企业官网建设流程全解析

• 文档
• 教程
• 知识库
• 人工智能

本文基于 ai-guide 仓库中《Vibe Coding 零基础教程》编程工具板块整理。命令行 AI 编程工具（CLI）把 AI 直接搬进终端：没有花哨界面，只有极简的文字交互，却因此拥有极高的效率、极低的资源占用和天然的自动化、远程开发能力。读完本文，你将掌握命令行 AI 编程工具的概念与选型方法、Claude Code 的安装与国产大模型接入配置、Gemini CLI / Warp / Copilot CLI / OpenCode 等主流工具的差异，以及别名、CLAUDE.md、斜杠命令、React Ink 自研 CLI 等一系列实战技巧。

一、什么是命令行 AI 编程工具

与 AI 代码编辑器的区别

在学习具体工具之前，先搞清楚命令行工具和代码编辑器的区别。AI 代码编辑器（如 Cursor 等）是有图形界面的软件，你可以看到文件列表、代码高亮、按钮等等；而命令行工具完全在终端里运行，只有文字输入和输出，几乎没有任何图形界面。

可以打个比方：AI 代码编辑器像开自动挡汽车，有方向盘、仪表板、各种按钮；命令行工具像开手动挡赛车，只有最核心的控制，但速度更快、更灵活。

在 《AI 编程工具大全》中，作者把 AI 编程工具分为三大类：零代码平台（浏览器即开即用）、AI 代码编辑器（内置 AI 助手的图形化编辑器）和命令行工具。命令行工具正是其中"效率最高、自动化程度强、成本可控"的一类，但需要一定技术基础，新手不建议直接上手。

命令行工具的四大优势

为什么有些开发者更偏好命令行工具？

1. 速度快：不需要加载图形界面，启动速度极快，全键盘操作效率更高。
2. 资源占用少：没有图形界面，内存和 CPU 占用都很低，在配置一般的电脑上也能流畅运行。
3. 适合自动化：可以写脚本批量处理任务，或集成到自动化流程中，这是图形界面工具很难做到的。
4. 适合远程开发：通过 SSH 连接到服务器，可以直接在服务器上用命令行工具开发。

CLI 在 AI 时代的新角色

你可能会好奇：都什么年代了，命令行这种最古老的交互方式，怎么突然又火了？事实上，最近互联网大厂的风向变了。Google 率先开源了 Workspace CLI，紧接着短短一周之内，飞书、钉钉、企业微信不约而同地在 GitHub 上开源了自己的 CLI 工具。为什么这些大厂不去卷更漂亮的界面，反而集体"开倒车"？答案就两个字：AI。

大厂们不是在给人类做 CLI，而是在给 AI 做 CLI。CLI 就是 AI 的母语——AI 大模型从诞生那天起就在学习海量的代码、命令行操作、终端输出，让它读一行命令、执行一个操作，跟喝水一样自然。反过来，让 AI 操作图形界面就难了：要打开浏览器、等页面加载、找到按钮、处理一堆网页元素，中间有大量和内容无关的干扰信息。

这也是文档中记录的一组对比数据：让 AI 通过浏览器完成真实任务，成功率只有 35.8%；换成 CLI 来完成同样的任务，成功率接近 100%。所以你会看到一个很有意思的现象：以前大厂做产品，想方设法把 UI 做得好看好用给人类使用；现在是返璞归真，面向 AI 做产品、给 AI 使用，越简单直接越好。谁先把自己的产品 CLI 化，谁就能先被 AI Agent 接入，谁就能在 AI 时代继续保持竞争力。国外科技博主甚至写了篇文章叫《CLI is the new API》——以前产品之间的互通靠 API，现在 AI 时代产品和 AI 之间的互通靠 CLI。

那么问题来了：之前很火的 MCP 不也是连接 AI 和工具的协议吗？为什么还需要 CLI？文档给出的解释是：MCP 协议要求把所有工具的名称和参数格式全部注入到 AI 的上下文里，工具一多，Token 消耗就很夸张——有机构做过基准测试，同样的任务，MCP 的 Token 消耗可能是 CLI 的几十倍。而且 MCP 的运行过程对人类来说像黑盒，出了问题很难排查；CLI 就不一样，如果出错了，直接把命令复制到终端里跑一遍，报错信息一目了然。

当然，这并不意味着 MCP 过时了。在需要统一权限管控的企业场景下，MCP 的标准化鉴权规范依然很有价值（仓库中的 《AI 生态的 USB 接口？阿里、腾讯全面支持 MCP》一文可进一步了解）。Cursor 最近还上线了按需加载 MCP 的功能，不再一股脑把所有工具定义塞进上下文，而是等 AI 需要用到某个工具时再加载，大大减少了 Token 消耗。

适合哪些人

如果你熟悉终端操作、追求极致效率、需要远程开发、或者喜欢极简风格，那命令行工具就很适合你。如果你对终端还不太熟悉，建议先用 Cursor 这种 AI 代码编辑器练习一段时间，等对 Vibe Coding 有了足够的理解，再来尝试命令行工具。

二、Claude Code：最强大的命令行 AI 编程工具

Claude Code 的核心能力

Claude Code 是 Anthropic 公司推出的官方命令行 AI 编程工具，直接集成了 Claude 模型，是目前功能最强大的命令行编程工具之一。它最厉害的是自主执行能力——AI 不仅能生成代码，还能自动执行命令、修改文件、安装依赖，真正做到"说一句话，项目就搭好了"。

Claude Code 还内置了安全审查功能，在执行危险操作前会先询问你，防止误操作；它能理解整个项目的结构和上下文，修改代码时会考虑到项目的整体一致性。

特别值得一提的是，Claude Code 支持Claude Skills——这是一种给 AI 准备的能力扩展包。可以把它理解成给新同事准备的工作交接文档，里面包含任务执行方法、工具使用说明、模板素材等。比如你可以创建一个"公司代码规范 Skill"，把代码风格、命名规则、注释要求等写进去，之后 Claude Code 生成的代码就会自动遵循这些规范，不用每次都重复说明。Skills 的核心价值在于：人提供专业知识和方法论，AI 提供智能。关于 Skills 的完整机制与进阶玩法，可阅读仓库中的 《Agent Skills：通用 AI 技能库》。

安装与配置（含国产模型接入）

用 Claude Code 做一个实际演示，完整使用流程如下。

0）准备环境：先确保电脑有 Node.js 环境和 npm 软件依赖安装工具。没有的话，直接到 Node 官网下载傻瓜式安装包即可。

1）一行命令安装 Claude Code：

npm install -g @anthropic-ai/claude-code

（早期版本也支持curl -fsSL https://claude.ai/install.sh | bash的脚本安装方式。）

2）执行claude命令打开程序。默认是需要登录 Claude 账号的，而且 Claude Code 对中国地区有访问限制，直接访问 Anthropic 官网或使用 Claude 的 API 可能会被屏蔽。不过没关系，可以把 Claude Code 背后的 AI 大模型 API 配置改成国产大模型的 API，比如智谱的 GLM。

3）进入{用户目录}/.claude目录，创建一个settings.json配置文件，将大模型 API 指向国产模型平台。以智谱 GLM 为例，配置内容如下（记得替换成你自己的 API Key，可在智谱 AI 开放平台获取，注意不要泄露）：

{ "env": { "ANTHROPIC_AUTH_TOKEN": "your_zhipu_api_key", "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic", "API_TIMEOUT_MS": "3000000", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1 } }

各字段含义说明：

（部分版本也支持更直接的旧式配置写法：在settings.json中直接填写apiKey、baseURL和model三项，例如"baseURL": "https://open.bigmodel.cn/api/coding/paas/v4"、"model": "glm-4.6"。具体以你所使用的 Claude Code 版本支持的配置格式为准。）

4）在项目目录下运行claude，开始对话。

实战演示：5 分钟用自然语言做一个图片压缩工具

配置好之后，就可以让 Claude Code 干活了。以下是文档中演示的完整提示词，目标是让 AI 从零生成一个《图片压缩工具》网站：

请生成一个《图片压缩工具》网站，实现图片压缩处理功能。需要包含完整的前端和后端代码，要求项目可以正常运行。 需要实现的功能： 1. 支持常见图片格式（JPG、PNG、WebP 等）的上传与压缩 2. 可设置压缩质量（如高 / 中 / 低或自定义百分比） 3. 显示原始图片与压缩后图片的对比（尺寸、大小、预览图） 4. 压缩完成后提供下载按钮，支持批量处理 设计要求： 1. 现代简约风格，主色调使用绿色 2. 响应式布局，在手机和桌面设备上均有良好体验 3. 上传区域有明显的拖放提示，操作流程直观清晰

点击执行后，大模型很快给出了任务规划——先搭建后端、再实现前端、前后端联调、最后测试运行。文档记录的实测结果是：不到 5 分钟，AI 就完成了任务，还自动帮你安装好了依赖；打开浏览器访问localhost:3000就能看到效果。整个过程中，Claude Code 会自动执行命令、创建文件、修改代码，你只需要用自然语言描述需求。

Claude Code 的优缺点

除了前面提到的自主执行能力和 Skills 支持，Claude Code 还支持多种编程语言，不仅限于 JavaScript / TypeScript，Python、Go、Rust 等都支持；项目理解能力也很强，能自动分析项目结构，理解各个文件之间的关系，修改代码时会考虑整个项目的一致性。

缺点也很明确：Claude Code 使用 Anthropic 的 API，按 Token 计费，成本较高；且对国内用户有访问限制，需要配置国产大模型 API 才能正常使用。不过，如果你经常需要开发复杂的新项目、写大量代码，Claude Code 的效率也值得这个成本。

用 CC Switch 一键切换第三方模型

Claude Code 虽然默认使用 Anthropic 的 Claude 模型，但它支持切换第三方模型。很多国产大模型（如 DeepSeek）都提供了兼容 Anthropic/OpenAI 格式的 API，可以直接对接 Claude Code 使用。推荐使用开源工具CC Switch来可视化管理 Claude Code 的模型配置，它内置了 50 多个供应商预设，一键切换不同的模型供应商，不用自己手动改配置文件。

以切换 DeepSeek 为例，操作步骤如下：

1. 安装 CC Switch（Mac 用户可通过 Homebrew 安装）；
2. 运行软件，在应用栏选择 Claude，点击"添加供应商"，在预设列表中选择 DeepSeek；
3. 填写从 DeepSeek 开放平台获取的 API Key；
4. 设置主模型为 DeepSeek-V4-Pro（Agent 能力和复杂推理更强）；
5. 保存并启用，重新进入 Claude Code 即可使用。

通过 CC Switch，你还可以在 DeepSeek、小米 MiMo 等多个国产模型之间自由切换，按需选择最合适的模型。完整的手把手对接教程（含 Codex 的本地路由协议转换原理）见仓库中的 《Claude Code 和 Codex 对接国内模型教程》；用 Claude Code + DeepSeek 开发完整项目的实战经验，可阅读 《Claude Code - AI 提肛助手项目实战》。

三、其他值得关注的命令行工具

Gemini CLI

Gemini CLI 是 Google 推出的开源命令行工具，集成了 Gemini 模型。最大的优势是有免费额度，而且支持超长上下文（100 万 Token），可以一次性分析整个大型项目，适合想尝试命令行工具、但预算有限、需要分析大型项目的开发者。

它采用 ReAct（推理和行动）循环，AI 会先思考再行动，处理复杂任务的能力比较强；还支持 MCP（Model Context Protocol），可以连接各种外部工具和服务。用法跟 Claude Code 类似，一行命令就能安装：

npm install -g @google/gemini-cli

然后输入gemini就能运行了。

Warp

Warp 是一个现代化的终端工具，它不仅是终端，还集成了代码编辑器和 AI 助手，三位一体。作者的个人体验是：Warp 的界面比 Claude Code 更易用，支持 AI 命令建议和团队协作功能。如果你经常在终端里工作，又想要更好的交互体验，Warp 是个不错的选择——它能让你在享受命令行效率的同时，不用完全放弃图形界面的便利。

GitHub Copilot CLI

GitHub Copilot 是微软推出的 AI 编程助手，GitHub Copilot CLI 是它的命令行版本，可以在终端里使用 AI 辅助。它与 GitHub 深度集成、支持 MCP 协议、可以生成和解释命令。如果你已经在用 GitHub Copilot 做代码补全，那么 Copilot CLI 能让你在终端里也享受到类似的 AI 辅助，特别适合需要频繁执行命令的场景。

OpenCode

OpenCode 是最近非常火的开源命令行 AI 编程工具，被称为"Claude Code 的开源版"。它最大的优势是完全免费开源：相比 Claude Code，OpenCode 不需要付费订阅，也没有地区限制，对国内用户特别友好。它提供直观的终端界面、会话管理、自定义命令等功能，而且支持多模型自由切换，包括 Claude、GPT、Gemini、DeepSeek 等，你可以根据不同任务选择最合适的模型，不用被单一模型限制。

用法很简单，直接一行命令安装：

curl -fsSL https://opencode.ai/install | bash

然后执行opencode命令就可以使用了。完整的安装、选模型与实战评测可参考仓库中的 《OpenCode：开源免费的 AI 命令行工具实测》。

命令行工具怎么选

选择命令行 AI 工具主要看你的需求和预算：

• 追求最强功能和最好体验：选 Claude Code。它的自主执行能力、Skills 支持、项目理解能力都是最强的，适合专业开发者和复杂项目；不过需要付费，国内还需配置国产大模型 API。
• 想完全免费：选 OpenCode。它是开源的，支持多模型切换，功能接近 Claude Code，且没有地区限制，适合预算有限的学生和个人开发者。
• 需要超长上下文分析大型项目：选 Gemini CLI，支持 100 万 Token 上下文，可一次性分析整个大型项目，且有免费额度。
• 想要更好的终端体验：选 Warp。终端、编辑器、AI 三合一，界面现代化，适合不想完全放弃图形界面的开发者。
• 已经在用 GitHub Copilot：选 Copilot CLI，可以无缝衔接你现有的工作流程。

根据不同的任务选择最合适的工具，效率最高。文档作者本人的实践是：主要用 Claude Code + 配置国产模型来快速搭建中小型项目、或者进行文件批处理操作。

CLI 开源生态：从大厂到社区

除了上面这些 AI 编程工具，CLI 的开源生态也在快速发展。目前飞书、钉钉、企业微信、Google 等大厂的 CLI 基本都覆盖了消息、日历、文档、通讯录等核心业务，而且都内置了 AI Agent Skills，可以直接被 Claude Code、Cursor 等 AI 工具调用。

社区里也涌现了很多有意思的项目：

• OpenCLI：能把任意网站、Electron 应用、甚至本地工具统统变成命令行接口。如果你想帮 AI 查 B 站热门、知乎热榜，装上 OpenCLI 后输入一行命令就搞定了。它内置了几十个适配器，覆盖了 B 站、知乎、Twitter、Reddit 等大量平台，就像给 AI 装了一个万能遥控器。
• CLI-Anything：能自动分析一个开源软件的源码，找出每个功能背后的 API 逻辑，然后自动生成对应的 CLI 命令。有了它，几乎任何软件都能被快速 CLI 化，非常适合给 AI 调用。

四、命令行工具实战技巧

无论你选择哪个命令行工具，下面这些技巧都能帮你提升效率。

1、善用别名

在.bashrc或.zshrc中设置别名，快速启动工具：

alias cc="claude" alias gc="gemini" alias oc="opencode"

这样只需要输入cc就能启动 Claude Code，输入gc就能启动 Gemini CLI，输入oc就能启动 OpenCode。虽然只是少打几个字母，但对于频繁使用的开发者来说，也能节省时间。

2、创建项目配置文件 CLAUDE.md

在项目根目录创建配置文件，告诉 AI 项目的规范。Claude Code 会自动读取项目根目录的CLAUDE.md文件，这是官方推荐的配置文件名。你可以在里面写上项目的规范、常用命令、核心文件说明等：

# 项目规范 - 使用 TypeScript - 遵循 Airbnb 代码规范 - 所有函数必须有类型注解 - 使用 ESLint 和 Prettier # 常用命令 - npm run dev：启动开发服务器 - npm run build：构建生产版本 - npm test：运行测试

这样 AI 生成的代码就会自动遵循这些规范。而且可以把CLAUDE.md文件提交到 Git，团队成员共同维护，让 AI 越来越懂你的项目。

3、分步骤执行

不要一次性提出太复杂的需求，而是分步骤来：先创建基本的项目结构，然后添加功能，再优化细节。这样更容易控制进度，也更容易发现和修复问题。

4、结合其他命令

命令行工具可以和其他命令结合使用。比如可以把一个命令的输出结果保存到文件，然后让 AI 读取：

# 把 git diff 输出保存到文件 git diff > changes.txt # 然后在 Claude Code 中引用这个文件 # 在对话中说：根据 @changes.txt 的改动生成提交信息

或者写脚本批量处理任务，实现完全自动化的开发流程。比如写一个脚本自动遍历所有文件，并让 AI 添加注释、优化代码等。

5、Claude Code 创始人的神级技巧

Claude Code 的创始人曾多次分享使用技巧，这里挑选最值得学习的几条：

1. 并行多开提高效率：在终端中同时运行多个 Claude，将标签页编号，通过系统通知了解哪个需要人工输入。还可以在网页端 Claude Code 上运行多个实例，和本地 Claude 同时进行，充分利用等待时间。更进阶的方式是同时开 3~5 个 git worktree，每个跑一个 Claude 会话，互不干扰，还可以设置快捷键一键切换，或者专门留一个 worktree 只看日志、跑查询。
2. 善用计划模式：复杂任务一定要先让 Claude 进入计划模式，把心思花在打磨计划上，计划到位了 Claude 基本能一次性搞定。一旦感觉方向不对，别硬推，立刻切回计划模式重新来。优先使用带思考功能的模型，虽然比较慢，但在工具使用方面更出色，长远来看效率更高。
3. 团队维护 CLAUDE.md 文件：把文件用 Git 管理，团队成员共同维护。每次纠正 Claude 的错误，顺手让它把这条经验更新到 CLAUDE.md 中，这样 Claude 下次就知道不要这样做了，时间久了出错率会明显下降。
4. 封装技能和斜杠命令：重复的事情就封装成技能或斜杠命令，用 Git 管理，跨项目复用。比如搞个/techdebt命令每次会话结束跑一下清理重复代码，或者创建/commit-push-pr命令一次性完成提交、推送和创建 PR。Claude Code 内置了 50 多个斜杠命令，覆盖会话管理、上下文控制、并行协作等方方面面，完整分类讲解见仓库中的 《Claude Code 常用斜杠命令大全》。
5. 使用 MCP 工具扩展功能：比如 Slack 搜索和发布内容、运行 BigQuery 查询、从 Sentry 获取错误日志等。创始人说他半年没手写过一行 SQL 了，全靠 AI 用命令行直接查数据库做分析。
6. 完善反馈验证机制：别光让 Claude 干活，还要让它知道怎么验证自己的工作。比如让它打开浏览器测试 UI，发现问题后自动迭代，直到功能正常运行。
7. 提示词要更有创意：比如让 Claude 当考官——"先考考我这些改动理解对不对，我过了再提 PR"，或者说"根据你现在掌握的所有信息，推翻重来，给我个更优雅的方案"，还可以让它对比 main 和功能分支的差异，往往能得到更好的结果。
8. 使用子代理（Subagents）：想让 Claude 更快完成任务时，在请求后面加一句"use subagents"，把独立的小任务丢给子代理处理，主代理的上下文就能保持干净。还可以用钩子（Hooks）把权限请求转给高级模型，让它判断安不安全、自动批准。
9. 选择合适的终端环境：推荐试试语音输入（macOS 按两下 fn 就能用），因为说话比打字快 3 倍，描述需求时会写得更详细，AI 理解也更准确。还可以用/statusline定制状态栏显示上下文用量和当前分支。
10. 靠 Claude 学习新东西：在配置中开启"解释型"输出风格，让它讲清楚每个改动背后的原因。还可以让它生成 HTML 幻灯片讲解陌生代码，或者画 ASCII 图解释协议和架构，把 AI 当成你的 1 对 1 导师。

6、动手开发 CLI 工具：React Ink

前面介绍了很多现成的 CLI 工具，其实你完全可以自己动手做一个。如果你有自己的产品或工具，做个 CLI 能让用户通过 AI 更方便地使用。

这里重点介绍一个开发 CLI 的宝藏技术——React Ink。Claude Code 的源码曾意外泄露，有人发现它就是用 React Ink 开发的。简单来说，平时我们用 React 写网页，React 会把组件渲染成浏览器里的页面；而 React Ink 做的事情是把同样的 React 组件渲染成终端界面。这个库非常成熟，Gatsby CLI、Prisma CLI 等知名项目都在用。

举个例子，编写下面这段代码，就能渲染出一个简易的终端界面，显示一个每秒自动加 1 的计数器。整个开发过程其实就跟写网页差不多，简单的 CLI 工具直接让 AI 一把梭就行。先编写给 AI 的提示词：

帮我用 React Ink 开发一个名为 codefather-cli 的命令行工具，实现以下功能： 1）codefather search <关键词> 获取编程导航搜索结果 https://www.codefather.cn/search/all?searchText=<关键词> 在终端中展示搜索结果列表，包括标题、作者、点赞数 2）codefather hot 获取编程导航热榜 https://www.codefather.cn/hot/all_hot 在终端中展示热榜 TOP20，包括排名、标题、作者、热度 要求：支持 --help 查看帮助信息

把这段提示词丢给 Claude Code 或者 Cursor 等 AI 编程工具，AI 就能帮你生成完整的项目代码。最终运行效果中，AI 通过--help就能快速了解这个工具怎么用，准确给出回答。这就是 CLI 的魅力：对人类来说是一个好用的效率工具，对 AI 来说更是一个天然的操作接口。

7、上手试试飞书 Lark CLI

如果你想直观感受现代 CLI 的使用体验，可以试试飞书开源的 Lark CLI——它让你在终端里直接操作飞书的消息、日历、文档等功能。先输入一行命令安装：

npm install -g @larksuite/cli

装好之后，先配置一下应用信息：

lark-cli config init --new

打开链接配置飞书 CLI 应用。创建应用成功后，需要登录授权，按需选择你允许通过 CLI 操作的业务：

lark-cli auth login

跟着 CLI 的引导一步步操作即可。授权过程中，记得要在飞书管理后台审核应用；审核通过后重新执行登录命令，直到看到"授权成功"。

之后，你就可以用命令行来操作飞书了。比如查看今天的日程安排：

lark-cli calendar +agenda

查看待办任务：

lark-cli task +get-my-tasks

甚至直接创建一篇文档：

lark-cli docs +create --title "周报" --markdown "# 本周进展"

以前这些操作要打开飞书 App，点好几下才能完成，现在一行命令就搞定了。CLI 有这么多命令和参数，使用过程中如果忘了某个命令怎么用，只需要记住一个万能口诀：不会就加--help。

lark-cli --help lark-cli calendar --help

通过这个例子，可以直观感受 CLI 的高效和便捷，体会为什么大厂都在卷 CLI。

写在最后

看到这里，相信你已经对命令行 AI 编程工具有了全面的了解。**注意，命令行工具不是必需品，而是提升效率的 1 种选择。**如果你觉得 Cursor 已经够用了，完全可以继续用 Cursor。命令行工具更适合追求极致效率、喜欢极简风格的开发者，或者有远程开发、自动化处理等特殊需求的场景。

现代的命令行工具已经很友好了，只要你会基本的终端操作，就能上手。对于国内用户，文档推荐两个选择：

1. Claude Code 搭配国产大模型：既能正常使用，成本也不高；
2. OpenCode：完全免费开源，支持多模型切换，没有地区限制，适合预算有限的用户。

如果你想继续系统学习编程工具，可以参考仓库中的 《AI 编程工具大全》了解工具全景分类，阅读 《AI 模型选择指南》搞清模型差异，下一步还可以继续学习 《AI IDE 插件》，灵活配置自己的开发环境。

• 文档
• 教程
• 知识库
• 人工智能