不要再白白浪费你的20美金了 0基础 Claude Code指南
Source: http://x.com/i/article/2037143070895202306
我相信很多人一定有听过 Claude code,aka CC
要不就是看一堆人在那边狂吹
要不就是看一堆人说这又是另一个龙虾
对我来说这套工具确实改变了我的生活
也在副业部分替我创造了每个月 150 u 上下的稳定现金流基本订阅费是完全回本的
然而大多数人订阅后基本上只是乾烧 20 u
然后就把他当成第二个 GPT/gemini
目录 一、基础认知:不写程式的工程师
为什麽先学 n8 n / Make AI 时代的 6 个核心概念
(Webhook / API / JSON / HTTP / Auth / Deploy)
案例:Telegram Bot 资料流解析
二、Prompt Engineering:从「讲话」到「下指令」 为什麽模糊需求会毁掉自动化
工程化 Prompt 核心结构 背景|目标|限制
三、Claude Code:实战与控制权 环境建置(Mac / Windows)
专案记忆:CLAUDE.md + /compact Auto Mode:权限与信任机制
Hooks:掌控 AI 执行流程 四、实战案例
一、基础认知:不写程式的工程师
1.1 破除迷思:到底什么是 n8n 与 Make?为什么这是必修课?
市面上 99% 的营销号,都会把 n8n 和 Make 包装成“小白专用的无代码 (No-code) 神器”,仿佛你只要鼠标点两下,连老奶奶都能做出印钞机。这完全是个美丽的误会。
n8n 和 Make 的真实身份是:“具象化的 API 路由器”与“可视化的逻辑编排引擎”。
想象一下,现在的互联网世界是由无数个“孤岛”组成的。Google 表格是一个孤岛,Telegram 是一个孤岛,ChatGPT 也是一个孤岛。这些孤岛之间本来是互不相通的。程序员每天在敲的代码,有很大一部分的工作,就是在这些孤岛之间“造桥铺路”,让数据可以从 A 岛运到 B 岛。
传统写代码是怎么做的?
你必须面对漆黑的终端机,写下一行行的 Python 或 Node.js,去处理这座桥要用什么材质、数据要装在什么箱子里、遇到断桥怎么办。这些代码全部隐藏在屏幕后面,对技术小白来说,这就是个难以理解的黑盒子。
n8n 与 Make 是怎么做的?
它们直接把这个“黑盒子”砸烂,把里面的齿轮和管线全部摊在阳光下给你看了。你在界面上用鼠标拖拽出来的一个个节点和连线,本质上就是程序员在画“系统架构图”的过程。
那这跟我们接下来要学的 Claude Code 有什么关系?
多数人拿到 Claude Code 这种地表最强的 AI Agent 时,第一个念头都是:“太爽了,帮我写个bot!帮我弄个发文机器人!”然后一按下 Enter,看着终端机喷出一堆红色的报错代码,直接崩溃。
为什么会这样?因为 AI 懂语法,但它不懂你的“业务”。
[架构具象化] n8n / Make 的底层真实运作逻辑:
[ 触发点 Trigger ] ─────> [ 处理节点 Process ] ─────> [ 执行节点 Action ]
(等待外部事件唤醒) (数据转换/条件判断) (发送 API 请求)
Webhook 叮一声! 提取 JSON 特定字段 夹带 Auth 钥匙出门
1.2 互联网的语言:AI 时代的 6 个核心概念
抛弃维基百科那些不知所云的名词解释,我们用系统串接的视角重新定义:
Webhook (被动触发):装在系统门口的智能感应门铃。当有人填了表单,对方会主动“叮”一声把数据砸过来唤醒你的系统,而不是写个死循环每秒钟去问“有人吗?”。
HTTP Request (主动出击):你主动派出的快递员。GET 是去拿数据(比如问天气),POST 是送数据并要求对方执行(比如发消息)。
API (沟通桥梁):餐厅菜单。你照着菜单给对参数,它就吐给你结果。
JSON (标准物流箱):数据的公版包装。不管你用 Python 还是 JavaScript,把数据塞进 { "name": "AA" } 这种格式里,全网服务器都能无障碍解析。
Auth (残酷门禁):API Key 或 OAuth。没有这把钥匙证明你是付费大爷,你的请求永远只能吃 401 拒绝访问的闭门羹。
Deploy (部署上线):把你的代码从“笔记本里的沙盒”,搬到“云端 24 小时运作的服务器”上。
1.3 案例:Telegram Bot 数据流解析
把这 6 个元件揉在一起,来看一个真实的运作轨迹
[数据流转轨迹] 实作一个 Telegram 客服机器人:
用户手机 📱
│ 1. 发送消息 (Telegram 将其打包成标准 JSON 封包)
▼
[ Webhook 接收端 ] (你的云端服务器 / n8n 节点)
│ 2. 系统解开 JSON,根据文字决定回复内容
▼
[ HTTP POST 请求 ] (带着你的独家 Bot Token 作为 Auth 钥匙)
│ 3. 精准打向 Telegram API:/sendMessage
▼
Telegram 服务器 ☁️ -> 验证成功,推送回用户手机屏幕
二、Prompt Engineering:从“讲话”到“下指令”
2.1 为什么模糊需求会毁掉自动化?
“帮我写一个自动化脚本”——新手最最最常见的错误
Claude Code 是一个高执行力的打工人,当你给出模糊边界时,它会自行脑补所有缺失的系统架构。
结果通常是:它用最完美的语法,写出了一套完全无法融入你现有环境、报错连连的废代码。
2.2 工程化 Prompt 核心结构
你的指令必须具备黄金三角:背景、目标、限制。缺一不可。
┌────────────────────────────────────────────────────────┐
│ “帮我写一个抓数据的程序” │
├────────────────────────────────────────────────────────┤
│ 工程化指令 (黄金三角): │
│ │
│ [背景 Context] 我们在 Node.js 环境,项目根目录有 .env │
│ ➕ │
│ [目标 Objective] 写一支通过 API 读取特定 Notion 数据表 │
│ 的脚本,并将结果在终端机打印出来。 │
│ ➕ │
│ [限制 Constraint] 严格使用 fetch,不要安装 axios; │
│ 遇到错误必须回传完整的 JSON 格式报错。 │
└────────────────────────────────────────────────────────┘
三、Claude Code:实战与控制权
3.1 环境建置:绝大多数人倒在第一步
市面上过时的教程,开头第一句通常是教你用 npm install -g @anthropic -ai/claude-code。
但是依赖全局 npm 安装,不仅极易在不同 Node 版本之间产生冲突,更致命的是权限问题。
当 Claude Code 作为一个 Agent 在你的电脑里游走、尝试修改文件、执行构建脚本时,如果它是用 npm 全局环境跑起来的,经常会遇到 EACCES (权限拒绝) 的报错。
以下是官方推荐、也是目前最稳定无副作用的安装路径:
Mac / Linux 系统
打开你的终端机 (Terminal 或 iTerm2),直接贴上这行脚本:
bash
curl -fsSL https://claude.ai/install.sh | bash
接下来选择登录方式,用浏览器授权:用键盘方向键,选中「1. Claude account with subscription」,回车。浏览器会弹出来,点击黑色的「Authorize」按钮
终端里出现「Welcome back!」或者 Claude 的交互界面,说明安装成功!
Windows 系统
打开 PowerShell,执行以下指令:
powershell
irm https://claude.ai/install.ps1 | iex
看到进度条或滚动文字,等待期间不要关闭窗口
输入 claude,回车Enter,用浏览器登录:
和 Mac 步骤一样:输入 claude 回车,浏览器弹出,点「Authorize」,完成
- 前置排障:如果系统跳出红字阻挡,那是微软的基础防御机制 (Execution Policy)。先执行 Set-ExecutionPolicy RemoteSigned -Scope CurrentUser 放行,再重新安装即可。
3.2 项目大脑:CLAUDE.md 与 /compact 内存回收机制
上下文窗口(Context Window)是你最昂贵的资源
不要把 CLAUDE.md 当作许愿池
Claude Code 在启动时,会主动去寻找项目根目录下的 CLAUDE.md 文件。很多小白以为这是用来写需求的,洋洋洒洒写了三千字的功能规划。
大错特错。 CLAUDE.md 是这个项目的“最高宪法”与“系统提示词”。它会在你的每一次对话中,被强制塞进上下文里。你写得越长,AI 每次思考的负担就越重,越容易引发幻觉。
一份完美的 CLAUDE.md 应该极度克制,只包含以下三件事:
架构约定:例如 Strictly use TypeScript. No 'any' types allowed.
禁止事项:例如 Do NOT modify database schema files under /prisma without explicit confirmation.
构建指令:例如 Test command: pnpm run test:watch
[ Claude Code 200K 上下文消耗与分层治理蓝图 ]
PART 1: 隐形消耗账本 (200K Tokens 的真实去向)
很多新手以为 200K 都是拿来写代码的,实际上你还没下指令,系统就已经扣掉了一大笔“隐形税”:
1. 核心固定开销 (约 15K-20K / 开局即扣除)
- 系统底层指令: ~2K
- 已启用的 Skill 描述: ~1-5K
- LSP 语言服务器状态: ~2-5K
- MCP Server 工具定义: ~10-20K [🚨 最大的算力黑洞]
(注:盲目外挂多个 Server,连用都没用就会直接吃掉 10% 以上的总容量)
2. 半固定开销 (约 5K-10K)
- CLAUDE.md (项目配置): ~2-5K
- Memory 记忆机制: ~1-2K
3. 动态可用空间 (约 160K-180K)
- 真正的操作区:对话历史、读取的源代码文件、终端报错日志
------------------------------------------------------------------
PART 2: 分层治理策略 (防污染护城河)
- 始终常驻层:CLAUDE.md
[用途] 仅放全局契约、构建命令、绝对禁止事项。原则:越短越好。
- 按路径加载:.clauderules
[用途] 特定目录或语言的专属规则。避免让 AI 在写前端 React 时,脑子里还载入后端的 Python 规范。
- 按需加载层:Skills
[用途] 特定工作流或垂直领域知识。随插即用,用完即弃。
- 隔离运行层:Subagents (子代理)
[用途] 遇到需要翻阅大量长文档、或者并行查错时开启。让它在独立沙箱里跑,防止繁杂的日志污染主线对话。
- 零消耗拦截:Hooks
[用途] 确定性的阻断脚本。根本不进入上下文,直接在系统底层进行物理拦截与审计。
内存回收器:/compact
当你在终端机里跟 Claude 查 Bug,查了十几轮,屏幕上堆满了各种红字报错和长篇大论的代码分析。此时,AI 的上下文窗口已经被这些“垃圾日志”严重污染,它的回复开始鬼打墙,甚至忘记了你最初要修的是什么。
遇到这种情况,不要死磕。 输入指令:/compact
[系统底层执行逻辑]
1. 侦测到 /compact 指令
2. Claude 暂停当前任务
3. 自动总结先前的所有对话、报错、已排除的原因
4. 将原本庞大的对话树,压缩成一份极简的“进度报告”
5. 清空旧上下文,带着进度报告重新开局
3.3 Auto Mode:平衡效率与安全的分类器机制
传统 Agent 有一个极其反人类的设计:无限弹窗。 AI 决定建立一个文件,系统问你 Approve? (Y/n);AI 决定跑个测试,系统问你 Approve? (Y/n)。你以为你在自动化,实际上你变成了无情的敲 Y 机器。
Anthropic 在 2026 年 3 月推出的 Auto Mode 彻底解决了这个痛点。 不要害怕开启它。Auto Mode 的底层并没有完全放权,而是内置了一套极为聪明的意图分类器 (Classifiers)。
- 自动放行 (Green Zone):读取文件目录、执行 npm run lint、修改常规业务逻辑代码、运行本地测试。这些它会默默秒速完成。
- 强制拦截 (Red Zone):当 AI 试图执行 rm -rf 批量删除、修改全局系统变量、覆盖核心环境配置文件 (.env)、或者执行危险的数据库 Drop 动作时,分类器会瞬间阻断执行链,并将控制权交还给你进行人工审批。
3.4 Hooks:系统级别的物理拦截
如果说 CLAUDE.md 是用法律(文字)来约束 AI,那 Hooks 就是直接在门上加了一把物理大锁。
有时候,你在文字里苦苦哀求它“千万不要用 npm 安装套件,我们团队只用 pnpm”,但它遇到某个顽固报错时,一着急可能还是会顺手打出 npm install。
可以利用 PreToolUse Hook 来掌控绝对的执行流。
[Hook 拦截器运作范例:强制包管理器]
当 Claude 决定执行命令: `npm install axios`
│
▼
[ 触发 PreToolUse Hook (执行前拦截) ]
│
├─ 检查命令字串:发现 "npm install"
│
├─ [物理篡改] 自动将命令替换为: "pnpm install axios"
│
▼
[ 终端机实际执行 ] : pnpm install axios
四、实战案例
4.1使用场景
哪怕你一行代码都不写,只要你掌握了“明确上下文与验收标准”的原则,Claude Code 就是你电脑里最可怕的效率怪兽。
以下是几个非编程使用场景。打开你的终端机,启动 Claude Code,这些指令你可以直接复制粘贴给它:
# 1. 自媒体 / 内容创作(内容缺口分析)
"读取当前目录下近 3 个月的所有推文草稿 (.md 文件),帮我按核心话题进行分类整理。找出哪些行业视角的切入点是我还没写过的,最后生成一份包含 5 个新角度的选题建议报告,存为 next_topics.md"
# 2. 销售 / 客户管理(非结构化数据转结构化)
"把 /chats 目录下的这 6 个月客户聊天记录文本扫一遍。提取每个客户的核心需求和痛点,帮我生成一份结构化的 JSON 客户画像报告,包含字段:客户名、预算级别、核心痛点、建议跟进策略。"
# 3. 知识 / 桌面文件管理(本地文件系统操作)
"扫描我的 /Desktop 目录,这里有大约 300 个混乱的文件。请按工作、学习、生活建三个子文件夹并分类移入;把命名混乱的文件用统一格式重命名;最后,把修改日期在一年以上且未打开的文件列出一个清单给我,让我决定是否批量删除。"
# 4. 数据分析(表格处理与洞察)
"读取这个 data.csv 互动数据表,帮我计算过去 6 个月哪一类内容的完播率和互动率最高,总结出 3 条底层规律,并把结论写进一个 markdown 分析报告里。"
4.2 让系统自我进化:动态维护 CLAUDE.md
"Update your CLAUDE.md so you don't make that mistake again."
4.3 混合语言项目的 Hooks 实践
当项目变得复杂,比如你接手了一个底层是 Rust、上面跑着 Lua 脚本的混合语言项目,你就会发现一个残酷的现实:环境如果不透明,AI 就只能靠猜,一猜就会失控崩溃。
別让 AI 自己去瞎测,而是利用 Hooks 进行“按文件类型触发的语法检查”。这是我实际在用的 .claude/settings.json 配置,它能在 AI 每次修改完文件后,立刻物理触发编译检查:
{
"hooks": {
"PostToolUse": [
{
"matcher": "Edit",
"pattern": "*.rs",
"hooks": [
{
"type": "command",
"command": "cargo check 2>&1 | head -30",
"statusMessage": "Checking Rust..."
}
]
},
{
"matcher": "Edit",
"pattern": "*.lua",
"hooks": [
{
"type": "command",
"command": "luajit -b $FILE /dev/null 2>&1 | head -10",
"statusMessage": "Checking Lua syntax..."
}
]
}
]
}
}
4.4 结语:不可逾越的黄金法则与反思
用 Claude Code 折腾大半年下来,会发现所有人都会不可避免地经历三个阶段:
玩具阶段:这个功能怎么用?指令怎么敲?(沉迷于跟它对话,把它当高级chatgpt/gemini)
助理阶段:怎么配置环境?怎么让它少报错?(开始研究 Prompt 和上下文管理)
架构师阶段:怎么设定系统边界?怎么让 Agent 在约束下自己跑完完整的闭环?
到了第三阶段,你的关注点会发生根本性的转移。你不再关心某行具体的代码该怎么写,你关心的是整个数据流的稳定性、内存的释放时机,以及系统权限的物理拦截。
最后 如果一个任务,你连“什么叫做完(验收标准)”都说不清楚,那就大概率不适合直接扔给 Claude 去自主完成。
没有验证标准,AI 再聪明也跑不出正确的答案。建立边界,设定验收标准,然后,放开手让它去接管你的电脑吧。