夜雨聆风美术生✖️AI 十倍产能：从零安装 Claude Code，搭建你的私人内容生长引擎
约 7600 字 | 阅读时间 20 分钟读完能做什么：在 Mac 或 Windows 上装好 Claude Code，接上 DeepSeek，装好 Obsidian，搭好第一个 Wiki 知识库
先说一个你可能不愿意面对的事实：
你每天都在做的事——打通客户关系、精修方案、创作经验传递、根据聊天记录一对一回消息、整理素材、收集灵感、搞创作研究——已经有 AI 可以在 3 分钟内做完，成本 5 毛钱。
场景 A： 你是一个画室老师，今晚要备一节 7-9 岁儿童的色彩课。你打开 Pinterest 找参考，翻了两本书，花 40 分钟凑了一份教案。想起下周六还要再备一节——内容差不多，但得重新调年龄适配。每周重复一次，一年 52 次。这还没算寒暑假和研学课。算上课后服务，工作量乘个两倍。
场景 B： 你是一个艺术家，准备经营自己的自媒体账号。昨天发了一张作品，配文憋了半小时。今天想发一篇"我的创作流程分享"，写到一半删了——"写得不够好"，发现交给 AI 写的更烂。你的草稿箱里躺着 12 篇自己写的烂尾文章。
场景 C： 你是一个艺考机构的老板，手里管着 60 个核心客户资源。今天一个家长问"我家孩子最近怎么样"，你熟练的想起学员情况并给了一段回复，然后发现记错了人。此时另外 59 个家长该续费了，你和刚上岗的代课教师，根本想不起上次跟客户聊了什么。
这三件事有一个共同点：它们都在消耗你，而且每周都在重复。 不是你的问题——是你没有一套帮你记住、帮你整理、帮你输出的系统。
飞书、钉钉、企业微信等在一定程度上可以做到记录和互通，但说实话，提效不高。交互做的很复杂，你需要一个更简单的，靠聊聊天就能搞定的免费系统。
就像你身边新来的实习生/艺术家助理一样。你只是给他说，其他的工作他来做。但实习生要 3000元/月，甚至更高。
我做了十几年美术教培，持续深耕后，在教研、教学、教务上有自己的洞察经验。于是我搭了一套 Claude Code + Wiki 知识库系统。它干了什么？它把我丢进去的美国标准艺术教育课程、中小学美术教育方案、结合私人的教学经验和核心技术——重组成了适配指定年龄段、适配我教学风格的一套完整教案。三分钟，五毛钱。
当你有某一个概念/技术路径不清晰时，提问
（这是 claudecode 3 分钟精简版本，全量版本暂时不放，感兴趣大家可以跟随本文搭建）
我不觉得有任何人能做得比它更专业、更快。不是因为我的私人教学经验——是因为 AI 不会忘，不会累，不会"差不多就行"。你可以给他全球艺术网站资料库的链接、最前沿的教育教学方法、你个人的创作经验，他将永远比你做的更好半步。他的每次输出都是全力、全量、没有幻觉。
这篇文章不是 AI 科普。是我帮几位个人教师跑通了整套系统之后，觉得很少有人真的用过，所以分享第一步给你：从零安装 Claude Code，到搭好基于你自己经验和业务的内容生长系统。
点好收藏关注赞，我们继续💚
你不需要会编程。你不知道终端是什么完全没关系——有人用60 轮对话，零编程基础，做出了适配自己业务的谷歌浏览器插件。 AI 时代的护城河不再是技术，而是一个人的"判断力"——全局理解、架构判断、业务感知、人性洞察——这些东西，恰好是美术生画了十年练出来的。你的判断力知道什么算好，什么值得做。走进你的生活，具体的感知它。
接下来这部分纯操作指南，极其枯燥，收藏慢慢跟步骤，也可跳转第 6 章：理解你正在搭建的系统
二、第一步：安装 Claude Code（Mac / Windows 全覆盖）
Claude Code 不等于 Claude 模型。卡兹克在那篇二十多万人看过的 Claude Code 入门教程里把这事情讲得很明白：它是 Anthropic 出品的命令行 Agent 框架——你的"万能执行器"。搭配国产模型照样好用，不需要外国手机号，不需要 Visa 卡。
🟢Mac 用户
打开"终端"（按 Cmd + 空格，搜"终端"）。
第 1 步：安装 Homebrew（Mac 的包管理器，装过的跳过）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"安装完成后，终端会提示你运行几条 PATH 配置命令。这一步最容易漏，漏了后面 brew 命令会找不到。 把提示里的命令逐条复制执行（类似下面这样，把"你的用户名"换成你实际的）：
echo >> /Users/你的用户名/.zprofileecho 'eval "$(/opt/homebrew/bin/brew shellenv zsh)"' >> /Users/你的用户名/.zprofileeval "$(/opt/homebrew/bin/brew shellenv zsh)"验证：brew --version，显示版本号即成功。
第 2 步：安装 Node.js（Claude Code 的运行环境）
brew install node验证：node --version，显示 v18 以上即可。
第 3 步：安装 Claude Code
官方推荐的原生安装命令在国内会返回"App unavailable in region"，不要用。直接用 npm 安装：
npm install -g @anthropic-ai/claude-code不要加
sudo，可能导致权限问题。如果报权限错误，看本章末尾的"附：常见踩坑速查"。
验证：claude --version，显示版本号即安装成功。
🟢Windows 用户
按 Win + R，输入 cmd，回车：
# 先装 Git（装过的跳过）winget install Git.Git# 再装 Claude Codewinget install Anthropic.ClaudeCode装完验证
在终端里输入：
claude如果出现 Claude Code 的对话界面——安装成功。如果提示"command not found"，不管终端，手机下载扣子（COZE），问他就好。
扣子链接：https://www.coze.cn/overview?invite_code=a1e400ae195e47cf8256f0aed67e823e
Windows 用户如果 winget 安装失败，也可以用 npm 方式（先装 Node.js，再
npm install -g @anthropic-ai/claude-code）。
三、第二步：接上 DeepSeek API（一天 3 块钱能用到撑）
Claude Code 默认走 Anthropic 官方模型（Pro 订阅约 ¥140/月）。但你可以接国产模型——成本更低，文化语境理解更好。
3.1 注册 DeepSeek，获取 API Key
浏览器打开 platform.deepseek.com 用手机号直接注册 充值 10 元 进入「API Keys」→「创建 API Key」 - 立刻复制保存
（只显示一次，丢了只能重建）别关掉界面，等复制到 CCswitch 中再关掉。
3.2 安装 CCSwitch（模型切换工具）
CCSwitch 是开发者 farion1231 做的一个免费桌面工具——六万多个 star，Mac 和 Windows 都能用。卡兹克在教程里重点推荐过它，让你在 Claude Code 里自由切换底层模型：今天用 DeepSeek，明天想试 GLM，切一下就行。
Mac 安装（推荐用 Homebrew）：
brew tap farion1231/ccswitchbrew install --cask cc-switchWindows 或手动下载：
github.com/farion1231/cc-switch
安装后在启动台找到 CC Switch 打开。
配置三步：
- 跳过首次验证
：点「设置 → 通用」，开启「跳过 Claude Code 首次确认」。 这一步的原理是修改 ~/.claude/settings.json中的skipIntroduction字段——使用第三方 API 时 Claude Code 会弹出官方登录引导，必须跳过。
2. 添加 API：右上角点「+」添加供应商，选 DeepSeek，粘贴你的 API Key。端点地址
填 https://api.deepseek.com。
3. 填写模型映射（关键！四个模型框按如下填写）：
deepseek-v4-pro | ||
deepseek-v4-flash | ||
deepseek-v4-pro | ||
deepseek-v4-pro |
如果你希望全部走 Pro，四个框全填
deepseek-v4-pro也行。Haiku 档建议填 Flash——它在 Claude 体系中本就是轻量快速定位，Flash 更匹配。
在终端输入 claude，问一句"你是什么模型"——如果回复是 DeepSeek 风格，配置生效。
3.3 成本算账
一杯奶茶的钱，换一个不知疲倦的助理。 想想我每天花在"手动做重复事"上的时间，三杯奶茶喝完也换不回我的好心情。
四、第三步：写你的第一个 CLAUDE.md（投产比最高的 15 分钟）
CLAUDE.md 是 Claude Code 每次启动先读的规则文件。相当于你招了一个全能助理，然后花 15 分钟告诉他：你是谁、你要做什么、什么绝对不能碰。
放在用户目录下（全局生效）：
~/.claude/CLAUDE.md👇美术生通用模板（基于 Vince 的《写好 CLAUDE.md 的 8 条经验》）
## 关于我[你的名字]，美术生/[教师/艺术家/自媒体人]。我用 Claude Code 做内容生产和知识素材管理。## 思维原则- 所有决策从问题本质出发，不因"惯例如此"照搬- 给我真实判断，有问题直接指出来。不要夸我的想法好- 发现更好的做法直接说，不用等我问## 沟通方式- 默认中文，代码/命令/变量名用英文- 结论先行，再给理由- 遇到模糊需求，先给最合理的方案，再问要不要调整## 自主边界（红线，必须先问我）- 删除文件或目录- 修改 .env、密钥、token- git push、rebase、reset --hard- 公开发布（部署到生产、发文章等）## 通用纪律- 改完主动验证，不要只改不验- 密钥、token、密码不进代码、不进 commit- 大改动前先出方案，我确认后再动手Vince 在他那篇《写好 CLAUDE.md 的 8 条经验》里总结了几个反直觉的发现，他提供了三条铁律：
全局 CLAUDE.md 不超过 80 行（超过 Claude Code 开始遗漏关键规则），绝对不超 200 行——Vince 实测出来的硬上限 不是越长越好，是越精简越好——写你最在意的，别写"正确的废话" 项目级 CLAUDE.md 不用自己写——打开项目文件夹，跟 CC 聊，让它根据你的需求和在意的事帮你生成
五、第四步：安装 Obsidian，搭建你的 Wiki 知识库
很多人以为 Claude Code 是全部生产力。真实情况是——CC 是发动机，Wiki 知识库是油箱。 美术生尤其如此，大部分人不依赖代码，但很依赖私人经验。发动机再好，没油跑不了多远。
5.1 Obsidian 是什么
Obsidian 是一款本地 Markdown 格式的笔记工具。跟你电脑上的文件夹一模一样——只不过它多了三个关键能力：
- 双向链接
[[like this]]：每篇笔记、技术概念页、经验贴可以互相引用，形成基于知识的辅助决策网络而非收藏夹 - 图谱视图
：可视化看到所有笔记之间的关联——哪些概念聚在一起，他们让你的经验值钱；哪些是孤岛，他们是你下一步自我教育的方向 - 完全本地存储
：你的所有资料在自己电脑上，不是某某云盘，不经过第三方服务器，且每次更改文件自动同步本地，不会有丢失文件的风险。迁移下一台电脑/新一代 AI 的成本为零
对美术生来说，这意味着你的私人经验、教案、作品分析脉络、艺术分析笔记、客户档案、个人创作方法论——全在你自己电脑里，而且互相关联，每次更新自动同步本地文件，内容持续生长。
5.2 安装 Obsidian
打开 obsidian.md，下载对应版本（Mac/Win 都有）
2. 创建一个新的"仓库"（Vault）——选一个本地文件夹，比如 ~/我的知识库（我自己选了移动硬盘里建 LUOSAI 系统，内存更大，而且拔了硬盘带走就等于带着整个知识库走，效果挺好）3. 这就是你的 Wiki 根目录，以后内容都在这里。4. 复制下面这段指令，到 wiki 知识库所在文件夹，单独建立一个 Claude.md 文件，粘贴，让 Wiki 知识库活起来。5. 👇复制下面这段 CLAUDE.md，放到你的 Obsidian 仓库根目录。这是告诉 Claude Code 如何维护你的知识库的规则文件——它让你的 Wiki 从"一堆 md 文件"变成"能自动生长的知识图谱"。
# Wiki 知识库规则> 告诉 Claude Code 如何维护你的知识库。放在 Obsidian 仓库根目录。## 架构三层设计（Andrej Karpathy 的 LLM Wiki 方法论）：raw/ → 原始素材，只读。你收藏的文章、截图放这里，AI 只读不写。wiki/ → AI 整理的知识页面。你只负责往里扔素材和提问，AI 全权维护。CLAUDE.md → 本文件，规则文件。你和 AI 共同演化。## 三种操作### Ingest（录入新素材）当你说"消化这篇""录入""处理这个素材"时：1. 原文存入 raw/2. 提取关键概念，各建独立页面3. 写摘要页（按主题重组，不按原文顺序）4. 新页面与已有页面之间建立 [[双向链接]]5. 更新 index.md（目录）和 log.md（操作日志）6. 报告：触碰 X 页（新建 Y，更新 Z），N 条交叉链接### Query（查询知识库）当你说"wiki 里有没有""帮我找""综合一下"时：- 先读 index.md 定位 → 再深入具体页面 → 从你的知识库里综合回答- 不从互联网瞎编- 好的回答可以存回 wiki，不让洞察消失在对话历史里### Lint（健康检查）当你说"检查 wiki""lint""健康检查"时：- 矛盾页面：两个页面对同一概念说法不一致- 孤儿页面：没有任何入链的页面- 过时内容：被新素材推翻的旧结论建议每周跑一次。## 页面格式每个 wiki 页面顶部加：---tags: [标签]sources: 来源数量updated: YYYY-MM-DD---链接用 [[页面名]]，多用链接，知识库的价值在于连接而非孤立页面。## index.md 格式AI 每次 ingest 后更新：- [[页面A]] — 一句话描述- [[页面B]] — 一句话描述## log.md 格式只追加不修改：[YYYY-MM-DD] ingest | 标题 — 触碰 X 页（新建 Y，更新 Z）## 核心原则- wiki 是持续复利的知识图谱，不是文章收藏夹- AI 负责所有维护，你只负责提供素材和提问- 每多丢一篇素材进去，后面所有查询和输出都会变好- 知识库是复利的——跟你学了十年美术一个道理，下一张永远比上一张洞察多一点点这段 CLAUDE.md 基于 Karpathy 的 LLM Wiki 方法论，我根据自己的使用经验做了微调。你直接用就行，以后用熟了再根据自己的需求改。
5.3 Obsidian + Claude Code 怎么配合
Obsidian（你看到的前台） Claude Code（后台引擎）─────────────────────────────────────────────────你在 Obsidian 里写笔记 → CC 读取、整理、重组合你拖素材进来 → CC 自动拆解、打标签、建链接你点图谱看知识关联 → CC 在后台维护链接不烂尾你在 Obsidian 里提问 → CC 从你的知识库里找答案（不是从互联网瞎编）你得能够用自然语言和 claudecode 精准聊天。
5.4 今天就能做的最小启动
在 Obsidian 的 wiki 知识库文件夹里创建三个文件：
个人.md— 你是谁、什么背景、什么风格、在意什么。把别人不了解你的那部分写进去，让 AI 能精准用你的语气和判断力做事 内容生产.md— 把你脑子里想写但一直没写的题目，平时学习、讲课、交流时冒出来的素材，全量丢进去。一条一行 业务线.md— 把你看过觉得有用的文章链接、截图、书摘、客户反馈、业务灵感扔进去
然后在终端进入这个文件夹，打开 Claude Code，说：
"读一下我 Obsidian 里的这几个文件，了解我的风格和业务线。帮我基于内容生产里的第一条选题，写一篇 4000 字的公众号文章。"
你已经跑通了第一个完整闭环。输入的每一篇素材，都在喂你自己的 AI。
六、第五步：理解你正在搭建的系统——基于私人经验持续生长的内容创作引擎
现在我们退一步，看清楚你在搭建的到底是什么。
这套系统的源头叫 LLM Wiki 方法论——OpenAI 创始成员 Andrej Karpathy 最早提出了这套框架，我也是最近开始搭建的。说来也简单，核心就几句话：
传统的"第二大脑"为什么都死了？因为维护成本全压在人身上——标签过时没人改，断链没人修，最终烂尾。LLM Wiki 的解法：AI 负责所有维护，人只负责提供素材和提问。每多丢一篇素材进去，后面所有的查询和输出都会变好一点。知识库是复利的。
三层架构
这整套架构从 Karpathy 的原始提案开始，经过技术社区的持续推广和大量用户的实践验证，已经是一套成熟可用的方法论了。
社区分享者展示的三种操作
- Ingest（录入）
：你丢一篇素材进 raw/ → CC 自动拆解 → 写摘要 → 建概念页面 → 做双向链接 → 更新目录。一篇文章可能长出 10+ 个知识页面。这套流程我自己整理了一个教学经验入 Wiki 的五阶段 SOP，从 OCR 到概念聚合到最终链接入库，全链路跑通了。 - Query（查询）
：你问一个问题 → CC 先读目录找相关页面 → 从你自己的知识库里综合回答。不从互联网瞎编。 这个"先看目录再深入"的查询策略，好用且省算力——先读 index 找相关页面，再定向深入，省 token，答案准。 - Lint（检查）
：每周自动扫描一次——哪些页面互相矛盾？哪些是孤儿页？哪些内容过时了？
为什么这套系统对美术生是刚需？
因为你的资产不是代码，是你十年积累的视觉经验：
- 教学经验
（什么方法对什么学生有效） - 审美判断
（什么配色适合初学者、什么构图逻辑高手才能掌握） - 创作哲学
（你怎么从灵感到作品） - 客户关系
（这个客户在意什么、那个用户卡在哪、这些人上周聊什么来着）
这些东西过去散落在你的脑子里、聊天记录里、笔记本里、收藏夹里。你没法系统、全量的调用它们——因为它们是散的。
现在触手可及、自动迭代
LLM Wiki 把它们变成你的可检索、可重组、可复用的私有知识资产。 不是"AI 替你创作"，是"AI 把你过去所有的积累随时随地调出来重新组合"。
有一句话我一直记得：AI 是放大器——它放大你本来就有的东西，大便乘一百倍还是大便，谨慎挑选你要放大的东西。 所以这套系统的关键不是你用了多好的 AI，是你往里存了多少个人业务的真知灼见。你每天都在往里存，AI 每天都在让这些东西之间产生新的连接。三个月后，你会拥有一套这个世界上只有你能拥有的知识系统，里面的每个知识子集，都是从你的经验土壤中生长出来的。
记得多写日记，或者买一个录音器，这样你的 wiki 就能够迅速填充起来。我在自己的选题记录里专门写过一个录音转 Wiki 的工作流：课后或见完客户，录一段 → 转文字 → CC 自动结构化提取 → 入库。每一位客户的每次学习、每一个小情绪，都会被你的 wiki 稳稳的接住。这比单纯靠手搓文章/表格收录快太多，准太多。
七、装好了，往哪个方向踩油门？
引擎搭好了。接下来往哪个方向开，取决于你当下最痛的那件事。
如果你是美术老师：你上一次写出一份让自己兴奋的教案，是什么时候？下一篇讲教研自动化——不是帮你写教案，是帮你把"凑合能用"变成"教研好到每次都想发朋友圈"。 如果你是艺术家：你的创作经验是不是全在脑子里，从来没能系统化地用过？下一篇讲创作哲学 × AI——把你几十年的手感拆成可复用的技术范式，让 AI 每天按你的标准推灵感。 如果你是画室经营者：你现在能说出每个在读学员上次和家长沟通的重点吗？下一篇讲客户档案 AI——一对一招生与续费方案，见面前三分钟，AI 稳稳的接住你焦虑的一切。
先选最痛的那个。 缺弹药的时候拼命修碉堡，越修越焦虑。我的原则是：弹药优先。先做一个立刻见效的动作，再回头搞基建。
关注公众号，后续文章发布时你第一个收到。本系列覆盖：教培人（教研自动化）· 艺术家（风格公式化）· 经营者（客户档案 AI）· 疗愈（CBT 自助系统）· 自媒体（选题引擎）。
八、你今天做完了什么
如果你跟着走完了全文——
Claude Code 在你的 Mac 或 Windows 上跑起来了 DeepSeek API 接好了，一天不到一杯奶茶钱 第一个 CLAUDE.md 写好了，CC 已经知道你是谁、不能碰什么 Obsidian 装好了，三个文件创建好了，第一个闭环跑通了 理解了三层架构（raw → wiki → CLAUDE.md）和三种操作（ingest / query / lint） 知道自己属于哪条路径
这就是美术生 AI 十倍产能的起点。不是"又学了一个工具"——是你今天给自己装了一台个人经验的复利引擎。且迁移成本为零，所有文件都在你自己的硬盘上，想给哪个 AI 看就给哪个 AI 看。
附：常见踩坑速查
本文由LUOS基于 Claude Code + LUOSAI Wiki 知识库创作。安装协助 / 工作流配置 / 一对一咨询：公众号发送“AI业务咨询”联系。
本文中的许多想法和步骤来自以下创作者的公开发布内容，他们教会了我，也希望能帮到你：卡兹克（Claude Code 入门教程、GLM 模型实测）、Andrej Karpathy（LLM Wiki 方法论）、farion1231（CCSwitch 开发）。建议在网络上搜索他们的名字，能找到更完整的内容。
这是给每个美术生的终极 AI 生产力指南，如果觉得文章对你有价值，点个收藏关注赞，这对我非常重要，感谢你看我的文章💚我是罗斯，陪你用 AI 工具提效的第一天，我们下期再见。
