夜雨聆风【AI编程①】：从零基础到独立上手
本文系统梳理了从 AI 编程概念、环境搭建、Claude Code 工作流到高级特性与工具对比的完整知识体系。目标是让零基础读者也能逐步掌握 AI 辅助编程的核心能力。我们首先来打好地基吧！
第一章 心态与前置认知
1.1 什么是 AI 编程？它能做什么、不能做什么
AI 编程工具的演进经历了三个阶段：最早的 GitHub Copilot 只在编辑器中做行级代码补全，相当于一个高级自动补全插件；Cursor 的出现让 AI 能理解整个文件，支持多行生成和对话式编辑；而 Claude Code 把 AI 编程推向 Agent 化——AI 不再只给代码片段，而是能通读项目、自动调试、端到端地完成整个开发任务。
Claude Code 与网页对话 AI（如 ChatGPT）的本质区别在于：网页对话只能根据你粘贴的代码片段给出建议，你得手动复制粘贴、来回切换窗口；而 Claude Code 是一个驻留在终端里的 Agent，它可以直接读取你的整个项目代码、执行终端命令、修改文件、运行测试，形成"思考—执行—观察—再思考"的自主循环。它不是给你答案，而是帮你把事做完。
在工具选择上，当前主流的三大 AI 编程工具各有定位：
| Claude Code | |||
| Cursor | |||
| Codex |
1.2 为什么选择 Claude Code？
Claude Code 的核心竞争力在于它的 Harness 架构。Harness 可以理解为模型调度的"外壳"——Claude Code 本身是一套工程化的任务调度系统，包含 7 层结构，模型只是其中可替换的一层。这意味着：
支持 Claude Code 自主工作的底层机制是 LLM Loop（大模型循环）：AI 持续执行"思考 → 行动 → 观察结果 → 再思考"的循环。当你下达一个任务后，Claude Code 会自己读文件、写代码、跑命令、看报错、修 bug，直到任务完成——这就是 Agent 能自主完成多步复杂任务的根本原理。
在与其他工具的对比中，Codex 与 Claude Code 形成互补：
编写高质量的 Prompt 是使用 AI 编程的核心技能。推荐五步法：
核心原则：需求细化是第一生产力——需求描述越清晰，AI 返工越少，Token 消耗越低。
第二章 环境准备：安装与配置
2.1 前置软件安装（Node.js 与 Git）
Claude Code 基于 Node.js 运行，安装前需要先配置 Node.js 环境。在 Windows 系统上，Git 扮演着特殊角色：Windows 原生不支持 Unix 命令（如 ls、grep、chmod），而 Claude Code 内部大量使用这些命令。安装 Git for Windows 后，Git Bash 充当了 Unix 命令与 Windows 系统的翻译适配层，让 Claude Code 在 Windows 上也能正常运行。
环境变量的概念：Path 环境变量相当于系统的"快捷方式索引"。把程序所在文件夹的路径添加到 Path 中后，在终端里直接输入程序名（如 claude、node、git），系统就能自动找到并运行它。配置 Claude Code 的关键一步就是将 Node.js 和 Git 的路径正确加入系统 Path。
2.2 Claude Code 安装与首次启动
Claude Code 的安装方式有三种：
npm install -g @anthropic-ai/claude-code（推荐）npx @anthropic-ai/claude-code首次启动后，推荐准备 四大核心文件：
CLAUDE.md | /init | |
settings.json | ||
.gitignore | ||
2.3 settings.json 配置详解
settings.json 是 Claude Code 的核心配置文件，关键配置项包括：
allow、deny 或 askHook（钩子）系统是 settings.json 中最强大的功能之一。Hook 可以在 AI 执行操作前后自动触发自定义命令：
典型应用场景：代码保存后自动运行 lint、提交前自动安全检查、部署前自动运行测试套件。Hook 让重复的检查动作自动化，减少人工审核成本。
2.4 从终端到 IDE
Claude Code 本质上是终端工具，但可以与 VS Code 等 IDE 配合使用。在 IDE 中开启内置终端直接运行 claude 命令，就可以在当前项目目录中启动 Claude Code。VS Code 中可以通过 Shift+Tab 切换权限模式，通过右下角选择模型。
第三章 模型管理与常用命令
3.1 模型区别（Opus、Sonnet、Haiku）
Claude Code 支持三种内置模型，分别对应不同场景：
| Opus | ||
| Sonnet | ||
| Haiku |
分级省钱策略的核心思路是"好钢用在刀刃上"：
规划阶段（Opus）→ 执行阶段（Sonnet/DeepSeek）→ 检查阶段（Haiku）用最贵的模型做规划（质量最高），用便宜的模型做执行（Token 消耗大但单价低），用最便宜的模型做检查。
判断使用效率的核心指标是底层 API 平台的缓存命中率。正常使用时缓存命中率应超过 98%。缓存命中意味着同样的代码上下文不需要重新计算，费用极低；缓存未命中则需要重新处理整个上下文，费用较高。参考数据：Mini Mall 电商项目一天消耗约 6000 万 Token，若缓存全部不命中约 180 元，但实际命中率 99%+，实际费用远低于此。
费用控制的四个杠杆：
3.2 使用 cc-switch 管理模型
cc-switch 是第三方模型切换工具，解决的核心问题是国内用户无法直接使用 Claude 官方服务。它允许用户将 Claude Code 的底层模型替换为任意第三方模型（包括国产模型），从而绕过地区限制。
使用流程：
关键注意事项：必须在启动 Claude Code 之前完成 cc-switch 的配置，否则 CC 会默认要求登录。不同模型的效果取决于所选模型的质量。
国产方案对比：
3.3 常用斜杠命令
/model | ||
/compact | ||
/context | ||
/clear | ||
/init | ||
/plan | ||
/review | ||
/memory | ||
/status |
/compact 和 /clear 的核心区别：compact 是"整理桌面"（东西还在，只是精简了），clear 是"清理桌面"（全部清空，全新开始）。涉及 DeepSeek 模型时，上下文超 80% 会自动压缩不易中断；Anthropic 原生 API 不会自动压缩，需要手动操作，超限可能直接报错。
总结
至此，我们的【第一篇章·夯实地基】就告一段落了。
回顾这三步，我们先是调整了认知与心态，避免走弯路；接着理顺了环境配置，扫清了实操拦路虎；最后掌握了模型管理与常用命令，熟悉了操作手感。这一套“组合拳”打下来，我们已经具备了正式开启 AI 辅助编程的充分条件。
纸上得来终觉浅，绝知此事要躬行。在下一篇文章（【AI编程②】）中，我们将正式迈入实战期——全面拆解「Claude Code 工作流」。我会带你从零开始，一步步跑通 AI 写代码的完整路径。下期见！
