Claude 使用教程

ᯤ⁶ᴳ⁺

300人浏览 · 2026-03-24 16:24:01

ᯤ⁶ᴳ⁺ · 2026-03-24 16:24:01 发布

首先说明：这篇文章是我的个人见解，部分内容来自网络，若有侵权请私信！,若有什么说错的可以评论欢迎指正。

Claude Code介绍

在绝大部分人的认知中有一个误差，就是给大模型提供工具，大模型就直接能够直接使用工具然后获取数据，调用外部服务，其实并不是这样的，而是大模型没有直接使用工具的能力，而是靠agent进行工具的调用，就类比于LLM就是我们人体的大脑，agent就是我们人体的四肢，总不可能我们用大脑意念操控电脑进行编程吧。agent里面有大模型可以调用的工具，然后LLM下发指令让agent使用工具，拿到想要自己想要的数据。

无论是claude code 还是其他的AI编程工具，他们都是一个agent,他们的运行原理都是相同的，首先用户进行提问，agent工具就会将用户提问以及自己可用的工具列表一并发给大模型，然后大模型拿到用户的问题以及agent可以使用的工具列表进行分析决策，若有要用的到什么工具则会下发指令给Agent，然后agent进行调用工具拿到数据返回给大模型，然后LLM整合获取的数据进行分析，返回用户提问的解决方案，下面是用户使用agent 提问的一个案例

前提：
                        
agent含有的工具列表 ->查询天气工具，写文件工具

用户提问：今天天气怎么样？将天气数据返回写入到weather.md中


                发送查询天气工具，写文件工具等工具列表+用户提问    
用户提问--->agent----------------------------------------->LLM

        下发查询天气工具参数           使用查询天气工具获取数据，返回
LLM--------------------->agent------------------------------>LLM

     分析数据，下发写文件参数以及写入内容        调用写文件工具，将内容写入文件
LLM-------------------------------> agent---------------------------->weather.md

上面就是claude code的一个工作原理.

Claude Code安装部署

这个可以参考我的另外一篇Claude Code 安装教程

Claude code +agent skills

agent skills 就类似于一本带着目录的说明书, 也体现出了提示词的渐进式披露的设计模式，这一理论由claudecode官方首次进行发布进行规范，其他开源的ai编程工具也可以使用agent skills 例如codex ,opencode等

agent skills主要的目录以及目录下放的类型未见是什么呢？，下面是官方给的:

my-skill/
├── SKILL.md          # Required: instructions + metadata  --必须
├── scripts/          # Optional: executable code --可执行的代码
├── references/       # Optional: documentation --额外补充的说明文件
└── assets/           # Optional: templates, resources --图片等

下面是skills.md的样例模板:

其中元数据是关键，为什么这么说呢，根据他的工作原理就可以知道了，当我们进行提问的时候，claude code 会扫描所有的skill.md文件中的元数据，并将元数据以及用户的提问一并发给ai大模型,ai大模型接受到用户提问以及元数据信息，会先分析用户的提问，若提问符合某个skill的元数据描述，他就会将对应的skills文件找出来，并且读取对应skill.md中的详细描述,这样可以大幅度减少上下文的大小，大幅度减少token,这个工作模式就说明了为什么称他为是一本带着目录的说明书.

那么他怎么可以读取到references目录下面的补充文件内容呢？，下面案例来说明这一疑问：

在这个skill.md中在详细描述中指明了当是软件/计算机相关的材料才会触发然后才会让ai大模型读取references里面的内容,也就是按需加载，当没有触发这一条件的时候不会让其读取references目录中的文件

claude code在agent skills中也可以调用已经编写好的代码脚本，这个代码脚本内容不会直接交给大模型，而是大模型直接执行放在script文件夹中对应的脚本，这一操作还是得我们在skill.md文件中进行声明

可以看到，无论是我们在调用脚本或者是其他得补充文件得时候，我们都需要在SKILL.md文件中得详细描述中进行声明，这样大模型就可以在读取到详细描述得时候就可以进行下一步了。

可以看到，我们写一个skill是多么得麻烦，看都不想看，不用担心，许多得达人在github上已经开源了许多得skills，可以直接拷贝到自己得项目目录中来，可以直接使用

如果我们在发现探索很多得skill得时候发现没有符合我们自己当前需求得skill，这时候就可以使用claude官方开源得skill-creator这个技能，这个技能就是使用skill创建一个skill

然后输入我们得需求:

请你使用skill-creator这个skills创建一个单测助手skill，他主要的职责就是查看java项目中每个模块的业务代码进行创建对
  应的单测，用户首次说出写出单测时，应该首先查找ready-coding-test.md这个文件，若没有走后面的流程：读取整个java项目
  查看每个模块以及写好的test，找出未编写单测的类，并且将未编写单测的类列出一个清单写入到ready-coding-test.md这里面
  是全部未编写java单测类，方便后续加载这个文件快速找到未编写的单测的类。在编写单测的时候应该首先读取该编写类的该模
  块下的pom文件（都是maven项目）查看相关的junit 以及mockito插件（若未配置则自动配置，将配置内容首先展示给用户查看，
  若用户审阅无误后，添加到对应的pom文件中），然后进行编写单测，首先展示想要编写测试类的名称给用户查看，用户确认后进
  行编写单测，测试覆盖率要尽量达到100%，不要写的很复杂，主要完成覆盖率就可以了，然后编写完单测后用户查看无误后写入
  到对应的目录中，要给用户展示创建测试类的名称以及将要写入的目录位置，用户无误后进行写入到目标目录中，写入完成后运
  行该单测文件，自动修复所存在的问题（注意！不能修改用户源代码中的东西，可以修改该单测文件内容以及依赖问题），操作
  都需要用户同意后进行操作。若在编写的过程中有不确定的点什么的需要即使与用户沟通

根据ai得指示到最后就会省成一个技能为java-unit-test-helper这个skill

可以看到，使用官方给的skill创建skill他写的内容是非常得全面。

Claude code +MCP

如果说skills是一本带有目录的说明书，那么MCP就是一个工具箱，里面放好了已经定义好的一些程序，可以使用agent直接调用他.

MCP是什么?

Model Context Protocol (MCP)

MCP 是一个标准协议，就像给 AI 大模型装了一个 “万能接口”，让 AI 模型能够与不同的数据源和工具进行无缝交互。它就像 USB-C 接口一样，提供了一种标准化的方法，将 AI 模型连接到各种数据源和工具。
MCP 旨在替换碎片化的 Agent 代码集成，从而使 AI 系统更可靠，更有效。通过建立通用标准，服务商可以基于协议来推出它们自己服务的 AI 能力，从而支持开发者更快的构建更强大的 AI 应用。开发者也不需要重复造轮子，通过开源项目可以建立强大的 AI Agent 生态。
MCP 可以在不同的应用 / 服务之间保持上下文，从而增强整体自主执行任务的能力。

MCP 遵循客户端 - 服务器架构，包含以下几个核心部分：

MCP 主机（MCP Hosts）：发起请求的 AI 应用程序，比如聊天机器人、AI 驱动的 IDE 等。
MCP 客户端（MCP Clients）：在主机程序内部，与 MCP 服务器保持 1:1 的连接。
MCP 服务器（MCP Servers）：为 MCP 客户端提供上下文、工具和提示信息。
本地资源（Local Resources）：本地计算机中可供 MCP 服务器安全访问的资源，如文件、数据库。
远程资源（Remote Resources）：MCP 服务器可以连接到的远程资源，如通过 API 提供的数据。

MCP 的工作流程可以简单概括为以下几个步骤：

连接：MCP 主机连接到一个或多个 MCP 服务器。
请求：主机发送请求以获取数据或执行工具。
处理：服务器处理请求，访问相关数据源或外部服务。
返回：服务器将结果返回给主机。
生成响应：主机将信息提供给 AI 模型，用于生成用户响应。

claude安装mcp工具

简单案例：使用Playwright搜索新闻

Playwright 已经是目前增长最快、最受欢迎的网页自动化工具。Playwright MCP 的存在，更是彻底解决了 AI 模型在网页操作上的核心痛点，让 AI 驱动的网页自动化成为了现实。无论是自动化测试，还是爬取网页数据，这个 MCP 通通可以搞定！并且提供无头版的，再也不用手动点点点了。

安装playwrite（全局安装）

# 窗口版

claude mcp add -s user playwright -- npx @playwright/mcp@latest

检查是否安装成功

进入到claude codeai编程程序，输入下面命令，然后出现下面的内容说明此mcp已经安装成功了

/mcp

然后我们运行我们第一个mcp工具：

继续输入：

请你使用Playwright这个mcp工具首先打开浏览器然后搜索这个新闻网站：https://top.baidu.com/board，并且找到热榜位置，提取前3的标题以及总结每个热榜的正文内容，将总结的内容写入到hot_news.md文件中，读取一个热点后进行写入，后面进行更新，建议是直接先读取前五的标题，然后先构建文件大体内容，后面详情就直接填入就好了

根据ai继续向下走就行了，然后就会得到一个下面文件内容:

方式二：使用配置文件进行部署

1.前提：本地部署git mcp server：

pip install mcp-server-git

2.在项目根目录添加一个.mcp.json的文件,添加一个git的mcp工具

{
    "mcpServers": {
    "git": {
      "command": "python",
      "args": [
        "-m",
        "mcp_server_git"
      ],
      "env": {
        "GIT_REPO_PATH": "."
      }
    }
  }
}

保存后，重启claude code，然后运行/mcp看看是否安装成功

安装好之后，我们可以使用ai来进行操作git，让他为我们的项目添加一个readme.md文件并且推送到远程仓库上

请你为这个项目创建一个完整的readme.md文件进行介绍这个项目内容，然后将修改好的文件使用git mcp工具进行commit以及push到远程仓库上，提交commit信息要描述一下

Claude code +agent skills +MCP

上面我们会了mcp以及skills各有各的特点，我们可以将两者进行合并，从下面的案例我们来创建一个skill+mcp的agent skill:

请你使用skill-creator这个skills创建一个项目README.md更新助手skill,这个skill的职责是：首先要查看是否当前java项目是否
  配置远程仓库，若没有配置则引导用户配置，配置完成后，使用gitmcp工具先查看当前远程仓库的分支，然后让用户选择需要上传的
  分支，然后调用gitmcp工具查看当前的分支，若不是用户选择的分支则使用gitmcp工具切换到用户指定的远程仓库分支，然后检查ja
  va项目中根目录下有没有README.md的文件，若有则更新，若无则先创建，大致格式的md文件格式已经放在根目录中的Java-README-T
  emplate.md文件中，在创建时放入到references目录中。然后阅读整个java项目，然后仔细思考总结整个项目将总结内容进行新增/
  修改README.md文件。将新增或者是修改内容先给用户查看，仔细耐心回答用户的问题，有不清楚的地方需要给用户沟通然后确定最
  终md文件，然后新增/修改到JAVA项目根目录下的README.md文件,更新完成过后，则使用git mcp工具中的git_commit
  提交修改项，修改描述可以先自动生成，然后让用户选择或者是让用户自己提供给你。提交后然后将修改内容push到远程仓库中，然
  后检查是否push成功。

这个skill就是引导用户配置好当前的项目的远程仓库，然后扫描java项目然后更新README文档并且提交到指定的git远程仓库