大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



最近最火热的编程工具当属𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞了，我最近重新折腾了一下自己的 Terminal

左上是𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞，右上是 Gemini-CLI]]

左下是 API 运行监控，右下是正常 bash（虽然 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 也可以切换成 bash mode，还是多了一个动作）

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞是 anthropic 推出的智能编程工具，运行在终端中，理解代码库，并通过自然语言命令更快地编程。通过直接与的开发环境集成，𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 简化工作流程，无需额外的服务器或复杂的设置：

• 编辑文件并修复代码库中的错误
• 回答有关代码架构和逻辑的问题
• 执行和修复测试、代码检查和其他命令
• 搜索 git 历史记录、解决合并冲突以及创建提交和 PR
• 使用网络搜索浏览互联网上的文档和资源
• 理解上下文：保持对整个项目结构的感知
• 采取行动：执行真实操作，如编辑文件和创建提交

安装 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞：

要运行 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞，只需调用  CLI：

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 命令行界面的完整参考，包括命令和标志。

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 会话中键盘快捷键、输入模式和交互功能的完整参考。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

通用控制

多行输入

Vim 模式

使用  命令启用 vim 风格编辑，或通过  永久配置。

模式切换

导航（NORMAL 模式）

编辑（NORMAL 模式）

内置斜杠命令

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 提供多种设置来配置其行为以满足需求。可以通过在使用交互式 REPL 时运行  命令来配置 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞。

设置文件

文件是我们通过分层设置配置 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 的官方机制：

• 用户设置 在  中定义，适用于所有项目。
• 项目设置 保存在您的项目目录中：
  • 用于检入源代码控制并与团队共享的设置
  • 用于不检入的设置，适用于个人偏好和实验。𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 会在创建时配置 git 忽略 。
• 对于 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 的企业部署，我们还支持企业管理策略设置。这些设置优先于用户和项目设置。系统管理员可以在 macOS 上将策略部署到 ，在 Linux 和通过 WSL 的 Windows 上部署到 。

Example settings.json

环境变量

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 支持以下环境变量来控制其行为：

所有环境变量也可以在 `settings.json`[7] 中配置。这作为为每个会话自动设置环境变量的方式很有用，或者为整个团队或组织推出一组环境变量。

配置选项

要管理配置，请使用以下命令：

• 列出设置：
• 查看设置：
• 更改设置：
• 推送到设置（对于列表）：
• 从设置中移除（对于列表）：

默认情况下， 更改您的项目配置。要管理您的全局配置，请使用 （或 ）标志。

全局配置

要设置全局配置，请使用 ：

可用的工具

𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 可以访问一组强大的工具，帮助它理解和修改您的代码库：

VS Code 中也有𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞的插件，但是看起来仅仅是可以在侧边栏使用，本质上与上面安装配置没什么区别

1. 打开 VSCode
2. 打开集成终端
3. 运行  - 扩展将自动安装

也可以从 VSCode 插件库搜索安装：

安装完成后点击红框图表，即可在 VS Code 右侧边栏使用了

国内直接使用 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 太难了，一是毫无人性的封号，二是需要花钱，三是你就想花钱也没信用卡，四是前面都搞定了，依然无理由封号

所以聪明的 fuergaosi 开发了一个 claude-code-proxy 项目

它可以修改替换掉原 api，替换成 DeepSeek 或 kimi 的 api（任何兼容 OpenAI API 均可）

安装、运行 claude-code-proxy

其中.env 示例如下

运行了之后

就可以另起 terminal 运行 claude 愉快编程了

最后再分享一段高效的 AI Agent 提示词技巧，来自@augmentcode

从上下文工程的视角，写提示词就像为 AI 打造一份结构化的“任务蓝图”。通过提供背景、意图、参考和分步指引，像项目经理一样与 AI 协作，才能最大化其能力，达成预期成果。

1. 构建清晰的上下文，模拟人类协作
   模糊的提示词（如“修复登录 bug”）缺乏足够信息，容易让 AI 误解或偏离目标。优秀的上下文工程需要融入“做什么”和“为什么”，例如：“登录接口在密码错误时返回 500 错误，复现方法是调用 /api/auth，检查 auth_service.py，建议添加测试用例。”这样的提示为 AI 提供了任务背景、复现路径和期望成果，就像在向团队成员交代任务。
   
   
   
   
   
2. 融入意图与参考，增强对齐
   上下文工程要求提示词不仅描述任务，还要阐明意图并提供参考。例如：“SettingsWebviewPanel.statusUpdate() 因高耦合被评审指摘，需改用事件机制以提升模块化。”通过指向具体代码、测试或文档（如“参考 auth_service.py”），AI 能更好地理解你的期望，减少试错。
   
   
   
   
   
3. 利用示例引导，优化学习效率 AI 在明确参考下表现更优，上下文工程提倡提供范例。比如：“为 ImageProcessor 编写测试，遵循 test_text_processor.py 的结构。”通过指向现有文件，AI 能快速模仿正确模式，减少偏差。
4. 分步拆解，精准聚焦
   上下文工程强调任务的结构化拆分，避免“一揽子”指令。例如，与其说“添加 JSON 解析器到聊天后端”，不如写：“在 services/ 下的 LLMOutputParsing 中实现 JSON 解析器，用于提取聊天完成的结构化输出。”分步、精准的提示让 AI 专注于单一目标，提升执行效率。
   
   
   
   
   
5. 先规划后执行，控制任务节奏
   复杂任务需先要求 AI 提供计划，确保方向一致。例如：“我要暴露时区设置，请先提供一个实现计划，暂不写代码。”这种分阶段的上下文设计就像项目管理中的里程碑检查，能有效对齐 AI 与你的意图。
   
   
   
   
   
6. 提示词即协作蓝图
   上下文工程不是简单的“提示词工程”，而是将提示词视为设计文档、任务分解和结对编程的结合。好的提示词就像与 AI 进行高效协作：清晰的目标、充足的
   
   
   
   
   

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。