#Claude Code

2周前
Claude Code进化时刻:自举时代已经到来; 从先学再做的怪圈进化到先做再学 今天想和大家分享一个关于Claude Code心智上的转变——我称之为“自举”。 一句话总结:一切以Claude Code为中枢,我只需动嘴,Claude Code动手。所谓“自举”,就是Claude Code可以自我管理、自我驱动。 这个并不夸张, 就连claude code自己其80%的代码也是通过Claude Code自身生成的 举个应用的例子:最近我需要在Claude Code里集成一个叫zen mcp的插件,它能让Claude Code访问其他大模型,比如我最想用的gemini 2.5 pro(支持o3 api的也能用)。 按照传统流程,通常要查官方文档、配置docker、设置一堆参数。虽然对我来说不难,但对新手门槛还是挺高。 但现在只需以下步骤: ⁠git clone xx git⁠ ⁠cd zen-mcp-server⁠ 输入 ⁠claude⁠ 进入CC 然后输入如下prompt:“请帮我将zen mcp集成到claude code,我的docker用的是OrbStack,gemini用openai兼容格式,key是xx,baseurl是xxx,默认模型是xxx。” 接下来,Claude Code会自动帮你设置.env参数、启动docker、检查和测试,整个流程高度自动化。 zen mcp的激活也很简单,只需输入zen关键词,比如:“请让zen分析下该bug的原因” Claude Code会自动把必要上下文传给zen,gemini开始执行。如果gemini发现上下文不全,会自动向Claude Code提问,Claude Code再补充内容给gemini。 这样,一个以Claude Code为中心、无需切换到gemini或o3的工作流就搭建好了。 以前遇到Claude Code解决不了的问题,我会去用gemini web或cline,但这样做数据无法实时共享,也没有通信。现在,mcp就是最优的通信机制。 配图是我使用zen mcp的截图,强烈推荐Claude Code用户体验!也欢迎加入Claude Code全家桶社区,每天都有新玩法,vx: timesfriends
2周前
RAG 向量 实时搜索大混战,cursor cline windsurf aider claude code大比拼 第一组:完全抛弃RAG的实时搜索派 Cline 和 Claude Code 相似点:都完全放弃了传统的RAG方法,采用实时动态搜索 区别: - Cline使用ripgrep等文件系统工具进行正则搜索,模拟人类开发者的代码探索方式 - Claude Code使用”agentic search”,通过grep、glob等标准开发工具,由AI模型动态编排多轮搜索 第二组:基于图结构的智能索引派 Aider 独树一帜 使用AST+图结构,将代码文件作为节点,依赖关系作为边,通过自定义排名算法(不是PageRank)优化代码映射 第三组:混合RAG+高级技术派 Cursor 和 Windsurf 相似点:都使用embeddings向量化+RAG,但加入了很多高级技术 区别: - Cursor:使用OpenAI的embedding模型+TurboPuffer向量数据库,实验DSI技术,支持云端分布式架构 - Windsurf:使用”M-Query技术”+本地/远程混合索引,专注企业级部署,有Cascade代理系统 技术路线的哲学差异 实时派(Cline/Claude Code)认为准确性和实时性比效率更重要,愿意用更高的token消耗换取完美的代码同步。 图结构派(Aider)把代码理解当作图优化问题而非语义相似性问题,在结构化理解方面表现出色。 混合派(Cursor/Windsurf)试图在效率和准确性之间找平衡,通过技术创新提升传统RAG的性能。 性能特点对比 Aider:token使用最少(1-8K),线性扩展,但无法理解运行时行为 Cline:数据完全同步,但token消耗较高,依赖文件系统性能 Cursor:查询响应快,处理大代码库好,但有embedding模型限制 Windsurf:延迟极低,内存使用高效,但需要大量初始索引时间 Claude Code:准确度最高,无需维护索引,但成本极高(有用户每天消费数千美元) 总的来说,业界正在从静态预索引向动态、探索性系统转变,你的记忆是对的 - Aider确实使用AST,但用的是图算法而不是PageRank;Claude Code确实不用RAG,直接用grep等工具进行搜索。
3周前