Claude Code 使用教程：命令行里的 AI 编程 Agent（2026 实测）

先说说我为什么转向命令行写代码

我用 Cursor 这类图形化 AI 编辑器有一阵子了，体验确实顺手：左边代码、右边对话，光标在哪改哪。但我也撞上几个反复出现的痛点——跨十几个文件的批量重构，图形界面来回点很累；想让 AI 顺手跑个测试、看报错、再改一轮，得我自己复制粘贴当人肉传话筒；远程一台只有 SSH 的服务器上，根本打不开图形编辑器。

后来我把主力切到了 Claude Code，是 Anthropic 官方出的命令行 AI 编程 Agent。它不是补全插件，而是一个住在终端里、能自己读文件、写文件、跑命令、看输出、再决定下一步的"代理"。我用它做过从 0 写小功能、改 bug、批量重构，这篇就把我实测下来的安装、接模型、核心用法和踩过的坑一次讲清楚。

下面这张图是它跑起来的基本循环，你先有个整体印象：

Claude Code 和 Cursor 到底差在哪

很多人问我"有 Cursor 了还要 Claude Code 吗"，我的回答是：定位不一样，互补。

维度	Claude Code	Cursor
形态	命令行 CLI，住在终端	基于 VS Code 的图形编辑器
交互	对话式下指令，它自己跑一轮一轮	看着代码、光标级别改写
强项	多文件任务、跑命令看结果、自动化、远程服务器	边看边写、即时补全、可视化 diff
适用场景	重构、做完整功能、CI/脚本里调用	日常码字、单文件精修
上手门槛	要习惯"放手让 Agent 干活"	几乎零门槛，像高级 VS Code

我现在的搭配是：日常在 Cursor 里手写、Claude Code 干那些"我懒得一步步操作"的大活。两者读的是同一份代码仓库，不冲突。想系统学 Cursor 的图形化玩法，可以看我另一篇 Cursor 完整教程，两篇配着看正好覆盖图形 + 命令行两条线。

安装与接入模型

安装

官方推荐用 npm 全局安装，需要 Node.js 环境（版本要求以官方最新文档为准）：

# 全局安装
npm install -g @anthropic-ai/claude-code

# 进到你的项目目录，直接启动
cd your-project
claude

第一次启动它会引导你登录或填 API Key。装好之后，你在项目根目录敲 claude 就进入对话界面了。

接入模型：官方账号 vs 接国产省钱

默认走 Anthropic 官方的 Claude 模型，体验最完整。但如果你在国内、或者想压成本，可以通过环境变量把它指向兼容 OpenAI/Anthropic 接口的第三方端点，比如 DeepSeek、智谱 GLM 这类国产模型，价格通常友好很多。

大致思路是设置 base url 和 key（具体变量名和兼容性以你用的服务商 + Claude Code 官方文档为准，迭代很快）：

# 示意：把模型端点指向兼容接口（以官方/服务商最新文档为准）
export ANTHROPIC_BASE_URL="https://你的兼容端点"
export ANTHROPIC_API_KEY="你的key"

claude

我的实测体感：国产模型跑日常脚本、改 bug、写工具函数完全够用，省下来的额度很可观；但遇到需要长链条推理的复杂重构，官方 Claude 在"自己规划多步"这件事上确实更稳。所以我一般是日常杂活接国产、硬骨头切回官方。想接 DeepSeek 自己做应用的，可以参考我写的 DeepSeek API 调用教程，原理是相通的。

提醒：模型可用性、接口兼容性、计费方式都变得很快，动手前一定查一遍服务商和 Claude Code 的官方最新说明，别照搬我这里的示意值。

核心用法：把它当成一个会干活的同事

进入 claude 后就是对话框，你用自然语言下指令，它会自己决定读哪些文件、要不要跑命令。几个我天天用的姿势：

1. 让它先读懂代码再动手

读一下 src/ 下的目录结构，告诉我这个项目是干什么的，
入口在哪、数据是怎么流转的

它会自己去 grep、读文件，然后给你一份概览。我接手陌生项目第一件事就是这个。

2. 让它跨多文件改

把项目里所有用到旧版 fetchUser 的地方，
改成新的 getUserProfile，注意参数从 id 变成了 { userId }

它会先搜出所有引用、列出要改的文件，逐个改完。这种活在图形界面里要点到手酸。

3. 让它跑命令、看报错、自己修

跑一下测试，如果有失败的，分析原因并修复，修完再跑一遍确认

这是 Agent 模式最香的地方——它能执行 npm test、读到报错、改代码、再跑，形成闭环。当然，能跑命令也意味着要管好权限，这个后面避坑会重点讲。

CLAUDE.md 项目记忆与 Skill

CLAUDE.md：项目的"长期记忆"

Claude Code 启动时会自动读取项目根目录的 CLAUDE.md 文件，把里面的内容当成每次对话的背景知识。我会把项目约定、技术栈、命令、规范都写进去，省得每次重复交代：

# 项目说明

## 技术栈
- 后端 Python 3.12 + FastAPI
- 前端 React + TypeScript

## 命令
- 跑测试：pytest
- 启动开发：npm run dev

## 约定
- 所有 API 返回统一用 { code, data, msg } 结构
- 提交前必须跑 lint

你可以直接在对话里说 /init，让它扫一遍项目自动生成一份初版 CLAUDE.md，再手动补充。我的经验是这个文件越扎实，它后面越少跑偏。

Skill：把重复套路打包成可复用能力

Skill 是把"一类任务的标准做法"沉淀成可调用的技能包，让 Agent 在合适时机自动用上，或者你显式调用。比如我会把"生成接口文档""按团队规范写 commit message"这类反复出现的流程做成 Skill，避免每次都长篇大论交代上下文。功能和触发方式会随版本更新，具体怎么定义以官方最新文档为准，但理念就一句话：把你重复教它的东西固化下来。

实战：让它从 0 做一个小功能

讲再多不如跑一遍。我演示一个最小例子——让它做一个"把 Markdown 文件批量转成纯文本"的命令行小工具。我的实操节奏是这样：

第一步，描述需求，先让它出方案别急着写：

我想做一个命令行小工具：输入一个目录，
把里面所有 .md 文件转成同名 .txt（去掉 markdown 语法），
用 Python 写。先给我方案和文件结构，先别写代码。

它会回一份计划：用哪个库、几个文件、入口怎么设计。

第二步，确认方案后让它写：

方案可以，开始写吧。写完告诉我怎么运行

它会创建文件、填代码，并给出运行命令。

第三步，让它自测：

建一个 test 目录放两个示例 md，跑一遍验证输出对不对

它会造测试数据、运行、把结果贴给你看。整个过程我只下了三条指令，没碰一次代码。

这里要强调一个我反复验证过的习惯：让它"先出方案、我确认、再动手"，比一上来就"帮我写个工具"靠谱得多。Agent 在动手前对齐意图，返工率会明显下降。流程我画成了下面这张图：

避坑：别让 Agent 放飞自我

能自动跑命令是双刃剑。下面几条是我实打实踩过坑后总结的，建议照做：

• 逐步确认，别一上来就全自动。 默认它执行有风险的操作（删文件、跑命令）会问你确认，请保留这个确认，别图省事全开。我吃过一次亏：让它"清理无用文件"，差点把一个我以为没用其实有用的配置删了。
• 不要随意放开全部权限。 有"跳过确认/全自动"这类选项，只在你完全信任的沙箱、临时容器里用。生产代码、重要仓库别开。
• 每一轮都审 diff。 它改完代码，自己过一遍改动再接受。AI 偶尔会"自作主张"动到你没让它动的地方，审 diff 是最后一道防线。
• 先用 Git 兜底。 动手前确保代码已提交或在干净分支上，出问题 git checkout 一键回滚。这是我让它放手干活的底气来源。
• 任务拆小。 一次让它干太大太模糊的活，它容易跑偏。拆成"读懂 → 改一处 → 验证"的小步，可控得多。
• 敏感信息别进上下文。 接第三方端点时，留意 API Key、密钥、用户数据是否会被发出去，按需做好隔离。

小结

我自己的定位很清楚：Claude Code 是命令行里的 AI 编程 Agent，最擅长那些"多文件、要跑命令看结果、要一轮轮迭代"的活，是 Cursor 这类图形化工具的有力补充。上手记住四件事——装好接对模型（国产可省钱）、用 CLAUDE.md 喂好项目记忆、让它先出方案再动手、全程审 diff 配 Git 兜底。把这套流程跑顺，你会发现自己从"逐行敲代码"变成了"给同事下指令并把关"，这正是 AI 编程真正提效的地方。模型和功能都在快速迭代，关键参数务必以官方最新文档为准。

FAQ

Q：Claude Code 是免费的吗？ 工具本身可以装，但调用模型要消耗额度——走官方账号按官方计费，接第三方端点按服务商计费。想压成本就接 DeepSeek、智谱这类国产模型跑日常活。具体价格变动很快，以各家官方最新报价为准，我不在这里写死数字免得误导你。

Q：完全不会写代码，能用它做东西吗？ 能做出简单的小工具和脚本，但我不建议零基础的人完全当甩手掌柜。你至少要看得懂它在改什么、报错大概是什么意思，才能在它跑偏时叫停。否则一旦出问题，你连"哪里错了"都判断不了。把它当"会写代码的助手"，而不是"替你思考的黑盒"。

Q：它和 Cursor 能同时用同一个项目吗？ 可以，而且我就是这么用的。两者都是在你本地的代码仓库上操作，互不干扰。我一般 Cursor 手写、Claude Code 干批量和自动化的活，配合 Git 管理改动就行。

Q：接国产模型后体验会差很多吗？ 日常的写工具函数、改 bug、跑脚本，国产模型完全够用，性价比很高。差距主要体现在"需要长链条多步推理的复杂重构"上，这类硬骨头我会切回官方模型。所以不必非此即彼，按任务难度切换最划算。

---

如果你想系统地把 AI 编程、AI 工具这套实战能力学扎实，而不是零散试，我把自己实测沉淀的方法整理成了课程：点此了解并立即订阅 →

相关阅读：想对比图形化的 AI 编辑器玩法，看我的 Cursor 完整教程，和本文正好凑成"命令行 + 图形界面"两条线。