#ClaudeCode

1周前

今天找到了和 ClaudeCode 新的相处模式，你写代码，我看书。不实时想着下一个让它做啥了

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#ClaudeCode #相处模式 #代码 #看书 #中性

𝘁𝗮𝗿𝗲𝘀𝗸𝘆

1周前

#AI 伙伴开了个 AWS，初次使用 ClaudeCode 把 URL 发我登录一下就解锁了。理论上所有 ClaudeCode 关联请求都从 AWS 发起，和他本地（国内）没有任何联系。 IP 问题解决了。随便搞张 US BIN 的卡去支付不就完了。没太理解用各种高价、不稳定、泄露隐私的中转服务，到底在折腾啥🤔

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#AI #ClaudeCode #AWS #IP问题 #US BIN卡

1周前

我觉得我这vibecoding的Readdit还挺好用的创建了一个策略组，来收集Reddit上讨论ClaudeCode最佳实践的内容分享这检索+过滤贼好用还能切换subreddit看以后看Reddit更高效了哈哈

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#Readdit #ClaudeCode #Reddit #效率工具 #积极

4周前

当 #ClaudeCode 遇到某个问题，一直无法解决时，请用你灵活的手指在键盘上快速结印⬇️ - 请你思考一下这个问题的 10 种可能性，一一排查，并修复它。问题基本上就解决了。对了，这个魔法名字叫「大·Tokens 消失术」

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#ClaudeCode #问题解决 #Debug技巧 #大·Tokens 消失术 #AI编程

1个月前

未来可能没有原型软件了因为没有人会浪费时间跑去画图了可以靠嘴遁ClaudeCode直出了胆子再大些 PM直接干工程工程直接修AI代码就完了…

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#原型软件 #ClaudeCode #PM干工程 #AI代码 #软件未来

1个月前

🤖 Claude Code + Gemini CLI = AI协作新高度！刚试了这个神奇的工作流： 1️⃣ 安装配置 Gemini CLI 2️⃣ 在中描述任务需求 3️⃣ 启动 Claude Code，添加 "Proceed in consultation with Gemini" 虽然不是真正的 A2A（Agent-to-Agent），但这种 AI 代理协作的效果令人惊叹！ #AI协作 #ClaudeCode #GeminiCLI

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#AI协作 #ClaudeCode #GeminiCLI #A2A #AI代理

马东锡 NLP 🇸🇪

1个月前

ClaudeCode 是继CodeX后又一个ACI (Agent Computer Interface) 范式的Code Agent，面向CLI而非GUI。这一定是未来Code Agent的形态，既然人一行也代码也不想写了，那就不要让GUI影响Agent的工作效率了。 SWE系列paper含金量在持续增加。

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#ClaudeCode #code Agent #ACI范式 #CLI #SWE系列paper

1个月前

我用 ClaudeCode 花 2 小时没写一行代码做了一个翻译智能体，并且开源了整个过程这周没怎么更新内容，主要是忙于研究 AI Agent，深度体验了 Claude Code，并且模仿着它的原理实现了一个简单的翻译智能体，最终成品效果不错，只要你输入一段要翻译的文字、或者网址、或者本地文件路径，它就能帮你提取要翻译的内容并翻译。（参考图1）可能你会觉得这似乎没什么了不起的，跟传统的聊天应用也没什么区别，但麻雀虽小五脏俱全，它却是一个真正的 AI Agent。那么 AI Agent 和普通 AI 聊天工具有什么区别呢？关于 AI Agent，我觉得写的最好的文章是 Anthropic 的《构建高效 Agent》，它把 Agent 定义的很清楚： > 智能体（Agent）这个词可以有几种不同的定义。部分用户认为智能体是完全自主的系统，能够在长时间内独立运作，通过使用各种工具来完成复杂任务。另一部分用户则将智能体定义为更具指令性的实现方式，即严格按照预先设计的工作流程运行的系统。在Anthropic，我们将这些不同的系统统称为具备智能体特征的系统（agentic systems），但在架构上，我们明确区分两类系统： > - 工作流（Workflows） > 这种系统的特点是：大语言模型（LLM）与各种工具的调用顺序，由事先定义好的代码逻辑所控制。 > - 智能体（Agents） > 与工作流不同的是，在智能体系统中，大语言模型能够自主决定如何运用工具、动态地引导整个任务的执行过程，从而具备更强的自主性。归纳下来主要就是这几点区别： 1. AI Agent 能和外部环境交互比如它能使用工具读取本地文件；能读取远程网页 2. AI Agent 能动态的使用工具比如我如果只是输入要翻译的文本，它就不会调用任何工具，如果我在一段文本中包含一个要翻译的网址，它就会从中提取要翻译的网址，并抓取内容再翻译 3. AI Agent 能决定任务是否完成举例来说，如果我的指令不是简单的翻译某一个网址，而是比较复杂的指令，像下面这样的： > 请访问这个博客https[:]//ingrids[.]space/ 并将前两篇文章的内容翻译为中文那么它就会先抓取首页，然后分析首页的内容，找到前两篇文章的链接，再去分别抓取前两篇文章，最后再一起翻译，在这个过程中它使用了三次网页抓取工具，直到它认为已经完成任务了才会停止工具的调用。（这个使用案例的截图见图3，有兴趣的也可以自己下载代码运行试试看） Agent 能处理高度复杂的任务，但它们的实现通常很简单：本质上就是 LLM 利用环境反馈在循环中调用工具。连 Claude Code 这样复杂的 AI Agent，底层原理都是这样的，也是不停的调用工具，直到完成任务为止，就像图4 这样。 Claude Code 和普通 Agent 主要的不同在于 Claude Code 能启动子 Agent，也就是它能开分身，把分身当作自己的一个工具来用。就好比一个 AI 程序员，要去实现一个相对复杂一点的功能模块，它会先调用 TODO 工具，把任务分解，然后每个子任务让自己的分身去实现模块，分身只需要专注的完成子任务，这个分身有 AI 程序员本体一样的能力，也能调用所有的工具，等它完成子任务了，AI 程序员再让新的分身去继续下一个任务，直到所有任务完成为止。为什么我在这里选用的是豆包 1.6 模型呢？在实现这个智能体的过程中，我使用的是豆包 1.6 的模型。主要是因为像 AI Agent 这样的任务，普通的大语言模型并不擅长调用工具，即使是普通推理模型都不行，必须要经过专门针对工具调用强化学习（RL）过的模型。简单理解就好比一个大学生，每天要反复练习怎么使用各种工具，用对了工具就有奖励，没用对就没有奖励，这样经过一段时间的学习后，就会特别擅长使用各种工具。只有这样经过强化训练的模型才能胜任好 AI Agent 的任务。目前主流的模型除了豆包 1.6，还有 o3、Claude 4、Gemini 2.5 Pro 来开发 Agent 都很好，豆包 1.6 相对性价比是很高的，国内使用也没有封号的风险。另外火山引擎提供了 MCP Servers，像一些第三方工具可以方便的集成，比如我现在自己实现的网页抓取就很简陋，大部分网页其实都抓不了，如果要让它兼容更多网页，最简单的选择就是去选一个成熟的网页抓取的 MCP 服务，或者后面要支持 PDF 的翻译，这些都能在火山引擎上找到对应的可用 MCP 服务。

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#AI Agent #ClaudeCode #翻译智能体 #豆包 1.6 #工具调用

1个月前

大量的 String to replace not found in file. 大家有遇到吗？ #claudecode

2个月前

开个 Thread 来整理一些我使用 CluadeCode 的经验和心得，也欢迎留言分享。去年起我是 Cursor 的重度用户，最近一个月，我用 Cursor 越来越少了，开发方式也发生了变化，现在大部分时候都是：ClaudeCode 先做，做完了我去 IDE 去审查修改，所以不再需要 Cursor 的绝大部分功能，反而由于 Cursor 频繁更新，让我用 VSCode + GitHub Copilot 更习惯顺手一些。 ClaudeCode 区别于其他同类 AI Coding Agent，我觉得强大的地方在于几点： 1. 对指令的理解很好能很好的理解你要做什么 2. 能合理的规划任务一个任务它会先规划再执行，复杂一点还会创建一个 TODO List，挨个执行，虽然这一步对于现在的 Agent 不稀奇，但它每次能基于自己的规划的到一个不错的结果，这才是厉害的地方 3. 对工具的运用，非常强 ClaudeCode 内置了 15 种工具（可能会变化），有系统命令行工具、文件操作工具、还有网络浏览检索工具。它最擅长的就是 Grep 命令去搜索你的代码库，反复调整搜索正则的正则表达式去找代码，分析找到的代码，然后定位到正确的位置。惭愧的说，我至今都不会用 grep，但是 claudecode 用 grep 检索代码的效率，可能超过了任何人类能达到的水平。最绝的是，一个十几兆的混淆过的 js 代码，它都能毫不费力的找出来关键的代码，拼凑还原成原始编译前的代码。如果说十几兆的混淆后的代码都能分析，那么祖传的几十万行的屎山代码它应该也是能应对的。现在看来，对于代码库的检索，RAG 都是浮云，grep 才是王道。 4. 执行时间很长现在 AI Agent 一个很大的毛病就是执行几次就结束了，结果 Token 也消耗了但啥屁事都没干成，OpenAI 的 Codex Cloud 就是个反面典型（codex-cli 好一点，也没好到哪去），像开发任务，有很多任务就是需要反复大量操作的，ClaudeCode 就是大力出奇迹，一个任务十来分钟是常态，更长时间也有，所以大部分时候能交付一个不错的结果。这可能也是 ClaudeCode 比其他家的一个主要优势所在，毕竟 Cursor 这些是没法跟 Anthropic 比烧 Tokens 的。ClaudeCode 最开始就是 Anthropic 家的内部工具，一开始他们就没考虑过要省着点用 Tokens，没想到歪打正着大力出奇迹，效果最好。大力出奇迹是 ClaudeCode 的成功关键，但另一个角度也是它还不流行的原因，因为你自己按量买 Token 是用不起的，一天能烧几百刀都可以，还是得配合 Claude Max 订阅包月使用，即使这样，我也经常到额度限制，要等 5 小时刷新。 5. 全程人工干预很少 ClaudeCode 虽然默认也是会确认工具使用操作，但是它有一个 --dangerously-skip-permissions 参数，虽然原则上只能是 Docker 上运行，打开后就全程放飞自我了，你啥都不用管，就等着就好了，喝杯咖啡，刷刷社交媒体，回头一看任务都好了，真正的无人值守 Vibe Coding。当然一定要配合 Git 做好版本管理，并且对结果要审查，否则会可能出问题的。我用 --dangerously-skip-permissions 模式有一段时间了，它不会去恶意操作系统，所以目前还没出过问题。（未完待续）🧵

AI编程工具激战：Claude Code、Gemini Cli崛起· 493 条信息

#ClaudeCode #AI 编码助手 #grep 代码检索 #大力出奇迹 #无人值守 Vibe Coding

2个月前

请问有没有谁有保存早期泄漏的 ClaudeCode 源码？我以前 Star 的找不到了。 Does anyone still have the leaked ClaudeCode source code? I can't seem to find the repository I previously starred. Thanks

#ClaudeCode #源码泄漏 #代码仓库

2个月前

JetBrains 提供了 MCP 能力之后，Claude Code 现在可以和 IDE 协同工作了

#JetBrains #MCP #ClaudeCode #IDE

2个月前

图1 是我这两天用 ClaudeCode （Claude 4）Vibe Coding 的成果，一个复杂的视频编辑器，有基本功能，能加入元素，能播放。但我不是在这里吹 Claude 4 编程多厉害的，恰恰相反，我无法基于这个项目继续开发维护，不是代码不厉害，而是一个仅仅靠 AI 开发的负责系统，几乎是不可维护的！首先说一下我是怎么开发这个项目的： 1. 找到个视频编辑器网站，Vue 开发的，下载它编译好的js脚本 2. 使用 ClaudeCode，让它把脚本反编译成 VUE + TypeScript 代码，完成的相当好，几乎完整的还原了原始代码（图2）顺便说一下，编译后的 js 文件有 6 万多行，但是它能通过关键字查找，找出来相关的内容，并反编译 3. 继续使用 ClaudeCode，让它把 VUE 代码用 React 代码重写（因为我不会 VUE），使用 jotai 作为状态管理，它完成的相当相当好，帮我把 VUE 代码用 React 重写了，包括重新使用了新的状态管理框架（图3）但是刚开始的结果，它无法直接运行，需要凭借我的专业知识解决一些问题，这些问题完全靠 AI 是无法解决的，因为你甚至很难描述清楚是什么问题，当你能描述清楚问题，其实你就可以自己解决了。花了几个小时让它可以运行了，但是问题来了，测下来 Bug 一大堆，这些 Bug 都是牵一发而动全身，人很难修改。让 AI 修改 Bug 的问题在于： 1. 你无法准确描述这些 Bug，如果你都无法描述 bug，AI 没法帮到你 2. 很多 bug 是相互关联的，AI 可以修复单个 Bug，但是可能修了一个又会冒出更多的 Bug，准确来说 AI 没有全局概念（受上下文窗口长度限制），它一次只能读取一部分代码。那么人类是怎么解决这个问题的呢？复杂系统通常是从简单系统演化而来的，大部分系统一开始并不复杂，并且是一点点迭代而来，这个过程中，工程师能了解这个系统的各个细节，有问题能及时处理。人类有架构师的角色，复杂的系统会有先有系统的设计，把复杂系统拆分成小的系统，小系统再拆分成小的模块，最终构成一个复杂系统。一个稳定的复杂系统中的小问题是好维护的，但是一个复杂系统中一堆小问题，那么几乎是不可维护的，现实的复杂系统，通常都是反复迭代慢慢稳定下来的，要么是一个稳定的小系统逐步演化成大系统，要么是一个大系统有很多小系统，这些小系统都是稳定的。那么 AI 能复制这条路或者找到新的解决方案吗？首先想要复制这条路，目前制约的不是编程能力，我觉得 Claude 4 单纯编程能力已经是高级程序员的水平了，超过绝大部分程序员，制约的是工程能力。什么是工程能力呢？工程能力就是对整个项目的掌控能力，不仅仅是编程能力，涉及方方面面： - 需求的理解 - 架构的设计 - 编码 - 测试 - 运维举例来说，要做一个视频编辑器，你得先想清楚要做成什么样子，有什么功能，然后你得把它变成 UI/UX 设计，变成架构设计，架构设计要做好技术选型、要拆分成模块，还得设计好模块之间是怎么通信的，最后要把模块整合在一起变成一个完成的系统。这里面模块级别的，AI 是足够胜任的，但是系统层面，模块一多 AI 就不行了，因为 AI 上下文窗口长度制约了 AI 从全局上理解、更新维护整个项目。虽然限制上下文窗口长度越来越大，但是大了后幻觉就厉害，短期内如果没有大的突破还是挺难解决好的。另外就是 AI 对环境的感知能力还是不够强，比如这个 AI 做好的视频编辑器，它无法自己测试（其实 ClaudeCode 真的有测试，不过是基于网页抓取分析），对测试结果无法甄别，最多能根据错误日志去做一些修改，像 UI 上各种错误，根本感知不到问题。所以现阶段来说，模块级别（千行以内）的编程开发， AI 已经非常强了，但是涉及到系统层面，AI 还帮不上太多。对于普通程序员来说，不要再浪费时间去刷 leetcode 搞算法了，多提升系统设计能力和使用 AI 能力会更有前途。不要被各种“炸裂”误导，比如有人说通过 Vibe Coding 做了一个复杂的视频编辑器，他们不会说的是这个视频编辑器只能用来 Demo 而且几乎无法维护。现在 AI 编程，提升编程效率已经毋庸置疑了，如何提升工程能力还有很多挑战。

#ClaudeCode #VibeCoding #视频编辑器 #AI编程