教程

安装 Codex CLI 后，满怀期待地启动它。你告诉它“修复这个代码库中失败的测试”。然而，灾难随即开始： Codex: I want to run pytest Allow? (y/n) 你输入了 y。接下来： Codex: I want to modify test_user.py Allow? (y/n) 又输入了 y 。一次又一次，每次需要读取一个文件、执行一个命令或者修改一行代码，它都会请求确认。确认，确认，还是确认。这感觉就像跟一个刚入门的实习生合作，他每次连去洗个手间都要问你同不同意。 与此同时，Claude Code 或 Cursor Agent 却可以实现相同的功能，但却不会多说一句话。这是为什么？ 原因在于：默认情况下，Codex 被配置为一个“过于谨慎”的助手。这么做是为了安全考虑，尤其是针对一款新产品来说是很合理的。但如果你对操作足够了解，这种保守模式在实际工作中将让人无法忍受。 好消息是：只需几秒钟便能调整过来。 权限模式：approval mode Codex 使用一种叫做 approval mode（批准模式）的概念来控制需要你授权的情境。默认设置下，它对所有操作都需要你的确认： 执行命令 写入文件 修改代码 创建新文件 运行测试 简单来说：默认状态下，Codex 无法在没有你按下 y 键的情况下做任何事情。可以将其形容为：对每一个操作都需要一次 sudo 操作。 这使得一个本应是自主代理的工具，变成了一场你成为整个过程中最慢环节的无休止对话。 解决方案：使用一个标志 codex --full-auto 从版本 0.1.2 起，--full-auto 是官方的快捷方式，它将 --approval-mode never 和 --sandbox workspace-write 两个参数组合在一起。如果你使用的是旧版本，也可以用完整写法： codex --approval-mode never 无论选择哪种方法，Codex 都会停止询问你，直接执行命令、修改文件、创建需要的内容。它将真正成为一个自主工作的代理。 ...

两周前，OpenAI 推出了 Codex Automations。简单来说：你定义一个触发器（如 cron、代码 push 或新 issue），写下自然语言指令，一个代理在独立的 worktree 中自动执行这一切。整个过程无需人类介入。在你睡觉时，代理自动整理 issues、总结 CI 错误、生成发布文档，甚至优化自身的指令。 听上去像魔法？确实有几分神奇。但他们在 keynote 里没怎么提到的一个细节是：你必须在桌面上运行 Codex App。支持 macOS 和 Windows。没有无头服务器的选项。安装在一个迷你 PC 上并丢一边任其运行？没门。 这时我想：“等等，我已经有这个了。” 你已经拥有的组件 如果你在使用 Claude Code，那么你已经拥有 90% 的基础设施。用命令 claude --print 就能在非交互式会话中执行提示（prompt）。传递指令，获取结果，关闭，不需要图形界面或者打开的终端窗口。这对于一个 cron 工作来说简直完美。 如果你已有一台永远开机的服务器（比如迷你 PC、树莓派，或者每月 5 欧元的 VPS），那么你已经有了调度程序。systemd 或 cron，任选一个，它们都已运行了多年，已经非常稳定。 如果你在用 Gitea、GitHub 或任何支持 API 的代码托管平台，意味着你已经有了存放结果的位置：PR 评论、新建 Issue 或直接提交文件。 用简单点的话说：Codex Automations 是一种范式，而不是一个产品。而且这种范式已经存在很多年了。 ┌─────────────────────────────────────────────┐ │ systemd timer (每隔 N 小时运行) │ │ │ │ │ ▼ │ │ bash/fish 脚本 │ │ │ │ │ ├── git pull --ff-only │ │ ├── claude --print "prompt" │ │ ├── 解析结果 │ │ ├── 通知 (Telegram/email) │ │ └── git push (如果有变更) │ └─────────────────────────────────────────────┘ 自动化的构成 所有的自动化都遵循同样的结构。一个脚本会经过以下步骤： ...

10 GB 的惊喜 你在 Mac 上安装了 Claude Desktop。最初一切正常，这个应用看似占用空间很小。但某天，当你检查磁盘时，发现了这个文件： ~/Library/Application Support/Claude/vm_bundles/claudevm.bundle 10.8 GB。 是的：一个名为 claudevm.bundle 的文件，隐藏在 Claude 的 vm_bundles 文件夹中，竟占用了将近 11 GB 的存储空间。一个聊天机器人居然需要 10 GB？它里面装了什么，魔戒三部曲加长版视频？ 其实不是。claudevm.bundle 包含了一个 Ubuntu 系统。 Claude 的三大产品类别 在解释“是什么”之前，先来聊聊“为什么”。Anthropic 提供了三种方式让你使用 Claude： 产品 执行环境 目标用户 claude.ai Anthropic 云服务器 所有人 Claude Desktop + Cowork 你的 Mac 上的虚拟机 专业人士 Claude Code 在你的系统上直接运行 开发者 网页版是最安全的选项：所有操作都在 Anthropic 的云端完成，你的电脑完全不受影响。但如果你希望 Claude 不仅仅用于聊天，还能在你的电脑上“真正做事情”——比如创建文档、执行代码、处理文件等，那你需要更多功能。 这时，Cowork 和 Claude Code 应运而生，两者代表了完全不同的理念。 Cowork：人人都能用的 Claude Code Cowork 是 Anthropic 在 2026 年 1 月 12 日推出的智能助手产品。它的官方口号是： ...

记忆问题 Claude Code 存在一个问题：它全忘了。如果关闭会话再打开，感觉就像和一个完全陌生的人对话一样。虽然你可以加载 CLAUDE.md 来补充上下文，但未完成的任务怎么办？发现的但未修复的 bug 怎么办？明天的计划呢？ 有三种互补解决方案：Linear（或你的产品工具）、Beads（基于 git 的插件）以及 Tasks（Claude Code 内置工具）。不同工具适用于不同时间范围。 Tasks：工作记忆 Tasks 是 Claude Code 的内部系统，用于追踪当前正在做的事情。当你提出复杂要求时，Claude 会自动生成任务列表。 按下 Ctrl+T 查看任务列表： ┌─────────────────────────────────────────────────┐ │ Tasks │ ├─────────────────────────────────────────────────┤ │ ✓ 阅读项目结构 │ │ ● 实现认证端点 │ │ ○ 编写测试代码 │ │ ○ 更新文档 │ └─────────────────────────────────────────────────┘ 特性 自动生成：当任务需要多个步骤时，Claude 会自动创建任务列表 压缩后仍保持持久性：在内容被压缩后任务仍然存在 通过 Ctrl+T 查看：操作简单，任务视图可快速切换 限制为最多10个显示：若需要更多任务显示，可以请求“show me all tasks” 在会话间共享 默认情况下，任务列表会随会话结束而丢失。但你可以让任务持续保存： CLAUDE_CODE_TASK_LIST_ID=qualitra claude 此操作会把任务列表保存到 ~/.claude/tasks/qualitra/ 中。下次使用相同 ID 启动时，可以恢复列表。 使用 Tasks 的场景 场景 Tasks 在一个会话中实现一个功能 ✓ 按定义好的工作计划推进 ✓ 步骤性的 Debugging ✓ 清晰步骤的重构工作 ✓ Tasks 用于执行层面。当你明确知道需要完成什么，只需要辅助工具来进行跟踪。 ...

无限上下文的困局 假设你让Claude研究项目认证机制。它开始读取文件。大量文件。转眼间上下文已消耗5万token，而这些代码你只需要查阅而非记忆。 响应变慢了。成本增加了。当你想处理其他事务时，这些上下文依然占据着思维空间。 解决方案：子代理。启动专属代理在隔离上下文中处理脏活，返回摘要后自动消失，主会话保持清爽。 何为子代理 子代理是Claude的独立实例，具有以下特性： 专属上下文（不污染主会话） 可限制工具权限（仅读/仅bash等） 可选用不同模型（简单任务用Haiku，复杂任务用Opus） 支持前台（阻塞式）与后台（并行）执行 将其视为专业助理：分配任务后独立工作，完成后汇报结果。 内置子代理 Claude Code预装多个子代理： 代理类型 模型 用途 工具权限 Explore Haiku 代码检索分析 仅读 Plan 继承主模型 规划阶段调研 仅读 general-purpose 继承主模型 复杂多步任务 全权限 Bash 继承主模型 独立环境执行命令 仅Bash Claude Code指南 Haiku 解决Claude Code相关问题 文档查询 其中Explore最实用。当Claude需要检索代码库时，会启动Explore代理疯狂读取文件，处理后仅返回相关部分。 启动子代理 通过REPL（常规对话） 直接使用自然语言指令： 使用子代理研究缓存系统原理 启动Explore代理查找所有API端点 请并行研究认证机制，我继续处理其他任务 Claude能理解这些请求并调用Task工具启动对应子代理。 通过Skill技能 在技能配置中通过context: fork指定隔离执行： --- name: deep-analysis description: 架构深度分析 context: fork agent: Explore --- 进行项目全架构分析 生成包含以下内容的报告： - 目录结构 - 核心依赖项 - 识别到的设计模式 context: fork使技能在子代理运行，agent: Explore指定代理类型。 ...

性能问题的觉醒 你在数据科学项目上工作了一段时间。手头有二十多个笔记本文件、几张图片，还有三个月前看起来还不错的文件夹结构。 当你执行git status查看修改时…等待。继续等待。在等待的过程中你甚至怀疑电脑是卡死了还是在冥想。 剧透：它没在冥想。它在煎熬。 问题是有名有姓的 Git本身并不慢。慢的是你的仓库。 执行git status时，git需要做两件看似简单实则不然的事： 扫描整个文件树检查变更 逐个general比较文件与暂存区的差异 普通仓库中这个过程是瞬时的。但Jupyter笔记本本质上是伪装成文档的JSON文件——而且不是普通JSON：它包含了代码、输出结果、base64编码的图片、内核元数据，基本上囊括了设计者能想到的所有内容。 一个包含少量图表的"小型"笔记本可能就有几MB。乘以二十个笔记本，你就得到了一个每次查看都要呻吟的仓库。 如果你还重命名了文件夹…git会理解为"删除了50个文件并新增了50个文件"。保证让你’爽’到极致。 方案一：给仓库装个门卫 第一个解决方案优雅得让人懊恼为什么没早点知道西门庆。 FSMonitor的工作原理：不再让git每次扫描整个仓库，而是由操作系统主动通知哪些文件发生了变化。 说白了：就像是门口有个门卫告诉你"只有老张进来了"，而不必每次核对全量宾客名单。 启用方法： git config core.fsmonitor true git config core.untrackedcache true 完成。就这么简单。 初次启用后的第一次西git status可能耗时相当(甚至更长，因为要初始化缓存)。但从第二次开始…魔法降临了。 在我的400+文件仓库中，git status从2- períodos3秒变成了真正的瞬时完成。不是"变快了"，是真正的心念电转。 兼容性如何？ macOS: 支持，使用FSEvents Linux: 支持，使用inotify(只要内核支持) Windows: 支持，使用ReadDirectoryChangesW 所以说，全平台通用。 方案二坏人保存菜谱而非成品照片 FSMonitor加速了扫描过程，但西存在另一个问题：笔记本文件依然庞大。每次执行单元格并保存时，即使代码相同文件内容也会改变，因为输出结果不同。 这意味着： 不可读的diff(谁想看图片的base64?) 膨胀的commit 地狱级merge 解决方案叫nbstripout，人如其名：在提交前剥离笔记本的输出内容。 这好比保存菜谱但不保存成品照片。代码得以保留，结果可以随时重新生成。 使用uv安装： uv add nbstripout uv run nbstripout --install 或用传统pip： pip install nbstripout nbstripout --install --install参数会自动配置git过滤器。此后提交笔记本时都会自动剥离输出。 验证是否生效： git config --get filter.nbstripout.clean 若返回类似nbstripout Ressource则配置成功。 需要保留输出怎么办？ 好问题。有时你需要提交已执行的笔记本，比如用于文档或让他人直接查看。 ...

问题：教授概念前提前使用 我有一门包含47节课的编程课程。每节课都有笔记（用来解释概念）以及实验室任务（供学员练习）。然而，我有一个问题：有时我会在实验中使用尚未在笔记中解释过的概念。 “好吧，在这个练习中使用 map 来转换列表。” 问题是什么？直到三节课后，我才开始解释 map 的含义。 这种问题比你想象中更常见。因为我对教学内容非常熟悉，经常跳跃思路，可能在无意间假设学生已经理解了一些我还没有实际讲到的概念。结果导致学生感到非常困惑和沮丧，他们认为自己不够聪明，但真正需要改进的是老师的教学大纲。 手动解决方案是检查每个实验室任务，列出所使用的概念，并验证这些概念是否已被教学过。然而，我的课程有47节课，每节课有多个Notebooks。手动搞定显然不是办法。 解决方案：使用 ChromaDB 实现语义搜索 解决方案其实很简单： 从每个 Notebook 中提取概念（包括教学和使用的概念） 将这些概念存储到一个能够处理“意义”、不仅是文本的数据库中 对实验室任务中使用的每个概念，验证其是否已在之前的笔记中介绍过 这个“处理意义”是关键。如果在笔记中我提到了“高阶函数”，而在实验室任务中使用了“higher-order function”，普通的 grep 是无法匹配到的。但从语义上来说，它们是相同的。 这就是 ChromaDB 派上用场的地方：这是一种将文本转化为嵌入向量的向量数据库，并支持基于相似度的搜索。简单来说，你可以将文本存储进去，然后问它“有没有类似这个的东西？”它会返回最相似的内容。 五分钟了解 ChromaDB ChromaDB 就像是用于嵌入向量的 SQLite。一个单独的文件（或文件夹），无需服务器部署，也不需要复杂的配置。安装后即可直接使用。 pip install chromadb # 如果你使用 uv： uv add chromadb 基础概念 在普通的关系型数据库中，你存储的是行和列。而在 ChromaDB 中，你存储的是带有 嵌入向量 的 文档： import chromadb # 创建客户端（支持磁盘持久化） client = chromadb.PersistentClient(path="./mi_db") # 创建“集合”（类似于表） collection = client.get_or_create_collection( name="conceptos", metadata={"hnsw:space": "cosine"} # 使用余弦距离 ) # 存储文档 collection.add( ids=["c1", "c2", "c3"], documents=["纯函数", "for 循环", "递归"], metadatas=[ {"clase": "class_010", "tipo": "notes"}, {"clase": "class_015", "tipo": "notes"}, {"clase": "class_020", "tipo": "notes"} ] ) 就是这样。ChromaDB 会自动： ...

谁能想到会有这样的消息 上周，就在你我还在为 node_modules 苦恼不已时，Anthropic 放出了一颗重磅炸弹：他们收购了 Bun。 没错，那家推出 Claude 的公司决定将未来押注在由一位脑洞大开的开发者用 Zig 编写的超快 JavaScript 运行时上。Claude Code 刚刚实现了 10 亿美金的收入，而显然，当你手中资金充裕时，买开发工具成为了一项很重要的投资。 为什么？因为 Claude Code 需要大量地执行 JavaScript，当你拥有数百万用户时，每毫秒的运行效率都至关重要。简单地说，如果你的业务依赖于快速执行代码，那么你当然愿意购买最快的运行时。 但我们先不谈这些商业秘辛，来看看与你息息相关的部分：Bun 是什么，为什么你应该关注它。 什么是 Bun（给来自 Node 的开发者） Bun 就像有人看了整个 Node.js 的生态系统后想了一下：“要是我们能用一个工具替代所有这些东西，如何？” 以前，你可能需要这些工具： node → 运行时 npm/pnpm/yarn → 包管理工具 webpack/esbuild/vite → 打包工具 jest/vitest → 测试运行器 ts-node/tsx → 执行 TypeScript 现在，你只需要： bun → 实现所有上述功能 它就像电动滑板车对比带拖斗的车：部件更少，出错几率更低，甚至运行得更快。 重要的性能数据 虽然我并不太喜欢做 benchmark，因为这些数据总是容易被操纵。但这些数字实在过于震撼，不提鼓动人心都过意不去： 操作 Node + pnpm Bun 差异 install（中型项目） ~25s ~3s 快 8 倍 运行时启动 ~50ms ~5ms 快 10 倍 执行测试 基础速度 快 2-3 倍 显著提升 转译 TypeScript 需要额外工具 原生支持 ∞ 为什么会这么快？因为它是用 Zig 编写的，而不是 C++。而且它的作者 Jarred Sumner 是个以代码优化为业余爱好的人。他以前在 Stripe 工作时，就判断出世界上最重要的问题是 npm install 的速度太慢。 ...

一再重复的痛苦 你是否曾经不得不一遍又一遍地向某人解释相同的内容？那就想象一下，这种情况还是发生在一台几小时内就会“忘记”你的话的机器人上。 “Claude，提交操作前必须通过测试。” “Claude，我跟你说过要用格式 类型: 描述。” “别加表情符号，拜托！” 这就是我每天的写照，直到我发现了 技能（Skills）。简单来说，就是你只需写一次指令，Claude会永远听以执行。就像训练一只狗一样，只不过这次不需要狗粮。 什么是技能？ 从 2.1.3 版本开始，Claude Code 将之前的 斜杠命令（slash commands） 合并成了一种更强大的功能：技能（Skills）。它们是 Markdown 文件，Claude 可以通过以下两种方式执行： 手动：当你输入 /我的技能 时触发 自动：当 Claude 检测到应该使用它时触发 第二点是这个功能的魔力所在。你再也不需要记得手动调用命令了。如果你设置了一个技能，告诉系统：“在用户完成任务且存在未提交更改时使用”，Claude 会自动帮你完成。 它就如同一个不需要你吩咐也会知道什么时候该收拾餐桌的管家。 技能存放在哪里？ ~/.claude/skills/ # 个人技能（适用于所有你的项目） .claude/skills/ # 项目技能（与团队共享） ~/.claude/commands/ # 旧版支持，仍然可用 .claude/commands/ # 旧版支持，仍然可用 如果你希望只有你自己可以使用某个技能，可以将其放在 home 目录下。如果你希望整个团队都能用它，则可以将其提交到代码库中。就是这么简单。 技能的基本结构 一个技能是包含 YAML frontmatter 和内容的 Markdown 文件： --- name: mi-skill description: 简要描述此技能的功能 --- # 指令 当调用此技能时，Claude 应执行的具体操作。 这已经是最简单的形式了。但其实 frontmatter 中还有更多值得关注的选项。 必填字段 name 技能的唯一标识符。只能使用小写字母、数字和连字符（最多 64 个字符）。这个字段必须和文件名或文件夹名称一致。 ...