夜雨聆风写在文章开头
cli工具是笔者对于古法编程时代仅存的情怀之一，前几天看到友人分享的文章，其中探讨了CLI工具和AI IDE孰优孰劣的话题，该文从发展史、日常使用场景以及对未来的展望都进行了详尽的分析阐述。同时，也给我们这些从古法编程时代走来的开发者，在编程范式上带来一些新的思考。
结合现代的工具迭代和发展趋势来看，Claude Code有着更广泛的讨论和更丰富的使用方案。且CLI工具依赖少，不受桌面环境约束，因此通常更稳定，这也间接保证了高速的迭代发布频率，当然，这也仅代表笔者个人的看法，也欢迎读者在评论区参与讨论。
回到本文话题，这是一篇面向所有读者的Claude Code in Action文章，笔者将从Claude Code主流且普适的安装配置再到基于一个实际场景的全流程运用，让读者对Claude Code的使用有初步的理解和掌握。
补充：写完这篇文章之后，笔者在知乎看到了这样一个问题：
2026还需要继续坚持手搓代码吗？
这其中，Nginx研发工程师洪志道的回答提到，大体是说要学会将AI视为强化自身的助手，保持主动思考和理解力，让它协作我们完成工作的同时，保持自身的核心竞争力——顶级的元认知和基于AI既有知识推导结果的决策力：
SharkChili · 计算机路上的禅修者
开源贡献
mini-redis：教学级 Redis 精简实现 · https://github.com/shark-ctrl/mini-redis Nightingale：深度源码研究
关注公众号，回复 【加群】 加入技术社群
详解claude code安装与配置
下载安装 Claude Code
Claude官方提供不同平台的安装指令，因为笔者是Mac和Windows双持的开发者，所以着重介绍这两个平台的安装方式。
对于Mac用户，有Homebrew或curl指令两种方式：
brew install --cask claude-code
curl -fsSL https://claude.ai/install.sh | bash
Windows用户则是通过PowerShell键入如下指令即可：
curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd
无论以何种方式完成安装，都可以通过以下命令验证是否安装成功：
claude --version
若控制台输出Claude Code版本信息，则说明安装成功：
cc-switch 安装与配置
cc-switch是一款通用的模型配置管理工具，避免在各种配置CLI工具进行模型切换配置上的记忆负担。
考虑到本文的普适性以及结合官方最新说明，Windows和mac平台都已经支持通过软件的方式完成安装，所以对于cc-switch的安装，建议读者移步以下链接完成软件安装：https://github.com/farion1231/cc-switch/releases
完成安装后，直接打开cc-switch即可得到如下界面。以笔者个人日常编码工作为例，在模型上针对不同场景的使用策略为：
复杂系统设计方案：交由GLM这种顶级模型，进行多轮交互和敲定，明确设计文档 简单的功能迭代与编码：基于顶级模型的详细设计方案亦或者简单的明确的迭代工作，交由MiniMax这些相对优惠的模型处理
所以，对应笔者的cc-switch的模型配置界面如下，即针对长任务的GLM和简单编码任务的MiniMax：
这里笔者也简单介绍一下cc-switch的安装和配置，我们以针对claude code配置mini-max模型为例，tab栏指定claude code后，点击加号：
再选择minimax供应商：
键入我们的api-key，cc-switch就会帮你生成剩下的配置信息，我们直接点击添加即可：
此时，键入claude 即可在输出面板看到当前模型为minimax-m2.7，当然笔者这里为了验证连通性，同样采用了交互的方式询问模型，也同样输出minimax-m2.7:
AI 的工程纪律手册——superpowers
superpowers是一款基于Anthropic Agent Skills封装的技能工作流框架，亦或者可以理解为一套完整的AI开发方法论与配套的Skill库，它通过拦截Claude Code的关键决策点，将单次简单的对话转为一套结构化软件工程研发流程。
本质上，它是一个面向复杂迭代任务的插件，它把软件工程中最佳实践TDD、Code review、spec-driven以及git worktree全部封装成AI可自动执行的skills。通过尽可能详细的澄清和设计，辅助研发人员进行详细的功能梳理和设计，确保AI功能落地的质量。
对应的安装步骤，笔者推荐直接通过Claude插件市场进行安装：
/plugin install superpowers@claude-plugins-official
为验证superpowers能否对模糊需求进行刨根问底式的澄清，笔者也尝试提了一个非常极端且含糊不清的需求：
帮我在当前项目文件夹里手写一个redis，注意是自己搓一个
可以看到Claude code准确的加载了superpowers，并在了解项目结构后，用该技能的brainstorming进行头脑风暴和澄清：
幻觉代码终结者——Context7 MCP
为避免AI针对所用库的过时或者通用的信息资料，所导致的：
基于旧有语料的过时代码示例 那些根本不存在的幻觉 API 旧软件包版本的通用答案
因此，我们需要一种有效手段，针对提供给LLM的prompt动态注入最新的官方最新文档语料，确保LLM能够正确思考和推导出正确的结果。
这里我们推荐安装一个context 7的mcp，按照官方的说法可通过npx（读者注意安装最新的nodejs）指令完成引导安装：
npx ctx7 setup
键入上述指令后，context7会询问用户安装mcp的方式，这里笔者推荐采用cli+skil的方式，它会非常详细的引导你完成必要登录注册，并完成claude的配置工作：
使用方式也非常简单，例如我们想获取某些api最新的用法，例如hutool某些api最新版本的操作，方式就可以通过：
hutool 最新的字符串判空操作是什么？use context7
输出结果如下，结合笔者和ai交互了解到，context7在收到问题后的工作过程为：
查询库id：调用 resolve-library-id，传入 "Hutool" 和查询关键词，获得/chinabugotech/hutool（版本 5.8.39），这一步因为走context7的原因所以并不是最新，而是相对较新查询文档 ：调用 query-docs，传入库 ID 和完整问题 "string empty check validation isEmpty StrUtil"，Context7 从其文档库中检索相关内容并返回 整理回答 ：将返回的文档整理成表格和代码示例给用户
总的来说，整个过程为了保证资料最新和响应实时， Context7 是直接从既有缓存文档中获取，无需联网搜索。
github项目分析神器——DeepWiki MCP
过去我们获取最新的API操作示例的过程为：
检索官网 阅读github代码示例 复制调试 完成目标任务
因此，我们推荐在Claude 中安装一款名为deep wiki的mcp插件，它是 Cognition Labs 推出一款能够深度分析github项目的标准化接口。通过这款插件，我们就无需在这些在这种繁琐的工具中切换，只需提供简要的说明，DeepWiki会主动帮我们拉取最新的文档，生成结构化文档，并提供交互式的对话体验和指导，辅助开发者快速了解项目结构和逻辑：
deepwiki安装步骤如下：
claude mcp add -s user -t http deepwiki https://mcp.deepwiki.com/mcp
使用方式也很简单，使用deepwiki+问题即可，例如：笔者本次要求检索hutool最新版本的字符串操作示例，对应的问题就是：
deepwiki:给出hutool最新版本号以及字符串判空操作的api示例
对应的输出结果如下，deepwiki进行深度的检索，并获取到的hutool最新版本代码片段，并整合了简要的代码示例和说明并输出：
Fetch MCP
过去我们进行一些探索性技术学习整理的时候，都是通过阅读官方文档实践，然后手动复制一些指令和说明构建成后续可复用的集成文档，其实这些操作本质上就是针对网页内容的阅读、实践和整理内化。
所以笔者推荐大家安装 Fetch MCP
claude mcp add fetch -- uvx mcp-server-fetch
而使用方式也很简单，例如笔者最近一直想使用spring系的智能体框架进行一些智能体的研发工作，为了能够快速上手且沉淀文档，我们就可以将链接地址提供给fetch mcp，确保我们在技术可行性验证后生成md文档方便我们后续复用：
用fetch mcp 将 https://java2ai.com/docs/quick-start 将快速开始这一章节内容生成一份教程md文档
对应的问答结果如下，可以看到fetch mcp非常出色的完成了检索和整理工作：
图形化插件安装
作为vibe coding的忠实黑粉，即一个尽可能尝试在企业级开发中避免技术债务的研发人员，笔者日常还是会通过ide进行轻度的编码和调测工作。所以也希望在能够在IDE中集成claude code，确保日常的研发调测时避免窗口切换带来的不便。
好在vscode中确实内置了一款名为claude code for vscode的插件，它提供了操作非常便捷且提示非常贴心的操作界面，安装后的效果如下：
这里笔者补充说明一点,为了方便编码和Claude交互体验，笔者推荐完成该插件安装后，将其位置设置在sidebar。对应配置需要通过插件设置面板完成，笔者推荐通过插件设置按钮入口点击settings快速进入配置界面：
找到Claude code：prefer location，选择sidebar（right）：
完成设置后最终Claude code 图形化界面就会显示在右侧边栏：
基于实践案例演示claude code使用教程
需求说明
通过上述步骤，我们很顺利的完成了个人AI编程环境的搭建，为了更直观让读者了解claude code企业级开发流程最佳实践，笔者专门准备了一个订单管理系统，对应的系统页面如下图所示，可以看到该是针对订单订单明细管理的运营端系统，该系统目前支持：
以订单维度的订单号、客户端id、订单状态、收货人号码的条件搜索 点击详情页可查看订单详情 支持通过上一页和下一页的分页查询，默认每次输出10页
这里我们结合业务补充说明一点：客户id和收货人姓名并不是一一对应的关系，客户人在我们系统代表的是本次下单的用户信息，而收货人则是本次下单指定的用户信息，并不是一定是当前客户。
例如：张三给友人送礼，那么下单的用户则是张三，而收货人则是友人的信息：
为了更直观的演示claude code最佳实践的全流程，笔者直接以一个业务新人的视角着手这个项目的研发工作。试想我们处于一个非常敏捷的团队，每天都会经历1~n次的发版，所有的开发都需要并行处理：
修复运营或客服反馈的问题 产品敏捷输出的新需求
所以我们收到了运营和客服同学的线上反馈，当前进行系统客户订单详情查询时，需执行：
从旧有平台基于客户姓名定位id 复制客户id到新平台查询订单
所以，我们收到的第一个优化类的任务，即调整订单管理系统，支持通过客户名称检索客户信息。
与之同时，产品也给我们提出第二个需求，在快速迭代初期为了保证系统快速上线完成，对于分页查询仅给出简单的上下跳页查询，功能非常粗略。按照产品本次的要求，我们需完成： 3. 支持指定页码的分页查询 4. 支持显示指定分页数，例如：5、10、15 5. 指定页码的同时，支持输入跳转页查询
初始化项目上下文
在明确的期限内收到该任务，我们首要做的就是要快速熟悉了解这个项目，所以，我们过段启动claude code并键入**/init **让其辅助我们快速构建一份持久的上下文信息确保每个会话都那复用这份项目文档。
片刻后，我们收到这份文档，该文档非常清晰的从三个维度对项目进行详尽的介绍：
what（是什么）: 项目结构和技术栈，为Claude code提供代码库的全局地图 why（为什么）:项目的目的，各个模块功能和定位 how（怎么做）: 开发方式，例如：项目使用的gradle而非maven，类命名统一采用小驼峰的方式等。
对应的笔者这里也给出claude code输出的md文件中最核心的，也是笔者最关心的一段描述，即可订单系统的核心数据表管理和数据流转图。可以看到claude code非常细心通过er图直观的绘制图核心表关联关系，并结合这张表关系构建出一条完整的业务流线，供我们熟悉客户下单的完成流程和数据流的扭转：
需要注意的是，默认情况下claude.md上下文位于项目根目录下，代表着项目级别的上下文信息，也就是说，该文件作用范围仅针对当前项目。对此，cc也提供了其他作用域的配置方式：
1. 系统所有用户：
cc规定不同操作系统指定路径下的claude.md可用于约束当前系统下所有的用户和项目，所以该级别目录下的内容，作用域最广，常常用于一些企业级统一编码规范、安全策略、合规要求。对于不同系统对应的路径为：
macOS：/Library/Application Support/ClaudeCode/CLAUDE.md Linux 和 WSL：/etc/claude-code/CLAUDE.md Windows：C:\Program Files\ClaudeCode\CLAUDE.md
2. 用户特定上下文： 在用户名级别的目录下的claude.md作用域则是针对当前用户，我们可以将一些个人偏好和习惯存放到当前目录的claude.md文件下。以笔者为例，为了避免与ai交互过程出现：
过多的解释导致思路被非核心说明干扰 推理结果没有准确结合源代码而时通过官网说明主管推断带来的偏差（官方文档存在不及时更新的情况）
所以，针对用户级别的上下文，笔者非常严格的声明了回答和编码逻辑梳理时的军规：
制定工作风格和规范
基于cc（claude code的简称，后续若无特殊说明，我们统称claude code为cc）给定的上下文，为确保后续编码符合团队验收标准，我们基于此让cc协助生产项目开发规范。
考虑到企业级项目的开发规范的重要性，本次指定的规范需要严格审核后才可应用，所以笔者将mode设置为plan mode，对应命令行启动的用户可通过**/plan** 切换为计划模式，即先审核方案，明确无误后再执行。
除了plan mode以外，cc还提供如下几种权限模式：
default：所有操作都需要确认 acceptEdits：文件操作自动执行，系统级危险操作仍需要确认
在plan模式下，笔者键入如下要求：
请为当前项目生成完整的企业级开发规范rule文件，包括但不限于：
1. 编码规范：命名约定、代码结构、注释标准、文件组织方式等
2. 数据库设计规范：表结构设计原则、字段命名规则、索引策略、关系约束等
3. 其他相关开发规范：API设计规范、错误处理机制、日志记录标准、测试规范等
要求规范内容具体可执行，并考虑当前项目的技术栈和架构特点
此时，cc就会进行详细的分析代码上下文和各种数据库设计脚本文件，进行企业级编码规范和表设计的标准推理：
最终，在cc多轮询问之后，准确的在.claude 目录下创建了如下各种编码规范，并创建todo清单逐步生成：
于是我们就有了一份约束AI编码规范的rules清单，这里需要注意一下笔者的处理细节，因为rules是笔者让AI结合代码上下文信息推理出来的规则文档，更多是处于对于个人AI编程的约束。为方便后续个人编码规范一些特殊化定制和灵活迭代，笔者将其存到**.claude**这个项目级目录下，将影响面压缩至个人：
为了印证**/rules是否对生效，我们可以键入/context**指令查看当前上下文是否成功加载。对应输出结果如下，可以看到memory files存在占用，由此推测本次会话加载了相关的物理文件：
查看Memory Files可以直观看到我们的rules文件下的所有规约内容，由此可印证当前rules已被成功加载，且在当前会话中生效：
快速客户姓名查询功能
通过上述的上下文初始化和团队规范的配置整理，我们已经初步的了解的项目的背景和编码级的功能流程梳理，结合我们上下文整理的rules，此时就可以着手第一个编码工作了。
结合产品经理说明的功能，我们直接通过plan模式让AI完成工作
当前订单查询仅支持客户id查询，现在要求完成基于客户姓名的精确查询功能，请完成表修改和前后端模块方案设计
AI非常快速结合我们上文准备各种上下文和规约，了解到指定的代码段，并和我进行需求澄清，可以看到它非常准确的提出一个关键问题，即客户姓名与收货人姓名的关系。这一点，笔者也在上文中特地补充说明客户id并非明确的收货人姓名。
所以笔者选择选项1并让其完成剩余功能的研发和落地：
明确澄清所有不明白之后，cc直接给出一套预设计方案，很详细的给出前后端落地细节和表修改步骤，如下图，可以看到cc的方案非常标准从实体层一路修改至接口层，并完成前端模块的适配改造：
在明确审核方案无误之后，笔者直接点击确认让其完成剩余的编码和演示工作。因为这个功能比较简单，所以笔者就不过多贴出编码细节了。
最终实现效果如下：我们随意键入一个客户姓名，前后准备的完成准确的参入和准确的结果输出渲染：
使用work-tree并行完成分页功能优化
按照《vibe coding》一书中的探讨，张昕东老师引出了一个AI时代所有研发人员都会思考的一个问题：
AI写代码的时候我们可以干什么
书中严格禁止了在此期间浏览移动讯息（讽刺的是市面对于AI评测的衡量标准就是解放大脑，玩手机等待AI完成工作），而是在既有大脑上下文切换允许的情况下，并行处理别的研发工作。
这一点笔者也是同意的，有了AI编码的加持，我们的研发工作的上下文切换不再像过于一样线程级切换，取而代之的而是采用spec规格模式下与AI进行明确的澄清和方案设计，让其完成编码工作。
在此期间，我们可以缓存spec沟通的上下文信息（或者说完全不需记忆因为方案已经存放于AI的上下文中），此时我们就可以将思绪切换到另一个分支的工作中，并行让AI完成更多的工作，这种协程级别的工作流切换，相信不久的将来，将成为新时代的编程work flow：
结合我们本次的开发任务，在此编码期间，笔者直接通过终端的方式在主分支直接创建一个会话：
claude -w feat/page-query
与之对应当前项目下.claude文件夹的worktree目录中，就会出现一个type+subject：
键入需求后，cc针对既定需求进行思考分析后，直接加载superpowers对既有不是很清晰的需求进行澄清，可以看到针对我们的描述，cc询问对于不同分页数的界定标准，因为我们系统面向后端运营，所以直接选择前端限制即可：
明确第一个问题后，cc经过思考分析，还是坚持用superpowers进行进一步澄清，询问跳页的前后端交互实现，这里我们直接选择A选项，不难看出，在给定准确的业务上下文信息和编码规范之后，结合superpowers这种苏格拉底式的追问澄清，它不仅可以帮助我们理清既有的实现方案，还会辅助我们发现一些可能没有注意到的边界问题：
在明确所有的方案实施标准后，cc会进行必要的摘要总结构建设计方案并实施：
等待片刻后，cc输出了spec规格文档，我们在明确审核无误之后，点击同意让其完成剩余的开发工作：
最终输出的界面效果如下，可以看到AI非常准确的完成了分页查询功能的优化：
代码审查
无论是古法编程还是AI编程，研发人员最重要的就是要学会风险把控，我们通过AI完成上述功能的，虽然我们通过规格驱动的方式准确的完成了既有功能的研发和落地。但我无法还是无法明确既有功能开发对于系统全局的影响面，尤其是这种涉及迭代类的需求工作。
所以笔者建议在每次完成研发工作之后，键入/simplify指令审查一下代码质量，以笔者为例，因为本次涉及两个并行的功能改造，所以笔者在指令后直接指明要求：
/simplify 检查本次开发的工作对于系统全局是否存在风险
最终，cc结合代码上下文感知到本次迭代修改影响到了分页查询组件的边界渲染，也非常出色的修复问题，同时针对性结合本次变更的两个分支给出版本管理的建议：
更多关于claude code
上下文监控与摘要
通过上文两个并行迭代的案例，我们演示cc使用过程中的一些常见的操作，这里笔者在介绍一些相对不常使用但相对实用的功能。
我们都知道大部分模型的上下文窗口基本是200k左右，随着对话量的叠加，LLM注意力会因为过多的token（不乏旧的、不相关的内容）导致上下文衰退，具体表现为：
claude code开始前后矛盾忘记之前的决策 响应变模糊、笼统、细节减少 反复询问之前已经回答过的问题 需反复纠正同样的错误
对于我们可以使用**/context**指令查看当前会话的上下文使用情况，以笔者也为例，对应的输出结果如下，可以看到笔者当前上下文情况为：
tokens:token窗口占用大约在13%，整体情况良好，没有超过压缩的阈值80% Estimated usage by category：代表各个类别的使用量，结合查询结果可以看出
1. 系统提示词:占比 5.8k
2. 系统工具：如读文件、搜代码等工作的操作结果
3. Custom agents： 子ai消耗占比，从报告可以看出，我们激活了一个superpowers:code-reviewer进行代码审查工作
4. memory files：也就是记忆文件的占比，以笔者为例则是claude.md和context 7这个rule规则文件
5. skill:各种查询文档、头脑风暴和系统话调试等技能调用占比
6. Messages：对话历史占比
通过这份报告可以很明显看出笔者Claude code使用上一些不足之处，即全局claude.md要求查文档必须用context 7禁止用训练的数据，这就导致了初始化阶段加载了非必要的rules：
通过上下文我们可以准确的看到当前会话上下文窗口token占用情况，必要时可以通过/compact 进行上下文摘要总结。
当然我们可以通过/clear直接清空当前窗口上下文，注意/clear操作会清空当前上下文窗口，除非是一次任务的完结。否则，笔者是极力不推荐这种方式。
可以看到在笔者**/compact**压缩之后，上下文token占用直接压缩为30k，居然不减反增，这就说明若需要保证若非必要的话，我们需要调整一下Claude.md和rules这些信息，进行必要的上下文裁剪，保证上下文窗口处于一个合理且易于多轮交互的区间内：
与之对应，如果对于成本监控有需求的读者可以通过**/cost**查看当前会话的消耗账单，如下图，各个字段分别对应：
总消耗金额 实际调用api耗时 距今耗时间 本地会话改动的代码行数
错误与回滚
有时候因为理解或者与AI沟通交互上的偏差，导致任务错误的推进，生成不符合预期的代码，对此我们可以直接通过rewind指令进行回滚到上一轮对话的工程上下文。
例如笔者本轮对话中，采用main方法打印日志模拟错误情况：
为了回滚该对话的变更，笔者直接使用/rewind，于是控制面板就输出了我们所有的对话信息，因为这是全新的会话仅显示我们唯一一次输出代码的会话，这里我们直接点击该对话，cc就会将其会话到本轮对话前的工程上下文：
会话与恢复
cc内置了resume指令用于会话的重启，例如我们因为某些原因将cc本次会话的cc终端关闭，下次启动我们将获得一个全新的上下文，为了能够继续上一轮的对话，我们可以通过/resume的方式获取所有的会话信息。
例如：我们当前开启了全新的会话，希望继续接着上一轮helloworld日志打印的对话，我们只需键入/resume，选择resume conversation（若是终端界面则直接回车即可）：
此时，我们就可以看到所有的历史上下文对话，直接点击第三个选项：
最终，我们的全新的会话直接从上一轮会话中继续开始工作：
关于AI编程我想要说的
本文以一个订单管理系统为切入点，详尽展示了如何基于已配置完善的claude code完成：
快速熟悉项目背景和核心功能数据流转逻辑 结合既有代码风格构建开发规范 并行完成基于spec模式的敏捷迭代开发
总的来说，随着AI的日益强大，我们的编码时间也会越来越少，所以网上关于这方面的说法也非常激烈。这其中最让笔者关心的就是编码的范式。有说完全放弃编码的学习，着重于学会于AI交互完成功能的落地与实现。也有说法是保持学习，通过主动学习编码保持理解力和思考力，并学会借助AI高效完成编程的训练。
很明显，笔者是属于后者，在笔者的认知看来，如果没有对编码细节的把控，AI生成的结果最终还是会变为技术债务。所以，笔者的底线也和文章开头的洪老师的回答一样：
学习时，保证主动思考和输出，感知编码设计的细节和实现，必要时可结合AI进行复盘不足之处，补充更多的案例和说明进行有效训练 借助AI强大的知识语料和认知，辅助我们完成输出后的复盘、内化、和迭代升级 日常工作阶段，借助我们既有训练的能力和主动思考得到的理念，用顶级的决策力让AI为我们完成高质量的功能落地
对笔者而言，AI时代"坚持理解"是笔者的底线，也是学习和工作底层的核心能力，AI永远是辅助笔者理解的一个工具，如果失去"理解"，我们也将失去AI时代最终的核心能力——准确的判断和决策力，至少目前是这样：
本文到此结束，以上便是笔者的关于claude code介绍以及个人对于编程新范式的一些见解，希望对你有所帮助。
SharkChili · 计算机路上的禅修者
开源贡献
mini-redis：教学级 Redis 精简实现 · https://github.com/shark-ctrl/mini-redis Nightingale：深度源码研究
关注公众号，回复 【加群】 加入技术社群
参考
7 个 ClaudeCode 必装 MCP，开发效率直接起飞！（附安装命令） ：https://sven-chr.github.io/myblog/2025/10/13/2025-10-13-6-claudecode-mcp/
superpowers:https://github.com/obra/superpowers
context7：https://github.com/upstash/context7
获取 MCP 服务器:https://www.modelscope.cn/mcp/servers/@modelcontextprotocol/fetch
2026还需要继续坚持手搓代码吗？ - NGINX洪志道的回答 - 知乎:< https://www.zhihu.com/question/1996366065123488114/answer/2025536998706792380>
Superpowers 深度使用指南：从安装到自定义技能，手把手教你驯服 AI 编程代理 :https://zhuanlan.zhihu.com/p/2024869894936601639
claude code docs:https://code.claude.com/docs/zh-CN/memory#选择-claude-md-文件的位置
2026 AI效率组合神器：Superpowers + Claude Code 保姆级教程 :https://developer.cloud.tencent.com/article/2655487
DeepWiki MCP – 打破知识孤岛，连接 AI 与 GitHub 的桥梁:https://wendao-ai.com/archives/deepwiki-mcp-ai-github
DeepWiki MCP：让你秒懂任何 GitHub 项目的神器 :https://blog.csdn.net/NetGoldenSpider/article/details/150467078
如何使用context7 MCP 增强AI编程的能力 :https://zhuanlan.zhihu.com/p/1898944734816376521
