1. 从superpowers这个词说起它到底指什么第一次看到superpowers这个标题很多人会以为是某个超级英雄题材的项目或者是一个泛泛的口号式概念。但如果你最近在开发者社区里泡过就会发现这个词正在被反复提及而且总是和另外几个词绑在一起出现——agentic skills framework、software development methodology、Claude Code、Codex CLI。这几个词凑在一起指向的其实是一个非常具体的东西一套围绕AI编程助手构建的、让开发者获得超能力的技能框架与方法论。说白了superpowers 不是一个可以下载安装的软件包也不是某个具体的命令行工具。它更像是一套心法——一套关于如何把AI编程助手真正用出生产力的系统性方法。你可以把它理解成以前你用AI写代码是我问一句它答一句而 superpowers 这套框架想解决的是如何让AI像一个真正靠谱的结对编程伙伴一样持续、稳定、高质量地参与你的整个开发流程。这个定位非常关键。因为现在市面上关于 Claude Code、Codex CLI 这类工具的教程已经很多了但绝大多数都停留在怎么装、怎么跑通第一个命令的层面。而 superpowers 关注的是更上层的问题装好之后呢怎么组织你的工作流怎么让AI理解你的项目上下文怎么在多个模型、多个工具之间切换而不乱套这些才是真正决定你效率的东西。这篇文章适合几类人看一是已经装好了 Claude Code 或 Codex CLI但用起来总觉得差点意思的开发者二是还在观望想搞清楚这套东西到底值不值得投入时间学习的工程师三是团队里负责技术选型需要评估这类工具能否落地的人。我会尽量把原理讲透把操作步骤写细同时把我在实际使用中踩过的坑和总结的技巧都摊开来说。需要提前说明的是superpowers 作为一个技能框架它的具体形态会随着你使用的底层工具不同而变化。用 Claude Code 有一套玩法用 Codex CLI 又有另一套玩法。所以下面我会先讲清楚这套框架的通用逻辑再分别针对两个主流工具展开具体的配置和使用方法。2. superpowers 框架的底层逻辑为什么技能比提示词更重要2.1 从提示词工程到技能框架的范式转变过去两年大家聊AI编程聊得最多的是提示词工程Prompt Engineering。怎么写出一个好的提示词怎么让模型输出更准确的代码怎么通过 few-shot 示例引导模型。这些技巧当然有用但用久了你会发现一个根本性的问题提示词是一次性的、碎片化的。你这次写了一个很棒的提示词让AI帮你重构了一个函数下次遇到类似的任务你还得重新组织语言重新交代上下文。superpowers 这套框架的核心洞察就在这里真正提升效率的不是单次提示词的技巧而是把重复性的、有固定模式的工作沉淀成可复用的技能skills。一个 skill 本质上是一段结构化的指令集它告诉AI在这个特定场景下你应该按照什么步骤、遵循什么规范、输出什么格式的结果。打个比方。提示词工程像是你每次做饭都临时想菜谱而技能框架像是你把自己拿手的几十道菜写成了标准化的菜谱卡片需要的时候直接抽一张出来照着做。前者依赖你的临场发挥后者依赖你的积累和沉淀。长期来看后者的效率和稳定性要高得多。2.2 一个 skill 的典型结构长什么样虽然 superpowers 没有强制规定 skill 的格式但根据社区里流传的实践和我在自己项目里的摸索一个高质量的 skill 通常包含这么几个部分触发条件什么情况下应该调用这个 skill。比如当用户要求对某个模块进行代码审查时。前置检查执行前需要确认哪些信息。比如确认目标文件的路径、确认项目的技术栈、确认是否有测试覆盖。执行步骤具体的操作流程一步一步写清楚。这部分是 skill 的核心。输出规范结果应该以什么形式呈现。是生成一个 Markdown 报告还是直接修改文件还是输出一段可执行的命令。边界与例外什么情况下这个 skill 不适用遇到异常情况怎么处理。你会发现这个结构其实和写一份好的 SOP标准作业程序非常像。没错superpowers 本质上就是把软件工程里流程标准化的思想搬到了AI协作的场景里。2.3 为什么这套框架现在才火起来你可能会问这种把流程沉淀成技能的想法并不新鲜为什么偏偏是现在火起来了原因有几个。第一AI编程助手的能力到了临界点。早期的代码补全工具只能做行级别的建议你没法让它执行一个多步骤的复杂任务。但现在 Claude Code、Codex CLI 这类工具已经能够理解整个项目结构、执行终端命令、读写多个文件。能力上来了才谈得上框架和方法论。第二多模型并存带来了管理复杂度。现在你可以在 Claude Code 里接入不同的模型也可以用 Codex CLI 调用本地的或其他来源的模型。模型一多怎么保证输出质量的一致性就成了问题。技能框架提供了一层抽象让你的工作流不依赖于具体某个模型。第三开发者的学习曲线需要被拉平。新工具层出不穷每个人都在重新摸索。如果有一套经过验证的技能框架新人可以直接站在前人的肩膀上不用从零开始踩坑。3. Claude Code 环境搭建从安装到第一次跑通3.1 安装前的环境确认在动手安装之前有几件事必须先确认清楚否则后面会浪费大量时间在排错上。首先是操作系统版本。Claude Code 对系统版本有要求Windows 用户需要特别注意某些旧版本的 Windows 会因为兼容性问题导致安装失败。如果你在 Windows 上遇到与64位版本不兼容之类的提示大概率是系统版本太老需要先升级系统。其次是 Node.js 环境。Claude Code 和 Codex CLI 都是基于 Node.js 生态的工具所以你需要先装好 Node.js。这里有个坑很多人用系统自带的包管理器安装 Node.js版本往往偏旧。建议直接去 Node.js 官网下载 LTS 版本或者用 nvmNode Version Manager来管理版本。用 nvm 的好处是你可以在不同项目之间切换 Node.js 版本避免版本冲突。第三是网络环境。安装过程中需要从 npm 仓库拉取包如果网络不稳定安装会非常慢甚至失败。这一点在安装 Codex CLI 时尤其明显很多人反馈node安装codex cli很慢。解决办法是配置一个稳定的 npm 镜像源具体命令后面会讲。3.2 安装 Claude Code 的完整步骤假设你已经装好了 Node.js建议 18.x 或更高版本接下来就可以安装 Claude Code 了。第一步打开终端确认 Node.js 和 npm 的版本node -v npm -v如果这两个命令都能正常输出版本号说明环境没问题。第二步配置 npm 镜像源。这一步不是必须的但强烈建议做能显著提升安装速度npm config set registry https://registry.npmmirror.com第三步执行安装命令npm install -g anthropic-ai/claude-code这里的-g表示全局安装装完之后你可以在任何目录下使用claude命令。第四步验证安装是否成功claude --version如果能正常输出版本号说明安装成功了。3.3 首次启动与账号配置安装完成之后直接在终端输入claude就可以启动。第一次启动会引导你完成一些初始配置主要是账号相关的设置。这里有一个很多人关心的问题注册账号和不注册账号有什么区别简单来说注册账号后你可以使用官方的云端模型服务享受更稳定的响应和更完整的功能。不注册的话某些功能会受限但如果你打算接入第三方模型或者本地模型不注册也能用。如果你在启动时看到类似your organization has disabled claude subscription access的提示这通常是因为你的账号所属组织限制了访问权限。遇到这种情况可以尝试用个人账号或者联系组织管理员确认权限设置。另外如果你看到claude code might not be available in your country这类提示说明当前地区的服务可用性有限制。这种情况下可以考虑使用第三方模型接入方案后面会详细讲。3.4 在 VS Code 中配置 Claude Code很多开发者习惯在 VS Code 里工作不希望频繁切换到终端。Claude Code 提供了 VS Code 插件可以把它的能力直接集成到编辑器里。安装插件的方法很简单打开 VS Code进入扩展市场搜索 Claude Code找到官方插件后点击安装。安装完成后你需要配置插件的一些参数主要是指定 Claude Code 的可执行文件路径以及设置默认的模型。插件配置里有一个容易忽略的点工作目录的设置。默认情况下插件会在你当前打开的文件夹下工作。如果你的项目结构比较复杂建议在配置里明确指定项目根目录这样AI在读取文件时不会找错位置。配置完成后你可以通过命令面板CtrlShiftP 或 CmdShiftP调用 Claude Code 的相关命令也可以直接在编辑器里选中一段代码右键选择让 Claude Code 处理。4. Codex CLI 的安装与核心命令详解4.1 Codex CLI 和 Claude Code 的定位差异在讲 Codex CLI 的安装之前先说说它和 Claude Code 的区别这样你才知道什么时候该用哪个。Claude Code 更偏向于全流程助手它能理解整个项目、执行复杂的多步骤任务、和你的开发环境深度集成。Codex CLI 则更偏向于命令行里的快速助手它的强项是在终端里快速完成代码生成、命令解释、文件操作等任务。两者不是替代关系而是互补关系。很多开发者的做法是两个都装根据任务类型切换使用。Codex CLI 还有一个特点是它对模型的支持比较灵活你可以配置它调用不同的模型后端包括本地运行的模型。这对于有数据隐私要求或者想控制成本的团队来说很有吸引力。4.2 安装 Codex CLI 并解决速度问题安装 Codex CLI 的命令是npm install -g openai/codex-cli如果你在国内网络环境下执行这个命令很可能会遇到下载速度极慢的问题。除了前面提到的配置 npm 镜像源之外还有几个技巧可以加速使用--prefer-offline参数优先使用本地缓存。如果之前装过旧版本先卸载再重装避免残留文件导致的冲突。在网络状况好的时段执行安装比如清晨。安装完成后同样用codex --version来验证。4.3 必须掌握的 Codex CLI 命令Codex CLI 提供了一系列命令其中几个是日常使用频率最高的必须熟练掌握。/compact命令用于压缩对话上下文。当你和AI的对话变得很长时上下文会占用大量资源响应速度会下降。/compact会把之前的对话历史压缩成更精简的形式保留关键信息丢弃冗余内容。这个命令在长时间连续工作时特别有用。/model命令用于切换模型。你可以在会话中途切换到不同的模型比如从快速模型切换到高精度模型来处理复杂任务。切换后后续的对话会使用新模型。/resume命令用于恢复之前的会话。如果你不小心关闭了终端或者想接着昨天的进度继续工作用/resume可以找回之前的对话上下文。除了这些斜杠命令Codex CLI 还支持一些直接执行的指令比如让它读取某个文件、执行某条终端命令、生成某个函数的实现等。具体的命令列表可以在启动后用/help查看。4.4 删除和升级 Codex CLI有时候你需要卸载 Codex CLI比如要换一个版本或者遇到了无法修复的问题。卸载命令是npm uninstall -g openai/codex-cli升级到最新版本的命令是npm update -g openai/codex-cli如果你用的是 Claude Code升级命令类似npm update -g anthropic-ai/claude-code这里有个经验不要频繁升级。新版本虽然可能带来新功能但也可能引入新的问题。建议在升级前先看看社区的反馈确认新版本没有严重的 bug 再动手。另外升级前最好记录一下当前版本号万一新版本有问题可以回退。5. 接入第三方模型让 Claude Code 和 Codex CLI 用上你想要的模型5.1 为什么要接入第三方模型官方模型服务虽然稳定但有几个现实问题一是成本高频使用的话费用不低二是可用性某些地区或某些账号可能无法正常访问三是灵活性你可能想针对特定任务使用特定模型比如用某个擅长数学推理的模型来处理算法问题。接入第三方模型可以解决这些问题。你可以选择云端的中转服务也可以在本地跑一个模型。本地模型的好处是数据不出本机隐私性最好而且没有网络延迟。缺点是对硬件有要求需要一块像样的显卡。5.2 用 cc switch 切换模型后端社区里有一个叫 cc switch 的工具专门用来管理 Claude Code 的模型配置。它的作用是让你可以在多个模型后端之间快速切换不用每次手动改配置文件。使用 cc switch 的基本流程是先安装这个工具然后配置好各个模型后端的连接信息之后就可以用一条命令切换了。比如你想从官方模型切换到某个第三方模型只需要执行对应的切换命令Claude Code 下次启动时就会使用新的配置。这个工具特别适合需要在多个模型之间频繁切换的开发者。比如白天用官方模型处理正式项目晚上用本地模型做一些实验性的工作。5.3 在 Claude Code 中调用本地模型如果你在本地跑了一个模型服务比如通过 LM Studio 之类的工具可以让 Claude Code 调用它。核心思路是修改 Claude Code 的配置文件把 API 端点指向本地的服务地址。具体步骤大致是找到 Claude Code 的配置文件通常在用户目录下的.claude文件夹里编辑其中的模型配置部分把base_url改成你本地服务的地址比如http://localhost:1234/v1然后填入对应的 API Key本地服务通常不校验 Key随便填一个就行。配置完成后重启 Claude Code它就会使用你本地的模型来响应请求。这里要注意的是本地模型的上下文窗口通常比云端模型小所以处理大文件时可能会遇到截断的问题。解决办法是分段处理或者选择上下文窗口更大的本地模型。5.4 第三方 API 使用的注意事项使用第三方 API 时有几个坑需要提前知道。第一是兼容性问题。不是所有第三方 API 都完全兼容官方接口的格式。有些 API 在参数命名、返回结构上有细微差异可能导致 Claude Code 无法正常解析响应。遇到这种情况需要查看第三方服务的文档看是否有兼容模式或者需要额外的配置。第二是稳定性问题。第三方服务的可用性参差不齐有些服务在高峰期会限流或者超时。建议配置一个备用方案主服务不可用时能快速切换。第三是数据安全问题。使用第三方 API 意味着你的代码片段会发送到第三方的服务器。如果项目涉及敏感信息要么使用本地模型要么确保第三方服务有足够的数据保护措施。6. 把 superpowers 落地到日常开发我的实操心得6.1 从一个小场景开始不要贪多很多人一上来就想把 superpowers 的全套框架应用到所有项目里结果往往是配置太复杂、流程太重用几天就放弃了。我的建议是先选一个具体的、高频的小场景来试点。比如代码审查这个场景。你可以先写一个简单的 skill规定AI在审查代码时要检查哪些点命名规范、边界条件、错误处理、性能隐患。然后在你日常的代码提交前用这个 skill 跑一遍。用上一两周你会发现两个变化一是审查速度明显快了二是你开始有意识地优化这个 skill把新发现的检查点加进去。等这个场景跑顺了再扩展到其他场景比如写单元测试生成接口文档排查线上问题。一个场景一个场景地积累半年下来你就有了自己的一套技能库。6.2 上下文管理是效率的关键用这类工具时间长了你会发现一个规律AI输出质量的高低很大程度上取决于你给它的上下文是否充分、准确。什么叫充分的上下文举个例子你让AI帮你优化一个函数如果你只把函数代码贴给它它只能从代码本身出发给建议。但如果你同时告诉它这个函数在什么业务场景下被调用、性能瓶颈在哪里、有哪些不能改的约束条件它给出的建议就会精准得多。Claude Code 和 Codex CLI 都支持读取项目文件所以你可以让AI自己去看相关的代码。但要注意不要让它一次性读取太多文件否则上下文会被无关信息占满。正确的做法是先告诉它你需要解决什么问题让它自己判断需要看哪些文件然后有针对性地读取。6.3 关于直接执行终端命令这件事Claude Code 有一个很强大的能力它可以直接在你的终端里执行命令。比如你让它帮我看看当前目录下有哪些大文件它会自己执行du命令并把结果整理给你。这个能力用好了效率极高但也要注意安全边界。我的做法是对于只读类的命令查看文件、搜索内容、检查状态放手让它执行对于写操作类的命令删除文件、修改配置、安装软件一定要让它先告诉你它打算执行什么你确认后再执行。Claude Code 本身也提供了权限控制机制你可以配置哪些命令需要人工确认哪些可以自动执行。建议在初期把权限收紧一些等熟悉了它的行为模式后再逐步放开。6.4 多工具协作的实际工作流我现在的工作流是这样的日常的代码编写和快速问答用 Codex CLI因为它在终端里响应快、切换方便复杂的重构任务和需要深度理解项目的任务用 Claude Code因为它能读取更多上下文、执行更复杂的操作需要特定模型能力时通过 cc switch 切换到对应的模型后端。这套工作流不是一天建成的而是在使用过程中逐步调整出来的。关键是你要清楚每个工具的强项和边界然后在合适的场景用合适的工具。不要试图用一个工具解决所有问题也不要为了用工具而用工具。6.5 常见问题速查问题现象可能原因处理方式安装时提示与系统不兼容系统版本过旧升级操作系统到受支持的版本安装速度极慢网络到 npm 仓库不稳定配置国内镜像源或换时段重试启动后提示地区不可用服务地区限制考虑接入第三方或本地模型组织账号无法使用组织权限限制改用个人账号或联系管理员响应速度越来越慢对话上下文过长使用/compact压缩上下文切换模型后行为异常模型能力差异检查新模型是否支持所需功能本地模型输出被截断上下文窗口不足分段处理或换更大窗口的模型这张表里的问题都是我实际遇到过的处理方式也经过验证。当然具体情况可能因环境而异如果遇到表里没覆盖的问题建议先查看官方文档再去社区搜索是否有类似案例。7. 关于这套框架我踩过的几个坑第一个坑是过度配置。刚开始用的时候我花了两天时间写了一大堆 skill把各种场景都覆盖了。结果实际用起来发现大部分 skill 根本用不上反而因为配置太多导致启动变慢、切换混乱。后来我删掉了八成只保留最常用的几个效率反而提升了。教训是skill 不在多在于精在于你真的会反复用。第二个坑是忽视版本兼容。有一次我升级了 Claude Code 到最新版结果之前写的几个 skill 因为接口变化全部失效了。从那以后我养成了一个习惯升级前先备份配置文件和 skill 定义升级后先在一个小项目上测试确认没问题再全面切换。第三个坑是上下文污染。有段时间我发现AI的回答质量明显下降总是答非所问。排查了半天才发现是因为我在一个会话里连续处理了太多不相关的任务上下文里堆积了大量无关信息。解决办法很简单一个任务一个会话任务完成后用/resume开新会话不要在一个会话里混着做多件事。第四个坑是盲目信任输出。AI生成的代码看起来往往很合理但实际跑起来可能有各种问题。我现在养成了一个习惯AI生成的任何代码在合并到主分支之前必须经过测试。这不是不信任AI而是对自己代码质量负责。这套东西说到底是工具是方法不是魔法。它能放大你的能力但前提是你自己得有清晰的思路和判断力。用得好的人是那些本来就懂开发、懂流程、懂质量的人AI只是帮他们把这些能力执行得更快更稳。如果你指望装个工具就能自动变成高手那大概率会失望。但如果你本身就有扎实的基础这套框架确实能让你如虎添翼。 
长河君 · 2026/10/29 12:52:20 · 阅读 1.2k Superpowers技能框架：Claude Code与Codex CLI实战指南
1. 从superpowers这个词说起它到底指什么第一次看到superpowers这个标题很多人会以为是某个超级英雄题材的项目或者是一个泛泛的口号式概念。但如果你最近在开发者社区里泡过就会发现这个词正在被反复提及而且总是和另外几个词绑在一起出现——agentic skills framework、software development methodology、Claude Code、Codex CLI。这几个词凑在一起指向的其实是一个非常具体的东西一套围绕AI编程助手构建的、让开发者获得超能力的技能框架与方法论。说白了superpowers 不是一个可以下载安装的软件包也不是某个具体的命令行工具。它更像是一套心法——一套关于如何把AI编程助手真正用出生产力的系统性方法。你可以把它理解成以前你用AI写代码是我问一句它答一句而 superpowers 这套框架想解决的是如何让AI像一个真正靠谱的结对编程伙伴一样持续、稳定、高质量地参与你的整个开发流程。这个定位非常关键。因为现在市面上关于 Claude Code、Codex CLI 这类工具的教程已经很多了但绝大多数都停留在怎么装、怎么跑通第一个命令的层面。而 superpowers 关注的是更上层的问题装好之后呢怎么组织你的工作流怎么让AI理解你的项目上下文怎么在多个模型、多个工具之间切换而不乱套这些才是真正决定你效率的东西。这篇文章适合几类人看一是已经装好了 Claude Code 或 Codex CLI但用起来总觉得差点意思的开发者二是还在观望想搞清楚这套东西到底值不值得投入时间学习的工程师三是团队里负责技术选型需要评估这类工具能否落地的人。我会尽量把原理讲透把操作步骤写细同时把我在实际使用中踩过的坑和总结的技巧都摊开来说。需要提前说明的是superpowers 作为一个技能框架它的具体形态会随着你使用的底层工具不同而变化。用 Claude Code 有一套玩法用 Codex CLI 又有另一套玩法。所以下面我会先讲清楚这套框架的通用逻辑再分别针对两个主流工具展开具体的配置和使用方法。2. superpowers 框架的底层逻辑为什么技能比提示词更重要2.1 从提示词工程到技能框架的范式转变过去两年大家聊AI编程聊得最多的是提示词工程Prompt Engineering。怎么写出一个好的提示词怎么让模型输出更准确的代码怎么通过 few-shot 示例引导模型。这些技巧当然有用但用久了你会发现一个根本性的问题提示词是一次性的、碎片化的。你这次写了一个很棒的提示词让AI帮你重构了一个函数下次遇到类似的任务你还得重新组织语言重新交代上下文。superpowers 这套框架的核心洞察就在这里真正提升效率的不是单次提示词的技巧而是把重复性的、有固定模式的工作沉淀成可复用的技能skills。一个 skill 本质上是一段结构化的指令集它告诉AI在这个特定场景下你应该按照什么步骤、遵循什么规范、输出什么格式的结果。打个比方。提示词工程像是你每次做饭都临时想菜谱而技能框架像是你把自己拿手的几十道菜写成了标准化的菜谱卡片需要的时候直接抽一张出来照着做。前者依赖你的临场发挥后者依赖你的积累和沉淀。长期来看后者的效率和稳定性要高得多。2.2 一个 skill 的典型结构长什么样虽然 superpowers 没有强制规定 skill 的格式但根据社区里流传的实践和我在自己项目里的摸索一个高质量的 skill 通常包含这么几个部分触发条件什么情况下应该调用这个 skill。比如当用户要求对某个模块进行代码审查时。前置检查执行前需要确认哪些信息。比如确认目标文件的路径、确认项目的技术栈、确认是否有测试覆盖。执行步骤具体的操作流程一步一步写清楚。这部分是 skill 的核心。输出规范结果应该以什么形式呈现。是生成一个 Markdown 报告还是直接修改文件还是输出一段可执行的命令。边界与例外什么情况下这个 skill 不适用遇到异常情况怎么处理。你会发现这个结构其实和写一份好的 SOP标准作业程序非常像。没错superpowers 本质上就是把软件工程里流程标准化的思想搬到了AI协作的场景里。2.3 为什么这套框架现在才火起来你可能会问这种把流程沉淀成技能的想法并不新鲜为什么偏偏是现在火起来了原因有几个。第一AI编程助手的能力到了临界点。早期的代码补全工具只能做行级别的建议你没法让它执行一个多步骤的复杂任务。但现在 Claude Code、Codex CLI 这类工具已经能够理解整个项目结构、执行终端命令、读写多个文件。能力上来了才谈得上框架和方法论。第二多模型并存带来了管理复杂度。现在你可以在 Claude Code 里接入不同的模型也可以用 Codex CLI 调用本地的或其他来源的模型。模型一多怎么保证输出质量的一致性就成了问题。技能框架提供了一层抽象让你的工作流不依赖于具体某个模型。第三开发者的学习曲线需要被拉平。新工具层出不穷每个人都在重新摸索。如果有一套经过验证的技能框架新人可以直接站在前人的肩膀上不用从零开始踩坑。3. Claude Code 环境搭建从安装到第一次跑通3.1 安装前的环境确认在动手安装之前有几件事必须先确认清楚否则后面会浪费大量时间在排错上。首先是操作系统版本。Claude Code 对系统版本有要求Windows 用户需要特别注意某些旧版本的 Windows 会因为兼容性问题导致安装失败。如果你在 Windows 上遇到与64位版本不兼容之类的提示大概率是系统版本太老需要先升级系统。其次是 Node.js 环境。Claude Code 和 Codex CLI 都是基于 Node.js 生态的工具所以你需要先装好 Node.js。这里有个坑很多人用系统自带的包管理器安装 Node.js版本往往偏旧。建议直接去 Node.js 官网下载 LTS 版本或者用 nvmNode Version Manager来管理版本。用 nvm 的好处是你可以在不同项目之间切换 Node.js 版本避免版本冲突。第三是网络环境。安装过程中需要从 npm 仓库拉取包如果网络不稳定安装会非常慢甚至失败。这一点在安装 Codex CLI 时尤其明显很多人反馈node安装codex cli很慢。解决办法是配置一个稳定的 npm 镜像源具体命令后面会讲。3.2 安装 Claude Code 的完整步骤假设你已经装好了 Node.js建议 18.x 或更高版本接下来就可以安装 Claude Code 了。第一步打开终端确认 Node.js 和 npm 的版本node -v npm -v如果这两个命令都能正常输出版本号说明环境没问题。第二步配置 npm 镜像源。这一步不是必须的但强烈建议做能显著提升安装速度npm config set registry https://registry.npmmirror.com第三步执行安装命令npm install -g anthropic-ai/claude-code这里的-g表示全局安装装完之后你可以在任何目录下使用claude命令。第四步验证安装是否成功claude --version如果能正常输出版本号说明安装成功了。3.3 首次启动与账号配置安装完成之后直接在终端输入claude就可以启动。第一次启动会引导你完成一些初始配置主要是账号相关的设置。这里有一个很多人关心的问题注册账号和不注册账号有什么区别简单来说注册账号后你可以使用官方的云端模型服务享受更稳定的响应和更完整的功能。不注册的话某些功能会受限但如果你打算接入第三方模型或者本地模型不注册也能用。如果你在启动时看到类似your organization has disabled claude subscription access的提示这通常是因为你的账号所属组织限制了访问权限。遇到这种情况可以尝试用个人账号或者联系组织管理员确认权限设置。另外如果你看到claude code might not be available in your country这类提示说明当前地区的服务可用性有限制。这种情况下可以考虑使用第三方模型接入方案后面会详细讲。3.4 在 VS Code 中配置 Claude Code很多开发者习惯在 VS Code 里工作不希望频繁切换到终端。Claude Code 提供了 VS Code 插件可以把它的能力直接集成到编辑器里。安装插件的方法很简单打开 VS Code进入扩展市场搜索 Claude Code找到官方插件后点击安装。安装完成后你需要配置插件的一些参数主要是指定 Claude Code 的可执行文件路径以及设置默认的模型。插件配置里有一个容易忽略的点工作目录的设置。默认情况下插件会在你当前打开的文件夹下工作。如果你的项目结构比较复杂建议在配置里明确指定项目根目录这样AI在读取文件时不会找错位置。配置完成后你可以通过命令面板CtrlShiftP 或 CmdShiftP调用 Claude Code 的相关命令也可以直接在编辑器里选中一段代码右键选择让 Claude Code 处理。4. Codex CLI 的安装与核心命令详解4.1 Codex CLI 和 Claude Code 的定位差异在讲 Codex CLI 的安装之前先说说它和 Claude Code 的区别这样你才知道什么时候该用哪个。Claude Code 更偏向于全流程助手它能理解整个项目、执行复杂的多步骤任务、和你的开发环境深度集成。Codex CLI 则更偏向于命令行里的快速助手它的强项是在终端里快速完成代码生成、命令解释、文件操作等任务。两者不是替代关系而是互补关系。很多开发者的做法是两个都装根据任务类型切换使用。Codex CLI 还有一个特点是它对模型的支持比较灵活你可以配置它调用不同的模型后端包括本地运行的模型。这对于有数据隐私要求或者想控制成本的团队来说很有吸引力。4.2 安装 Codex CLI 并解决速度问题安装 Codex CLI 的命令是npm install -g openai/codex-cli如果你在国内网络环境下执行这个命令很可能会遇到下载速度极慢的问题。除了前面提到的配置 npm 镜像源之外还有几个技巧可以加速使用--prefer-offline参数优先使用本地缓存。如果之前装过旧版本先卸载再重装避免残留文件导致的冲突。在网络状况好的时段执行安装比如清晨。安装完成后同样用codex --version来验证。4.3 必须掌握的 Codex CLI 命令Codex CLI 提供了一系列命令其中几个是日常使用频率最高的必须熟练掌握。/compact命令用于压缩对话上下文。当你和AI的对话变得很长时上下文会占用大量资源响应速度会下降。/compact会把之前的对话历史压缩成更精简的形式保留关键信息丢弃冗余内容。这个命令在长时间连续工作时特别有用。/model命令用于切换模型。你可以在会话中途切换到不同的模型比如从快速模型切换到高精度模型来处理复杂任务。切换后后续的对话会使用新模型。/resume命令用于恢复之前的会话。如果你不小心关闭了终端或者想接着昨天的进度继续工作用/resume可以找回之前的对话上下文。除了这些斜杠命令Codex CLI 还支持一些直接执行的指令比如让它读取某个文件、执行某条终端命令、生成某个函数的实现等。具体的命令列表可以在启动后用/help查看。4.4 删除和升级 Codex CLI有时候你需要卸载 Codex CLI比如要换一个版本或者遇到了无法修复的问题。卸载命令是npm uninstall -g openai/codex-cli升级到最新版本的命令是npm update -g openai/codex-cli如果你用的是 Claude Code升级命令类似npm update -g anthropic-ai/claude-code这里有个经验不要频繁升级。新版本虽然可能带来新功能但也可能引入新的问题。建议在升级前先看看社区的反馈确认新版本没有严重的 bug 再动手。另外升级前最好记录一下当前版本号万一新版本有问题可以回退。5. 接入第三方模型让 Claude Code 和 Codex CLI 用上你想要的模型5.1 为什么要接入第三方模型官方模型服务虽然稳定但有几个现实问题一是成本高频使用的话费用不低二是可用性某些地区或某些账号可能无法正常访问三是灵活性你可能想针对特定任务使用特定模型比如用某个擅长数学推理的模型来处理算法问题。接入第三方模型可以解决这些问题。你可以选择云端的中转服务也可以在本地跑一个模型。本地模型的好处是数据不出本机隐私性最好而且没有网络延迟。缺点是对硬件有要求需要一块像样的显卡。5.2 用 cc switch 切换模型后端社区里有一个叫 cc switch 的工具专门用来管理 Claude Code 的模型配置。它的作用是让你可以在多个模型后端之间快速切换不用每次手动改配置文件。使用 cc switch 的基本流程是先安装这个工具然后配置好各个模型后端的连接信息之后就可以用一条命令切换了。比如你想从官方模型切换到某个第三方模型只需要执行对应的切换命令Claude Code 下次启动时就会使用新的配置。这个工具特别适合需要在多个模型之间频繁切换的开发者。比如白天用官方模型处理正式项目晚上用本地模型做一些实验性的工作。5.3 在 Claude Code 中调用本地模型如果你在本地跑了一个模型服务比如通过 LM Studio 之类的工具可以让 Claude Code 调用它。核心思路是修改 Claude Code 的配置文件把 API 端点指向本地的服务地址。具体步骤大致是找到 Claude Code 的配置文件通常在用户目录下的.claude文件夹里编辑其中的模型配置部分把base_url改成你本地服务的地址比如http://localhost:1234/v1然后填入对应的 API Key本地服务通常不校验 Key随便填一个就行。配置完成后重启 Claude Code它就会使用你本地的模型来响应请求。这里要注意的是本地模型的上下文窗口通常比云端模型小所以处理大文件时可能会遇到截断的问题。解决办法是分段处理或者选择上下文窗口更大的本地模型。5.4 第三方 API 使用的注意事项使用第三方 API 时有几个坑需要提前知道。第一是兼容性问题。不是所有第三方 API 都完全兼容官方接口的格式。有些 API 在参数命名、返回结构上有细微差异可能导致 Claude Code 无法正常解析响应。遇到这种情况需要查看第三方服务的文档看是否有兼容模式或者需要额外的配置。第二是稳定性问题。第三方服务的可用性参差不齐有些服务在高峰期会限流或者超时。建议配置一个备用方案主服务不可用时能快速切换。第三是数据安全问题。使用第三方 API 意味着你的代码片段会发送到第三方的服务器。如果项目涉及敏感信息要么使用本地模型要么确保第三方服务有足够的数据保护措施。6. 把 superpowers 落地到日常开发我的实操心得6.1 从一个小场景开始不要贪多很多人一上来就想把 superpowers 的全套框架应用到所有项目里结果往往是配置太复杂、流程太重用几天就放弃了。我的建议是先选一个具体的、高频的小场景来试点。比如代码审查这个场景。你可以先写一个简单的 skill规定AI在审查代码时要检查哪些点命名规范、边界条件、错误处理、性能隐患。然后在你日常的代码提交前用这个 skill 跑一遍。用上一两周你会发现两个变化一是审查速度明显快了二是你开始有意识地优化这个 skill把新发现的检查点加进去。等这个场景跑顺了再扩展到其他场景比如写单元测试生成接口文档排查线上问题。一个场景一个场景地积累半年下来你就有了自己的一套技能库。6.2 上下文管理是效率的关键用这类工具时间长了你会发现一个规律AI输出质量的高低很大程度上取决于你给它的上下文是否充分、准确。什么叫充分的上下文举个例子你让AI帮你优化一个函数如果你只把函数代码贴给它它只能从代码本身出发给建议。但如果你同时告诉它这个函数在什么业务场景下被调用、性能瓶颈在哪里、有哪些不能改的约束条件它给出的建议就会精准得多。Claude Code 和 Codex CLI 都支持读取项目文件所以你可以让AI自己去看相关的代码。但要注意不要让它一次性读取太多文件否则上下文会被无关信息占满。正确的做法是先告诉它你需要解决什么问题让它自己判断需要看哪些文件然后有针对性地读取。6.3 关于直接执行终端命令这件事Claude Code 有一个很强大的能力它可以直接在你的终端里执行命令。比如你让它帮我看看当前目录下有哪些大文件它会自己执行du命令并把结果整理给你。这个能力用好了效率极高但也要注意安全边界。我的做法是对于只读类的命令查看文件、搜索内容、检查状态放手让它执行对于写操作类的命令删除文件、修改配置、安装软件一定要让它先告诉你它打算执行什么你确认后再执行。Claude Code 本身也提供了权限控制机制你可以配置哪些命令需要人工确认哪些可以自动执行。建议在初期把权限收紧一些等熟悉了它的行为模式后再逐步放开。6.4 多工具协作的实际工作流我现在的工作流是这样的日常的代码编写和快速问答用 Codex CLI因为它在终端里响应快、切换方便复杂的重构任务和需要深度理解项目的任务用 Claude Code因为它能读取更多上下文、执行更复杂的操作需要特定模型能力时通过 cc switch 切换到对应的模型后端。这套工作流不是一天建成的而是在使用过程中逐步调整出来的。关键是你要清楚每个工具的强项和边界然后在合适的场景用合适的工具。不要试图用一个工具解决所有问题也不要为了用工具而用工具。6.5 常见问题速查问题现象可能原因处理方式安装时提示与系统不兼容系统版本过旧升级操作系统到受支持的版本安装速度极慢网络到 npm 仓库不稳定配置国内镜像源或换时段重试启动后提示地区不可用服务地区限制考虑接入第三方或本地模型组织账号无法使用组织权限限制改用个人账号或联系管理员响应速度越来越慢对话上下文过长使用/compact压缩上下文切换模型后行为异常模型能力差异检查新模型是否支持所需功能本地模型输出被截断上下文窗口不足分段处理或换更大窗口的模型这张表里的问题都是我实际遇到过的处理方式也经过验证。当然具体情况可能因环境而异如果遇到表里没覆盖的问题建议先查看官方文档再去社区搜索是否有类似案例。7. 关于这套框架我踩过的几个坑第一个坑是过度配置。刚开始用的时候我花了两天时间写了一大堆 skill把各种场景都覆盖了。结果实际用起来发现大部分 skill 根本用不上反而因为配置太多导致启动变慢、切换混乱。后来我删掉了八成只保留最常用的几个效率反而提升了。教训是skill 不在多在于精在于你真的会反复用。第二个坑是忽视版本兼容。有一次我升级了 Claude Code 到最新版结果之前写的几个 skill 因为接口变化全部失效了。从那以后我养成了一个习惯升级前先备份配置文件和 skill 定义升级后先在一个小项目上测试确认没问题再全面切换。第三个坑是上下文污染。有段时间我发现AI的回答质量明显下降总是答非所问。排查了半天才发现是因为我在一个会话里连续处理了太多不相关的任务上下文里堆积了大量无关信息。解决办法很简单一个任务一个会话任务完成后用/resume开新会话不要在一个会话里混着做多件事。第四个坑是盲目信任输出。AI生成的代码看起来往往很合理但实际跑起来可能有各种问题。我现在养成了一个习惯AI生成的任何代码在合并到主分支之前必须经过测试。这不是不信任AI而是对自己代码质量负责。这套东西说到底是工具是方法不是魔法。它能放大你的能力但前提是你自己得有清晰的思路和判断力。用得好的人是那些本来就懂开发、懂流程、懂质量的人AI只是帮他们把这些能力执行得更快更稳。如果你指望装个工具就能自动变成高手那大概率会失望。但如果你本身就有扎实的基础这套框架确实能让你如虎添翼。