行为 Skill
改变 AI 的默认行为. 比如"每次写代码先写测试"、"所有响应用中文".
按输入+输出Token计费
预充值,用完即止
按请求次数收费
缓存后增量收费
大模型本身没有记忆. 四种机制让 AI 在不同维度"记住"上下文和知识.
有的人在研究让 AI 更加智能、推理计算能力更强;有的人在研究让 AI 更懂你、更理解你的记忆;而有的人,已经在利用 AI 做自己想做的事.
当前对话窗口内容. 新对话开始即清空.
跨对话持久保存. CLAUDE.md自动加载.
结构化标签标注. Skill文件触发行为.
文本转向量存储. RAG核心技术.
从随意描述到工程化流程,三种编程方式代表了不同的成熟度.
凭感觉描述需求,让 AI 自由发挥. 快速原型和探索性项目的好方法. 优点: 速度极快. 风险: 代码质量不可控,难以维护.
先写详细规格说明,再让 AI 按规格实现. 把需求文档当"编程语言",用结构化描述替代代码. 优点: 质量可控. 代价: 前期需要更多思考.
系统化 AI 工程方法: 用 Skill 固化最佳实践,用 Spec 定义需求,用 Loop 驱动迭代. 将 AI 编程从"聊天"提升为"工程".
Anthropic 官方 CLI 工具,终端内直接对话编程. 支持文件读写、命令执行、Skill 扩展.
字节跳动推出的 AI IDE,内置聊天窗口,支持多模型切换,适合初学者上手.
VS Code 改造的 AI IDE,Tab 补全 + 聊天双模,社区活跃,插件丰富.
Codeium 推出的 AI IDE,强调 Cascade 流式协作,自动理解项目上下文.
从你操作的界面到最终执行推理的模型,每一层都有独立职责.
你直接操作的界面: Claude Code、Trae、Cursor、Windsurf. 负责收集你的输入,展示 AI 的输出.
请求分发与负载均衡. 决定你的 prompt 发往哪个服务商,处理重试、缓存和计费.
Anthropic、OpenAI、Google 等平台. 提供统一的 API 接口,管理配额和密钥.
实际执行推理的大模型: Claude Opus / Sonnet / Haiku、GPT-4o、Gemini Pro 等.
Claude Code 默认用 Claude,也可配置 GPT / Gemini. Trae 支持在设置面板切换模型.
从 Anthropic / OpenAI / Google 获取 API Key,写入配置文件或环境变量. Claude Code 用 ~/.claude/settings.json.
在聊天窗口发送一条简单消息,确认模型响应正常. 成功后就可以开始编程了.
Opus / Sonnet / Haiku
终端 + 对话窗口
技能系统可扩展
用自然语言告诉 AI 你想要什么
模型根据描述生成实现方案
你检查代码质量和正确性
发现问题 → 重新描述 → 再次生成
"帮我用 React 创建一个 todo app"
"这个函数返回 undefined,帮我修"
"把这个类拆成两个,提高可读性"
"这段递归做了什么? 逐步解释"
"给 login 函数写单元测试"
"给这个 API 写 README 和注释"
Skill 是纯 Markdown 文件,放在 ~/.claude/skills/ 下. 每个 Skill 定义触发条件、行为规则和输出格式.
改变 AI 的默认行为. 比如"每次写代码先写测试"、"所有响应用中文".
定义多步骤流程. 比如"收到需求 → 分析 → 实现 → 测试 → 提交"的完整链路.
注入专业知识. 比如"React 最佳实践"、"安全编码规范"、"数据库设计原则".
Claude / GPT / DeepSeek
可视化 IDE + 聊天
免费使用,上手零门槛
不要说"做一个网站",要说"用 Next.js 做一个带用户登录的博客网站,支持 Markdown 编辑."
AI 生成的代码不是终点,而是起点. 逐行审查,理解每一行的作用,不懂就追问.
不要期望一次对话就完美. 先让 AI 做出 MVP,发现问题后再迭代优化,逐步逼近目标.
Skill 把最佳实践固化成行为规则. 装好 Skill = 给 AI 配了一个专业搭档,省去每次手动提醒.
你的核心技能是表达需求,审查结果,迭代优化——不是逐行编码.
Skill 把最佳实践固化成规则,让 AI 每次都按你的标准工作,不用反复提醒.
AI 生成代码很快,但你必须逐行理解. 不懂就追问,直到每行都清楚为止.