 的原则。

错误示范： “给我写个登录逻辑。”（AI 会随便写）

最佳实践： “基于目前的 auth 模块（背景），帮我实现一个带验证码的登录逻辑（目标）。注意：校验逻辑要写在 hooks/useAuth.ts 里（限制）。”

善用思考链

其实就是跟ai互动让他通过互动来思考出我们期望的”规划—>确认—>执行“。先引导他思考并做出规划，然后咱们再确认，再让他执行。而不是直接按我说的执行。
不要只说“帮我写个 index.js”，而是在后面加一句：“请先分析项目结构，列出实现步骤，确认无误后再写代码。”

善用plan计划模式

改动文件比较多的时候，考虑切到plan模式。
当 Claude 弹出你之前看到的 xxx-plan.md 时，千万不要直接点确认。
最佳实践： 快速扫一遍计划。如果它计划修改的文件超出了预期，或者遗漏了某个关键文件，直接在聊天窗口回它：“计划里漏掉了 index.css 的更新，请加进去”。
这是一种 “Human-in-the-loop” (人工反馈闭环)。AI 执行前必须经过逻辑审计，这叫 “Prompt-level Gating”。

善用at，善于缩小问题范围

在聊天框里用 @Files 或 @Folders 明确告诉 Claude 应该看哪些文件，别让它自己去瞎猜目录（节省 Token，提高准确率）。
当然了如果是某个需求涉及多个文件，你也没必要自己at给claude，毕竟claude自己也有自主检索能力。他有自己的“RAG（检索增强生成）与 Context Window（上下文窗口）管理”技术，且他大概会通过bash搜索关键词以及查看文件代码后再去按图索骥的方式，以及通过读取你claude.md的方式找到对应要修改的东西的。

插件

他是hook、subagent、skill、mcp的一个合起来的包。

effors的含义和原理

简单来说他代表了让模型思考的深度和长度。思考越多当然也会造成 消耗token越多、GPU机器给模型思考分配的内存空间越多、思考时间也越长、回答的肯定也相对越准确（当然简单问题则反而容易钻牛角尖或浪费token）。

因此，碰到类似如下复杂任务时候，我们尽量把efforts调整到max：

  • 复杂 Agentic 任务： 当你让 Claude 自动去你的 Monorepo 里修改多个关联文件，或者需要它进行反复的工具调用（Tool Calling）时，Max 能够显著降低它在中途“迷路”的概率。

  • 底层架构设计： 比如你正在优化的 Node.js 系统架构，或者需要它推演 React Fiber 节点的更新时，Max 会让它在输出前进行更严苛的自检。

efforts的底层原理

Claude 的 API 确实在 2026 年（即当下）引入了原生的推理控制参数，这和 DeepSeek 这种“目前只能靠 Prompt 引导”的模型有着本质的区别。

在 Claude 的环境下，你在插件里看到的 low/medium/high/max，背后对接的是 API 协议中真实的原生拨片。与 DeepSeek 不同，Anthropic 在其最新的模型（如 Claude 4.7/4.6 系列）中引入了一个名为 effort 的顶级 API 参数。它的本质： 这是一个原生的权重控制。它直接告诉模型内部的“推理控制器”，在生成答案前，愿意分配多少 Token 预算给 Extended Thinking（扩展思考）。它是 API 控制的： 当你在插件里选择 Max 时，插件发送给 Anthropic API 的 JSON 里会包含 “effort”: “max”。
这是一个物理层面的硬参数。模型在接收到这个参数后，会物理性地调高其思维链（CoT）的深度和广度。

当我的claude通过ccswitch配置了走deepseek的模型的时候，他efforts配置成hight/max之类的时候，其思考必然是走的deepseek-reaseoner的推理能力的模型，然而deepseek api并没支持类似efforts这样的硬件思考参数，于是claudecode底层大概率是通过提示词来告诉deepseek思考的简洁和复杂的。例如：

  • low。可能就直接调用deepseek的v3模型，非推理模型肯定就不会think了。
  • medium。可能就告诉模型“请以最快速度回答，忽略不必要的思考步骤，直接给出结论。“。
  • max。可能就会告诉模型“请进行极度详尽的思维链推导（Chain of Thought），考虑所有边缘情况，反复检查逻辑漏洞，在给出答案前进行彻底的自我博弈”

虽然你可以通过提示词（Prompt）诱导模型写出思维链，但那只是“表现层”的模仿。Claude API 原生的 effort 参数控制的是“算力预算” 以及 推理 Token 的配额： 赋予模型生成成千上万个隐藏思考 Token 的权力。在高 Effort 模式下，模型会降低对“概率最高”字眼的盲从，转而支持更严密的逻辑推导，哪怕那个逻辑推导比较费劲。

.claudignore

上下文精简的艺术

  • 文件的“引用控制”（最直接的方法）
    不要把整个项目丢给它。

手动控制： 在聊天框里，只 @ 那些相关的核心文件。比如你改 React 组件，只 @ 这个组件和它的 types.ts。

利用 .gitignore 或 .claudignore： 插件会自动忽略这些文件。把你的 dist、node_modules、巨大的 package-lock.json 统统屏蔽掉，能省下巨额的输入 Token。

  • 现在的coding插件通常会先扫一遍你的项目生成索引。

如果你在设置里发现 “Context Limit” 这个选项，它就是你说的那个“控制输入”的参数。

如果你调低它，插件在读取代码时会变得“挑剔”，它只选那些它认为最相关的代码片段（Chunk），而不是全文读取。

  • 发现模型开始“糊涂”时，点一下 “New Chat”。这会瞬间把输入上下文清零

  • 插件的 RAG 机制（检索增强生成）
    这是目前处理大型 Monorepo 的核心逻辑：

扫描： 插件把项目切成一万个小块。

搜索： 根据你的问题，搜索出最相关的 10 个代码块。

拼接： 只有这 10 个块（可能才 2k Token）会被作为输入发给模型。

结论： 这样你即便有 100MB 的代码，模型实际看到的输入也被控制在了你设定的预算内

为什么小龙虾的skill还能连接飞书之类的

claude可以吗。远程干活。