13 posts tagged with "ClaudeCode"

ClaudeCode 进阶命令 6 件套,把"人在回路内"升级成"人在回路外"。

1. 痛点：Vibe Coding 卡在"敲回车",AI 走一步你推一步
2. 核心枢纽 /goal：把"下一步"换成"终点",AI 自判自跑
3. /loop + /batch：派 AI 等长任务、拆 sub-agent 并行处理
4. /simplify：commit 前的最后一道美容,改风格、不做 bug 检查
5. /doctor + /debug：AI 给自己看病,前者查环境、后者查行为
6. 真价值：把人类角色从操作员升级为产品经理

ClaudeCode 的 /loop 让 AI 自动定时执行任务，不用人盯着等结果。

1. 基础用法：/loop <interval> <prompt>，支持自然语言描述间隔
2. 底层实现：cron 表达式，最小粒度 1 分钟，秒级向上取整
3. 默认间隔：未指定 interval 时默认每 10 分钟执行一次
4. 取消方式：用自然语言 "Cancel the job for X" 即可停止
5. 自动过期：循环任务 3 天后自动删除，防忘记取消
6. 触发条件：只在 ClaudeCode 空闲时跑，与对话并行不打断
7. 失效场景：关闭会话即终止，不持久化、不可恢复
8. 持久化方案：Actions Workflow、Desktop Schedule Tasks

核心定位：/loop 是短周期、轻量级、可中断的自动值守，不是生产级调度。

Claude Code 的代码检索不靠 RAG，靠 grep。这是 Anthropic 工程师 Boris 在 2025 年 5 月 Latent Space 博客里公开承认的工程决策。

1. 事实层：Boris 公开承认过，Claude Code 早期试过 RAG，发现效果不行就切到了 grep
2. 技术层：三个根本原因——embedding 对代码失效、管线准确率乘性效应、索引时效性漂移
3. 哲学层：无状态设计 + Everything is the model，对应 Bitter Lesson
4. 辩证层：承认 token 成本和概念搜索的局限，业界正走向混合方案

核心结论：代码场景下 RAG 的三个根本缺陷——embedding 对标识符失效、管线乘性准确率、索引时效性漂移——叠加架构哲学上的无状态原则，共同把 Claude Code 推向了 grep。

Claude Code 的所有配置都遵循同一套三层作用域规则。

1. User：存在 ~/.claude/，仅本机生效但跨项目共享
2. Project：存在 .claude/，通过 git 同步给所有团队成员
3. Local：存在 .claude/settings.local.json，git 忽略，仅本机生效

优先级：Local > Project > User。所有层级的配置都会加载，相同 key 时高优先级覆盖。

核心原则：越私有、越具体的配置，优先级越高。

实操：团队规范走 Project，个人偏好走 User，本机调试/密钥走 Local。

Claude Design 是 Anthropic 2026 年 4 月推出的 AI 设计工具，社区在 4 天 内逆向出开源替代 Huashu Design，GitHub Star 一个月破 1.7 万。

1. 本质是 skill：一套注入 AI Coding 终端的设计 skill 文件，自然语言描述需求，Agent 自动生成成品，不是 SaaS 产品。
2. 七大交付能力：交互原型、可编辑 PPTX、60fps 动画、信息图、设计变体、风格顾问、5 维评审。
3. 品牌资产协议：5 步硬流程——问→搜→下载→提取色值→固化 spec，绝不从记忆猜品牌色。
4. Junior Designer 工作流：先问澄清问题、先出占位符、尽早展示——理解错比晚发现便宜 100 倍。
5. 反 AI Slop 规则：禁止紫渐变、emoji 图标、Inter 字体、过度圆角，用 oklch 色域和 CSS Grid。
6. 一句话总结：Claude Design 是更好的图形工具，Huashu Design 让图形工具这层消失。

.vscode/launch.json 不是 Claude Code 的配置文件，但它是 Claude Code 获得调试能力的"基础设施"——MCP 调试服务器通过它让 AI 学会打断点、查变量、单步执行。

1. launch.json 的归属：它是 VS Code 调试器的配置，定义"怎么启动调试器"——用 Node 还是 Python、传什么参数、设什么环境变量。
2. Claude Code 怎么调试：通过 MCP 服务器（如 Claude Debugs For You）桥接——Claude 发指令 → MCP 翻译 → 调 VS Code Debugger API → 读 launch.json → 启动调试。
3. Claude Code 自己的"launch config"：不在 .vscode/，在 .claude/settings.json（权限和钩子）+ CLAUDE.md（项目指令）+ .mcp.json（工具集成）——它定义的是"AI 怎么跑"，不是"程序怎么跑"。
4. 核心区别：launch.json 回答"程序从哪里启动、参数是什么"；Claude Code 配置回答"AI 能改哪些文件、能用什么工具、每一步要遵循什么流程"。
5. 一句话记住：launch.json 是程序的入口，Claude Code 配置是 AI 的入口——两件事别搞混。

AI Coding 工具越来越多，配置文件越来越乱——CC Switch 用一个 GUI把 Claude Code、Codex、Gemini CLI 等工具的 Provider、MCP Server、Skills 全管起来，一键切换，不用再手改 JSON。

1. What：桌面应用，系统托盘常驻。50+ 内置 Provider 预设，一键盘切换 API 供应商，所有工具的配置自动同步。
2. Why：Claude Code 一天切三次模型，Codex 用 Kimi，Gemini CLI 用 DeepSeek——三个工具三套配置，手动改早晚改出问题。
3. How：Tauri 2 + React + Rust。本地 SQLite 存配置，内置代理做请求转发和自动故障转移。配置修改走原子写入，不会写到一半断电变砖。
4. 隐藏能力：MCP 双向同步——在 CC Switch 加一个 MCP 服务，Claude Code 和 Codex 都能用。Skills 从 GitHub 一键安装，自动检测更新。
5. 一句话记住：你不需要手动改 settings.json 了。

AI Coding 的下半场不是 更强的模型，而是更难违反的流程。

1. Superpowers 是什么：一套 Claude Code 插件，注入 14 个 skill，强制 5 阶段不可绕过流程。
2. TDD 硬约束：RED-GREEN-REFACTOR 循环被写进 skill 代码，测试必须先失败才能写实现。
3. 官方收编信号：Anthropic 一月将其纳入官方插件市场——承认纯灵活无法规模化。
4. 数据说话：任务完成率 62% → 89%，token 消耗增加 37%。
5. 版本化管理：skill 是文本文件，可 git 提交、code review——团队第一次能把 AI 写代码的规矩版本化。
6. 动态 vs 静态：相比 .cursorrules 和 CLAUDE.md，skill 按任务状态精确触发，不打扰无关流程。
7. 一句话记住：把规则写进 skill 代码，不是 prompt 里。

Claude Cowork 是 Claude Desktop 桌面 App 里的一个 Tab，本质和 Code Tab 差不多，主要面向非程序员——默认去掉了 GitHub、Preview、Diff、Terminal 等开发功能，换成了 VM 沙箱隔离执行、定时任务、MCP 办公套件集成这类知识工作场景更常用的能力。

核心问题很简单：非程序员怎么用 Code Agent？

1. Cowork 和 Code 共享同一 Agent 引擎，差异只在交互界面，零编程门槛。
2. 授权文件夹后，Claude 自动规划并执行多步文件操作，破坏性操作需用户二次确认。
3. macOS AVF 轻量 VM 隔离执行，Agent 循环自动拆解子任务并行处理。
4. MCP 集成 Google、Office 等数十款工具，支持企业私有插件市场。
5. Agent 的真正战场不是 IDE，是桌面。Agent 从开发者专属变成全员可用——AI 工具进入企业的关键一步。

OpenSpec 解决了一个我在 AI 编码里反复踩的坑：你和 AI 达成的共识，/clear 之后全没了。

• 问题本质：AI 在长对话中遗忘早期约束，清空上下文后设计共识归零
• OpenSpec 的解法：把共识写成结构化文档（proposal → spec → tasks），存进文件系统，不依赖对话记忆
• 核心流程：Propose → Apply → Archive，三步闭环，所有变更可追溯
• Delta Spec 机制：改需求不重写规格，用 ADDED/MODIFIED/REMOVED 增量描述，自动合并
• 和 Superpowers 的关系：OpenSpec 管"写什么"，Superpowers 管"怎么写"——一个定方向，一个定纪律
• 得物团队落地数据：10 天净增 25,546 行代码，研发提效 36%，关键是把规范写成 AI 的"可执行契约"