Claude code安装(击破Anthropic官方封锁)

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

安装依赖 (part1)

Claude Code 是基于 Node.js 运行的,因此你必须先安装 Node.js。

  1. 下载 Node.js

    • 访问 Node.js 官网(https://nodejs.org/zh-cn/download)。

    • 下载 LTS 版本(长期支持版,目前通常是 v20 或 v22)。

    • 默认配置,一路点击 "Next" 安装即可。

  1. 添加path环境变量

  1. 验证安装

    • 打开你的终端(Windows 下用 CMD 或 PowerShell,Mac/Linux 用 Terminal)。

    • 输入 node -v,如果出现类似 v20.x.x 的版本号,说明环境准备好了。

安装Claude code (part2)

  1. 执行安装命令

在终端中输入以下命令(使用国内镜像源,下载速度更快):

npm install -g @anthropic-ai/claude-code --registry=https://registry.npmmirror.com

卸载命令:

npm uninstall -g @anthropic-ai/claude-code
  1. 安装后验证版本

claude --version
  1. 启动claude

创建测试目录,用命令行窗口进入目录执行

报bun的错

不用理会,再启动一次即可。此时会有Anthropic官方封锁限制,报错下截图:

  1. 添加配置解除封锁

编辑用户目录下的.claude.json,比如

路径:C:\Users\FZLX-0003\.claude.json

添加一行配置:

"hasCompletedOnboarding": true,

简单说:hasCompletedOnboarding 就是一个 “是否完成新手引导” 的开关,在国内环境非常关键。为false每次启动都会进入官方新手引导:要你登录 Anthropic 账号、选地区、同意条款、联网验证。为true时直接跳过这一步。

  1. 重启终端,再次运行claude

说明已安装Claude code成功 (中国大陆IP用户,可以顺畅使用Claude Code)

配置模型和APIKey (part3)

cc‑switch(全称 Claude Code Switch)是一个开源、跨平台的桌面小工具,核心就是:给 Claude Code 一键换大模型、换 API 提供商,不用手改 JSON 配置。

简单讲:它是 Claude Code 的 “模型 / 账号切换器 + 配置管家”,特别适合国内环境用 Claude Code 接国产模型或中转 API。

  1. 下载和安装cc-switch

github地址:https://github.com/farion1231/cc-switch/releases

滚动页面可找到下载入口,下载CC-Switch-v3.10.2-Windows.msi

  1. 通过cc-switch设置AI IDE 和 LLM

首先,选择AI编程IDE,这边选择Claude. 目前支持(Claude、Codex、Gemini、OpenCode)

接下来,为AI IDE,设置LLM大模型。

  • 这边举例,选择智普大模型(GLM-4.7),也可其他或自定义

  • 添加后界面变化如下

  1. 测试claude是否配置成功

再次重启终端,在测试目录运行claude

如果有询问是否继续,选择Yes。

 成功配置的界面如下

Claude Code的基本使用 (part4)

常见工作流程:https://code.claude.com/docs/zh-CN/common-workflows

把这个文档看完,就可以把claude code的基本用法使用起来了

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

内容概要:本文系统阐述了Python在数据分析与可视化领域的技术实践,涵盖数据分析基础、数据探索方法、可视化技术原理、高级可视化应用及实战案例五大方面。文章首先介绍NumPy和Pandas在数据处理与描述性统计中的核心作用,继而讲解相关性分析、分布分析和分组对比等探索性分析方法。随后深入剖析Matplotlib、Seaborn和Plotly三大可视化库的技术特点与应用场景,涵盖静态图表、统计图形到交互式可视化。最后通过交通数据的实战案例,演示从数据预处理、探索分析到多维度可视化呈现的完整流程。; 适合人群:具备Python基础、对数据处理与可视化感兴趣的初中级开发者,以及从事数据分析、运营分析、数据科学研究等相关工作的人员;尤其适合工作1-3年、希望提升数据实战能力的研发人员。; 使用场景及目标:①掌握Pandas进行数据清洗、分组聚合与描述性统计的方法;②熟练运用Matplotlib、Seaborn和Plotly实现多样化数据可视化;③通过真实案例理解探索性数据分析流程并构建交互式仪表盘;④应用于业务报表开发、数据洞察挖掘和决策支持系统建设。; 阅读建议:建议结合代码实践同步学习,重点理解不同可视化工具的适用边界,并在实战中尝试迁移应用文中案例逻辑,强化对数据分布识别、多维分析和交互设计的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值