火遍全球的Claude Code是怎样炼成的？

AI的出现将技术壁垒彻底打破，现在每个人需要学习成为一人开发团队。

笔者最初对AI编程是抵触的，因为曾经尝试过两种方式，都有明显弊端：

一种是手动把代码从项目粘贴到网页端的AI工具，太繁琐，且难以完整读取上下文，导致给出的方案可能不是最优，甚至是错的。

一种是把项目交给AI写，又发现写得太复杂，总是多出来一些繁枝末节，需要二次审查和调整。

相比之下，并不省心，遂劝退。不过后来因为一件事情发生改变。

项目组想模仿竞品做一款产品，而且是在一个版本中实现对方几乎全部模块和功能，周期短，任务重，靠手写至少大半个月，还不一定完成。

领导建议我试试AI，我抱着怀疑的态度再次尝试，既然尝试，就大胆一些，我把整个界面的几个功能，一股脑输入让它做，“奇迹”发生了，短短几分钟它就完成了，验证了一下还真是那么回事，准确性提升，效率飞升。我回不去了，继续丢给它做，原本两周都不一定完成的需求，3天左右就完成，说效率提高10倍不为过。

从那之后，AI成为我工作的主力军。

当然，如果你认为它只能用来编程，就误会了，编程只是典型应用场景之一。

本系列文章，将带你了解：怎么用Claude Code，以及它能做到什么（其他智能体类似）。

Claude Code 的诞生

Claude Code来自一家科技新贵叫Anthropic。

它们很早就盯上了代码，2021年，Anthropic才刚刚起步，Dawn Drain加入，前后花费三年时间，致力于做出一个会写代码的模型。

他们先从最简单的任务开始，让模型写一个小函数，然后测试效果。

很多时候，模型写出来的东西都很糟糕。研究员们就继续拆任务、改训练、看失败样本，一点点向前推进。

当他们决定开始做产品时，第一个做出来的东西是编程助手：你问它，它回答；给它一段代码，它给你几个可能的改法。

那时，它还不会自己钻进代码库里翻文件，也不会打开命令行跑测试。但研究团队想让模型“动起来”。光会写代码不够，还得知道代码能不能运行。光能回答问题也不够，它要能自己搜索、调用工具、自己在一个环境里执行命令。

于是，他们做了一个很关键的事情：在容器里给模型接上一个持续存在的命令行环境，模型不再只是写一段代码交卷，它能真的执行代码，看见输出。

到2023年，事情变得更具体。团队已经不满足于让模型写函数、跑测试。开始给模型接上bash工具，让它能在命令行里执行操作，也开始让模型拥有搜索能力，可以自己在文件和信息里翻找。

还有一个核心问题：模型怎么“改代码”。

你不能让模型每次都重写整个文件，也不能让它只在聊天框里说“建议你把这里改一下”。它得准确告诉系统：哪几行删掉，哪几行加上，改动应该落在哪里。

得让Claude学会写diff。

Dawn后来开玩笑说，她花了“令人尴尬地久”的时间教Claude写diff。它要写得像人类开发者能读懂的修改记录，还要能真的被系统应用到文件里。

然后，他们开发出了一个叫clide的命令行工具。

第一次跑通的时候，Adam在厨房里高兴得跳了起来。

Shauna评价到：clide虽然有些笨拙，但它非常、非常超前。

clide最迷人的地方在于——它远谈不上成熟，启动很慢，操作繁琐，能力也有限。可只要有那么一两次，它真的帮你把事情做成了，你就很难忘掉那种感觉。

如果一个难用的命令行工具都能让工程师感到震撼，那么，好用的版本会是什么样？

2024年1月，Ben Mann开始组建Labs团队。他看到市场上有一个空位：真正能干活的AI编程代理还没有出现。

同年9月，Boris加入Labs，刚开始，Boris想先从AI编程代理里切下一小块，做点小而具体的事情。

而Ben的反应很坚决：别做小的，要干，就干一票大的。

于是，Claude Code的车轮开始向前。

折腾了一阵后，他做出了一个名叫Claude CLI的demo。

没人真正理解这个demo是什么，包括Boris自己。

他把demo发到了公司的Slack，反应不算好，但就在第二天，他看到同事Robert Boyce正在用Claude CLI干活。

这对Boris的刺激很大。

Claude CLI粗糙、不稳定，离一个真正能发布的产品很远。但Boris感到一种很强的紧迫感。他开始周末也做这件事。

他后来形容，那段时间脑子里一直有这个东西。他知道它不能再只是一个内部demo了。已经有人在用它写代码。再往前一步，它可能会变成一个真正的产品。

Claude Code几乎吃掉了整个Anthropic Labs的资源。

Boris在早期做了两个特别重要的东西：自动更新和用户数据。这让Claude Code的迭代速度变得很夸张。

只要有人跑来抱怨：“这个地方不好用。”几分钟后，用户手里的版本就更新了。

Claude Code本身也帮他们跑得更快——它是一个命令行，没有庞大的前端架构，也没有很多层页面和服务要协调。简单，反而成了优势。

更大的优势是，他们正在做的东西，刚好能让他们自己变快。Claude Code可以帮忙定位bug和修改功能，反馈一来，团队就马上试、马上修、马上推。

这像一个很早期的飞轮：产品越能用，团队改产品的速度越快；团队改得越快，用户越愿意继续反馈；反馈越多，产品越快变得可用。

2025年2月，Claude Code正式对外发布。5月，正式开放使用，并开始进入工程师更熟悉的开发流程：可以接入代码编辑器，也可以在GitHub里处理任务、查看修改。

2025年下半年：Claude Code继续长大，开始强调更自主的工作流、更长任务、更好的控制能力。

2026年，Claude Code长成了Anthropic最重要的AI Agent样板之一。

关于本书

全书主线：Claude Code 不是聊天补全，而是能规划、改文件、跑命令、自我纠错的终端 Agent。

你要学的不是“怎么让它写两行代码”，而是怎么把它变成一人开发团队。

核心工作模式

你怎么运用Plan、Auto、Git、Computer Use、Voice Mode，以及怎么管理会话和上下文。

CLAUDE.md：给 AI 一张地图

这是书里反复强调的最重要文件：项目是什么、不能碰什么、代码风格、测试和提交约定。

分层组织、自动记忆、迭代飞轮，都是为了让 AI 越用越懂你的项目。

进阶技巧

从“会说话”进到上下文工程：信息不是越多越好；让它先采访你；把它当代码库向导；多轮推进任务；用 effort 控制思考深度。核心是：提示词质量，决定执行质量。

Skill、Hook 与 MCP

Skill 把重复做法固化成可调用能力；

Hook 不是建议，是强制执行；

MCP 让它连上外部世界；

再加上 plugin 和 command，花叔用自己从 0 做到 60 多个 skill 的过程说明：扩展能力一旦体系化，效率会非线性上升。

构建产品

用“AI 周报助手”走完闭环：

先别急着写代码做需求，搞清楚目标用户是谁，核心功能有哪些，技术偏好如何，有没有设计可参考，这些事情有个大概，再进行项目初始化、开发、美化、接扩展能力、部署上线。这章的价值在复盘和避坑，证明前面那些能力不是散装技巧，而是能串成产品的。

实战项目——App Store 付费榜第一

用“小猫补光灯”这类路径说明：最重要的往往不是写代码，而是 5 分钟判断做不做、做什么。覆盖 AI 做 iOS、上架、爆火之后如何变成产品线，以及 iOS 项目的 CLAUDE.md 建议。这一章真正想讲的是产品判断，不是苹果开发教程。