Skip to content

Commit b7e53bd

Browse files
SnailclimbSnailclimb
committed
docs(ai): Agent 基础和 Cluade code技巧完善
1 parent 63aed0b commit b7e53bd

5 files changed

Lines changed: 837 additions & 336 deletions

File tree

‎docs/ai-coding/practices/claudecode-tips.md‎

Lines changed: 14 additions & 6 deletions
Original file line numberDiff line numberDiff line change
@@ -8,17 +8,25 @@ head:
88
content: Claude Code,AI编程,CLAUDE.md,MCP,Skills,Sub-Agent,Agentic Coding,AI辅助开发
99
---
1010

11-
大家好，我是 Guide。前面写过 [IDEA 搭配 Qoder 插件的实战](../cases/idea-qoder-plugin.md)、[Trae 接入大模型的实战](../cases/trae-m2.7.md) 和 [Claude Code 接入第三方模型的实战](../cases/cc-glm5.1.md)，这篇专门把 Claude Code 的日常用法拎出来讲一遍。
11+
你好，我是小 G。前面写过 [IDEA 搭配 Qoder 插件的实战](../cases/idea-qoder-plugin.md)、[Trae 接入大模型的实战](../cases/trae-m2.7.md) 和 [Claude Code 接入第三方模型的实战](../cases/cc-glm5.1.md)，这篇继续聊 Claude Code。
1212

13-
很多人第一次用 Claude Code，会把它当成“能在终端里聊天的 AI”。这其实低估它了。
13+
正文开始之前，想先问一句：你第一次认真用 Claude Code 的时候，是什么感觉？
1414

15-
它好用的地方，是能自己读仓库、搜代码、跑命令、看报错、改文件，再根据验证结果继续迭代。你给它一句“修一下登录超时后无法刷新 token 的问题”，它会去找认证流程、读测试、改实现、跑命令。问题也在这里：如果上下文、权限和验收标准没管好，它会越跑越远，最后你面对一堆 diff 发呆。
15+
我自己刚开始用的时候，最直观的感受就是：这玩意儿不像普通代码补全，也不像单纯的聊天机器人。你让它修一个问题，它会自己读仓库、搜代码、跑命令、看报错、改文件，再根据验证结果继续迭代。
1616

17-
这篇文章按 2026-05-29 的 Anthropic 官方文档整理，并结合我自己的使用习惯重写。
17+
比如你丢给它一句：“修一下登录超时后无法刷新 token 的问题。”
1818

19-
Claude Code 迭代很快，部分命令和版本门槛会变，具体以 `claude --version` 和官方文档为准。比如 `/run`、`/verify` 需要 Claude Code v2.1.145+；新版 `/simplify` 的官方说明出现在 v2.1.154+ 之后；`--enable-auto-mode` 已经移除，现在用 `--permission-mode auto`。
19+
它可能会去找认证流程、读相关测试、改实现、再跑一遍命令。这个过程看起来很爽，尤其是它真的把问题修掉的时候，会让人产生一种错觉：我是不是只要负责提需求就行了？
2020

21-
国内使用 Claude Code 还有现实门槛：账号、网络、成本、第三方中转稳定性都要考虑。GLM、MiniMax、Kimi、DeepSeek 这类模型可以作为替代或补充，但如果任务是大规模代码修改、复杂重构、长链路排错，Claude 目前仍然是很值得单独研究的工具。
21+
但用久了之后，翻车也会越来越多。
22+
23+
上下文没管好，它会把支线任务越扯越大；权限放太宽，它可能一口气改掉你没打算动的文件；验收标准没写清，它会用一套看起来合理、但并不符合业务的实现交差。最后你面对一堆 diff 发呆，不知道该留哪块、扔哪块。
24+
25+
所以这篇不是“Claude Code 有多强”的安利文，而是想把我这一年多高频使用里踩过的坑、稳定下来的配置和比较管用的工作流整理出来。重点会放在 `CLAUDE.md`、权限管理、MCP、Skills、Sub-Agent、上下文管理和验证习惯这些地方。
26+
27+
这篇文章参考了 Anthropic 官方文档。需要注意的是，Claude Code 迭代很快，部分命令和版本门槛会变，具体以 `claude --version` 和官方文档为准。比如 `/run`、`/verify` 需要 Claude Code v2.1.145+；新版 `/simplify` 的官方说明出现在 v2.1.154+ 之后；`--enable-auto-mode` 已经移除，现在用 `--permission-mode auto`。
28+
29+
另外，国内使用 Claude Code 还有现实门槛：账号、网络、成本、第三方中转稳定性都要考虑。GLM、MiniMax、Kimi、DeepSeek 这类模型可以作为替代或补充，但如果任务是大规模代码修改、复杂重构、长链路排错，Claude 目前仍然值得单独研究。
2230

2331
## `CLAUDE.md` 非常重要
2432

‎docs/ai/README.md‎

Lines changed: 3 additions & 3 deletions
Original file line numberDiff line numberDiff line change
@@ -1,13 +1,13 @@
11
---
22
title: AI 应用开发知识体系：大模型、Agent、RAG、MCP、Prompt 工程与系统设计
3-
description: AI 应用开发面试与学习路线，面向后端开发者梳理大模型调用、Agent、RAG、MCP、Prompt 工程、向量数据库、评测和系统设计。
3+
description: AI 应用开发面试与学习路线，面向后端开发者梳理大模型调用、Agent、RAG、Skills、MCP、Prompt 工程、向量数据库、评测和系统设计。
44
category: AI
55
tag:
66
- AI
77
- 大模型
88
- AI 应用开发
99
- 后端面试
10-
icon: "mdi:robot-outline"
10+
icon: mdi:robot-outline
1111
sitemap:
1212
changefreq: weekly
1313
priority: 1
@@ -29,7 +29,7 @@ head:
2929

3030
这些问题没法各解各的。大模型基础、Agent、RAG、工具调用、系统设计必须连起来理解——只懂调用 API，到了架构评审会卡住；只熟 RAG 论文，到了知识库维护还是不知道怎么处理增量更新和版本去重。
3131

32-
如果时间有限，先看 [AI 应用开发面试指南](./interview-questions/ai-interview-guide.md)，把大模型、Agent、RAG、MCP 和 AI 系统设计里最容易被追问的问题过一遍；如果想补得扎实一些，再按下面的阅读顺序推进。
32+
如果时间有限，先看 [AI 应用开发面试指南](./interview-questions/ai-interview-guide.md)，把大模型、Agent、RAG、Skills、MCP 和 AI 系统设计里最容易被追问的问题过一遍；如果想补得扎实一些，再按下面的阅读顺序推进。
3333

3434
这应该是当前最全面系统的讲解，每一篇都花费了大量时间完善和优化，每篇文章都画了大量配图辅助理解：
3535

‎docs/ai/agent/agent-basis.md‎

Lines changed: 3 additions & 5 deletions
Original file line numberDiff line numberDiff line change
@@ -293,17 +293,15 @@ Prompt Engineering 更偏提示词怎么写，Context Engineering 管得更宽
293293

294294
ReAct 是 Reasoning + Acting，由 Shunyu Yao 等人在 2022 年提出，论文是[《ReAct: Synergizing Reasoning and Acting in Language Models》](https://react-lm.github.io/)。
295295

296-
LangChain、LlamaIndex 这些主流框架的 Agent 模块，很多都基于这个范式。
296+
LangChain、LlamaIndex、AgentScope 这类框架里的 Agent 模块，很多都能看到这个范式的影子。
297297

298298
它的思路很直观：模型先推理一步，拿到外部环境反馈，再推理下一步，交替进行。
299299

300300
LLM 自己容易缺少实时信息，也容易幻觉。ReAct 就让它“走一步看一步”，每一步都根据工具返回结果继续判断。
301301

302302
![ReAct-LLM](https://oss.javaguide.cn/github/javaguide/ai/agent/ReAct-LLM.png)
303303

304-
比如任务是：
305-
306-
帮我排查一下今天早上 user-service 接口变慢的原因，并把结果发给负责人。
304+
比如任务是：帮我排查一下今天早上 user-service 接口变慢的原因，并把结果发给负责人。
307305

308306
ReAct 跑起来大概是这样。
309307

@@ -323,7 +321,7 @@ ReAct 落地时一般需要这几个组件配合：
323321

324322
1. 历史上下文，保存推理步骤、执行动作、反馈观察
325323
2. 实时环境输入，比如系统告警、用户反馈等外部变量
326-
3. **LLM 推理模块**：负责逻辑分析和下一步规划
324+
3. LLM 推理模块：负责逻辑分析和下一步规划
327325
4. 工具集与技能库，包括原子工具和 Skills
328326
5. 反馈观察机制，采集工具响应并追加回上下文
329327

0 commit comments

Comments
 (0)