1. 为什么要在 Linux 上用 Claude Code 复现单细胞文章单细胞转录组分析的门槛很多时候不在生物学理解而在“把流程跑通”这件事上。一个 GSE 数据集从下载、解压、读入、构建 Seurat 对象、整合、聚类、注释到出图中间夹着几十个函数调用和参数选择任何一步报错都可能卡住半天。Claude Code 是 Anthropic 推出的终端 AI 编程助手它和普通聊天机器人的区别在于它能自己规划步骤、写脚本、执行命令、读报错、再改脚本形成一个代理循环。你给它一句话目标它在终端里一步步把活干完。这篇要解决的就是在 Linux 服务器上用 Claude Code 辅助复现一篇单细胞文章的分析链路覆盖 Node.js 环境准备、Seurat 对象构建、聚类和可视化。适合的人群是会一点 R 或完全不会写代码、但需要跑单细胞流程的生信同学以及想把重复性分析交给代理、自己专注看结果的开发者。核心检索词就是 Claude Code、单细胞、Linux、Node.js、Seurat 这一组。我自己的做法是不把 Claude Code 当成“替我思考生物学问题”的工具而是当成一个能执行、能试错、能读日志的工程助手。它负责把环境搭好、把脚本写出来、把图跑出来我负责判断结果对不对、和原文图表对照。这样分工效率比纯手工高很多也不会因为代理“自作主张”而跑偏。需要提前说明的是单细胞分析对算力有要求建议在 Linux 服务器上做不要用个人电脑硬扛。下面所有操作都在 Linux 终端里完成发行版 Ubuntu 18.04、CentOS 7、Debian 9 都可以关键是 Node.js 版本要 18 以上网络能正常访问包源。2. TaoToken 统一 Key 接入 Claude Code 的前置准备Claude Code 本身是客户端它需要一个模型服务端点来对话。TaoToken 提供统一 Key把模型调用收敛到一个 Base URL 和一个令牌上这样你不需要在多个平台之间来回切换配置。官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 注意 API 地址不带 UTM 参数。前置准备分三件事拿到 Key、确认 Node.js 环境、确认网络能通。Key 在控制台的 API Keys 页面创建创建后复制那串 sk- 开头的字符串后面配置环境变量要用。这里要提醒一句Key 只显示一次复制后自己存好不要贴到公开仓库里。Node.js 环境是 Claude Code 的运行基础。Claude Code 是 npm 包没有 Node.js 就装不了。推荐用 nvm 管理 Node 版本这样以后切换版本方便。先更新包列表再装 nvm然后装 Node 20。命令如下sudo apt update curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash source ~/.bashrc nvm install 20 nvm use 20 nvm alias default 20 node -v npm -vnode -v返回 v20.x 就说明 Node 装好了。如果nvm命令找不到检查一下~/.bashrc里有没有 nvm 的初始化脚本或者重新source一次。接下来配置 npm 镜像否则安装 Claude Code 时可能因为网络超时失败npm config set registry https://registry.npmmirror.com npm install -g anthropic-ai/claude-code claude --versionclaude --version能返回版本号说明安装成功。如果提示claude: command not found但安装过程没报错通常是 npm 全局 bin 目录不在 PATH 里。可以用绝对路径访问比如~/.nvm/versions/node/v20.20.2/bin/claude把版本号换成你自己的即可。更彻底的办法是把 npm 全局 bin 目录加进 PATHecho export PATH$HOME/.nvm/versions/node/v20.20.2/bin:$PATH ~/.bashrc source ~/.bashrc环境变量配置是接入的关键。Claude Code 读取ANTHROPIC_AUTH_TOKEN和ANTHROPIC_BASE_URL两个变量。把下面两行写进~/.bashrc注意把 sk-xxx 换成你在 TaoToken 控制台创建的真实 Keyecho export ANTHROPIC_AUTH_TOKENsk-xxx你的真实Key ~/.bashrc echo export ANTHROPIC_BASE_URLhttps://taotoken.net/api ~/.bashrc source ~/.bashrc配置完可以用echo $ANTHROPIC_BASE_URL确认变量生效。这里有个细节Base URL 末尾不要多加斜杠保持https://taotoken.net/api这个形式避免拼接路径时出现双斜杠导致 404。3. 可复制的 Claude Code 配置与 Seurat 分析脚本这一节给的是可以直接复制粘贴的配置片段和脚本骨架。先说 Claude Code 的配置文件。Claude Code 支持在项目目录下放.claude/settings.json来做项目级配置路径和字段名要和官方一致。一个最小可用的 settings 片段如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: sk-xxx你的真实Key }, permissions: { allow: [ Bash(npm:*), Bash(Rscript:*), Bash(mkdir:*), Bash(ls:*) ] } }这个文件放在项目根目录的.claude/下。env里写 Base URL 和 Keypermissions.allow里放你允许代理自动执行的命令前缀这样它跑Rscript、mkdir这类命令时不用每次都问你。注意 Key 写在项目配置里有泄露风险如果项目要提交到 git记得把.claude/settings.json加进.gitignore或者改用环境变量方式。如果你用的是 Claude Code 的全局配置路径在~/.claude/settings.json字段结构一样。三件套要写全Base URL 是https://taotoken.net/apiKey 是sk-xxxModel ID 在 Claude Code 里通常不需要单独指定它默认走 Claude 系列模型如果你要显式指定可以在启动时用--model参数或者在 settings 里加model: claude-sonnet-4-20250514这类值。具体可用的 Model ID 以 TaoToken 控制台模型列表为准。环境准备好后建一个工作目录把数据放进去mkdir -p ~/scrna_repro/data ~/scrna_repro/figures cd ~/scrna_reproSeurat 分析脚本的核心结构是读入数据、构建 Seurat 对象、标准化、找高变基因、PCA、聚类、UMAP、找 marker、可视化。下面是一个可跑的骨架保存为analysis.RsuppressPackageStartupMessages({ library(Seurat) library(ggplot2) library(dplyr) library(patchwork) }) # 读入 10x 数据路径按实际改 counts - Read10X(data.dir data/filtered_feature_bc_matrix) obj - CreateSeuratObject(counts counts, project scRNA, min.cells 3, min.features 200) # 质控 obj[[percent.mt]] - PercentageFeatureSet(obj, pattern ^MT-) obj - subset(obj, subset nFeature_RNA 200 nFeature_RNA 6000 percent.mt 20) # 标准化与高变基因 obj - NormalizeData(obj) obj - FindVariableFeatures(obj, selection.method vst, nfeatures 2000) obj - ScaleData(obj) obj - RunPCA(obj, npcs 30) # 聚类与 UMAP obj - FindNeighbors(obj, dims 1:20) obj - FindClusters(obj, resolution 0.5) obj - RunUMAP(obj, dims 1:20) # 出图 p1 - DimPlot(obj, reduction umap, label TRUE) ggtitle(UMAP clusters) ggsave(figures/umap_clusters.png, p1, width 8, height 6, dpi 150) # marker 基因 markers - FindAllMarkers(obj, only.pos TRUE, min.pct 0.25, logfc.threshold 0.25) write.csv(markers, figures/markers.csv, row.names FALSE)这个脚本跑通后figures/下会有 UMAP 图和 marker 表。Claude Code 的作用是你把目标描述给它它帮你把路径、参数、报错处理都补上。比如你告诉它“数据在 data/ 下帮我跑 Seurat 标准流程并出 UMAP”它会先生成脚本再执行遇到报错自己改。4. 验证请求与成功结果对照配置完不能直接假设它能用要做几步验证。第一步验证 Key 和 Base URL 是否通。在终端里用 curl 发一个最小请求curl -s https://taotoken.net/api/v1/models \ -H Authorization: Bearer sk-xxx你的真实Key | head -c 500如果返回模型列表的 JSON说明 Key 和端点都正常。如果返回 401说明 Key 不对或没带上如果返回 404检查 Base URL 是不是写成了https://taotoken.net/api/多了斜杠。第二步验证 Claude Code 能启动并对话。在项目目录下敲cd ~/scrna_repro claude第一次启动会问你是否信任当前文件夹回车确认。然后输入一句测试指令比如“列出当前目录下的文件”。如果它能返回文件列表说明代理循环通了。按 CtrlC 可以退出对话对话可以用claude --resume session-code恢复session-code 在退出时会打印出来。第三步验证 R 环境和 Seurat 能跑。在终端里执行Rscript -e library(Seurat); cat(Seurat version:, as.character(packageVersion(Seurat)), \n)能打印版本号就说明 R 包没问题。如果提示找不到 Seurat先装Rscript -e install.packages(Seurat, reposhttps://cloud.r-project.org)第四步是端到端验证。让 Claude Code 执行analysis.RRscript analysis.R跑完后检查figures/目录ls -lh figures/应该能看到umap_clusters.png和markers.csv。打开 UMAP 图看聚类是否分得开、有没有明显离群点。markers.csv 里每个 cluster 的 top 基因是否符合预期比如上皮细胞 cluster 应该有 KRT 系列基因成纤维细胞 cluster 应该有 COL 系列基因。这一步就是和原文图表对照的起点原文如果做了亚群细分你可以在FindClusters里调 resolution或者对某个 cluster 单独 subset 再聚类。实测下来从零到出第一张 UMAP 图在配置正确的情况下大概十几分钟。如果让 Claude Code 全程代跑它会多花一些时间在交互确认上但好处是你不用自己记命令。5. 本篇常见报错排查这一节列几个真实会遇到的报错和对应处理。401 Unauthorized。最常见的原因是 Key 没配或配错。检查echo $ANTHROPIC_AUTH_TOKEN是否输出了正确的 sk- 值。如果环境变量对但请求还是 401检查 Key 是否过期、额度是否用完。TaoToken 控制台能看到余额和请求记录。local proxy failed / connection refused。这类报错通常是 Base URL 写错或者本地网络到端点的连接有问题。先curl -v https://taotoken.net/api/v1/models看握手过程。如果卡在连接阶段检查服务器 DNS 和出网策略。注意不要用任何非正规的网络中转方式直接用官方端点即可。Error in reading choices / unexpected token。这是 Claude Code 解析模型返回时格式不对常见于 Base URL 指向了一个不兼容 OpenAI 格式的端点。确认ANTHROPIC_BASE_URL是https://taotoken.net/api不要带/v1后缀Claude Code 会自己拼路径。OAuth error / authentication failed。如果你之前登录过其他账号本地可能缓存了旧凭据。清掉~/.claude/下的缓存文件重新用环境变量方式配置。Claude Code 优先读环境变量环境变量存在时不会走 OAuth 流程。R 脚本报错could not find function CreateSeuratObject。说明 Seurat 没加载成功。检查library(Seurat)有没有报错R 版本是否太旧。Seurat v5 需要 R 4.0 以上。用Rscript -e sessionInfo()看版本。内存不足 / killed。单细胞数据大FindNeighbors和FindClusters吃内存。在服务器上跑之前用free -h看可用内存数据量大时考虑降采样或增加 swap。Claude Code 本身不占多少内存吃内存的是 R 进程。找不到数据文件。Read10X的路径要指向包含barcodes.tsv.gz、features.tsv.gz、matrix.mtx.gz的目录。如果下载的是.h5格式改用Read10X_h5()。路径用绝对路径最稳避免工作目录不对导致找不到。6. 把重复分析交给代理把判断留给自己Claude Code 加 TaoToken 统一 Key 这套组合价值不在于“AI 帮你做科研”而在于把环境搭建、脚本编写、报错修复这些工程性工作自动化。单细胞分析里真正需要人判断的是聚类数合不合理、marker 基因有没有生物学意义、和原文差异在哪。这些代理替不了你但它能让你更快到达需要判断的那一步。如果你要长期跑编码类任务或者 Agent 流程可以了解 Coding Plan把调用额度规划好如果只是验证某个模型效果用模型对话页面直接试接入和排障相关的文档在接入文档里。Key 的创建和管理在 API Keys 页面。这几个入口按需取用不用一次全配。最后留一个实用习惯每次让 Claude Code 跑完一个分析段落先git add提交一次把脚本和结果图存下来。这样万一后面某步跑崩了可以回退到上一个能跑通的状态不用从头再来。单细胞复现最耗时的往往不是分析本身而是“上一次能跑这次不知道为什么不行”的排查。版本控制能省掉这部分时间。