退订 Cursor 两个月后，我用 Claude Code 搭建了一套终端 AI 编程工作流

杭州留得发
38 阅读6分钟

说实话有点心虚——毕竟 Cursor 社区这么大，说退订怕被喷。

但事实就是，自从今年 1 月装了 Claude Code，我打开 VS Code 的次数断崖式下跌。不是 Cursor 不好用，而是当你习惯了终端里一条命令搞定一切，再回去点鼠标就觉得多余了。上周翻了一下 shell history，80% 以上的编码工作都在终端完成。

正好前几天 Hacker News 上连续出现两篇 Claude Code 相关的帖子，评论区讨论得很热。索性把这两个月摸出来的东西系统整理一下。

先说谁该来、谁别来

Claude Code 不是 Cursor 的替代品，它们的目标用户其实不太一样：

维度Cursor 更合适Claude Code 更合适
操作习惯鼠标点击派键盘终端党
项目偏好前端/UI 开发后端/脚本/DevOps
改动范围单文件局部修改跨文件批量重构
上下文手动圈选文件自动扫描仓库
网络要求内置模型直连自定义 API 端点

后端、写脚本、搞运维基建、做开源——这些场景下 Claude Code 的体验确实碾压。前端频繁预览 UI 的话，可能还是编辑器更顺手。

一、CLAUDE.md 分层——大多数人装完就忽略了

CLAUDE.md 是 Claude Code 最被低估的能力。它相当于给 AI 写了一份项目说明书，而且支持目录级分层叠加——根目录写全局规范，子目录写局部规范，自动合并。

我一个全栈项目的目录结构：

项目根/CLAUDE.md          ← 技术栈、commit 规范、全局约定
├── backend/CLAUDE.md     ← Python + FastAPI 相关
│   └── tests/CLAUDE.md   ← pytest 测试策略
└── frontend/CLAUDE.md    ← Next.js App Router 约定

根目录的 CLAUDE.md 大致长这样：

# 项目上下文

## 技术栈
- Python 3.12 + FastAPI + SQLAlchemy 2.0（后端）
- Next.js 14 App Router + Tailwind（前端）
- PostgreSQL 15 + Redis 7
- 部署：Docker + Railway

## 代码规范
- Python: ruff 格式化，类型标注必须完整
- TypeScript: strict mode，禁止 any
- commit 用 conventional commits

## 状态标记
- /api/v2/ 重构中，v1 代码不要动
- auth/ 下有 session→JWT 迁移的遗留代码待清理

测试子目录单独维护规范：

# 测试规范

## Fixtures
- db_session：测试库，每个 case 自动回滚
- auth_client：带 JWT token 的已登录客户端
- mock_redis：fake 实现，不连真实 Redis

## 约定
- 一个函数测一个行为
- 多组入参用 parametrize
- API 测试必须覆盖 200/422/401/404

配好之后效果很明显：在 backend/ 下聊天，Claude Code 自动遵循 Python 规范；切到 frontend/ 就变 TypeScript 模式。根据 Anthropic 官方文档的说法，使用 CLAUDE.md 后指令遵循率提升约 40%，我自己的体感也基本吻合。

二、tmux 多会话并行——终端的原生优势

Cursor 同时只能跑一个 AI 对话。终端天然支持多实例。

我的日常布局是 tmux 开三个窗格：

# 窗格 1：今天的主线任务
claude "重构 auth/，JWT 逻辑从 middleware 抽到独立 service 层"

# 窗格 2：同步补测试
claude "给 api/v2/users.py 补单测，覆盖 CRUD + 权限边界"

# 窗格 3：自己写代码或者 review PR

上周五下午用这个模式，同时推进了认证模块重构（窗格 1）、47 个测试用例（窗格 2）、3 个 PR review（窗格 3）。换以前至少排两天。

要注意的是并行会话共享文件系统。两个会话改同一个文件会冲突，所以我的原则是按目录分工——一个改 auth/，一个改 tests/，物理隔离。

三、Git 深度集成——不只是执行命令

Claude Code 对 git 的理解超出"跑 git 命令"的层面，它能理解版本控制的语义。

智能拆 commit：改了一堆文件，想拆成有意义的小 commit？

claude "分析当前所有未提交改动，按功能拆分成独立 commit。
规则：每个 commit 一个功能点，conventional commits 格式，
先 stage 让我过目再 commit"

它会自动把 models/user.py 和 migrations/xxx_add_avatar.py 归到一起（feat(user): add avatar field），把 utils/logger.py 单独拎出来（refactor(logging): switch to structured logging）。

Bug 溯源：

claude "最近一周的 commit 里，哪些改动可能导致 /api/users/me 偶发 500？
逐个分析 diff，给出判断和置信度"

它会 git log --since='1 week ago' → 逐个 git show 分析 → 输出：

commit a3f2b1c "refactor: async db session" — 高度可疑（90%） 把 db session 改成异步了，但 /api/users/me 的 get_current_user 没加 await...

根据 GitHub Octoverse 2025 的数据，AI 辅助 Code Review 平均节省 35% 的审查时间。用 Claude Code 做 review 的体验确实符合这个数字。

自动生成 Changelog：

claude "对比 v1.2.0 tag 和当前 HEAD，生成面向用户的 Changelog，
按 Features / Fixes / Breaking Changes 分类"

四、自定义 API 端点——国内开发者的刚需

在国内用 Cursor 最头疼的就是网络延迟。Claude Code 支持自定义端点，一行环境变量搞定：

# ~/.bashrc 里加上
export ANTHROPIC_BASE_URL="https://api.ofox.ai/v1"  # 国内直连，延迟稳定
export ANTHROPIC_API_KEY="sk-xxx"
source ~/.bashrc

配好后延迟从 3-5 秒降到 1 秒以内，是质变级别的体验差异。AI 响应快了，注意力就不会被打断，等待时切去刷手机的频率大幅下降。

如果不同项目想用不同配置，配合 direnv 很方便：

# 个人项目 .envrc — 用 Sonnet 省钱
export ANTHROPIC_BASE_URL="https://api.ofox.ai/v1"

# 公司项目 .envrc — 用官方 Opus
export ANTHROPIC_BASE_URL="https://api.anthropic.com/v1"

进不同目录自动切环境，完全无感。

五、Hooks 自动化——改完代码自动跑检查

Claude Code 支持 hooks，在特定事件触发时自动执行脚本。配好后能省掉大量手动操作。

我目前在用的配置（.claude/settings.json）：

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit|Write",
        "command": "ruff check --fix $CLAUDE_FILE_PATH && ruff format $CLAUDE_FILE_PATH"
      },
      {
        "matcher": "Edit",
        "command": "[ -f pytest.ini ] && python -m pytest tests/ -x -q --tb=short 2>/dev/null || true"
      }
    ]
  }
}

效果：每次 Claude Code 编辑 Python 文件 → 自动格式化 + lint → 自动跑测试。测试挂了它直接看到报错，下一轮自动修。

更进一步可以加 mypy：

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit",
        "command": "mypy $CLAUDE_FILE_PATH --ignore-missing-imports 2>&1 | tail -5"
      }
    ]
  }
}

等于把 CI 的反馈循环从"push → 等 5 分钟 → 看报错 → 改 → 再 push"压缩到了实时级别。

六、常用命令速查

命令用途我的使用频率
/compact压缩对话上下文⭐⭐⭐
/cost查看本次 token 消耗⭐⭐⭐
/init自动生成 CLAUDE.md⭐⭐
/model运行时切模型⭐⭐
/clear清空对话⭐
/review审查当前 git diff⭐⭐

重点说 /compact：200K 的上下文窗口听着大，跨文件重构时消耗极快。我的经验——/cost 显示超 50K token 就该 /compact 了；完成一个独立任务也顺手压缩一下。它会保留关键决策和文件结构，丢弃具体 diff 细节，压缩后响应速度恢复如初。

我的一天

09:00  终端 → 项目目录 → claude
09:05  "看看昨晚 CI 有没有挂的"
09:15  修完 CI → /compact → 进入今天主线
09:20  tmux 双窗格：开发 + 测试
12:00  "把上午改动按功能拆 commit"
14:00  继续开发 or review PR
17:30  "总结今天改动，生成周报素材"
17:45  /cost 看消耗 → 日均 $3-8（Sonnet）

实际月费用

方案月费备注
Cursor Pro$20（固定）有请求次数上限
Claude Code + Sonnet~$80无限制，重度使用费用会涨
Claude Code + Sonnet（API 中转）~$50延迟更低，省 30-40%
Claude Code + Haiku（轻任务）~$15简单补全够用

我的策略：日常 Sonnet，格式化/补全类切 Haiku，月均 $50 上下。比 Cursor Pro 贵一倍多，但换来的是零限制和更强的能力，对于后端重度场景来说值得。

常见问题

Q: Claude Code 收费吗？

A: 工具本身免费（npm install -g @anthropic-ai/claude-code），按 API 调用量计费。Sonnet 日常 2−5，大规模重构可能2-5，大规模重构可能 10+。

Q: 和 GitHub Copilot CLI 什么区别？

A: Copilot CLI 定位是终端命令补全，Claude Code 是终端里的 AI 工程师——理解整个仓库、跨文件重构、分析 git 历史、自动跑测试，能力维度不在一个层面。

Q: 代码安全怎么样？

A: 和 Cursor、Copilot 一样通过 API 传输处理。Anthropic 承诺 API 数据不参与模型训练。有严格合规要求的可以走私有部署。

更多 AI 开发实战分享 → ofox.ai/blog

最后更新：2026-03-24

avatar
文章
阅读
粉丝