Claude Code 详解:从终端编码助手到 AI 工程代理-夜雨聆风

Claude Code 详解:从终端编码助手到 AI 工程代理

本文是一篇面向普通读者和实践者的 Claude Code 独立介绍。你不需要预先了解太多的编程工具，只要想知道 Claude Code 能做什么、如何上手、适合哪些工作流，以及怎样用 DeepSeek V4 降低 token 成本和提升可用性，就可以从这里开始。

https://code.claude.com/docs/zh-CN/overview

一、什么是 Claude Code ？

Claude Code 是 Anthropic 推出的 agentic coding tool，也就是面向真实代码库工作的 AI 编码代理。

它不只是一个“在命令行里聊天的 Claude”，而是一个可以读取代码库、编辑文件、运行命令、执行测试、生成提交、连接外部工具，并在一定权限范围内替你推进工程任务的 AI agent。

按照 Anthropic 官方文档的说法，Claude Code 可以读取你的 codebase、编辑文件、运行命令，并和开发工具集成。它可以在终端、IDE、桌面应用和浏览器里使用。用户既可以像结对编程一样和它实时互动，也可以把较长任务交给 Claude Code，让它自己探索代码、制定计划、修改文件并验证结果。

很多人第一次使用 Claude Code，会把它理解成“更聪明的 Cursor 命令行版”。这个理解不算错，但还不够完整。

更准确地说，Claude Code 的价值不只是“帮你写一段代码”，而是把 AI 放进真实工程环境里：

读项目结构
查找函数和调用链
修改多个文件
执行测试和 lint
分析报错日志
创建 commit 和 pull request
接入 GitHub、Jira、Slack、数据库、设计稿等外部系统
通过 CLAUDE.md、slash commands、hooks、subagents 沉淀团队工作流

这也是理解 Claude Code 时最重要的观点：它不是一个代码生成器，而是一个可以在项目里行动的工程代理。

如果说传统 AI 编程助手的基本单位是“补全一段代码”，那么 Claude Code 的基本单位更像是“完成一个工程任务”。

二、Claude Code 的主要入口：终端、IDE、桌面和 Web

Claude Code 最早让人印象深刻的入口是终端。你进入项目目录，输入 claude，它就可以开始读取当前项目、理解上下文并协助你开发。但现在 Claude Code 已经不只存在于终端。

第一类入口是 Terminal CLI。它适合开发者在本地项目中直接使用。你可以让它解释代码库、修改文件、运行命令、写测试、排查 CI 失败。对于习惯命令行的人来说，这是最直接、最强控制感的入口。

第二类入口是 IDE。Claude Code 支持 VS Code、Cursor、JetBrains 等开发环境。IDE 入口更适合日常编码：一边看文件，一边让 Claude Code 修改、解释、审查和测试。

这里尤其值得单独提一下官方文档里的 Use Claude Code in VS Code。Claude Code 的 VS Code 扩展不是简单把终端塞进编辑器，而是提供了原生图形界面。它可以直接在 VS Code 里显示对话、计划、inline diffs 和文件修改，让你在接受修改前先审查 Claude 的方案。

安装方式也很直接：在 VS Code 扩展面板里搜索 Claude Code并安装，或从官方文档中的 VS Code / Cursor 安装入口进入。官方要求 VS Code 1.98.0 或更高版本。安装后，你可以通过编辑器右上角的 Spark 图标、状态栏，或 Command Palette 中的 Claude Code 命令打开它。

VS Code 扩展适合这些场景：

在编辑器里查看和接受 inline diff
用 @ mention 引用当前文件或选中的具体行
在接受修改前审查和编辑 Claude 的 plan
在多个 tab 或 window 中打开不同 Claude Code 会话
查看会话历史
用快捷键在编辑器和 Claude 输入框之间切换
在集成终端中继续运行完整 CLI

它和 CLI 不是二选一。扩展更适合视觉化审查、文件选择和日常编辑；CLI 更适合完整命令能力、复杂自动化和某些高级功能。官方文档也说明，扩展包含 CLI，你可以在 VS Code 的 integrated terminal 里直接运行 claude。如果你用外部终端，也可以在 Claude Code 里执行 /ide，把 CLI 和 VS Code 连接起来。

第三类入口是 Claude Code Desktop。桌面应用更像一个可视化控制台，可以更方便地审查 diff、并行运行多个 session、创建定时任务，并把本地任务和云端任务连接起来。

第四类入口是 Web。Web 版适合启动较长时间的任务，尤其是你不在本地电脑前、或者想让 Claude 在远端环境里处理仓库任务时。

这几种入口不是互相排斥的。一个成熟的使用方式通常是：

在终端里处理本地开发。
在 IDE 里查看上下文和 diff。
在桌面应用里管理多个任务。
在 Web 或移动端发起长任务。
必要时通过远程控制或 teleport 把任务接回本地。

三、最小上手流程：进入项目，然后让它先读代码

Claude Code 的上手非常简单。官方推荐的终端安装方式之一是：

curl -fsSL https://claude.ai/install.sh | bash

如果使用 npm，也可以：

npm install -g @anthropic-ai/claude-code

安装完成后，进入你的项目目录：

cd your-projectclaude

第一次使用时，需要登录 Claude.ai 账号或 Anthropic Console 账号。登录完成后，你就可以直接提需求。不过真正建议的第一句话，不是“帮我实现某某功能”，而是：

请先阅读这个项目的结构，告诉我主要模块、启动方式、测试方式和你建议的修改入口。暂时不要改代码。

这一步非常重要。Claude Code 的强项是能探索代码库，但你最好先让它建立项目地图。很多失败的 AI 编程体验，并不是模型不会写代码，而是用户一上来就让它动手，导致它在不了解项目约束的情况下乱改。一个更稳妥的工作流是：

先让 Claude Code 探索项目。
让它总结架构和关键文件。
要求它提出实现计划。
人类确认计划。
再允许它修改文件。
修改后运行测试。
最后审查 diff 和 commit。

Claude Code 的能力越强，越需要你给它清晰边界。会用 Claude Code 的人，不只是会写 prompt，而是会让 agent 先观察、再计划、再执行。

四、Claude Code 能做什么？

Claude Code 最常见的使用方式，是把自然语言任务变成真实代码变更。例如你可以说：

给用户设置页增加一个导出数据按钮，复用现有按钮组件，完成后运行相关测试。

Claude Code 会先查找设置页、按钮组件、导出相关逻辑和测试文件，然后给出计划。你确认后，它会修改文件，并尝试运行测试。

它也适合排查 bug：

登录后刷新页面会丢失用户状态。请分析原因并修复，注意不要改动认证协议。

这类任务的关键不是“生成代码”，而是“沿着项目现有结构做正确修改”。Claude Code 会通过搜索、读取文件、理解调用链来定位问题。

它还适合做一些工程杂活：

给旧模块补测试
修复 lint 和类型错误
分析 CI 失败日志
更新依赖后处理 breaking changes
生成 release notes
写迁移脚本
做安全审查
重构重复代码
给复杂函数补注释和文档
创建 commit 和 pull request

这些任务以前通常很耗时间，因为它们不是纯粹的“写新代码”，而是需要在项目里到处查、到处改、再验证。Claude Code 的意义就在于，它可以承担大量中间步骤。

五、权限与安全：让能行动的 agent 有边界

Claude Code 能读文件、改文件、运行命令，因此权限管理非常重要。

在 Claude Code 里，你可以通过 settings、permission modes 和工具权限来控制它能做什么。比如允许它运行测试，但对 git push、部署、删除文件、访问敏感路径等操作保持确认。一个稳妥的实践是：

解释代码时，只给读权限。
修改本地项目时，只允许写入项目目录。
运行测试、lint、format 可以适当放行。
安装依赖、联网请求、数据库操作要谨慎。
发布、部署、推送远端分支、删除文件必须人工确认。
.env

、密钥、凭据文件最好加入 deny 列表。

Claude Code 支持在配置里禁止读取敏感文件。例如可以把 .env、secrets、凭据文件设为不可见。这个设计非常必要，因为 AI agent 一旦可以读项目，就有可能无意间接触密钥。一个能操作终端的 AI，本质上已经不是普通聊天机器人，而是一个有执行能力的软件实体。越是把它接近真实生产环境，越需要审计、确认和回滚机制。

六、CLAUDE.md：把项目经验写进记忆

Claude Code 里有一个很重要的文件：CLAUDE.md。

你可以把它理解成项目级说明书。Claude Code 启动时会读取这个文件，用它来理解项目规则、开发约定和常用命令。一个实用的 CLAUDE.md 可以包含：

项目是什么
主要目录结构
本地启动命令
测试命令
lint 和格式化命令
分支和 commit 规范
代码风格要求
常见坑
不允许修改的文件
安全注意事项

例如：

# Project Guide## Commands- Run tests: npm test- Run lint: npm run lint- Start dev server: npm run dev## Rules- Do not edit generated files in dist/.- Do not read .env or secrets/.- Prefer existing UI components from src/components/ui.- After changing API behavior, update tests.

这个文件的意义在于：你不必每次都从头告诉 Claude Code 项目怎么跑、测试怎么执行、哪些目录不要碰。它会把这些上下文作为工作默认值。

更进一步，团队可以把共享的 CLAUDE.md 放进仓库。这样每个成员使用 Claude Code 时，都能继承同一套项目约定。

七、Slash Commands：把常用 prompt 变成命令

Claude Code 支持 slash commands。内置命令包括 /help、/model、/staus、/permissions、/review、/compact、/mcp 等。

更重要的是，你可以创建自定义 slash command。例如在项目中创建：

mkdir -p .claude/commands

然后写一个 .claude/commands/review-pr.md：

请审查当前分支相对于 main 的改动，重点关注：1. 可能的行为回归2. 缺失的测试3. 安全风险4. 命名和架构一致性请先列出问题，再给出修改建议。

之后在 Claude Code 中输入：

/review-pr

它就会按这套固定标准执行。这和普通 prompt 最大的区别是：它把一次性的经验变成了可复用工作流。如果你发现自己第三次输入类似的提示词，就应该考虑把它变成 slash command。比如：

/write-tests
/security-review
/fix-ci
/release-notes
/refactor-plan
/docs-update

AI 工具真正提升效率的地方，不只是每次回答得更快，而是把重复工作逐渐固化成团队资产。

八、MCP：把外部工具接进 Claude Code

MCP 全称 Model Context Protocol，是一种让 AI agent 连接外部工具、数据源和服务的开放协议。对 Claude Code 来说，MCP 的意义非常大。因为真实工程任务往往不只发生在代码仓库里，还分散在：

GitHub
Jira
Slack
Linear
Sentry
Postgres
Google Drive
Figma
内部 API
自研运维系统

有了 MCP，Claude Code 就可以在权限允许的情况下访问这些工具。比如你可以让它：

读取 Jira 里的 ENG-4521，理解需求后在当前项目实现，并创建一个 PR。

或者：

查看 Sentry 最近的前端报错，判断是否和当前分支有关。

再比如：

根据 Figma 里的最新设计稿，更新邮件模板。

这代表一个很重要的变化：AI 编码工具不再只看代码，而是开始进入完整研发流程。需求、设计、监控、数据库、PR、CI 都可以成为 agent 的上下文。不过 MCP 也应该谨慎使用。外部工具权限越多，agent 的影响范围越大。建议从只读能力开始，逐步开放写入能力，并保留关键动作的人工确认。

九、Hooks：让 Claude Code 的动作进入工程规矩

Hooks 是 Claude Code 非常适合团队使用的一项能力。

简单说，hooks 可以在 Claude Code 执行某些动作前后运行你指定的命令。比如：

每次编辑文件后自动 format
每次运行测试前设置环境变量
在尝试读取敏感文件前阻止操作
在 session 开始时加载项目状态
在任务结束时记录日志
在 commit 前运行 lint

这让 Claude Code 不只是“听你说话”，而是可以被纳入已有工程制度。

例如你可以配置 PostToolUse hook：只要 Claude 修改了 TypeScript 文件，就自动运行格式化命令。也可以配置 PreToolUse hook：如果它想执行危险命令，就先拦截。

这类能力对团队尤其重要。个人使用时，Claude Code 偶尔犯错，你看一眼 diff 就能发现；团队规模一大，就需要制度化约束。Hooks 就像给 agent 加上护栏，让它在既有工程规则里工作。

十、Subagents：让不同角色处理不同任务

Claude Code 支持 subagents，也就是专门处理某类任务的子代理。每个 subagent 可以有自己的职责、系统提示词、工具权限和独立上下文窗口。它适合处理任务分工明确的场景。例如你可以定义：

frontend-reviewer

：专门审查 UI、响应式和可访问性
security-reviewer

：专门检查安全风险
test-writer

：专门补测试
docs-writer

：专门更新文档
migration-planner

：专门规划数据库迁移

当主 agent 遇到对应任务时，可以把一部分工作交给 subagent。这样可以减少主上下文压力，也能让不同任务使用不同标准。

这和人类团队协作很像。不是所有事情都由一个“全能工程师”完成，而是让不同角色在自己的专业边界内处理问题。

不过 subagents 不是越多越好。初学者更建议先从 1 到 2 个高频场景开始，比如 code review 和 test writing。等工作流稳定后，再把更多重复任务拆出去。

十一、模型选择：Sonnet、Opus、Haiku 和成本意识

Claude Code 支持通过 /model、启动参数、环境变量和 settings 文件配置模型。

从官方模型别名看，常见选择包括：

sonnet

：适合日常编码任务
opus

：适合复杂推理、架构设计和高难度问题
haiku

：适合简单、快速、成本敏感的任务
opusplan

：计划阶段用 Opus，执行阶段切到 Sonnet

这背后有一个重要原则：不同任务不应该都用最贵模型。

简单解释、批量改文案、生成测试样板、格式化文档，不需要一直用最强模型。复杂架构设计、跨模块重构、线上事故排查、数据库迁移方案，才值得使用更强模型。

如果你大量使用 Claude Code，很快会意识到 token 成本是真实问题。尤其是 agentic coding 会频繁读取文件、总结上下文、调用工具、输出计划和 diff，消耗比普通聊天更高。

因此，成熟用法不是“永远用最强模型”，而是建立模型路由策略：

日常任务用高性价比模型。
难题再升级到强模型。
子代理和后台任务使用更便宜模型。
长上下文任务要格外注意成本。
修改前先让 agent 缩小范围，不要全项目乱读。

这也引出很多用户关心的一个问题：能不能把 Claude Code 的模型换成更便宜、更稳定的 DeepSeek V4？

答案是：在终端 CLI 和 VS Code 等支持第三方 provider 的场景里，可以通过 Anthropic 兼容接口进行配置。

十二、为什么有人会把 Claude Code 切到 DeepSeek V4？

这里需要先说清楚：切换到 DeepSeek V4，不应该被理解成“绕过规则”或“规避平台限制”。正确理解是：Claude Code 作为编码工具，在某些入口中支持第三方 provider；DeepSeek 官方也提供了 Anthropic API 兼容格式，方便接入 Claude Code、OpenCode、OpenClaw 等工具。

用户考虑切换模型，通常有几个现实原因。

第一是 token 成本。Claude Code 做工程任务时，token 消耗很高。它要读文件、看 diff、跑命令、总结日志、生成计划。对于高频用户来说，成本会迅速放大。

第二是账号和访问稳定性。一些用户在使用海外 AI 服务时，可能会遇到支付、地区、风控、订阅额度或账号可用性问题。对他们来说，多一个兼容 provider，就多一条可用路径。

第三是长上下文。DeepSeek V4 Preview 官方宣称默认支持 1M context，这对大型代码库、长文档、复杂 agent 任务有吸引力。

第四是开源和生态。DeepSeek V4 Preview 已开放权重，并提供 OpenAI Chat Completions 与 Anthropic API 两种兼容格式。这意味着很多现有工具可以用较低迁移成本接入。

不过也要看到边界：

兼容 Anthropic API 不等于完全等同 Claude 官方模型。
多模态、文档、某些 MCP 或 beta 字段可能支持不完整。
编码质量、工具调用稳定性、长任务可靠性需要实际测试。
价格和折扣会变化，正式使用前要看官方 pricing。
企业和团队使用时，要确认数据、合规和供应商策略。

简单说：DeepSeek V4 是一个很值得尝试的成本优化方案，但不是无脑替代。

十三、DeepSeek V4 简单介绍：Pro 和 Flash 怎么选？

DeepSeek V4 Preview 在 2026 年 4 月 24 日发布。按照 DeepSeek 官方文档，它包含两个主要 API 模型：

deepseek-v4-pro
deepseek-v4-flash

其中 deepseek-v4-pro 是更强的模型。官方介绍它是 1.6T total / 49B active params，面向复杂推理、代码、数学、长上下文和 agentic coding。

deepseek-v4-flash 是更快、更经济的模型。官方介绍它是 284B total / 13B active params，适合高频、成本敏感、简单 agent 任务和日常开发辅助。

DeepSeek 官方还强调 V4 支持：

1M context length
thinking / non-thinking 双模式
JSON output
tool calls
Anthropic API 兼容格式
OpenAI Chat Completions 兼容格式

从 Claude Code 使用角度，可以这样理解：

deepseek-v4-flash	deepseek-v4-pro
日常解释代码简单 bug 修复写测试初稿生成文档子代理任务低风险批量修改高并发、高频调用	复杂架构设计跨模块重构难 bug 排查长上下文代码理解复杂 agentic coding 高价值任务最终执行

一个实用策略是：Flash 做默认，Pro 做升级。

十四、把 Claude Code 改成 DeepSeek V4：最实用配置

DeepSeek 官方文档给出了 Claude Code 的接入方式。核心是把 Anthropic 请求指向 DeepSeek 的 Anthropic 兼容接口。Mac / Linux 可以这样配置：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropicexport ANTHROPIC_AUTH_TOKEN=<your DeepSeek API Key>export ANTHROPIC_MODEL=deepseek-v4-pro[1m]export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m]export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro[1m]export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flashexport CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flashexport CLAUDE_CODE_EFFORT_LEVEL=max

然后进入项目：

cd /path/to/my-projectclaude

如果你想把成本压得更低，可以把默认模型改成 Flash：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropicexport ANTHROPIC_AUTH_TOKEN=<your DeepSeek API Key>export ANTHROPIC_MODEL=deepseek-v4-flashexport ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m]export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-flashexport ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flashexport CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash

这个配置的含义是：

默认用 deepseek-v4-flash
需要 Opus 级别能力时映射到 deepseek-v4-pro[1m]
Sonnet 和 Haiku 级别任务都走 Flash
subagent 默认走 Flash

如果你只想临时试一次，不想写进 shell 配置，可以在当前终端 session 中 export，关闭终端后就失效。如果你想长期使用，可以把这些环境变量写进 ~/.zshrc 或 ~/.bashrc。但要注意：API key 属于敏感信息，不建议写进会同步到公开仓库的文件。

Windows PowerShell 可以使用：

$env:ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"$env:ANTHROPIC_AUTH_TOKEN="<your DeepSeek API Key>"$env:ANTHROPIC_MODEL="deepseek-v4-pro[1m]"$env:ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-v4-pro[1m]"$env:ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-v4-pro[1m]"$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"$env:CLAUDE_CODE_SUBAGENT_MODEL="deepseek-v4-flash"$env:CLAUDE_CODE_EFFORT_LEVEL="max"

这里有几个细节要注意。

第一，DeepSeek 的 Anthropic 兼容 base URL 是：

https://api.deepseek.com/anthropic

第二，DeepSeek 官方示例在 Claude Code 中使用的是 ANTHROPIC_AUTH_TOKEN，而不是普通 Anthropic API 的 ANTHROPIC_API_KEY 写法。

第三，deepseek-v4-pro[1m] 里的 [1m] 表示使用 1M context。长上下文很强，但不代表应该随便塞满上下文。上下文越长，成本和延迟也越需要关注。

第四，DeepSeek 官方 pricing 在 2026 年 4 月 27 日显示：deepseek-v4-flash 输出价格为每 1M tokens 0.0028 美元；deepseek-v4-pro 输出价格有限时折扣，折后每 1M tokens 0.003625 美元，原价标注为 0.0145 美元。价格和折扣会变化，正式使用前一定要看官方 pricing 页。

十五、切到 DeepSeek 后，使用方式有什么变化？

从体验上看，你仍然是在 Claude Code 里输入任务：

请分析这个项目的认证模块，找出登录后刷新状态丢失的原因。先给计划，不要直接修改。

或者：

请补齐订单模块的单元测试，复用现有测试工具，完成后运行相关测试。

变化在模型供应商和请求接口。Claude Code 的工具外壳仍然负责项目交互、文件读写和命令执行，但底层模型响应来自 DeepSeek V4。这会带来几个实际差异。

第一，成本结构不同。DeepSeek V4 Flash 会明显适合高频、低风险任务。

第二，模型行为不同。Claude 官方模型和 DeepSeek V4 的推理风格、工具调用稳定性、代码审美、错误倾向都可能不同。你不能假设一个 prompt 在两个模型上完全等价。

第三，兼容性不是 100%。DeepSeek 官方 Anthropic API 文档列出了字段支持情况，例如某些 image、document、server tool、web search、container upload 等消息类型不支持或会被忽略。因此，如果你使用的是高度依赖 Claude 官方生态的功能，需要实际验证。

第四，审查更重要。切换模型后，建议先从低风险项目测试，不要一上来让它操作生产代码库。

一个比较稳妥的迁移流程是：

新建一个小项目或测试分支。
用 Flash 处理解释、文档、简单修改。
用 Pro 处理复杂任务。
对比 Claude 官方模型和 DeepSeek 的输出差异。
记录适合 DeepSeek 的任务类型。
把稳定流程写进 slash command 或 CLAUDE.md。

不要追求一次性替换所有场景。更现实的做法是，把 DeepSeek V4 作为 Claude Code 工作流里的一个高性价比后端选择。

十六、Claude Code 的典型工作流一：bug fix

假设你遇到一个 bug：用户登录后刷新页面，状态丢失。

一个好的 Claude Code prompt 可以这样写：

登录后刷新页面会丢失用户状态。请先阅读认证相关代码，说明状态存储、恢复和刷新流程。先不要修改代码，给出可能原因和验证计划。

这一步让 Claude Code 先做分析，而不是直接动手。

确认方向后，再说：

按方案修复这个问题。要求：1. 尽量复用现有认证逻辑2. 不改变 API 协议3. 补充或更新相关测试4. 修改后运行认证相关测试

Claude Code 会搜索 auth、session、token、storage、router 等相关文件，定位问题后修改。完成后，你应该看它的 diff，确认它没有扩大修改范围。

这个场景里，模型选择可以是：

第一次分析用 deepseek-v4-pro
简单修复用 deepseek-v4-flash
如果 Flash 修不好，再升级到 Pro

核心不是盲信 agent，而是让 agent 做探索和执行，让人类做判断和验收。

十七、Claude Code 的典型工作流二：追加测试

追加测试是 Claude Code 非常适合的场景。你可以说：

请为 payment 模块补充测试。先阅读现有测试风格，列出缺失覆盖点，然后实现最小必要测试。完成后运行相关测试。

这句话里有几个关键约束：

先阅读现有测试风格
列出缺失覆盖点
实现最小必要测试
运行相关测试

很多人让 AI 写测试失败，是因为只说“给这个文件写测试”。结果模型会发明新的测试工具、绕开项目约定、写出看似完整但跑不起来的测试。Claude Code 更适合在已有项目中模仿现有模式。你要让它先看项目里别人怎么写测试，再按同样风格补齐。

十八、Claude Code 的典型工作流三：代码审查

Claude Code 内置 /review命令，也可以通过自定义 slash command 创建团队审查标准。

一个比较实用的 code review prompt 是：

请审查当前分支相对于 main 的改动。重点关注：1. 行为回归2. 缺失测试3. 安全风险4. 数据迁移风险5. 是否符合项目现有架构请只列出真实问题，按严重程度排序，并给出文件位置。

这个 prompt 的重点是“只列真实问题”。AI 很容易为了显得有用而输出很多泛泛建议。你需要把它拉回 code review 的真正目标：找 bug、找风险、找缺测试。

如果是普通 review，可以用 Flash。如果是安全、支付、权限、数据迁移等高风险代码，建议用 Pro，并且仍然需要人类复核。

十九、Claude Code 与 Codex 的关系：竞争，也可以互补

很多人会把 Claude Code 和 Codex 放在一起比较。它们确实有竞争关系：都能读代码、改文件、跑命令、处理工程任务，都在从“聊天助手”走向“AI agent 工作流”。但更真实的情况是，它们也可以互补。

Claude Code 的优势	Codex 的优势
终端体验顺手对代码库理解强长任务执行自然工程推理和修改质量好 CLAUDE.md、slash commands、hooks、subagents 很适合沉淀工作流	多 agent 工作台项目和文件预览与 OpenAI 生态结合 skills、plugins、automations 多资产项目组织能力

成熟用户不一定要二选一。更实际的做法是：根据任务选择工具。

例如：

日常终端开发用 Claude Code。
多资产项目管理用 Codex。
文档、表格、幻灯片、自动化任务用 Codex。
复杂代码修复或审查用 Claude Code。
成本敏感任务接 DeepSeek V4。

未来的高效工作流，很可能不是“一个 AI 工具统治所有场景”，而是“一个人会调度多个 agent，并为不同任务选择合适模型”。

二十、Claude Code 适合哪些人？

Claude Code 首先适合开发者。

如果你每天都在代码库里工作，它可以帮你节省大量查找、修改、验证和文档时间。尤其是面对陌生代码库、遗留项目和跨文件任务时，Claude Code 的价值很明显。

Claude Code 也适合技术创业者和独立开发者。

一个人做产品，往往要同时处理前端、后端、数据库、部署、文档、测试、脚本和发布说明。Claude Code 可以把很多中间步骤自动化，让你把精力放在产品判断和质量验收上。

Claude Code 还适合工程团队。

团队可以把规范写进 CLAUDE.md，把流程做成 slash commands，把安全要求放进 permissions 和 hooks，把不同任务拆给 subagents。这样 Claude Code 就不只是个人效率工具，而是团队工程系统的一部分。

它不太适合什么场景？

完全不愿意看 diff 的用户
没有版本控制的项目
没有测试和回滚机制的生产环境
期望 AI 一次性生成完整复杂系统的人
不能接受反复迭代的人

Claude Code 很强，但不是魔法。它能加速工程过程，但不能替代工程判断。

二十一、使用 Claude Code 的推荐方法

如果你刚开始使用 Claude Code，可以按下面的顺序上手。

第一步，从小项目开始。不要一上来让它改生产系统。找一个低风险项目，熟悉它如何读文件、提计划、改代码和跑测试。

第二步，先让它读项目。让 Claude Code 总结目录结构、启动命令、测试命令和关键模块。

第三步，写 CLAUDE.md。把项目规则、常用命令、禁区和代码风格写进去。

第四步，养成“先计划后执行”的习惯。复杂任务先要求它给方案，不要直接改。

第五步，频繁运行测试。不要只相信 Claude Code 的总结，要看测试、lint 和实际运行结果。

第六步，审查 diff。所有 agent 修改都应该被人类审查，尤其是权限、支付、数据和部署相关代码。

第七步，把重复工作变成 slash command。第三次重复同一类 prompt 时，就该沉淀成命令。

第八步，逐步接入 MCP 和 hooks。先从低风险只读工具开始，再开放写入能力。

第九步，建立模型路由策略。简单任务用便宜模型，复杂任务用强模型。

第十步，尝试 DeepSeek V4，但先在低风险项目验证。不要为了省 token 成本牺牲可靠性和安全性。

二十二、Claude Code 的局限与风险

第一个局限是：它仍然会犯错。

它可能误解需求，可能改错文件，可能补出无效测试，可能为了通过测试而绕开真实问题。越复杂的任务，越需要人类审查。

第二个局限是：它会扩大上下文和修改范围。

如果你不给边界，它可能读很多文件、改很多地方。对于大型项目，这会增加 token 成本，也会增加审查难度。

第三个局限是：工具执行存在风险。

一个能运行命令的 agent，可以帮你跑测试，也可能误删文件、安装错误依赖、执行危险脚本。权限配置不是可选项，而是必需品。

第四个局限是：账号、费用和可用性会影响体验。

Claude 官方模型能力强，但高频 agentic coding 的 token 成本不低。部分用户还会遇到账号、支付或访问稳定性问题。DeepSeek V4 可以作为替代后端，但它也有自己的兼容性、质量和合规问题。

第五个局限是：AI 不理解你的业务目标。

它能读代码，但不知道你公司真正的战略取舍；它能修 bug，但不知道某个历史兼容逻辑为什么不能动；它能生成方案，但不知道团队下周有没有时间维护。

所以，人类判断不会因为 Claude Code 变强而变弱。恰恰相反，AI agent 越能执行，人类越需要定义目标、设定边界、审查结果、决定取舍。

二十三、Claude Code 代表的是一种新的工程协作方式

Claude Code 的意义不只是“Anthropic 做了一个编程工具”。它代表的是一种新的工程协作方式：人类不再只是向 AI 提问，而是在真实项目中指挥 AI agent 探索、计划、修改、测试和交付。在这个过程中，最重要的能力不再是写一个漂亮 prompt，而是：

会定义任务
会拆分边界
会让 agent 先读代码
会审查计划
会配置权限
会运行测试
会看 diff
会把重复流程沉淀成 CLAUDE.md、slash commands、hooks 和 subagents
会根据任务选择合适模型

Claude Code 很适合开发者，也很适合想用 AI 扩大个人工程产能的创业者和团队。但它最适合的用户，不一定是最会写代码的人，而是最会组织工程工作流的人。

DeepSeek V4 的加入，让这个工作流又多了一个现实选择：在 Claude Code 的工具外壳里，用更低成本的模型处理高频任务，用更强模型处理关键任务。Flash 负责日常，Pro 负责难题，这会是很多 AI 编程用户接下来值得尝试的组合。

未来的软件开发，很可能不是“人写代码，AI 补全”，而是“人定义目标和质量标准，agent 执行大量中间步骤”。Claude Code 正是这个趋势里非常值得学习的一站。

二十四、参考资料

[Claude Code overview](https://code.claude.com/docs/en/overview)
[Use Claude Code in VS Code](https://code.claude.com/docs/en/vs-code)
[Model configuration](https://code.claude.com/docs/en/model-config)
[Slash commands](https://docs.anthropic.com/en/docs/claude-code/slash-commands)
[Connect Claude Code to tools via MCP](https://code.claude.com/docs/en/mcp)
[Hooks reference](https://code.claude.com/docs/en/hooks)
[DeepSeek V4 Preview Release](https://api-docs.deepseek.com/news/news260424)
[Models & Pricing](https://api-docs.deepseek.com/quick_start/pricing)
[Integrate with AI Tools](https://api-docs.deepseek.com/guides/coding_agents)
[Anthropic API](https://api-docs.deepseek.com/guides/anthropic_api)