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
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 教程
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。
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 [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：
𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 on VS Code
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
- 打开 VSCode
- 打开集成终端
- 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
Kimi K2/DeepSeek R1 with 𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞
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。
- 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。 - 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。 - 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。
- 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。 - 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。 - 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、充足的背景、逐步引导，确保 AI 理解并高效完成任务。
当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！
DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。
与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。
最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。
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【】
在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。
但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。
看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下
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【】
发布者：Ai探索者，转载请注明出处：https://javaforall.net/243952.html原文链接：https://javaforall.net
