欢迎来到我们的「每周技术加速器」专栏！

最近一两周，AI Coding 圈子里有一个明显的变化：

很多人第一次开始认真讨论——

“AI 写代码，是不是已经从辅助，变成主力了？”

这篇文章整理自我们一次内部技术分享，

不讲概念，不吹趋势，只回答三个问题：

• AI Coding 现在到底能做到什么程度？

• Claude Code / Skills 为什么突然变重要？

• 对普通开发者来说，应该怎么用、用到哪一步？

安装和介绍

Claude Code 是 Anthropic 推出的 AI Coding 工具，可以在命令行或 VS Code 中运行，通过自然语言指令，直接参与代码的读取、修改、执行和测试。

从形式上看，它只是一个“更强的 AI 编程助手”。

但在实际使用中，很多人的感受是：它更像一个可以持续推进任务的 Agent。

总结观点

Claude Code 本身并不神奇，真正决定体验的有三点：

1. 使用的模型是否足够强

2. 是否具备良好的上下文管理能力

3. 是否支持 Agent 化、连续执行的工作方式

如果只把它当成“更聪明的 Copilot”，你很容易低估它。

个人使用 Claude Code + GLM4.7

npm安装

需安装Node.js 18以上版本：

https://nodejs.org/en/download/

在终端，使用npm下载claude code：

npm install -g@anthropic-ai/claude-code

原生安装（官方推荐）

macOS, Linux, WSL:

curl-fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irmhttps://claude.ai/install.ps1 | iex

Windows CMD:

curl-fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd

环境配置

有条件的情况可以使用官方账号购买claude模型并登录Anthropic账号使用。

配置自己的大模型——base_url和api_key：配置在 环境变量 或 settings.json 中

• 环境变量：

• ~/.claude/settings.json：

命令行使用

vscode插件使用（可选）

提醒一句：安装是否顺利，并不会决定你用得好不好，真正的分水岭在后面的“使用方式”。

Vibe Coding：AI Coding 适合什么？不适合什么？

在当前阶段，Claude Code 非常适合以下场景：

• 原型 / MVP / POC：快速验证想法

• AI Agent 与脚本开发：自动化任务

• 学习新技术栈：通过“对话 +改代码”理解系统

• Hackathon / Side Project：极短时间内产出结果

但也有明显不适合的场景：

• 金融、医疗等安全关键系统

• 需要多年维护的超大型工程

• 对性能、资源极致敏感的底层核心代码

总结观点：AI Coding 的“能力边界”，正在被误解

很多人觉得 AI Coding “还不太行”，往往不是因为它真的做不到，而是因为：

• 用的是偏弱的模型

• 把 AI 当成一次性代码生成器

• 用的是“结果型提示词”，而不是“工程型提示词”

在高质量模型 + Agent 化工具的前提下，复杂项目已经是“可以推进”，而不是“完全不行”。

Claude Code 的三种模式，其实是三种“工程风险控制”

Claude Code 提供了三种工作模式：

• ask-before-edits（默认）

• edit-automatically

• plan-mode

从表面看，这是操作方式的区别；但从工程角度看，这是风险控制粒度的区别。

ask-before-edits

默认模式，当 Claude 需要修改文件时，它会先生成一个变更预览（通常是 diff 格式），向你展示具体哪些行会被添加、删除或修改。只有在你明确回复确认（如“Yes”、“Apply”或“Confirm”）后，它才会真正写入文件。

edit-automatically

Claude 会直接对文件进行读写操作，不需要在每次修改前停下来等待你的确认。它可能会在开始前简述一下计划，或者在完成后告诉你做了什么，但过程是自动完成的。

plan-mode

Claude 绝对不会触碰任何文件。它只会利用它的上下文窗口读取文件，分析代码结构，然后生成一份详细的执行计划。它会列出步骤 1、步骤 2、步骤 3，告诉你应该怎么做，或者如果你切换模式后它会怎么做。

批准计划后，会自动切换到前2种模式进行编辑。

总结观点：该怎么选？

• ask-before-edits
  适合核心逻辑、高风险修改

• edit-automatically
  适合前端页面、脚手架、大规模生成

• plan-mode
  适合复杂需求、系统级重构前的分析阶段

Claude Code 的价值，不在“改代码有多快”，而在于：它允许你把“判断权”留在自己手里。

提示词不是技巧，是“工程方法论”

很多关于 AI Coding 的讨论，都会停留在“提示词怎么写”。

但在实际工程中，更重要的是：你如何描述问题本身。

一个成熟的提示词，通常包含：

• 明确的目标（Goal）

• 清晰的上下文（Context）

• 具体的约束（Spec / Constraints）

• 可参考的既有代码范式

同时，不要指望一次生成解决所有问题。复杂需求必须拆解为多个步骤，逐步推进。

1.提供详细的上下文

2.将问题分解为多个步骤

例如，在实现一个数据处理 pipeline 时，首先需明确输入的数据结构、转换逻辑、错误处理的相关要求及预期的输出格式。随后分析目录结构，并确定新功能的实现位置。

需要综合考量代码之间的依赖关系（dependency relationships）、模块的职责划分与隔离（module boundaries）以及代码的目录结构与命名规范（code organization principles）。这一步骤可确保生成的代码能无缝集成到现有代码库中。

3. 参照现有的代码实现模式

在提示词中明确具体细节能大大提升代码生成的质量。 技术细节需明确指向代码库中的既有实现范式，而非笼统要求通用方案。

我经常会将以前可复用的代码拷贝到新的项目中，然后让claude code参考该代码生成。

4.善用版本控制

由于vibe coding的下一次改进效果无法预估，所以应该在效果适当的时候进行代码提交，以防下一次生成效果倒退。虽然claude code也可以回滚代码，但仍有生成错误风险。

5.决策前分析（尽量先思考后行动）

利用大语言模型能够生成多套解决方案的能力，通过对比分析提升代码质量。首先，要求模型生成 2-3 种不同的实现策略，每种策略需包含对该方案优缺点的分析。

生成多套方案后，引导模型分析时间复杂度、空间复杂度、代码可读性和可维护性等因素，并分析如何权衡这些因素。这一反思（reflection）过程使模型能根据具体需求选择并完善最合适的解决方案。

当模型能力逐渐拉齐后，真正的差距开始来自：

• 谁更会拆问题

• 谁更会设规则

• 谁更会在过程中做纠偏

AI Coding 的核心能力，正在从“写代码”迁移到“组织工程”。

测试：让开发真正变成“闭环”

Claude Code 在测试阶段的价值，常常被低估。

• 可以直接生成 curl，完成接口测试

  开发环境更加闭环-可以让Claude code测试接口，直接生成curl调用，部分替代了postman的功能。

  （claude code > 接口工具 postman > 命令行工具 curl）

• 可以自动生成单元测试，覆盖：

  Claude code会分析你的函数逻辑，自动生成包含多种测试场景的测试代码，通常包括：

• 正常路径

• 边界条件

• 异常输入

• 错误处理

这意味着：

开发、测试、验证，可以在一个工具里完成闭环。

Skills：这不是插件，而是“可复用的工作经验”

Claude Skills 是 Anthropic 为其 AI 模型 Claude 推出的一项模块化能力扩展系统。简单来说，它就像是一套可动态加载的“技能包”或“专业插件”，能让通用型的 Claude 迅速转变为能精准、自动化完成特定任务的“领域专家”。

官方skills

安装

输入/plugins打开插件管理

输入anthropics/skills

官方skills列表

测试两个skill

参考文本poster.txt

精彩不容错过！ 【2026春季创意市集】火热来袭！ 日期：2026年3月15日–16日⏰ 时间：10:00 – 20:00 地点：城市文化艺术中心广场✨ 百家原创品牌齐聚 手作体验 × 艺术展览 × 美食快闪 现场音乐演出 & 互动游戏 前100名入场观众还可领取限定好礼！带上家人朋友，一起来感受春日的灵感与温度！免费入场 · 风雨无阻#春季市集#创意生活 #周末去哪儿

海报生成 canvas-design

Prompt

根据poster.txt中的文字描述,生成一个海报

构建流程

输出

该skills文件目录结构（~\.claude\plugins\marketplaces\anthropic-agent-skills\skills\canvas-design）：

canvas-design:

canvas-fonts:

PPT生成 pptx

Prompt

读取poster.txt,补充适当内容,生成ppt

构建流程

构建过程中使用了js和浏览器的操作来生成。

输出

该skills文件目录结构（~\.claude\plugins\marketplaces\anthropic-agent-skills\skills\pptx）：

pptx:

scripts:

ooxml:

第三方skills

下载skill：https://skillsmp.com/

放到~/.claude/skills中

使用这个skill：

Prompt

在当前文件夹下生成一个fastapi脚手架

构建流程

生成脚手架结果：

自定义skills

有时候我们的工作中存在一些重复性工作，这时候就可以提炼为一个skill，下次可以直接复用该流程。

创建了一个skill文件夹和一个.skill文件

把fastapi-project-generator放入到skills文件夹中

使用/fastapi-project-generator生成

建立了和之前一样的目录结构：

Skills 的真正意义在于：

• 它让“经验”可以被复用

• 让“流程”可以被共享

• 让非开发者也能使用工程能力

从这个角度看，Skills 更像是 AI 时代的 “知识资产”。

MCP、Skills 与工作流：三者不是替代关系

• MCP：解决“AI 能调用什么工具”

• Skills：解决“AI 应该按什么步骤调用”

• 工作流：解决“每一步都必须可控、可复现”

一句话结论

MCP 管连接，Skills 管经验，工作流管稳定性。

在实际系统中，它们往往是组合使用，而不是二选一。

1.MCP和Skills的区别，MCP的不足？

skills的渐进式披露机制

2.Skills的意义和发展

• 可复用，一种新的“轮子”：

• 标准化与开放协议：Anthropic提出的SKILL.md标准已成为一种开放规范：OpenAI、微软（集成到VS Code和GitHub Copilot）、谷歌、字节跳动（扣子平台）等国内外巨头纷纷跟进支持这标志着行业从“Agent军备竞赛”迈向“知识资产化”的战略拐点。

￮ 官方市场：如Claude官方插件市场，提供经过验证的技能

￮ 聚合市场：如 Skills.sh（排行榜+安装）、SkillsMP（海量技能库）、SkillsLLM（精选市场）等，让你可以像逛应用商店一样发现、安装技能

￮开源社区：在GitHub上，涌现出大量高质量的技能库（如 awesome-claude-skills），涵盖编程、设计、自动化等各个方面

• 技能即服务”（Ability-as-a-Service）的商业模式：就像你付费下载App一样，未来优质的专业技能本身将成为一种可交易的商品。Prompt交易市场（如PromptBase、PromptNice）已经初具规模，而Skills作为更高级的封装，其商业潜力更大。

一句话结论

• MCP 解决的是：AI 能用什么

• Skills 解决的是：AI 应该怎么用

• 工作流 解决的是：每一步都不能错

3.Skills和工作流的比较

AI Coding 的能力边界：该把精力放在哪？

AI Coding很擅长的工作：

• 简单纯程序性任务：前端/后端 流程开发（开发/测试/注释生成）

• 传统算法类：数据结构与算法，OpenCV算法，传统机器学习

AI Coding还不擅长的工作：

• 复杂程序项目：可以生成，但还达不到生产级要求

• 组合算法：组合传统算法完成任务，仍存在一定困难

• 算法优化：对专用领域算法进一步调优

• 创新性算法设计：生成从未见过的新算法

当前Vibe Coding 的目标通常是快速生成一个 “基本可用”（Minimum Viable Code） 的方案，用于“探索”和“原型”，而非“生产”和“极致优化”

AI Coding 的目标，是“快速生成基本可用方案”，
而不是“一步到位的极致优化”。

这反而帮开发者更清晰地找到了真正有护城河的价值点。

AI Coding持续发展下的未来展望

发展阶段：

1.网页(ChatGPT/DeepSeek)

2.IDE(Codex/Copilot/Cursor/Claude Code/Gemini CLI/antigravity)

3.操作系统

b. AI coding式代理：Clawdbot（融合了manus模式+AI coding能力+skills+开放权限）——长期的，主动的多功能智能体

未来：

软件生态会有什么样的变化？

这几天，一位开发者johnnytshi使用Claude Code仅用了30分钟，便将一段完整的CUDA后端代码，成功移植到AMD的ROCm上。

公司的工作流程会有什么变化？

1.公司系统（如OA）开放访问接口。

2.每个人把自己的工作抽象为一系列skills：

3.把skills提供给clawdbot：

4.将结果上传公司系统

可以为客户提供的产品形式会有什么变化？

• 经过验证的/定制的skills

•类clawdbot的数字员工产品部署

￮定制化-公司系统流程接入

￮系统安全优化

AI Coding 不在淘汰人，而在重塑能力结构

AI Coding 并不是在淘汰开发者，而是在把“写代码”这件事，从核心竞争力，变成基础执行能力。

未来真正拉开差距的，是：

• 谁更懂工程

• 谁更懂流程

• 谁更会设计规则和判断结果

如果你对 AI Coding、Claude Code、Skills 这类话题感兴趣，后续我们也会持续分享更多真实使用经验和方法论。