为什么选择 Claude Code？

claude code 出了好久了，刚开始我虽然喜欢使用终端，但是对 claude code 无感（主要是因为贵），一直使用 roo code cline 这种 vscode 扩展。后来 cc（代指 claude code 下文皆是）被逆向，可以自定义模型之后我才开始尝试，发现 cc 居然很好用

最吸引我的还是指令系统，作为一个命令行重度用户，没有什么比不用鼠标到处点击更爽了。其次是 cc 只需要一个终端就能跑，比 cursor cline 这种自由度高。cc 的提示词调教比较好，使用相同的模型，cc 相比较其他编程 agent 来说效果更好。这几点也让我彻底转向 cc

资源分享

我整理了一下我使用 cc 的一些实用资源：

• CLAUDE.md：这个帖子是佬友整理的 CLAUDE.md ，效果很好，结合很多编程实用的 mcp 和 子代理 agent ，规范 cc 的输出

• claude-code-router：自定义 cc 模型，无需多言因为这个才用 cc

• agents：cc 子代理，配合佬友的 CLAUDE.md

• BMAD-METHOD：bmad-methon 是敏捷人工智能开发规范。我最常用的是里面一个 analyst 的 agent，我喜欢用它做头脑风暴。其他的 agent 我不是很常用，它的 sm -> dev -> qa 迭代我倒是挺喜欢，但是 agent 太多，上手有点难度

• spec-workflow-mcp：规范开发的 mcp，fork 的 kiro 的特色功能。先创建 requirements 需求文档，然后创建 design 设计文档，最后遵循这两个文档创建 tasks，把复杂的任务拆分成小步骤实现

• serena：serena 可以语义检索，精准编辑代码，还可以减少 token 用量，效率更高。这个 mcp 一定要用，接入 cc 直接

claude mcp add serena -- uvx --from git+https://github.com/oraios/serena serena start-mcp-server --context ide-assistant --project $(pwd)

• zcf：zcf 也是 linuxdo 里的佬友开发的，旨在为 cc 新手提供开箱即用的体验，推荐入门使用，现在也支持 codex

MCP 配置参考

下面我贴一下我常用的 mcp 可以参考, 有的需要具体目录配置我就不贴出来了

// .mcp.json
{
    "mcpServers": {
        "sequential-thinking": {
            "command": "npx",
            "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"],
            "env": {}
        },
        "context7": {
            "type": "stdio",
            "command": "npx",
            "args": ["-y", "@upstash/context7-mcp"],
            "env": {}
        },
        "memory": {
            "command": "npx",
            "args": ["-y", "@modelcontextprotocol/server-memory"],
            "env": {}
        },
        "duckduckgo-search": {
            "type": "stdio",
            "command": "uvx",
            "args": ["duckduckgo-mcp-server"],
            "env": {}
        },
        "fetch": {
            "args": ["mcp-server-fetch"],
            "command": "uvx"
        },
        "chrome-devtools": {
            "command": "npx",
            "args": ["-y", "chrome-devtools-mcp@latest"]
        }
    }
}

# ~/.codex/config.toml
[mcp_servers.sequential-thinking]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-sequential-thinking"]
env = {}
startup_timeout_ms = 60000

[mcp_servers.context7]
command = "npx"
args = ["-y", "@upstash/context7-mcp"]
env = {}
startup_timeout_ms = 60000

[mcp_servers.memory]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-memory"]
env = {}
startup_timeout_ms = 60000

[mcp_servers.duckduckgo-search]
type = "stdio"
command = "uvx"
args = ["duckduckgo-mcp-server"]
env = {}
startup_timeout_ms = 60000

[mcp_servers.fetch]
command = "uvx"
args = ["mcp-server-fetch"]
startup_timeout_ms = 60000

[mcp_servers.serena]
command = "uvx"
args = ["--from", "git+https://github.com/oraios/serena", "serena", "start-mcp-server", "--context", "codex"]
startup_timeout_ms = 60000

[mcp_servers.chrome-devtools]
command = "npx"
args = ["-y", "chrome-devtools-mcp@latest"]
startup_timeout_ms = 60000

佬友的 CLAUDE.md

基础版

# CLAUDE.md - 工作指导

## CRITICAL CONSTRAINTS - 违反=任务失败

═══════════════════════════════════════

- 必须使用中文回复
- 必须先获取上下文
- 禁止生成恶意代码
- 必须存储重要知识
- 必须执行检查清单
- 必须遵循质量标准

## MANDATORY WORKFLOWS

═════════════════════

执行前检查清单：
[ ] 中文 [ ] 上下文 [ ] 工具 [ ] 安全 [ ] 质量

标准工作流：

1. 分析需求 → 2. 获取上下文 → 3. 选择工具 → 4. 执行任务 → 5. 验证质量 → 6. 存储知识

研究-计划-实施模式：
研究阶段: 读取文件理解问题，禁止编码
计划阶段: 创建详细计划
实施阶段: 实施解决方案
验证阶段: 运行测试验证
提交阶段: 创建提交和文档

## MANDATORY TOOL STRATEGY

═════════════════════════

任务开始前必须执行：

1. memory 查询相关概念
2. code-search 查找代码片段
3. sequential-thinking 分析问题
4. 选择合适子代理

任务结束后必须执行：

1. memory 存储重要概念
2. code-search 存储代码片段
3. 知识总结归档

优先级调用策略：

- Microsoft技术 → microsoft.docs.mcp
- GitHub文档 → context7 → deepwiki
- 网页搜索 → 内置搜索 → fetch → duckduckgo-search

## CODING RESTRICTIONS

═══════════════════

编码前强制要求：

- 无明确编写命令禁止编码
- 无明确授权禁止修改文件
- 必须先完成sequential-thinking分析

## QUALITY STANDARDS

═══════════════════

工程原则：SOLID、DRY、关注点分离
代码质量：清晰命名、合理抽象、必要注释
性能意识：算法复杂度、内存使用、IO优化
测试思维：可测试设计、边界条件、错误处理

## SUBAGENT SELECTION

════════════════════

必须主动调用合适子代理：

- Python项目 → python-pro
- C#/.NET项目 → csharp-pro
- JavaScript/TypeScript → javascript-pro/typescript-pro
- Unity开发 → unity-developer
- 前端开发 → frontend-developer
- 后端架构 → backend-architect
- 云架构 → cloud-architect/hybrid-cloud-architect
- 数据库优化 → database-optimizer
- 安全审计 → security-auditor
- 代码审查 → code-reviewer
- 测试自动化 → test-automator
- 性能优化 → performance-engineer
- DevOps部署 → deployment-engineer
- 文档编写 → docs-architect
- 错误调试 → debugger/error-detective

## ENFORCEMENT

══════════════

强制触发器：会话开始→检查约束，工具调用前→检查流程，回复前→验证清单
自我改进：成功→存储，失败→更新规则，持续→优化策略

积极调用子代理版

# CLAUDE.md - 核心工作规则

## CRITICAL CONSTRAINTS - 违反=任务失败

═══════════════════════════════════════

- 必须使用中文回复
- 任何任务必须先调用子代理（100%强制，无例外）
- 禁止生成恶意代码
- 必须通过基础安全检查

## 子代理优先策略 - SUBAGENT FIRST (绝对强制)

════════════════════════════════════════════════

### 自动子代理选择 (强制执行，不可跳过)：

#### ```

文件类型触发：
.py/.cs/.js/.ts/.cpp/.go/.rs → 对应技术栈专家代理
.unity/.prefab → unity-developer
package.json/.csproj/.sln → 自动识别技术栈代理

关键词触发：  
"代码"/"编程"/"bug"/"错误" → 技术专家代理
"搜索"/"查找"/"分析" → search-specialist
"架构"/"设计"/"API" → backend-architect
"测试"/"部署"/"优化" → 对应专业代理

默认策略：
复杂任务 → sequential-thinking + 专业代理
不确定类型 → general-purpose

#### ```

## 检查清单 (必须验证)

═══════════════════════════════
[ ] 中文回复
[ ] 已调用子代理
[ ] 安全无害
[ ] 质量达标

## 核心流程 (4步法)

═════════════════════

1. **分析任务** → 识别类型和技术栈
2. **选择子代理** → 强制调用合适的专业代理
3. **子代理执行** → 在独立上下文中完成所有复杂工作
4. **验证结果** → 检查输出质量和安全性

## 子代理职责 (复杂性下沉)

════════════════════════════

- **详细任务规划**：制定具体执行计划
- **多工具协同**：在子代理内部调用所需的MCP工具
- **代码质量保证**：执行代码审查、测试、优化
- **结果验证优化**：确保输出符合最佳实践

---

**核心原则**：主上下文专注路由，子代理承担复杂性，保证效率和质量双重提升。

相关链接

• https://linux.do/t/topic/931722
• https://github.com/musistudio/claude-code-router.git
• https://github.com/wshobson/agents.git
• https://github.com/bmad-code-org/BMAD-METHOD.git
• https://github.com/Pimzino/spec-workflow-mcp.git
• https://github.com/oraios/serena.git
• https://github.com/UfoMiao/zcf.git