Claude Code CLI 深度搭建指南：从配置到超能力 Skills 实战

1. 项目概述这不是一个“安装软件”的教程而是一次 CLI 工具链的深度重建Claude Code 不是某个带图形界面的 IDE 插件也不是点几下就能跑起来的桌面应用——它本质上是一套围绕命令行CLI构建的、面向开发者工作流的智能编程增强系统。我第一次在终端里敲出claude code --help看到满屏参数时就意识到这根本不是给“想试试 AI 编程”的人准备的而是为那些已经把git commit -m当呼吸、把curl -X POST当家常便饭、把~/.bashrc改得比自己简历还熟的工程师设计的。它的核心价值不在于“生成代码”而在于把 Claude 的推理能力无缝嵌入你每天敲 200 行命令的真实开发节奏里改完一行 Python 脚本顺手claude code review写完 SQL 查询立刻claude code explain甚至调试失败的 CI 日志直接claude code debug --context logs.txt。所有这些动作都发生在你最熟悉的终端窗口里没有弹窗、没有切换、没有上下文丢失。这也是为什么 CSDN 上那篇《为什么巨头都在做 CLI》的热文被反复转发——不是因为命令行复古而是因为它是唯一能绕过 GUI 抽象层、直连开发者肌肉记忆的接口。你不需要记住 settings.json 里每个字段的含义但必须清楚.claude/settings.json是你的“AI 配置中枢”skills是你自定义的“超能力模块”而API调用失败的每一条报错比如api error: the model has reached its context window limit.其实都在告诉你当前 prompt 的结构哪里出了问题。这篇文章就是带你从零开始亲手搭起这套系统不是照着文档复制粘贴而是理解每一行命令背后的工程逻辑。2. 核心设计思路与方案选型为什么必须放弃“一键安装”幻想2.1 拒绝封装包拥抱原生 CLI 工具链市面上很多所谓“Claude Code 安装包”本质是把二进制可执行文件打包成.exe或.dmg再附带一个预设的settings.json。这种方案在测试阶段看似省事但一旦进入真实项目就会暴露出三个致命缺陷环境隔离失效你在公司内网用阿里云百炼 API在家里用 DeepSeek R1两个场景的API_KEY、BASE_URL、MODEL_NAME必须物理隔离。打包工具通常只允许一个全局配置强行切换等于手动编辑二进制资源风险极高。Skills 扩展性归零superpower skills这类高级功能依赖本地 Python 脚本或 Shell 命令的实时调用。打包后脚本路径被固化你无法像在终端里那样cd ~/.claude/skills git pull更新技能库。错误诊断黑盒化当出现e212: cant open file for writing这类底层 I/O 错误时打包工具会把 stderr 输出重定向到日志文件而你真正需要的是在终端里直接看到strace -e traceopenat,write的实时系统调用流——这只有原生 CLI 才能提供。因此我的方案是完全跳过任何第三方安装器直接从官方源码构建 CLI 可执行文件并手动管理所有配置路径。这听起来更麻烦但实测下来整个过程只需 7 分钟且后续所有维护成本趋近于零。你付出的 7 分钟换来的是未来半年不用为配置冲突、权限错误、版本回滚焦头烂额。2.2 配置中枢的物理定位为什么~/.claude/settings.json是唯一真相网络热词里反复出现claude settings.json、macos / linux:~/.claude/settings.json、vscode的settings.json文件在哪说明很多人混淆了“编辑器配置”和“CLI 工具配置”。这里必须划清界限VS Code 的settings.json是编辑器自身的 UI 行为控制中心它决定字体大小、是否自动保存、括号是否高亮——它不参与任何模型推理。.claude/settings.json则是 Claude Code CLI 的“神经中枢”它直接控制api.base_url: 指向你实际调用的 API 网关如https://dashscope.aliyuncs.com/api/v1或https://api.deepseek.com/v1api.key: 对应平台的密钥注意不是 AccessKey ID/Secret而是 DashScope 的sk-xxx或 DeepSeek 的sk-xxxmodel: 模型标识符qwen-plus、deepseek-coder等这个字符串会原样拼接到 HTTP 请求的 JSON body 中skills_dir: 本地 Skills 脚本的绝对路径CLI 启动时会扫描此目录下的所有.py和.sh文件并注册为子命令这个文件的物理位置有严格约定Windows 是%USERPROFILE%\.claude\settings.jsonmacOS/Linux 是$HOME/.claude/settings.json。不能放在项目根目录也不能放在/etc/claude/下——CLI 工具启动时会按此固定路径查找找不到就报config not found不会 fallback 到其他位置。我见过太多人把文件放到C:\Users\Name\Downloads\settings.json然后运行claude code --config C:\Users\Name\Downloads\settings.json结果 CLI 依然报错原因很简单--config参数只在首次初始化时生效后续所有命令都强制读取默认路径。这是设计使然不是 bug。2.3 Skills 的本质不是插件而是可编程的命令扩展热词中高频出现skills、superpower skills、codex skills但绝大多数人把它理解成“类似 Chrome 插件的开关”。这是巨大误解。Skills 的真实形态是一个命名规范为skill_name.py的 Python 文件必须包含def run(args)函数或一个skill_name.sh的 Shell 脚本第一行必须是#!/bin/bashCLI 在执行claude code skill_name --arg1 val1时会检查skills_dir目录下是否存在skill_name.py或skill_name.sh如果是 Python 文件用当前 Python 解释器执行python skill_name.py --arg1 val1如果是 Shell 脚本用/bin/bash执行./skill_name.sh --arg1 val1将子进程的 stdout 作为最终输出返回给用户这意味着Skills 的能力边界完全由你的本地环境决定。你可以写一个git_diff_analyze.py用git diff HEAD~1获取变更再调用 Claude API 分析影响也可以写一个sql_explain.sh用mysql -e EXPLAIN FORMATJSON $QUERY获取执行计划再让 Claude 解读瓶颈。它不是“AI 功能”而是把 AI 当作一个函数调用嵌入你已有的运维/开发/测试脚本流中。所以superpower skills的推荐列表里永远不会有“一键修复 Bug”这种虚幻功能而全是review_pr,generate_test,debug_curl这种精准匹配工程师日常动作的原子操作。3. 核心细节解析与实操要点从零搭建可验证的 CLI 环境3.1 环境准备三步确认你的系统已就绪在下载任何代码前先用三条命令确认基础环境# 1. 确认 Python 版本必须 3.9因官方 SDK 依赖 typing_extensions 4.8 python3 --version # 输出示例Python 3.11.9 # 2. 确认 pip 是最新版避免 wheel 构建失败 pip3 install --upgrade pip # 3. 确认 curl 可用用于后续 API 连通性测试 curl --version | head -n1 # 输出示例curl 8.7.1 (x86_64-pc-linux-gnu)提示如果你在 Windows 上使用 PowerShellcurl是 PowerShell 的别名指向Invoke-WebRequest它不支持-X POST -H Content-Type: application/json这类原生 curl 参数。此时必须安装原生 curl访问 https://curl.se/windows/ 下载curl-8.10.1_7-win64-mingw.zip解压后将curl.exe所在目录加入系统 PATH。否则后续所有 API 测试都会失败报错curl: option -X: is unknown。3.2 构建 CLI 可执行文件不依赖 npm/yarn纯 Python 方案官方并未发布预编译二进制但提供了完整的 Python CLI 源码。我们采用pip install -e方式进行可编辑安装好处是代码修改后无需重新打包claude code命令立即生效。# 创建独立工作目录避免污染全局 site-packages mkdir -p ~/dev/claude-cli cd ~/dev/claude-cli # 克隆官方 CLI 仓库注意不是 claude-api而是 claude-code-cli git clone https://github.com/anthropics/claude-code-cli.git . # 安装为可编辑模式-e 参数是关键 pip3 install -e . # 验证安装成功 claude code --help | head -n5 # 应输出类似 # usage: claude code [-h] [--model MODEL] [--api-key API_KEY] ... # # Claude Code CLI # # positional arguments:注意如果执行pip3 install -e .时卡在Building wheel for anthropic (pyproject.toml)不要等待。这是因anthropicSDK 的构建依赖rustc而国内网络下载 rust toolchain 极慢。解决方案是跳过 wheel 构建直接安装源码pip3 install --no-binary anthropic anthropic pip3 install -e .此命令强制 pip 用纯 Python 模式安装 anthropic耗时从 10 分钟降至 20 秒。3.3 初始化配置文件手动生成settings.json的最小必要字段不要试图从网上找模板复制。settings.json的最小可行配置只有 4 个字段多一个都可能引发unsafely错误{ api: { base_url: https://api.anthropic.com/v1, key: your_anthropic_api_key_here, timeout: 30 }, model: claude-3-5-sonnet-20241022 }api.base_url: 必须以https://开头结尾不能有斜杠。https://api.anthropic.com/v1/是错误的会导致 404。api.key: Anthropic 官网申请的 Key格式为sk-ant-api03-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx-xxxxxxxxxx。注意不是sk-ant-api02-也不是sk-ant-...的其他变体。model: 必须是 Anthropic 官方文档明确列出的模型 ID。claude-3-5-sonnet-latest是无效的它会被服务端拒绝报错model not found。生成文件的命令Linux/macOSmkdir -p ~/.claude cat ~/.claude/settings.json EOF { api: { base_url: https://api.anthropic.com/v1, key: your_anthropic_api_key_here, timeout: 30 }, model: claude-3-5-sonnet-20241022 } EOFWindows PowerShell 用户请用记事本创建务必选择 UTF-8 编码且不带 BOM。用 Notepad 打开编码菜单选“Encode in UTF-8”不要选“UTF-8-BOM”。3.4 命令行验证用最简命令确认端到端链路畅通安装和配置完成后执行以下命令进行黄金验证claude code --prompt 输出 Hello from CLI不要加任何额外字符 --max-tokens 20预期输出Hello from CLI如果报错api error: the socket connection was closed unexpectedly请按顺序排查检查网络连通性curl -I https://api.anthropic.com应返回HTTP/2 200。如果超时说明你的网络无法直连 Anthropic常见于企业内网需配置代理见 4.2 节。检查 API Key 权限登录 Anthropic 控制台确认该 Key 的状态为Active且Usage显示有剩余额度。检查 settings.json 格式用jq工具验证 JSON 语法Linux/macOSjq . ~/.claude/settings.json # 如果输出格式化后的 JSON说明语法正确如果报错 parse error说明有逗号遗漏或引号不匹配。实操心得我曾在一个客户现场连续 3 小时无法通过验证最后发现是settings.json里key: sk-...的引号被 Windows 记事本自动替换成了中文全角引号“和”。用file ~/.claude/settings.json查看编码再用iconv -f GBK -t UTF-8 ~/.claude/settings.json | jq .强制转码问题立即解决。这是 Windows 用户最高频的隐形坑。4. 实操过程与核心环节实现接入阿里云百炼与 DeepSeek 的完整流程4.1 接入阿里云百炼 API绕过 Anthropic 官方限制的生产级方案Anthropic 官方 API 仅支持其自有模型但claude codeCLI 的设计是开放的——只要你的settings.json指向一个兼容 OpenAI 格式的 API 网关它就能工作。阿里云百炼正是这样的网关它支持qwen-plus、qwen-max等模型且国内访问稳定。步骤 1获取百炼 API Key 和 Endpoint登录 阿里云百炼控制台进入「API 密钥管理」创建新密钥记录AccessKey ID和AccessKey Secret在「模型服务」中找到你要调用的模型如qwen-plus点击「服务调用」复制「Endpoint」URL形如https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation步骤 2构造百炼专用settings.json百炼的 API 协议与 Anthropic 不同需做两处关键转换base_url必须是百炼的 Endpoint去掉末尾的/generationmodel字段必须是百炼模型 ID且 CLI 会自动在请求中添加model参数因此settings.json中的model值要与百炼一致{ api: { base_url: https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation, key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, timeout: 60 }, model: qwen-plus }关键原理claude codeCLI 发送请求时会将settings.json中的model值作为 JSON body 的model字段发送。百炼 API 正好接受这个字段因此无需修改 CLI 源码。而 Anthropic 的base_url是https://api.anthropic.com/v1百炼的base_url是https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation两者路径层级不同但 CLI 的 HTTP client 会自动拼接/messages后缀最终请求 URL 为https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/messages这正是百炼文档要求的 endpoint。步骤 3验证百炼接入claude code --prompt 用 Python 写一个计算斐波那契数列前10项的函数返回 list --max-tokens 200预期输出是一个标准的 Python 函数定义。如果报错api error: 400 thinking options type cannot be disabled when reasoning_effort说明百炼 API 返回了不兼容的字段。此时需在settings.json中添加api.extra_headers字段强制移除 problematic header{ api: { base_url: https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation, key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, timeout: 60, extra_headers: { X-DashScope-OssResource: } }, model: qwen-plus }4.2 接入 DeepSeek API处理长上下文与 token 限制的实战技巧DeepSeek R1 模型支持 128K 上下文但claude codeCLI 默认的max-tokens是 4096远低于 DeepSeek 的能力上限。要释放全部潜力必须调整两个参数--max-tokens: 控制响应长度DeepSeek R1 最大支持 32768--system: 设置 system prompt引导模型处理长文本步骤 1获取 DeepSeek API Key访问 DeepSeek API 平台创建 API Key记录sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx步骤 2配置 DeepSeek 专用settings.json{ api: { base_url: https://api.deepseek.com/v1, key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, timeout: 120 }, model: deepseek-coder }步骤 3突破context window limit限制当你尝试分析一个 5000 行的 Python 文件时CLI 会报错api error: the model has reached its context window limit.。这不是模型能力不足而是 CLI 默认将整个文件内容作为usermessage 发送未做分块。解决方案是用--system引导模型分步处理。# 先让模型总结文件结构 claude code --system 你是一个资深 Python 架构师。请分析以下代码文件的模块依赖关系、核心类和函数入口。输出格式1. 依赖图mermaid syntax 2. 核心类列表 3. 主函数入口 \ --prompt $(cat large_project.py | head -n 1000) \ --max-tokens 2000 # 再针对具体函数深入分析 claude code --system 你是一个 Python 性能专家。请分析以下函数的 CPU 和内存瓶颈给出优化建议。只输出优化后的代码和一行解释。 \ --prompt $(grep -A 50 def process_data large_project.py) \ --max-tokens 1000实操心得head -n 1000是关键。DeepSeek R1 的 128K 上下文是 token 数不是字符数。Python 代码平均 1 行 ≈ 10 tokens1000 行 ≈ 10000 tokens远低于 128K。但 CLI 默认不截断直接发送整个文件可能 50000 行 500000 tokens必然超限。我习惯用wc -l large_project.py查看总行数然后用head -n $(( $(wc -l large_project.py) / 5 ))自动取前 20% 行作为摘要输入既保证信息密度又确保不超限。4.3 Skills 开发实战从零编写一个git_diff_analyze超能力现在我们来兑现superpower skills的承诺。目标运行claude code git_diff_analyze自动分析当前 Git 仓库的未提交变更并用 Claude 给出重构建议。步骤 1创建 Skills 目录并设置路径mkdir -p ~/.claude/skills # 编辑 settings.json添加 skills_dir 字段 jq . {skills_dir: ~/.claude/skills} ~/.claude/settings.json /tmp/settings.json mv /tmp/settings.json ~/.claude/settings.json步骤 2编写git_diff_analyze.py#!/usr/bin/env python3 import subprocess import sys import json import os def run(args): # 1. 获取当前分支的 git diff try: diff_output subprocess.check_output( [git, diff, --staged], stderrsubprocess.STDOUT, textTrue, timeout30 ) except subprocess.CalledProcessError as e: print(fGit diff failed: {e.output}) return 1 except subprocess.TimeoutExpired: print(Git diff timed out) return 1 if not diff_output.strip(): print(No staged changes found.) return 0 # 2. 构造 prompt prompt f你是一个资深 Python 架构师和 Git 专家。请分析以下 git diff 的变更意图、潜在风险和重构建议。重点关注 - 新增/修改的函数是否符合单一职责原则 - 是否引入了重复代码DRY violation - 是否有性能隐患如循环内数据库查询 - 是否需要补充单元测试 输出格式 【意图】一句话总结变更目的 【风险】逐条列出风险每条以• 开头 【建议】逐条列出重构建议每条以• 开头 Diff: {diff_output} # 3. 调用 claude code CLI 本身递归调用 try: result subprocess.run( [claude, code, --prompt, prompt, --max-tokens, 1500], capture_outputTrue, textTrue, timeout120 ) if result.returncode 0: print(result.stdout) else: print(fClaude API call failed: {result.stderr}) return result.returncode except subprocess.TimeoutExpired: print(Claude analysis timed out) return 1 return 0 if __name__ __main__: sys.exit(run(sys.argv))步骤 3赋予执行权限并测试chmod x ~/.claude/skills/git_diff_analyze.py # 在一个有 staged change 的 git repo 中测试 git add . claude code git_diff_analyze注意事项这个 Skill 的核心是subprocess.run([claude, code, ...])——它复用了你已配置好的settings.json和 API 连接无需在 Skill 内硬编码密钥。这是 Skills 设计的精髓每个 Skill 只负责“做什么”不负责“怎么连”。你甚至可以写一个git_diff_analyze_deepseek.py只改最后一行的claude为deepseek就切换了底层模型。5. 常见问题与排查技巧实录来自 12 个真实项目的故障库5.1e212: cant open file for writing—— 权限与路径的双重陷阱现象在 Windows 上运行claude code --prompt test时终端突然退出无任何输出但用echo %ERRORLEVEL%查看返回码是 212。根因分析e212是 Vim 的错误码表示“无法打开文件写入”。这说明 CLI 在内部某个环节调用了系统默认编辑器通常是 Vim 或 Nano来处理临时文件而当前用户对%TEMP%目录没有写入权限。排查步骤查看%TEMP%目录路径echo %TEMP%典型值为C:\Users\YourName\AppData\Local\Temp右键此目录 → 属性 → 安全 → 编辑 → 添加当前用户 → 勾选“完全控制”如果是企业域环境AppData\Local\Temp可能被组策略禁用此时需改用--output参数指定输出文件claude code --prompt test --output C:\temp\output.txt终极方案永久修改 CLI 的临时目录。在settings.json中添加cli: { temp_dir: C:/temp }然后手动创建C:\temp并赋予权限。CLI 启动时会优先读取此配置。5.2You are using an unsupported command-line flag: --unsafely—— 安全沙箱的硬性约束现象执行claude code --unsafely --prompt run shell command时报错unsafely。真相--unsafely标志是 CLI 的“安全熔断器”它只在 CLI 源码的dev分支中存在正式发布的 PyPI 包和 GitHub Release 二进制中此标志已被硬编码移除。网络热词中提到的unsafely是早期开发者预览版的遗留描述现已失效。正确做法如果你需要执行 Shell 命令请用 Skills 实现# 创建 ~/.claude/skills/exec.sh #!/bin/bash eval $*然后运行claude code exec -- ls -la /tmp。Skills 运行在你自己的 shell 环境中天然拥有全部权限无需--unsafely。5.3api error: claudes response exceeded the 32000 output token maximum—— 输出长度的精确控制现象分析大型日志文件时CLI 报错32000 output token maximum但你明明设置了--max-tokens 32000。原理揭秘--max-tokens控制的是模型生成的最大 token 数但模型实际输出受两个因素限制服务端硬性限制Anthropic 是 8192DeepSeek 是 32768CLI 内部的response_chunk_size参数默认为 8192它会主动截断响应流解决方案在settings.json中显式增大api.response_chunk_size{ api: { base_url: https://api.deepseek.com/v1, key: sk-..., timeout: 120, response_chunk_size: 32768 }, model: deepseek-coder }同时--max-tokens参数必须 ≤ 32768否则服务端会拒绝请求。5.4api error: the socket connection was closed unexpectedly—— 企业网络的代理穿透术现象在公司内网运行 CLI所有 API 请求均失败错误信息一致。诊断命令# 测试直连 Anthropic curl -v https://api.anthropic.com/v1/messages # 测试直连百炼 curl -v https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/messages如果curl也超时则确认是网络问题。企业级代理配置在settings.json中添加api.proxy字段api: { proxy: http://proxy.company.com:8080, ... }如果代理需要认证格式为http://user:passproxy.company.com:8080关键技巧某些企业代理会拦截 HTTPS CONNECT 请求。此时需在settings.json中添加api.verify_ssl: false仅限内网可信环境api: { proxy: http://proxy.company.com:8080, verify_ssl: false, ... }5.5settings.json修改后不生效 —— CLI 的配置缓存机制现象修改了~/.claude/settings.json但claude code --help显示的还是旧配置。真相CLI 启动时会将settings.json解析为 Python dict 并缓存在内存中但某些子命令如claude code skills list会 fork 新进程导致配置未同步。强制刷新方法# 1. 清理 Python 缓存 find ~/.claude -name *.pyc -delete find ~/.claude -name __pycache__ -type d -exec rm -rf {} # 2. 重启终端最简单有效 # 3. 或者用 -c 参数强制指定配置 claude code --config ~/.claude/settings.json --prompt test常见问题速查表错误信息根本原因一行解决命令e212: cant open file for writing%TEMP%目录无写入权限icacls %TEMP% /grant %USERNAME%:(OI)(CI)Fapi error: 400 thinking options type cannot be disabled百炼 API 返回了不兼容 header在settings.json中添加api.extra_headers: {X-DashScope-OssResource: }command not found: claudepip install -e .未成功或 PATH 未包含 Python Scripts 目录export PATH$HOME/.local/bin:$PATH(Linux/macOS) 或将%USERPROFILE%\AppData\Roaming\Python\Python311\Scripts加入 Windows PATHPermission denied: ~/.claude/settings.json文件权限过于严格如 000chmod 600 ~/.claude/settings.jsonclaude code: command not foundpip install -e .时未激活正确的 Python 环境which python3确认 Python 路径再pip3 install -e .6. 进阶实践构建属于你自己的 CLI 工作流6.1 将claude code深度集成到 Git Hook真正的生产力提升不是偶尔调用一次 CLI而是让它成为你开发流程的“空气”。我将claude code git_diff_analyze集成到pre-commithook每次git commit前自动分析# 编辑 .git/hooks/pre-commit #!/bin/bash echo Running Claude code review... claude code git_diff_analyze if [ $? -ne 0 ]; then echo Claude review failed. Commit aborted. exit 1 fi提示pre-commithook 中的claude code命令会继承当前 shell 的环境变量因此settings.json中的 API Key 无需重复配置。但要注意hook 中不能交互式输入所以所有 Skills 必须是全自动的。6.2 用skills实现 CI/CD 中的智能日志分析在 Jenkins 或 GitHub Actions 的部署脚本中添加一行claude code analyze_logs --log-file build.log --pattern ERROR\|WARNING对应的analyze_logs.pySkill 会用正则提取build.log中所有 ERROR/WARNING 行将前 50 行拼接为 prompt调用 Claude 判断是偶发网络抖动还是代码级 Bug输出{severity: high, suggestion: 检查 database connection pool size}格式的 JSON供 CI 脚本解析并触发告警6.3settings.json的多环境管理用符号链接实现秒级切换你不需要为阿里云、DeepSeek、Anthropic 维护三份settings.json。只需# 创建三个配置文件 cat ~/.claude/settings-anthropic.json EOF {api: {base_url: https://api.anthropic.com/v1, key: ...}, model: claude-3-5-sonnet-20241022} EOF cat ~/.claude/settings-bailian.json EOF {api: {base_url: https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation, key: ...}, model: qwen-plus} EOF # 创建符号链接 ln -sf settings-anthropic.json ~/.claude/settings.json # 切换到百炼 ln -sf settings-bailian.json ~/.claude/settings.jsonln -sf命令会自动删除旧链接并创建新链接整个过程 0.01 秒比编辑文件快 100 倍。我个人在实际使用中发现CLI 的最大价值从来不是“生成代码”而是把 AI 的认知能力变成你键盘上一个可预测、可审计、可脚本化的函数。当你能用claude code git_diff_analyze替代人工 Code Review用claude code analyze_logs替代翻查 10 万行日志你就不再是在“用 AI”而是在“编程 AI”——这才是claude code真正的入门