在深入了解具体工具之前,先快速认识一下目前最主流的几款AI编程工具——了解它们各自是什么、核心特点是什么,形成全局认知。
2.2.1 Claude Code
本节是全教程的核心重点,将从安装到进阶全方位讲解 Claude Code 的使用。
Claude Code 是 Anthropic 公司推出的 AI 编程智能体。它最经典的入口是终端 CLI,现在也提供 IDE、Desktop、Web 等形态。它能够读取项目代码、修改文件、运行命令、安装依赖 —— 就像你雇了一个 24 小时在线的远程程序员,你用自然语言告诉它做什么,它自己动手干活。
![图片[1]-2.2 各AI编程工具概述-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1836.png)
图:Claude Code 核心能力架构 —— AI大脑接收你的指令,通过四大能力模块操控项目
Claude Code 是什么?
如果把AI编程工具比作不同的交通工具:
- ChatGPT/Claude.ai 就像公交车 —— 你问路,它告诉你怎么走,但你得自己走
- Cursor 就像共享单车 —— 你骑着它走,它帮你指路和加速
- Claude Code 就像出租车 —— 你说目的地,它自己开到
Claude Code 的核心特点:
![图片[2]-2.2 各AI编程工具概述-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1837-1024x535.png)
2.2.1.1 LLM Loop:cc 凭什么是「Agent」而不是「聊天框」
要理解 Claude Code 与你以前用过的 ChatGPT、Claude.ai 的本质差别,必须先弄懂一个机制 —— LLM Loop(大模型循环)。
对话式 AI(ChatGPT/Claude.ai)的工作方式:你问一句 → 它答一句 → 结束。如果答案不满意,你再问一次。主动权一直在你手里,AI 只是个”高级回答机器”。
Claude Code 的工作方式:你下达一个目标 → cc 自己拆解步骤 → 自己调用工具 → 看结果 → 决定下一步 → 再调用工具 → ……一直循环到任务完成。主动权交给了 AI。这个不断”思考-行动-观察-再思考”的循环,就叫 LLM Loop。
![图片[3]-2.2 各AI编程工具概述-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1838-1024x153.png)
图:LLM Loop —— Claude Code 的自主循环机制
这就是为什么我们把 cc 称为 Agent(智能体) 而不是 Chatbot(聊天机器人)。也正因为如此:
- 你可以给 cc 一个模糊的高层目标(如”帮我做一个番茄钟”),它会自己一步步推进
- cc 在执行过程中会自我纠错——某条命令报错了,它会读错误信息,调整方案再试
- 注意: cc 不一定每一步都问你,所以在它”撒丫子跑”之前,你要给好上下文(CLAUDE.md、Skills、计划等)
关键认知:cc 是一整套”程序+模型”的组合,底层的大模型其实可以替换——这也是为什么后面我们能用 DeepSeek、千问、GLM 等国产模型来驱动 cc。是这套 Loop 机制 + Harness 工程,让 cc 比单纯的对话式 AI 强大得多。
2.2.1.2 Claude Code 是如何“读懂”你的代码库的(Agentic Search)
很多人对 Claude Code 有个误解:以为它会像其他 AI 工具一样,需要先把项目代码上传到服务器建立“索引”。事实上,Claude Code 不需要任何预先的代码库索引。
官方把这种机制叫做 Agentic Search(智能体式检索),它的工作方式和一个人类工程师冷启动一个项目完全一样:
![图片[4]-2.2 各AI编程工具概述-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1839-1024x80.png)
图:Agentic Search——像人一样按需读取代码库
与传统 RAG/向量检索的本质区别:
![图片[5]-2.2 各AI编程工具概述-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1840-1024x279.png)
2.2.1.3 “脚手架”比“模型”更重要:Harness 体系
官方反复强调一个观点:决定 Claude Code 表现的,不只是背后的模型,还有围绕模型搭建的“脚手架 Harness”。
理解方式:模型能力决定下限,项目上下文、工具权限、规则文件和工作流决定上限。实际生产中,围绕模型搭建的工具生态会显著影响最终表现。
本教程把 Claude Code 的工程化能力抽象成 7 个扩展点,建议按“从底到顶”的顺序理解——先打好上下文和规则基础,再接入更复杂的外部工具:
![图片[6]-2.2 各AI编程工具概述-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1841.png)
图:Harness 的 7 层扩展点——下三层是“纪律”(项目上下文、钩子、知识),上四层是“武器”(包分发、IDE、外部、子代理)
![图片[7]-2.2 各AI编程工具概述-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1842-1024x327.png)















请登录后查看评论内容