爆火的 Claude Code，到底是程序员的新宠还是 AI 时代的编程革命？

已于 2025-07-13 14:33:18 修改
阅读量2k 收藏 7
点赞数 20
CC 4.0 BY-SA版权
文章标签： elasticsearch 大数据 搜索引擎
于 2025-07-09 12:35:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36396104/article/details/149220908

Claude Code 是 Anthropic 开发的一款智能编码工具，可直接在终端中运行，能协助开发者高效地进行代码重构、文档编写和调试工作。通过理解整个代码库，Claude Code 有助于简化工作流程，是软件开发领域的一款强大工具。

🚀ALL IN ONE (AIO) 开放接口(API)平台

什么是Claude Code？

在本文中，我将通过代码重构、文档编写和调试示例，讲解如何使用 Claude Code 优化软件开发流程。具体来说，我们将：

  • 重构 supabase-py 仓库中的一个文件，以提升代码的可读性和可维护性

  • 添加文档和行内注释，帮助更好地理解现有代码库

  • 利用 Claude Code 的调试功能识别并解决错误

你将学习如何将 Claude Code 集成到开发流程中，从而获得更高效、更自动化的开发体验。

Claude Code 是一款可直接在终端中运行的工具，它能理解你的代码库，并通过自然语言指令协助完成开发任务。通过与开发环境集成，Claude Code 无需额外服务器或复杂配置，让开发者可以专注于代码的编写与优化。

Claude Code 的核心功能包括：

  • 编辑与重构：借助 AI 驱动的建议，修改、优化和增强代码库；

  • 错误修复：识别并解决错误、缺失的依赖以及性能瓶颈；

  • 代码理解：解答关于代码架构、逻辑和依赖关系的问题；

  • 自动化测试与代码检查：执行并修复失败的测试，运行代码检查命令，提升代码质量；

  • Git 集成：轻松检索 Git 历史、解决合并冲突、创建提交记录和生成拉取请求。

无论你是参与开源项目，还是管理企业级代码库，Claude Code 都能通过智能自动化功能为你提供帮助，且能适配你的编码风格和项目需求。以下是该服务的理想用户群体：

  • 软件开发者：提升代码质量和可维护性；

  • 开源贡献者：理解并优化不熟悉的代码库；

  • DevOps 工程师：自动化代码审查和代码检查任务。

开始使用Claude Code

步骤 1：设置 Claude Code

当你通过等待列表审核后，Anthropic 团队会提供一个链接，用于身份验证并在本地运行 Claude Code。

该链接会引导你将 Anthropic 账户与 Claude Code 关联。授权该连接后，设置即完成。请确保你的账户已配置有效的计费方案。

接下来，只需在终端中运行以下命令：

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

此命令会在你的设备上安装 Claude Code。安装完成后，导航到你的项目目录并运行以下命令启动 Claude：

cd your-project-directoryclaude

现在，Claude Code已经可以使用了。

步骤 2：搭建开发环境

在本演示中，我们将使用 Supabase Python 库 ——supabase-py，这是一个用于与 Supabase 交互的开源 Python 客户端。Supabase 是一款基于 PostgreSQL 的后端即服务（Backend-as-a-Service），提供了一系列工具，包括身份验证、实时订阅、存储服务和自动生成的 API 等。

让我们从克隆仓库并搭建开发环境开始：

1.打开终端，导航到你想要克隆 supabase-py 仓库的目录（例如cd Desktop），然后运行以下命令：

git clone https://github.com/supabase/supabase-py.gitcd supabase-py

2.接下来，创建虚拟环境并安装所需的依赖项，在终端中依次运行以下命令：

python3 -m venv envsource env/bin/activate  # 在Windows系统上，使用 ./env/Scripts/activatepip install -e .

现在，你的 Python 环境已安装好运行 Supabase 库所需的所有依赖项，且仓库已准备就绪，可供探索。

步骤 3：确定贡献方向

参与开源项目的一个好方法是浏览 GitHub 上的 "Issues"（问题）标签。在 Supabase 仓库中，我发现 client.py 文件存在一些问题，主要集中在代码可读性、结构组织以及缺少有意义的注释。

我们将使用 Claude Code 完成以下工作

  • 重构代码，提升可读性、可维护性和结构合理性

  • 添加有意义的文档字符串和行内注释，阐明各组件的用途

  • 通过分析问题和潜在错误，识别并修复 bug

步骤 4：体验 Claude Code

由于我们已经位于 supabase-py 文件夹中，导航至包含 client.py 文件的 supabase 目录并启动 Claude Code：

cd supabaseclaude

Claude Code 现已可以访问 Supabase-py 文件夹中的所有文件和目录。接下来，让我们开始实际操作。

重构代码

作为改进 Supabase Python SDK 的一部分，让我们重构 client.py 文件以提高可读性、可维护性和组织性。只需在命令行中输入以下提示：

Prompt: Refactor the code in the client.py file located in the Supabase folder.

Claude 会在执行前请求确认。按 Enter 键批准更改。完成后，Claude Code 将更新文件，在终端中显示修改内容，并提供所做更改的摘要。

Using Claude Code, we applied the following improvements to client.py:

  • Organized imports:  Claude Code grouped related imports into logical sections (auth errors, API types, function errors), renamed imports for clarity, and removed redundant aliases for consistency.

  • Enhanced readability: It added section comments to classify imports and removed duplication in the __all__ list for cleaner organization.

  • Simplified client options: It also reduced multiple lines by combining similar imports into a single statement.

以下是原始代码与重构代码的对比：

代码文档编写

除了代码重构，Claude Code 还是一款强大的工具，可用于生成、完善和标准化代码文档。它能识别未文档化的部分，生成结构化的文档字符串或注释，并确保符合项目的文档规范。

We used Claude Code to improve the documentation in client.py, resulting in:

  • Clear module-level docstrings explaining the purpose of the file.

  • Detailed section comments categorizing imports (error types, client implementations, storage services).

  • Inline comments to describe error types, client functions, and important components.

以下是重构后代码与添加文档后代码的对比：

Prompt: Document the client.py code by adding comments to improve understanding.

添加文档后，你可以通过以下提示词验证其是否符合项目规范：

Prompt: Check if the documentation follows our project standards.

调试修复

调试过程往往耗时费力，但 Claude Code 通过分析错误信息、定位根本原因并提供修复建议，极大地简化了这一过程。无论是处理缺失的导入、运行时错误还是逻辑问题，它都能提供可操作的解决方案，从而加速问题解决流程。

使用 Claude Code 进行调试的步骤如下：

  1. 识别问题：将错误信息提供给 Claude。

  2. 获取修复建议：询问 Claude 可能的解决方案。

  3. 应用并验证修复：实施 Claude 的建议，检查问题是否解决。

Claude Code made the following arrangements to resolve import-related issues within the client.py file: 

  • Type ignore comments: Added # type: ignore comment to suppress IDE and type-checking warnings for unresolved imports.

  • Consistent error categorization: Claude Code ensured that error imports from authentication, database, storage, and functions are clearly grouped.

  • Maintained code readability: Comments were added to indicate why certain imports were ignored rather than removing them.

以下是原始代码与修复后代码的对比：

Prompt: I see some bugs, such as 'Import gotrue.errors' could not be resolved. Help me fix all errors in client.py.

Claude Code 常用命令

以下是一些可以尝试的 Claude Code 命令：

探索智能边界，发现无限可能！（AIOAGI.TECH）

博客
轻量级王者登场！Mistral AI Devstral Small 1.1全面解析
07-15 187
Mistral AI推出 Devstral Medium 模型，以及 Devstral Small 的升级版。Devstral Small 1.1在SWE-Bench验证中取得了53.6%的得分，超过了Devstral Small 1.0，提升了6.8%，并超过了第二最佳的先进模型11.4%。轻量级：Devstral的参数量仅为240亿，因此足够轻巧，可以在单个RTX 4090显卡或具有32GB RAM的Mac上运行，使其成为本地部署和设备使用的合适模型。支持Mistral的函数调用格式。
博客
GroK4 来了！这波 AI 进化，藏着多少颠覆想象的能力？
07-13 707
GroK4 实测：对话更像 “真人”，它的 “大脑” 到底强在哪？
博客
华为盘古大模型5.5发布：准万亿MoE架构领跑，自适应推理效率提升8倍
06-21 843
在2025年华为开发者大会（HDC 2025）上，华为正式推出盘古大模型5.5版本。延续"产业赋能"定位，此次升级涵盖五大核心模型体系：自然语言处理（NLP）、多模态感知、预测分析、科学计算及计算机视觉（CV），通过架构创新推动行业智能化转型。华为云CEO张平安现场宣布，盘古5.5的NLP能力已对标国际顶级模型，多模态世界模型实现国内首创。
博客
OpenAI o3-pro 震撼上线，比 o3 强在哪？
06-11 966
OpenAI 长期以来一直是人工智能领域的领军者，持续推动机器学习模型的能力进阶。其最新推出的 o3-pro 模型，标志着这一探索之旅中的又一个重要里程碑。o3-pro 于 2025 年初发布，以卓越的性能和适应性脱颖而出，成为 AI 领域的颠覆者。本文将深入探讨 OpenAI o3-pro 的基准测试表现、定价策略及 API 定价，详细解析这款模型为何能成为极具突破性的创新成果。
博客
谷歌再次改进 Gemini 2.5 Pro，宣称其在编码和数学方面更胜一筹
06-08 1049
谷歌发布了 Gemini 2.5 06-05 预览版，这是其旗舰产品 Gemini 2.5 Pro 的升级版，再次突破了人工智能的界限。最新版本带来了显著的增强，尤其是在编码、推理和创意输出方面，使其成为人工智能领域的领导者。开发者、企业和普通用户现在可以通过 Google AI Studio、Vertex AI 和 Gemini 应用探索其先进的功能。
博客
DeepSeek R1-0528问世，以强大的开源实力挑战 OpenAI 的 o3 和谷歌的 Gemini 2.5 Pro。
06-05 1054
DeepSeek R1 模型已完成小版本升级，当前版本为 DeepSeek-R1-0528。用户通过官方网站、APP 或小程序进入对话界面后，开启“深度思考”功能即可体验最新版本。API 也已同步更新，调用方式不变。
博客
Claude 4 发布，编程界要变天？最强编程 AI 登场！
05-24 967
在SWE-bench Verified中，该模型对真实世界的编码任务评分为72.7%，略微超过Opus 4（72.5%），并显著领先于Claude 3.7 Sonnet（62.3%）。在SWE-bench Verified中，它的得分为72.5%，而在高计算设置下，这一分数跃升至79.4%——在所有对比模型中最高。与Sonnet 4一样，它支持200K的上下文窗口，因此如果您想将其与大型代码库一起使用，这可能是一个缺点。在测试新模型时，我通常使用相同的任务——这样我可以看到它与我之前测试的其他模型的比较。
博客
OpenAI for Countries：全球AI基础设施的“技术基建革命”
05-13 724
2025年5月7日，OpenAI宣布启动“OpenAI for Countries”计划，目标是为全球各国构建本土化的AI基础设施，提供定制化服务。这一计划被视为其“星际之门”项目的全球化延伸，以技术合作为核心，覆盖数据中心建设、模型适配与产业生态培育。
博客
当 Manus AI 遇上 OpenAI Operator，谁能更胜一筹？
05-11 1020
在这次 Manus AI 与操作智能体的比较中，我们将探究中国首款人工智能体的各项功能，并将其性能与 ChatGPT 上的 OpenAI 智能体进行对比。在 Manus AI 与 OpenAI Operator 对比的这一部分中，我们将在两个模型上测试三个不同的提示，并比较它们的响应。Manus AI 的界面与 OpenAI 的 ChatGPT 以及 Anthropic 的 Claude 3.7 类似，它会实时在屏幕上展示思考过程，并提供在分屏中打开回复内容的选项。让我们看看它们能给我们带来什么。
博客
开源大模型 “卷王” 诞生！Qwen3 凭什么超越 DeepSeek R1？
05-05 1013
了解 Qwen3 套件，包括其架构、部署以及与 DeepSeek-R1 和 Gemini 2.5 Pro 相比的基准。
博客
LangChain与MCP：大模型时代的工具生态之争与协同未来
05-03 1245
LangChain是一个开源框架，通过**模型I/O、链（Chains）、代理（Agents）、内存（Memory）**四大核心组件，将大语言模型（LLM）与外部数据、工具无缝连接。其优势在于模块化设计，开发者可自由组合预置工具库（如500+工具）或自定义流程，快速搭建问答系统、聊天机器人等应用。两者的协同将是大模型应用落地的关键——正如Zapier连接工作流，未来的AI原生生态需兼顾灵活性与标准化。，旨在通过标准化协议连接AI应用（主机）与外部工具（服务器）。在大模型驱动的AI应用生态中，
博客
GPT-4.1 重磅上线：三大版本齐发，上下文处理能力提升 8 倍
05-03 760
在 MultiChallenge 测试中，该测试评估模型是否能够遵循多轮指令，并记住在谈话中引入的约束，GPT-4.1 的得分为 38.3%，较 GPT-4o 的 27.8% 有所提升。而在 IFEval 测试中，该测试评估是否遵循明确规定的输出要求，GPT-4.1 的得分达到 87.4%，较 GPT-4o 的 81% 也有了稳步提升。在 Aider 的多语言 diff 基准测试中，GPT-4.1 的表现也超过了 GPT-4o，达到了 52.9% 的准确率，超越了多种语言和格式的代码差异。
博客
丹麦正在建造一台英伟达人工智能超级计算机
03-25 1810
(英伟达自己的Eos超级计算机在一个未公开的地点运行，其人工智能性能为每秒18.4百亿亿次。英伟达医疗保健副总裁金伯利·鲍威尔（Kimberly Powell）在新闻发布会上澄清了合作协议，他说:“在我们的合作协议中，我们将把所有这些生成式人工智能带到他们的主权人工智能基础设施中，以便(丹麦)就可以真正推动医学、量子计算和社会科学的发展。它的重要性涉及方方面面，从生产力和效率的提高，到军事和网络安全应用——国家安全政策制定者并没有忽视这一点，美国对用于训练人工智能的硬件出口中国的限制就说明了这一点。
博客
前 Twitter 工程师正在构建 Particle，一款由人工智能驱动的新闻阅读器
02-28 654
（关键词是有链接的。在即将到来的抽象时代，这是AI日常应用的一个很好的例子。然而，在宣布私人测试时，Beykpour指出读者可以使用摘要来快速了解情况，或者选择更深入地了解“一个故事是如何随着时间的推移而展开的”。这家初创公司提供一种个性化的“多视角”新闻阅读体验，不仅利用AI技术来总结新闻，还旨在公平地补偿作者和出版商——至少这是它们的宣称。Particle通过其网站为未登录的用户提供了它的技术演示，在演示中，文章和它们的摘要、最后更新的时间戳以及在底部的小节中列出了它们参考的来源。
博客
OpenAI超级视频模型Sora登上央视，LeCun强推的「世界模型」雏形相继诞生，AGI如何能够以人类的理解方式看世界？
02-18 1551
去年初，Meta 首席 AI 科学家 Yann LeCun 针对「如何才能打造出接近人类水平的 AI」提出了全新的思路。他勾勒出了构建人类水平 AI 的另一种愿景，指出学习世界模型（即世界如何运作的内部模型）的能力或许是关键。这种学到世界运作方式内部模型的机器可以更快地学习、规划完成复杂的任务，并轻松适应不熟悉的情况。LeCun 根据动物的大脑运行机制，提出了一个端到端的仿生架构。
博客
真假GPT-4？微调 Llama 2 以替代 GPT-3.5/4 已然可行！
11-24 2686
然而，随着开源技术的不断进步，微调（Fine-tuning）Llama 2 模型已经成为一种可行的替代方案，它不仅在成本上有显著优势，而且在特定任务上甚至能达到令人难以置信的结果质量。思来想去，和同行讨论良久，不清楚是什么模型（最开始怀疑是官方GPT4-Turbo的幺蛾子，毕竟OpenAI最近漏洞百出...后来经过测试，官方模型没有发现明显问题，于是开始怀疑是XXX模型的微调版），遂开展相关咨询搜索，便有了这篇文章~微调Llama 2模型的崛起，不仅是技术进步的象征，也是开源精神的胜利。
博客
ICLR2022 - 语言驱动的语义分割
05-26 1681
我们提出了 LSeg，一种用于语言驱动语义图像分割的新型模型。LSeg使用文本编码器计算描述性输入标签（例如“草”或“建筑物”）的嵌入，以及使用基于Transformer的图像编码器来计算输入图像的每像素密集嵌入。图像编码器通过对比度目标训练以将像素嵌入与相应语义类别的文本嵌入对齐。文本嵌入提供了一种灵活的标签表示形式，在这种表示形式中，语义上相似的标签映射到嵌入空间中的相似区域（例如“猫”和“有毛的”）。这使得LSeg能够在测试时推广到以前未见过的类别，而无需重新训练甚至不需要单个额外的训练样本。
博客
ICLR2023 - 基于视觉语言预训练模型的医疗图像小样本学习及零样本推理性能研究
04-24 961
大规模预训练视觉语言模型(VLM)在自然图像上表现出了显著的领域迁移能力。然而，这种能力是否也能应用于医学图像领域仍然是未知的。本文深入研究了预训练的VLM在医学领域的知识可转移性，表明设计良好的医学提示是从预训练的VLM中获取知识的关键。研究表明，通过使用域间共享的表达性属性提示，VLM可以跨域传递知识，提高其泛化能力。这种机制使VLM能够在较少或没有图像样本的情况下识别新对象。
博客
Arxiv2019 - MultiPath：行为预测的多重概率锚点轨迹假设
03-29 508
预测人的行为是运动规划中一个困难而关键的任务。这在很大程度上具有挑战性，因为在自动驾驶等现实世界领域，可能出现的结果具有高度的不确定性和多模式集。除了单一的MAP轨迹预测[1,2]，获得未来的精确概率分布是一个积极关注的领域[3,4]。**我们提出了MultiPath，它利用了一组固定的未来状态序列锚，这些锚对应于轨迹分布的模式。**在推理中，我们的模型预测了锚点上的离散分布，并且对于每个锚点，回归锚点路径点的偏移量以及不确定性，在每个时间步中产生高斯混合。
博客
ColossalChat用完整RLHF技术克隆ChatGPT的开源解决方案
03-29 5020
在微调过程中，固定大模型的参数，只调整低秩矩阵的参数，大大减少了训练所需的参数数量，降低了成本。在PPO部分，ColossalChat遵循两个阶段的过程:首先，制造经验阶段，它使用SFT(有监督的微调)、参与者、RM(奖励模型)和批评模型来计算生成的经验并将其存储在缓冲区中。此外，Alpaca的训练数据集仅限于英语，这在一定程度上限制了模型的性能。一旦获得了微调后的模型权重，就可以通过量化降低推理的硬件成本，启动在线推理服务，只需要一个大约4GB内存的GPU就可以部署70亿个参数的模型推理服务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值