鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长：程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
76
31
99+

Claude Code凯神实战指南 - 第一章：从零到起飞，10分钟让AI为你写代码

lenyan
lenyan
2026-03-18 17:33
阅读 18121
lenyan
2026-03-18 17:33
阅读 18121

第一章：从零到起飞，10分钟让AI为你写代码

📖 项目简介

这是由凯神精心打造的一套完整的 Claude Code 实战教程系列，从零基础环境安装，到企业级安全合规，全面系统地覆盖 Claude Code 的所有核心功能。

8个完整章节，包含：Commands / MCP / Hooks / Skills / Plugins / 团队协作 / 企业安全 等全部内容。

全中文编写，实战导向，每个章节都经过真实场景验证，帮助你快速从零开始，到能独立管理企业级项目。

👨‍🏫 关于作者

Lenyan 凯神

一名即将进入社会的应届生开发工程师。在学习 Claude Code 的过程中，深刻体验到它能极大提升开发效率。凯神把自己的学习笔记和实践经验整理成这套教程，希望帮助更多同学和新人开发者快速掌握这个强大工具。

这套教程的初衷很简单：让大家真正用上 Claude Code，提升编程效率，少走弯路。

凯神的观点：做好指挥官，让 AI 为你工作。

📚 笔记链接目录

1、Claude Code 实战指南 - 从零到起飞✨第一章

2、Claude Code 实战指南 - 30+命令与快捷键✨第二章

3、Claude Code 实战指南 - 自定义Commands让AI秒懂你✨第三章

4、Claude Code 实战指南 - MCP、Hooks与Subagent实战✨第四章

5、Claude Code 实战指南 - Skills定制给Claude装能力✨第五章

6、Claude Code 实战指南 - Plugins全攻略✨第六章

7、Claude Code 实战指南 - 企业级协作规范与CICD✨第七章

8、Claude Code 实战指南 - 企业深水区密钥安全✨第八章

立即开始学习 → 点击上方任意章节开始你的 Claude Code 之旅！🚀

目录

  • 1. 前言
  • 2. 快速上手：第一次使用Claude Code
    • 2.1 环境准备（必须先完成）
      • 2.1.1 安装 Git（必需）
      • 2.1.2 安装 Node.js（必需）
      • 2.1.3 获取 API 密钥
    • 2.2 安装 Claude Code
      • 2.2.1 方案一：官方推荐安装（推荐）
      • 2.2.2 方案二：一键智能安装 ZCF（推荐新手）
      • 2.2.3 方案三：IDE 扩展安装（VS Code / Cursor / IDEA）
    • 2.3 首次启动与配置
      • 2.3.1 启动参数速查
      • 2.3.2 常见报错：Unable to connect to Anthropic services
      • 2.3.3 推荐使用 cc-switch 配置和多 API 源快速切换
      • 2.3.4 配置文件结构
  • 3. 核心命令速查表
    • 3.1 高频命令（建议收藏）
    • 3.2 快捷操作
  • 4. 总结
  • 参考资料
  • 下一步学习

1. 前言

Claude Code 是 Anthropic 推出的革命性 AI 编程助手，它不是简单的代码补全工具，而是一个能够理解你的需求、主动思考、执行操作的"编程伙伴"。

与传统 AI 工具不同，Claude Code 直接在终端运行，可以读写文件、执行命令、分析代码，真正做到"说人话，干实事"。

本文将通过实际场景，带你快速掌握 Claude Code 的核心用法。

适用人群：前端/后端开发者、技术写作者、代码审查者、任何想提升编程效率的人

2. 快速上手：第一次使用Claude Code

2.1 环境准备（必须先完成）

在安装 Claude Code 之前，你需要确保系统满足以下条件：

2.1.1 安装 Git（必需）

下载地址：git-scm.com，按默认步骤安装。

关键配置：设置环境变量 CLAUDE_CODE_GIT_BASH_PATH

▼
Bash
复制代码
D:\Program Files\Git\bin\bash.exe

（根据你的 Git 安装路径调整）

验证安装：

▼
Bash
复制代码
git --version

2.1.2 安装 Node.js（必需）

下载地址：nodejs.org，安装 Node.js 18 及以上版本。推荐24.14.0

验证安装：

▼
Bash
复制代码
node -v
npm -v

image.png

2.1.3 获取 API 密钥

Claude Code 需要 官方账号登录 或者 API 密钥才能运行，你有两种选择。

API Key 是一串以 sk-ant- 开头的密钥字符串，格式类似：

▼
text
复制代码
sk-ant-api03-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

方式一：官方渠道

  1. 访问 Anthropic Console
  2. 注册账户（三种方式任选）：
    • Google 账号登录（推荐，最快）
    • 邮箱 + 密码注册
    • GitHub 账号登录
  3. 在 API Keys 页面创建新密钥
  4. 复制并妥善保存（只显示一次！）

手机验证提示：注册时可能需要手机验证，支持中国大陆号码（+86），成功率约 80%。如果多次收不到验证码，可尝试语音验证或使用 Google Voice 等虚拟号码。

方式二：国内中转站（推荐国内用户）

💡 官方 API 需要海外信用卡且价格较高，国内用户可以选择以下中转站，价格更优惠、支付更方便（仅个人使用）：

也可以通过监控平台 RelayPulse - 实时监测API中转服务可用性矩阵 选择使用中转站，用多少充多少~

平台注册链接
AnyRouter（公益）https://anyrouter.top/register?aff=xzkV
gemai 哈基米https://api.gemai.cc/register?aff=Odrb
Linkapihttps://linkapi.ai/register?aff=1rM2
Ikunhttps://api.ikuncode.cc/register?aff=l978
ClaudeCNhttps://claudecn.top/register?aff=p0mt
DuckCodinghttps://duckcoding.com/register?aff=HMtz

🎁 福利提示：通过上方链接注册，你我都能获得额外额度！

2.2 安装 Claude Code

2.2.1 方案一：官方推荐安装（推荐）

第一步：安装 Claude Code 参考官方：Quickstart - Claude Code Docs

选择适合你的系统的安装脚本：

系统安装命令
macOS、Linux、WSLcurl -fsSL https://claude.ai/install.sh | bash
Windows PowerShellirm https://claude.ai/install.ps1 | iex
Windows CMDcurl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd

官方安装会自动更新，保持最新版本。

第二步：登录账户

启动 Claude Code 并登录：

▼
Bash
复制代码
claude
# 首次使用会提示登录
/login
# 按照提示完成账户登录

支持的账户类型：

  • ✅ Claude Pro、Max、Teams、Enterprise（推荐）
  • ✅ Claude Console（API 访问，需要预付费额度）
  • ✅ Amazon Bedrock、Google Vertex AI、Microsoft Foundry（企业云服务）

登录后凭证会自动保存，无需重复登录。需要切换账户时使用 /login 命令。

2.2.2 方案二：一键智能安装 ZCF（推荐新手）

什么是 ZCF？ Zero-Config Code Flow，一个为 Claude Code 设计的零配置工具。它会自动为你：

  • 📦 安装 Claude Code
  • 🔧 配置 API 和认证
  • 📋 导入主流工作流模板
  • 🔌 安装 主流MCP 服务
  • 🌍 支持中文界面

一键启动：

▼
Bash
复制代码
npx zcf

按照交互菜单提示，选择语言 → 选择"完整初始化" → 自动配置完成！

参考图片：

教程参考资源：

  • ZCF 官方文档
  • ZCF 博客园教程
  • ZCF 知乎专栏

2.2.3 方案三：IDE 扩展安装（VS Code / Cursor / IDEA）

除了终端命令启动，你也可以在编辑器内通过扩展/插件使用 Claude Code，获得可视化界面和深度集成体验。

VS Code（官方扩展）

  1. 按 Ctrl/Cmd + Shift + X 打开扩展市场
  2. 搜索 Claude Code，找到 Anthropic 官方发布的扩展，点击 Install
  3. 安装后左侧活动栏出现 ⚡ 火花图标，点击即可打开 Claude Code 面板

扩展相比终端 CLI 的额外能力：

功能说明
侧边栏面板代码和对话分离，互不干扰
内联差异显示修改内容实时高亮
Checkpoint 回滚按 Esc 两次可回退到上一个检查点
@提及智能引用文件和函数

参考文档：https://code.claude.com/docs/en/vs-code

Cursor（VSIX 手动安装）

Cursor 基于 VS Code，但 Claude Code 扩展无法自动检测 Cursor，需要手动安装：

  1. 从 VS Code Marketplace 下载 Claude Code 扩展的 VSIX 文件
  2. 在 Cursor 中安装： 
    ▼
    Bash
    复制代码
    cursor --install-extension /path/to/claude-code.vsix
    或直接将 VSIX 文件拖拽到 Cursor 的扩展面板
  3. 重启 Cursor，左侧出现 Claude Code 图标即成功

详细教程：https://www.cursor-ide.com/blog/claude-code-cursor-extension-guide

IntelliJ IDEA（Claude Code GUI 插件）

Claude Code GUI 是一款 JetBrains 市场 4.8 高评分的可视化界面插件，将 Claude Code 和 OpenAI Codex 双重 AI 工具直接整合到 IntelliJ IDEA 中。

  1. 按 Ctrl/Cmd + , 打开设置 → Plugins → Marketplace
  2. 搜索 Claude Code GUI，点击 Install
  3. 重启 IDEA，工具窗口中出现 Claude Code 面板即成功

2.3 首次启动与配置

▼
Bash
复制代码
# 进入你的项目目录
cd ~/my-project

# 启动 Claude Code
claude

❌ 配置对应环境变量 - 默认一次性配置 或者 系统级别配置（建议采用 cc-switch 工具进行管理，下文介绍）

环境设置临时环境变量的命令生效范围
Linux/macOS 终端export 变量名=值当前终端会话
Windows CMDset "变量名=值"当前 CMD 窗口
Windows PowerShell$env:变量名="值"当前 PowerShell 会话
▼
text
复制代码
export ANTHROPIC_BASE_URL=http:xxx.xx
export ANTHROPIC_AUTH_TOKEN=API_Key

2.3.1 启动参数速查

除了直接输入 claude 启动，还可以通过参数控制启动行为：

参数作用适用场景
claude默认启动（会询问权限）日常使用
claude --dangerously-skip-permissions跳过权限询问，直接执行信任的个人项目，快速开发
claude -p "你的问题"直接提问模式，回答后退出快速查询，不需要对话
claude --headless无界面模式脚本自动化

关于 --dangerously-skip-permissions

这个参数会让 Claude Code 跳过所有权限确认，直接执行读写文件、运行命令等操作。Anthropic 官方称之为 "Safe YOLO mode"。

名字里带 "dangerously" 是因为 AI 可能误修改代码、删除文件或执行非预期命令，跳过确认意味着你来不及阻止。

场景是否推荐
自己的学习/个人项目，代码已提交 Git✅ 可以用
只读操作（查询、分析）✅ 可以用
公司项目、开源项目❌ 不要用
第一次使用 Claude Code❌ 不要用
包含敏感数据的项目❌ 不要用

新手建议：前 1 个月不要加这个参数。让 AI 每次操作都问你，既能学到它在做什么，又能避免误操作。等你熟悉了 Claude Code 的行为模式后，在个人项目中再考虑使用，但务必先把代码提交到 Git，确保随时可回滚。

2.3.2 常见报错：Unable to connect to Anthropic services

国内第一次用 Claude Code，大概率会遇到这个报错：

▼
text
复制代码
Unable to connect to Anthropic services
Failed to connect to api.anthropic.com: ERR_BAD_REQUEST
Please check your internet connection and network settings.

原因：Claude Code 默认检测地区，国内 IP 会被拦截。

解决方法（一分钟搞定）：

找到用户主目录下的 .claude.json 文件：

▼
text
复制代码
C:\Users\你的用户名\.claude.json

用任意文本编辑器打开，在 JSON 对象中加入以下字段（注意给上一行末尾加逗号）：

▼
json
复制代码
"hasCompletedOnboarding": true

保存后重启 Claude Code，报错消失，正常启动。

2.3.3 使用 cc-switch 配置和多 API 源快速切换

我们可以配置需要的大模型供应商，国内比较推荐的模型是 GLM-4.7、Kimi-K2.5，国外无脑上 Claude 4.6、GPT 5.2 即可。

如果你想在多个 API 提供商（官方、国内中转站、本地模型等）之间快速切换，推荐使用 cc-switch：

安装：访问 GitHub Release 下载对应系统版本，Windows 推荐下载 msi 安装包。

Windows：https://github.com/farion1231/cc-switch/releases/download/v3.11.0/CC-Switch-v3.11.0-Windows.msi

无脑下一步即可~

功能：

  • 🔄 在不同 API 源之间快速切换，无需重启
  • 🔌 支持多个供应商配置管理
  • 📋 支持 MCP 配置同步
  • 🖥️ 支持 WSL 环境穿透配置

使用：安装后在应用主界面或系统托盘选择所需的站点资源即可切换。CLI 使用需重启 Claude Code，插件版可即时生效。

教程参考资源：

  • cc-switch 官方文档
  • cc-switch 知乎教程
  • cc-switch 掘金深度指南

API 密钥配置关键信息

在配置 API 时，最重要的两个参数是：

  • API Key（认证凭证）
  • 请求地址（API 端点）

国内 API 服务对比

除官方渠道外，也可选择国内 API 服务提供商。以下列出主要选择：

服务商特点价格模式适用场景
官方渠道（Anthropic Console）最稳定、功能完整、更新及时付费生产环境、企业应用
LongCat AI（美团旗下）免费额度、界面简洁、支持基础功能免费 + 付费初学者试用、轻量应用
国内中转站（多家）功能兼容、定价灵活、快速响应多为付费特定需求、成本优化

推荐做法：优先使用官方渠道或 cc-switch 工具进行配置管理，确保安全性和稳定性。如需尝试国内服务，可先用免费额度体验。

2.3.4 配置文件结构

Claude Code 的配置分为全局和项目两级，理解这个结构对后续章节（CLAUDE.md、Commands、Hooks 等）很重要：

▼
text
复制代码
~/.claude/                      ← 全局配置目录（所有项目共享）
├── config.json                 ← 全局配置文件
├── auth-token.json             ← 认证令牌
├── trusted-directories.json    ← 信任的目录列表
├── cache/                      ← 缓存目录
└── logs/                       ← 日志目录

项目目录/.claude/              ← 项目级配置（仅当前项目生效）
├── config.json                 ← 项目配置（覆盖全局同名配置）
├── commands/                   ← 自定义命令（第03章详解）
├── skills/                     ← 自定义技能（第06章详解）
└── hooks/                      ← 自定义钩子（第05章详解）

3. 核心命令速查表

3.1 高频命令（建议收藏）

命令功能使用场景
/init初始化项目文档第一次使用时，让AI理解项目结构
/clear清空对话历史切换任务时释放上下文，节省token
/compact压缩对话历史会话过长时保留摘要，继续对话
/add-dir添加工作目录需要同时操作多个项目时
/export导出对话记录保存重要的对话内容
/model切换AI模型切换到 Opus 或其他模型
/memory编辑记忆文件自定义AI的长期记忆
/resume恢复上次对话继续之前的工作

3.2 快捷操作

操作快捷键/语法说明
引用文件@文件名让AI关注特定文件
粘贴图片Ctrl + V / ALt + V 看具体终端不同发送截图让AI分析
换行输入Shift + Alt+ Enter多行输入
执行Bash!ls -l直接执行系统命令
历史命令↑ / ↓快速切换历史输入
中断执行Esc停止AI当前操作

4. 总结

Claude Code 的核心优势在于：

  1. 自然语言交互：不需要记复杂的命令，说人话就行
  2. 主动执行能力：不只是建议，而是直接帮你改代码、创建文件
  3. 上下文理解：理解项目结构，给出符合项目规范的代码
  4. 多模态支持：可以处理图片、分析截图

记住这句话：Claude Code 最大的优势是理解自然语言，所以直接说出你的需求，做好指挥官，让它为你工作！

参考资料

官方文档与教程

  • 最适合新手的 Claude Code、MCP、Skills 全套教程
  • ‬‬⁠⁠⁠‌⁠‍‬‌‬‬‍⁠‌⁠‌⁠‬⁠‍Claude code 专区 - 飞书云文档

下一步学习

章节主题你将学到
第02章30+命令与快捷键，编程效率直接翻倍Slash 命令全解析、快捷键速查、Token 管理技巧
第03章告别重复提示词，自定义Commands自定义命令编写、复杂工作流设计、命令分享
第04章让Claude连上一切——MCP与Hooks实战MCP 协议原理、主流服务接入、自动化钩子

欢迎在评论区分享你的使用技巧！

如果觉得有用，请点赞收藏 👍

作者简介：一名正在实习的Java开发工程师，热爱技术分享，专注于性能优化和系统架构设计。

觉得有用的话可以点点赞 (/ω＼)，支持一下。

如果愿意的话关注一下。会对你有更多的帮助。

每周都会不定时更新哦 >人< 。

版权声明：本文为原创技术文章，转载请注明出处。

AI
Java
技术
文档
人工智能
76
225
分享
操作

相关专栏

ClaudeCode实战指南

ClaudeCode实战指南

ClaudeCode实战指南

评论
相关内容
0个评论
全部评论
点击登录，快来和大家讨论吧～
表情
图片
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题

目录

🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2500
2
我用 REA 逆向了付费颜色 APP，结果很意外！
570
3
离谱，DeepSeek 崩了 5 小时，大家却喊：梁圣恩情还不完？？
420
4
DeepSeek 全新模型发布，性价比最高的一集！
380
5
B 站上 DeepSeek 闹鱼灾了，我发起《大肥鱼清除计划》！
370
6
自己学习ai，直接买cursor 的套餐，还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器，也来卷办公了！
330
8
day3-如何写出一个高质量的 Skill（组内分享） 高质量 Skill 不是“一个调得很顺的巨型 Prompt”，而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”，再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子，但方法是通用的。 --- 一、先想清楚：Skill 到底是什么 一个 Skill 至少包含四部分： 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做，每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办，而不是硬编一个看似合理的结果 高质量 Skill 的共同点：职责单一、接口清晰、规则可定位、输出可验证。 反例：把几十条经验全塞进一个主 Prompt，改一条规则要重调整个 Prompt，评估时也不知道是哪条规则退化。 --- 二、核心方法：先建评估，再写 Skill 不要先写转换器再补测试。正确顺序是： 1. 定义输出契约：什么算合法、什么算合格； 2. 建金标准集：一小批人工认可“可放行”的样本； 3. 先写评估 Skill：让它在金标准集上跑出基线； 4. 再迭代生成 Skill：每次修改跑同一套评估，无退化且目标维度提升才算正向。 这就是评估驱动开发：评估是 Skill 的单元测试，金标准集是回归锚点。 --- 三、评估 Skill：三层门禁，逐层递进 前一层不过，后一层不跑。每层留可追溯证据。 第 1 层：确定性硬门禁 用解析器、Schema、校验器完成，不消耗模型成本。 · 输出可解析； · 必填字段齐全，类型/枚举合法； · 引用目标存在，无悬空引用、无不可达节点； · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层：语义断言 用脚本 + 结构遍历检查“逻辑对不对”，仍然保持确定性。 通用检查项： · 覆盖率：源材料里的关键步骤、分支、条件，输出里是否都有对应？ · 完整性：每个判断节点是否都有明确出口？有没有死胡同？ · 可达性：每条路径是否都能到达预期终点？有没有无出口循环？ · 顺序与依赖：有先后依赖的操作，是否保留了顺序？有没有被拍平成无序列表？ 例子：故障诊断转换中，检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层：LLM-as-Judge 只处理解析器表达不了的维度：忠实度、完整性、可执行性。 但 Judge 会漂移，不能单独放行，必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化，换模型必须用金标准集重新校准。 通用 Judge 维度： 维度 问什么 忠实度 输出是否忠实源材料意图？有没有自行发明内容？ 完整性 关键步骤、条件、证据是否保留？隐式知识有没有被压成空话？ 收敛性 输出是否仍指向原目标，而不是发散？ 可执行性 下游不依赖源材料能否直接使用？ --- 四、金标准集：回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子，扩到 15～30 份，覆盖失败模式而非随机抽样： · 完整正例：典型流程； · 边界/异常分支：异常路径、循环、前置失败回退； · 已知易错模式：实际踩过的坑； · 留出集：不参与调优，只用于最终验收，防过拟合。 金标准不需要完美，只需要当前标准下认可可放行。 回归指标：关键路径用 pass^k（k 次全过），稳定性用 pass@k。 --- 五、工程约束：让批量产出可重放 · 幂等：同输入 + 同 Skill 版本 + 同规则 → 输出一致，否则无法判断变好是 Skill 改了还是随机波动； · 隔离不阻断：单份失败进隔离队列，记录失败层和原因，不阻塞其余； · 版本绑定：规则、rubric、金标准集进 Git；每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”； · 抽样人工复核：Judge 临界样本 + 易错模式，人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅，写清：输入约定、输出契约、分步流程、硬规则、降级策略； · 经验规则放 references/ 或 rules/，按失败模式分类，不要全塞进主 Prompt； · 不确定时标 needs_review: true，不要硬编看似合理的结果； · 迭代由评估报告驱动：报告告诉你哪层挂了、哪类失败模式，你改对应规则文件，而不是漫无目的调 Prompt。 --- 七、落地顺序（不要反过来） 1. 固化输出契约：Schema + 结构约束； 2. 建金标准集：从已认可的 + 最易出错的样本开始； 3. 先写评估 Skill：跑出基线报告； 4. 再迭代生成 Skill：每次修改对比逐项通过率，无退化且目标提升才算正向； 5. 批量运行 + 隔离回放：失败进队列，结束后人工抽检； 6. 评估 Skill 自身版本化：换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”：每次修改必须附评估报告对比，逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数：前两层挂了，Judge 分数没有意义。 3. 不许把规则堆进主 Prompt：规则按失败模式分文件，评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”，评估 Skill 决定“敢不敢用”。 先让评估体系站稳，再让生成器迭代。这样交付的不是一堆“看起来还行”的产出，而是一套可证明、可回归、可交接的 Skill 质量体系。
310
9
AI 越强，被它拒绝的代价就越大 我有时候会想：AI 越来越厉害之后，有些事情，会不会反而越来越难做？ 这个想法看起来有点矛盾。AI 明明在降低门槛，让不会写代码的人做出软件，让不会画画的人生成图片，让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候，AI 拒绝帮我编写 SQL 注入的请求体，而那还是我有源码、在本地跑测试的情况。那么，往后是否只会更难？ 我们假设某一天，AI 说：「这个请求违规，我不能帮助你。」到那个时候，你还有多少能力，能绕过它，把事情做完？ 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求，以及一件事实际有没有造成伤害，彼此之间并不总是画得上等号。一个请求可能确实危险，也可能只是缺少上下文被误判，或者恰好落在某家公司的限制范围里。 无论是哪种情况，随着我们越来越依赖 AI，这句拒绝都可能变得越来越贵。 今天，一个程序员让 AI 帮忙写代码，AI 拒绝了，他大概率还有别的办法：查文档、找开源项目、问同行，或者自己写。麻烦一点，慢一点，但路还在。 可如果十年之后，大部分程序都由 AI 完成，情况就不一样了。 很多人从接触编程的第一天起，就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品，却未必经历过独立处理底层问题的训练。平时，这种能力结构完全够用，效率甚至更高。只有 AI 拒绝的时候，他们才会发现：平常被省掉的那段学习过程，恰好是此刻最需要的东西。 到那时，一次拒绝的成本，可能就从「今晚多花两个小时」，变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子：往后，连真正理解这类攻击如何发生、能够独立构造测试的人，会不会也越来越少？ 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统，一个经过授权的安全研究员想复现漏洞，假如 AI 识别到危险模式就拒绝，而使用者又只熟悉「让 AI 帮我检查」，这项原本可以独立完成的工作，就这样卡住了。 但是安全专家不会因此消失，但这类技能可能越来越集中在少数人手里。你仍然可以找专家，只是要付出更多的钱、更多的时间，以及更高的沟通成本。 类似的困境，未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据，需要解析它的旧文件格式。AI 判断这涉及规避保护措施，拒绝继续。你拥有这些数据，却没有能力把它们读出来。 你买了一台设备，厂商停止提供服务。你想修改程序让它继续运转，过程中需要处理某种访问限制。AI 不愿协助，而你所掌握的维修方式，早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具，减少重复操作。平台将此归入自动化限制，AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理；未来的使用者，可能连从哪里开始都不知道。 这些例子有一个共同点：当工具同时承担了「执行工作」和「传授知识」的角色，它的拒绝就不只是挡住了一次任务，也挡住了获得这种能力的机会。 更麻烦的是，这种依赖往往是我们主动选择的，而且每一步都很合理。 既然 AI 几秒钟就能做好，为什么还要花几个月学习？既然公司可以采购成熟的 AI 服务，为什么还要养一支负责基础工作的团队？既然市场上已经很少有人手写这些东西，学校为什么还要花大量时间教？ 对个人、公司和学校来说，这些选择都有现实依据。但叠加起来，整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制，我们才发现，备用方案早已在追求效率的过程中被一点点削掉了。 所以，「AI 越强，做事越便宜」可能只描述了未来的一半。 另一半是：被允许的事情越来越便宜，被拒绝的事情依然需要人工完成，却要面对更少的人才、更高的报价，以及越来越难获得的知识。两边的成本差距，会越拉越大。 有人会说，可以换一个模型，或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争，开放模型还足够可用，限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态，以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务，那么「理论上还有别的办法」和「普通人实际用得起、用得明白」，之间仍然可能隔着很远。 我担心的，正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制，有充分的理由。但我们也需要关心：限制由谁定义，误判有没有申诉渠道，用户能不能换工具，以及脱离这个工具之后，还剩下多少独立行动的能力。 保留这些能力，平时看起来甚至有点低效，明明可以自动生成，还要理解原理；明明可以一键完成，还要知道手动怎么做。 但这些看似多余的知识，会在工具拒绝、失效、涨价或改变规则的那一刻，成为真正的选择权。 AI 越强，我们可能越需要留意它说「不」的那一刻。 因为那句话的分量，最终取决于：它拒绝之后，我们还能做什么。
310
10
什么是LLM
300