Hello everyone. CloudCode could be called the very first AI agent system I ever used; it’s practically my mentor , and even now, I still use this tool at a high frequency every day. To every friend around me who wants to get started with AI, I always recommend that they learn CloudCode first. So, today's video is prepared for those who want to start using CloudCode or for tech beginners who are feeling overwhelmed by all the various terms. I will explain every CloudCode concept or term you need to know in the simplest way possible. After watching this video , CloudCode can become your stepping stone into the world of AI agents. This episode is content-heavy, so I suggest you like and bookmark it, and let’s get started right away.
The first part of the video will begin with the basics , and the first thing to introduce is CloudCode itself. When you chat with AI normally, you input a prompt and then wait for an answer. With CloudCode, you can still give instructions through chat, but the difference is that your tasks will directly turn into actual actions on your computer. For example, when you say "help me build a website," it can create the files needed for the site, modify the content, run the program, and even perform follow-up tests.
If you give it a few documents and ask it to summarize the interviews into a report, CloudCode can actively read the data and organize what it finds into a new document that meets your needs. CloudCode is exactly that kind of AI tool launched by Anthropic. Although it has "Code" in its name, its uses also include organizing data and processing documents. The biggest difference between it and the web version of Claude is that CloudCode is an agent that lives inside your computer; it can access folders, read files, and, as mentioned, create files.
This characteristic makes CloudCode more convenient than the web version, but also more dangerous. To learn how to control this powerful yet risky tool , we will talk about a concept called " permissions" later. Next, let’s introduce how to use CloudCode; the first way is through the terminal. It is actually that black window you often see in various tutorials where you input text commands. Usually, we are used to clicking with a mouse to open folders or create files, but the terminal lets you ask the computer to do these things by typing commands.
For example, to create a folder, you can right-click to select "new," but you can also just type a line of code to get it done. You can simply think of the terminal as a way to operate your computer using code. CloudCode can be executed within the terminal. Once installed, just type "Claude" to launch the chat interface, which is basically no different from the web version of Claude. You can simply assign tasks directly, and leave all the underlying commands to it to handle.
So, using the terminal doesn't mean you need to memorize a bunch of commands; you just need to know how to start it and how to press ESC to stop Claude's work at any time. The second way to use it is by installing it in your preferred IDE. In plain language, an IDE is your development environment or software. In some tutorials, you might see a screen with a file list on the left, your document in the middle, and an AI chat area on the side. This is what happens within an IDE.
VS Code, for example, is a very popular IDE that supports installing the Claude Code extension. This way, you can look at your files while asking the AI to help you modify them. Finally, you can also use the Claude Code desktop application. These are just different entry points, but essentially, you are always using Claude Code. Next is the concept of a " working folder." It’s simple, but I’ve noticed many beginners often overlook it.
A working folder is, as the name implies, the place where you store the data for your current task. An easier way to understand a working folder is: whatever you want your AI agent to see, that is where you should invoke it. Suppose you need to organize ten customer interviews; you can create an "interview project" folder, put all the records in, launch Claude Code in that folder, and instruct it to read these files and save the results in a new document.
The terminal also has the concept of a "current working directory ." The "cd" command you often see in tutorials is simply used to switch between folders. When you switch to your interview project folder and launch Claude Code, it will treat that location as the starting point for its work. A path refers to the specific location of a file, such as "Interview No. 1" inside the "Interview Project" folder. If you specify this location, it will be easier for it to find the data to process.
If you are using an editor, you can clearly see these folders and files in the file list on the side. Treating the working folder as the starting point is crucial. My advice is to keep related data together and clearly tell Claude which files to read and where to save the results. This makes it much easier to keep track of what it’s actually processing, rather than feeling like you're playing with a black box. And avoid making a mess of your computer without even realizing it.
Next, we'll talk about tools. Claude's brain is the model released by Anthropic, such as Sonnet, Opus, or Haiku, but this brain itself has no hands or feet, meaning it can talk the talk but cannot operate your computer. This is when we need to introduce so-called tools. For Claude to read data or modify files, it needs to be done through tools. At the start, you only need to know three types of tools: reading files, writing or modifying files, and executing commands .
When you see Claude reading a document, modifying lines of code, or running a program, it means it is using tools. In terms of usage, you don't need to specify which tool to use at every step. You just need to state your goal clearly, and it will choose the right tool based on the task. For instance, when you ask it to fix a program that won't start, it can try running it first, see the error message , and then modify the relevant files.
After the fix, it runs it again to confirm whether the original error is still there. This process of reading data, making modifications, checking results, and continuing to adjust is a very common "agentic loop." It is precisely because the tools feed back the actual execution results that it can know whether the previous action succeeded and decide whether to continue making changes. So, you can simply think of tools as the hands and feet for the brain, allowing your agent to not just be a "paper tiger," but to truly be able to take action.
Next, we will introduce prompts. A prompt is essentially the instruction or request you input into the AI.
"帮我编辑这篇文章"、"给我建一个网站"或"修复这个错误"，这些都算作提示词。在日常生活中与人工智能聊天时，你实际上已经在编写提示词了；这不需要任何特殊的语法结构。然而，你的请求越具体，它就越清楚该朝哪个方向进行。如果你只说"给我建一个网站"，那就太模糊了，留下了太多细节让它去猜测。
你可以试着说："给我建一个周末摄影课的注册页面，包括课程时间、地点和示例作品，并有一个链接到我现有表单的注册按钮。"目标是让第一次看到这个课程的人清楚地知道这是否适合他们；这样，你不仅告诉它要包含哪些元素，还解释了页面的核心目的。
有了这些背景信息，Claude 能更好地选择内容并安排页面布局。如果你还有一些细节尚未确定，你也可以要求 Claude 在指令中提示你。例如，让它先问你注册页面是否需要集成支付功能，或者提交表单后应该显示哪个屏幕，然后在得到你的确认后继续执行。因此，提示词可以是一场来回的对话；你不需要在开始时写出每一个细节。
除了文本外，Claude Code 还能理解你提供的图像和截图。通常来说，与其花大量文字描述问题，不如直接给 Claude 看一张截图来得快。例如，如果网页标题被截断或在移动设备上页面溢出屏幕，你可以给它一张截图并明确指出你想要更改的内容。
你也可以提供你喜欢布局的截图作为参考，但记得附上一段说明，告诉它是引用字体大小、留白还是文本和图像的排列。如果你只是发一张图片并说"照这个做"，它仍然不得不猜测你实际上在意图像中的哪些具体细节。
接下来，让我们认识一下斜杠命令（slash commands）。在 Claude Code 的输入框中，只需键入一个斜杠后跟特定的名称即可触发相应的功能。我们之前提到的提示词使用自然语言分配任务，而斜杠命令则提供快捷方式，让你直接调用特定操作。例如，输入"help"可以让你查看使用说明和当前可用的命令列表；只需键入斜杠，可用选项的菜单就会弹出。
因此，当你忘记命令名称时，只需在这个菜单中查找；无需记住整个列表。稍后在讨论切换模型或管理对话历史时，我们也将使用这类斜杠命令。接下来，我们要谈谈之前提到的权限问题。因为 Claude Code 具有创建、修改甚至删除文件的能力，你需要决定哪些操作它可以自行处理，而哪些操作在执行前必须征求你的意见。
当你看到权限提示弹出时，记得检查它打算做什么以及会影响哪些文件，然后在确认一切无误后再点击同意。然而，大多数初学者可能不理解这些机制，所以我建议简单地拒绝任何你不认识的请求，并问："你到底想做什么？我不明白。"这样，随着你的练习，你也在不断构建自己的知识体系。
至于哪些操作可以设置为自动执行，而哪些必须经过你的批准，这些都可以在设置中进行调整，我们将在第三章中详细介绍。我希望在看完第一章后，你对 Claude 有了基本的了解。接下来进入第二章：对话与记忆管理。在这里，我们要帮助你区分 Claude 当前使用的信息与可以保存供下次使用的记录。
首先，让我们了解"上下文窗口（context window）"的概念。你可以将其视为 Claude 在工作时的短期记忆。你在对话早期提出的要求、它刚刚读取的文档内容，以及执行工具后获得的结果，都会被放入这个上下文窗口中，作为处理后续任务的参考。此外，这个上下文能容纳的信息量是有限制的。
如果在一个单一的对话中，你先让它总结采访内容，然后要求它修改网站，接着又让它规划旅行行程。这种不相关的信息如果不断堆积，会让它的短期记忆变得非常杂乱。因此，我强烈建议当你想要切换到另一个不相关的任务时，最好开始一个新的对话，而不是将所有内容塞进同一个对话中。
这个上下文能容纳多少内容通常以"令牌（tokens）"为单位计算。当人工智能模型处理文本时，它会将文本分解成小单元，这些单元被称为"令牌（tokens）"。虽然令牌的数量与字数有关，但单个令牌不一定等于一个中文字符，也不一定等于一个英文单词。关键在于，你的输入要求、Claude 读取的数据以及它最终为你生成的响应都会消耗令牌用量。
因此，即使你只输入了像"帮我总结这十份采访内容"这样简短的一句话，这项任务仍然会消耗相当多的配额。因为它实际上需要阅读那十份文档的内容，这将消耗"输入令牌（input tokens）"，然后生成一份完整的报告，这将消耗"输出令牌（output tokens）"。
无论是输入还是输出，这些都计入令牌用量中。至于这些用量的收费方式，取决于你的订阅计划和所选的模型。我稍后会提到这一点，但此刻你只需要知道令牌用量是基于整个工作流程的总和计算的。你不能只看自己输入了多少字符。所以，我一直认为，尽管人工智能能力不断增长且提示词的重要性在逐渐减弱，但编写提示词仍然是一门艺术。
对于那些寻求节省成本的人来说，如果提示词过于简单，可能会导致模型偏离方向并进行不必要的推理，最终消耗更多的令牌。然而，写得过于详细又会限制模型的能力和创造力，因为你设想的方法并不总是最好的方法。接下来我们看看对话历史（conversation history），也就是聊天记录。
如果你在工作中途关闭了 Claude Code，明天打开时仍然可以从上次中断的地方继续工作。因为当你在自己的电脑上使用它时，它会自动保存你的对话历史，所以你不必重新解释之前的情况。
每次从头开始任务时，当你回到同一个工作文件夹并输入“cloud”后跟一个空格和“-c”，你可以无缝继续最近的对话。如果你想恢复之前的对话，只需输入“cloud code resume”从历史记录中选择。接下来，我想介绍一个名为“compact”的功能，旨在处理单个对话变得越来越长的情况。假设你仍在进行同一个项目，但已经研究了大量材料并尝试了多种不同方法。如果带着所有这些过去的过程继续工作，你的上下文窗口很快就会填满。这时“compact”就派上用场了；它将之前的对话浓缩为摘要，仅保留核心工作目标、过程中做出的关键决策以及当前进度。这样，后续工作可以在更小且更清晰的上下文中继续。
虽然Cloudcode会自动管理你的上下文，但你也可以在合适的时候主动输入“compact”来帮助它整理内容。例如，当你完成所有信息的研究并准备正式开始时，你可以使用此命令提醒它：“请保留已确认的大纲、数据来源和写作要求，其余细节可以放下。”但请记住，摘要不可避免地会省略一些细节，所以建议将重要内容保存在单独的物理文件中以确保安全。例如，你可以要求Cloudcode将已确认的大纲以及当前进度的几行内容保存为文本文件。下次，你可以直接指示Cloud读取该文件并继续工作。这些是你自己保存的项目文件，可以随意命名。
另一个命令是“clear”，用于清除当前记忆并开启全新的对话上下文。简而言之，“act”适合当你想要继续处理同一项任务时使用，而“clear”则适用于你想要切换到完全无关的新任务时。这两个命令仅清除对话记忆，不会删除你已经保存的物理项目文件。接下来我们要讨论的是“memory”（记忆）功能。该功能允许你后续的对话重用之前积累的经验。Claude具有自动记忆能力，它会自动将其认为值得保留的信息整理到记忆文件中，以便在处理相关任务时检索。
例如，它可能会发现该项目中的特定程序检查必须以某种方式进行执行，或者你在对话中纠正了它对项目某些部分的理解。这些经验将成为它未来工作的参考。当然，你也可以主动告诉它：“请记住这种方法，以便下次遇到相同问题时直接使用。”它所保留的是经过消化和整理的笔记，而不是永久记住你所说的每一句话。另外请注意，内置的自动记忆默认绑定到当前项目，因此不要将其视为通用记忆，如果你更改项目甚至切换电脑，它不会无缝延续。
你可以随时要求列出当前记住的内容，如果发现内容过时，只需让它更正或删除即可。保留的笔记需要定期维护，以免旧方法在后台持续影响你。现在信息量可能很大，让我快速总结一下：上下文是你即时提供给模型的信息，聊天记录存储了你过去的对话过程，而记忆则是保留的精选经验笔记。澄清了这三点后，我们将进入第三部分：个性化设置。如果你看到这里觉得视频有帮助，请点赞并订阅频道。
制作内容不易，你的支持是我最大的动力。如果你正在学习AI并希望看到更多实用内容，或者想寻找一群同伴讨论，甚至希望与我进行一对一问答，欢迎加入我们的学校社区。我会将链接放在视频下方的描述框中；有兴趣者欢迎查看。关于个性化设置的第一部分，我们从模型开始——即选择你的模型。Claude Code是你操作的工具，但背后的实际“大脑”，负责理解你的请求并确定下一步行动的是Anthropic的模型。
教程中常见的术语如Haiku、Sonnet、Opus或Fable指的是不同的Claude模型系列。这些系列在能力、速度和成本方面有不同的权衡。简而言之，Haiku侧重于快速处理简单任务，Sonnet平衡性好，适合大多数日常琐事，而像Opus和Fable这样的旗舰模型则拥有最强大的能力。它们专门设计用于处理需要深度推理的复杂任务。如果你是初学者，我建议坚持使用默认模型直到你感到舒适为止。
一旦你有了一些重复性任务，可以尝试通过不同的模型运行相同的提示词以比较结果。在比较时，除了查看响应速度外，更重要的是输出是否立即可用，还是需要你反复修改。毕竟，即使较弱的模型每次使用成本更低，如果它不理解你的指令并迫使你多次重做工作，那也不一定是更具成本效益的。当你想要切换模型时，只需输入“model”即可查看当前可用的选项。
模型版本将来肯定会更新，因此理解如何根据任务难度进行选择比死记硬背模型名称列表要有用得多。除了选择模型外，另一个常见的设置是“effort”（努力程度），指的是投入任务中的推理水平——或者说你希望模型费多大脑力。例如，如果你只是要求它重命名文件，通常不需要太多思考时间。但如果你需要追踪一个反复出现的bug，你需要分析线索并比较原因。这时你可能会考虑增加“effort”，让模型在推理上投入更多精力。
你可以在Claude Code中输入“effort”或在“model”设置中调整它；可用级别取决于你使用的模型。较高的努力程度通常意味着更多的时间和使用成本，但并不保证答案正确。初学者可以坚持
使用預設值即可。當你遇到需要仔細判斷的複雜問題時，可以提高該層級並比較結果；你不需要為每個任務都將其設為最高。接下來，我想介紹 .claudemarkdown 檔案。你可以簡單地把它想成是一套專門為這個專案撰寫給 Claude 的工作說明書。例如，如果你發現自己在每次對話中都要重複相同的指令，像是「請用繁體中文回答」、「使用口語化的語氣」以及「將完成的檔案儲存到特定資料夾」。
由於這些需求每次都是一樣的，你可以簡單地把它們寫入專案資料夾內一個名為 .claudemd 的檔案中。這樣，每次 Claude 開始工作時，它就會自動讀取這些固定的指導原則。這個檔案本質上是一個純文字文件；.md 副檔名代表 Markdown，這是一種使用簡單的文字符號來格式化標題和列表的格式。你完全不需要任何程式設計背景；你可以直接用中文撰寫你的規則，甚至要求 Claude 幫你建立和整理這份文件。
如果你真的不知道在 .claudemd 檔案中該放什麼，你可以在專案中輸入「init」，Claude 就會根據其目前的狀態自動產生一份初步的專案指導原則版本。不過，你仍然應該檢視它產生的內容，以確保它對專案的理解是正確的，然後加入任何你在意的特定需求。如果你正在進行網頁開發專案，你可以包含品牌設計標準、常用的開發工具，以及每次修改後要執行的步驟檢查清單。
此外，你放置這份規則檔案的位置會直接影響其應用範圍。你可以設定一個個人層級的 .claudemd 來包含適用於所有專案的廣泛原則，同時在每個特定的專案資料夾中放置個別檔案，以滿足該專案獨特的需求。例如，「始終用中文回答」這樣的規則非常適合放在你的個人偏好設定中。
而像客戶的品牌名稱是什麼？或是原始資料應該儲存在哪個路徑這些細節，則應保留在專案特定的設定中。這樣做可以確保當你切換到另一個客戶的專案時，不會不小心帶入前一家公司的規範。前面影片提到的記憶功能更多是關於讓它累積在工作中學習到的經驗，而 .claudemd 則是為了那些要求它從一開始就嚴格遵守的黑白分明的指令。
對於想要深入探索的人，可以查看我之前發布的關於 Claude Markdown 的十五分鐘實用教程；我這裡就先停在這邊。除了基本規則之外，如果你想為特定類型的任務儲存完整的工作流程，你可以使用 Skills（技能）。簡單來說，Skills 就像是給 Claude 一本專門的操作手冊。例如，Claude 天生具有寫文章的能力。
然而，你在檢查草稿時可能有一套自己的順序和標準。例如，你可能先驗證邏輯流程，然後修正生硬的句子，最後逐字檢查錯別字。如果你將整個過程轉化為一個 Skill，下次需要編輯時，你只需要求它嚴格遵循此方法即可。Skill 功能的核心是一個名為 skill.md 的檔案。這個檔案清楚地解釋了應該在什麼情況下使用該技能，並提供了逐步執行的指南。
你甚至可以附上優秀的範例、參考資料，或整合輔助腳本。如果你已經有自己的工作流程，你可以要求 Claude 將其格式化為 Skill，或者你只需安裝他人預先製作好的 Skill。許多人問這與前面提到的 Claude Markdown 有何不同？讓我們再次以內容創作過程為例：繁體中文寫作所需的語氣是一種它需要隨時知道的基本要求。
然而，編輯的五點檢查清單是一個完整的工作流程，僅在進入修訂階段時才需要讀取。在系統設計中，Claude 首先會看到所有 Skills 的簡要介紹，並且只有在任務實際需要時才會載入詳細內容；這被稱為漸進式揭露。其主要目的是解決前面提到的問題，即上下文視窗是一種珍貴的資源，因此你不應該盲目地將所有東西都傾倒進去。
因此，你不需要把每個任務的繁瑣步驟都塞進它開始時讀取的 Claude Markdown 中，因為這只會浪費它的注意力和令牌配額。使用它們主要有兩種方式：一是直接下命令指定要使用哪個 Skill，二是讓 Claude 根據你的任務和技能描述來判斷是否載入一個 Skill。我們前面提到的斜線指令也可以用作呼叫特定技能的快捷鍵；這兩個概念在實踐中有所重疊。
我建議你逐步將常見的工作流程整理成 Skills，然後讓它使用這些技能來執行新任務。如果結果顯示它誤解了或卡在某個步驟，這意味著你的指令不夠清晰，你可以回去修改那個 skill.md 檔案。接下來，我想介紹另一種常見的設定方法，稱為 flags（旗標），這些是在啟動時添加的可選參數。
我們之前提到過，在輸入「Claude」後加上空格和連字號-C（-C），你可以恢復最近的對話。那個 -C 實際上是一個啟動旗標，其他參數的工作原理完全相同；它們放在啟動命令之後，用來告訴 Claude Code 你希望它這次如何執行。例如，如果你添加「verbose」（詳細）參數，它會在螢幕上顯示非常詳細的執行日誌，這在你想要追蹤它在每一步執行了什麼操作時非常方便。
但是必須澄清的是，這個選項添加的是系統層級的處理資訊，而不是要求 Claude 在對話中寫出更長的回應。另一個你可能經常看到的參數叫做「dangerously-skip-permissions」（危險地跳過權限檢查）。如果你在啟動時添加這個長參數，它會進入一種「威脅模式」，跳過標準的權限檢查。
換句話說，許多通常會暫停並要求你確認的操作現在將直接執行而不會延遲。我在測試模型功能或在全新的空專案中進行演示時會使用這個命令，因為它節省了我不斷點擊「允許」的時間。如果你是初學者，我強烈建議將此模式嚴格保留在你隨時可以擦除和重置的獨立測試環境中。例如，在單獨的虛擬機器或空的專案資料夾
如前所述，因为在普通工作区使用此模式意味着它不会在每次修改之前暂停，这可能导致文件被错误修改时发生不可逆转的灾难。第三章的最后一点是查看文件访问限制。前面介绍的权限参数决定了它可以执行哪些操作，但如果从另一个角度来看：
你工作目录中的并非所有文件都适合让 Claude 自由访问；例如，某些文件可能存储数据库密码或私人客户联系信息。如果你分配的任务只是修改网页上的标题文本，绝对不需要它读取那些敏感内容。在这种情况下，你可以设置限制以将 Claude 的访问权限限定在特定文件上。
这些设置通常写在名为“settings.json”的文件中，顾名思义，这是用于记录程序配置相关设置的配置文件。如果你不知道如何编写它，只需询问 Claude 根据你当前的项目环境列出建议排除的文件，并让它解释其打算如何限制访问，然后在确认一切正常后应用这些设置。
然而，这里有一个你需要小心的盲点：如果你在设置中限制了 Claude 的文件读取工具，但仍允许它执行其他终端命令。由于某些终端命令也可以打印出文件内容，这实际上等于留了一个后门。所以，不要以为只阻止一个读取工具就能让你万无一失。
对于初学者，我的首要建议是将任务实际需要的数据收集到一个单独的干净项目文件夹中。这不仅更安全，而且让你能更清楚地看到它究竟在处理什么内容。一旦你设置了模型、规则、工作流和权限范围，Claude 实际上拥有更强大的功能。它可以连接到其他外部服务，甚至将任务委托给其他 AI 助手；这是我们要在接下来介绍的进阶功能。
在第四章中，我们将讨论这些高级应用，从 MCP 开始帮助你理解 Claude 如何连接外部工具。在现实工作场景中，你的数据永远不会仅仅整齐地停留在电脑文件夹中。有些可能在基于云端的笔记应用中，有的在 Google 日历上，还有的在公司任务系统如 Jira 或 Trello 中。
如果 Claude 要真正帮你处理日常任务，它需要一个标准渠道来连接这些分散的服务。MCP 是一项为解决此问题而创建的标准协议，专门负责桥接 AI 工具与这些外部数据源或功能。当你在 Claude 中连接一个 MCP 服务器时，就像添加了一个具有特定能力的服务扩展包。
这让 Claude 知道它现在拥有了哪些新工具可供使用。例如，当你通过 MCP 连接日历服务时，如果该服务提供查询工具，你可以要求 Claude 总结你下周的重要日程。如果它还提供了创建活动的事件创建工具，并且你已经授予了授权，Claude 甚至能主动帮你预留会议时间。
至于它能深入到什么程度，完全取决于该 MCP 服务提供的工具以及你愿意授予的权限。你必须清楚区分这与之前讨论过的“Skills”是不同的概念。你可以在 Skill 中编写一条规则，规定在每周五撰写周报之前，必须先整理本周的会议记录。
但那仅仅是一个工作流；MCP 提供的是实际去检索那些会议记录的工具。你不能指望 Claude 仅凭编写一份 Skill 文档就突然获得通灵能力并自动登录你的日历。因此，当你的工作数据分散在不同的云服务中，而你想让 AI 将它们整合到一个自动化工作流时，你需要 MCP 技术。
刚开始使用时，我建议先选择一个你最常用的服务进行连接，熟悉其运作方式，然后逐步扩展到其他服务。进阶功能中的下一个概念是 Hooks（钩子），它的作用是在特定事件发生时自动触发预设的操作。作为一个常见示例，你可以设置每当 Claude 完成代码文件的修改时，它自动运行代码格式化命令。
或者在会话即将结束时强制其执行安全检查。有了 Hooks，你不必像监工一样 tedious 地每次输入相同的命令；你可以简单地将 Hook 视为自动化触发器——一旦某事发生，它就乖乖执行设定的代码。例如，当我编写脚本时，我经常有规则禁止使用某些标点符号。
与其浪费 AI 的计算能力逐行阅读，不如编写一个简单的脚本来扫描它们，并使用 Hook 设置在保存时进行自动检查。让我们再次比较 Skills 和 Hooks：Skills 教导大脑（模型）做事的方法论，而 Hooks 则在系统工作流中植入自动触发器。
因此，在这种情况下，你可以将需要理解的任务（如判断句子是否通顺）留给 AI Skill，而将死板的任务（如每次保存时扫描标点符号）交给 Hook。让双方发挥各自的优势并协同工作。虽然 Hooks 有更高级的用途，例如被触发后调用另一个 AI 模型，但对于初学者来说，首先理解基于事件触发的核心概念就足够了。
如果你想设置 Hook 但不知道如何编写代码，完全可以询问 Claude 来帮助你。只需清楚地告诉它“何时触发”以及“触发后需要做什么”。一旦它帮你设置好，只需运行测试以确认其工作正常。对此感兴趣的人，我之前发布过专门介绍 Hooks 的视频。
我们现在依次介绍了各种扩展功能：Skills、MCP 和 Hooks。接下来，我们需要介绍将这些内容捆绑在一起的概念：插件（Plugins）。设计良好的插件可以将预先编写的 Skills、配置的 Hooks 和连接的 MCP 服务打包成一个套件，实现一键安装。
例如，专家可能会开发一个终极写作套件，其中既包含编辑 Skill 工作流，也包含自动拼写检查 Hook。一旦你安装了这个插件，就不再需要逐个配置这些组件。“Place”（或扩展市场）是一个列出这些插件并告诉你在哪里下载它们的目录。你可以搜索
对于符合你需求的插件，请查看其描述以了解包含的功能和可解决的任务，然后决定是否将其安装到你的项目中。有了这些基础概念后，当你在市场中看到插件描述时，就能清楚地判断自己安装的是简单的技能工作流、能够读取外部数据的 MCP 连接，还是捆绑了多种能力的综合包。
接下来我们将介绍“子代理（Subagents）”。你可以把它们想象成 Claude 为你找来的小助手。到目前为止，我们讨论的工作模式主要涉及你和 Claude 在同一对话窗口内来回互动。然而，一些耗时任务实际上可以外包给一个独立的、并行的 Claude 来处理。一旦完成，它会整理好结果回来向你汇报；这就是子代理的主要用途。
例如，假设你在对话中要求 Claude 编写一份长篇行业报告。进行到一半时，你遇到了一个问题，需要研究另外三份长参考文档。与其让主 Claude 停止工作去阅读这些文件，你可以让它分配一个子代理来处理这个繁琐的任务。助手在完成阅读、整理结论并引用来源后，会将结果交给主 Claude，以便它无缝地继续撰写报告。
这样做的好处是，子代理拥有自己独立的上下文窗口。它为寻找答案而读取的复杂数据以及无效的搜索都保留在其自身的记忆中。主对话只需收获最终润色好的结果，而无需被迫用整个杂乱的研究过程来污染自己的记忆。因此，当你给子代理分配任务时，必须非常具体地说明你希望它返回什么。
如果你只是告诉它“阅读这份文档”，它可能会把整个冗长的文本直接粘贴到你的主对话中，瞬间堵塞你的上下文窗口。更好的方法是明确要求它只返回要点、数据来源以及发现的任何不一致之处，确保主聊天接收到的数据是干净且有用的。
对于更高级的用法，如果你有多个完全独立的任务，甚至可以派遣不同的子代理并行处理。例如，让三个助手分别研究三家不同竞争对手的产品规格，等它们汇报后，再由主 Claude 对话将这些信息综合成一张整洁的比较表。
不过要提醒一点：并非每一个微小琐碎的任务都值得分配给子代理。你需要提供背景、等待它启动，并花费精力整合其答案——所有这些都会消耗额外的时间和 API 成本。如果你只是需要更改网页上的一个标题，没必要把事情复杂化；直接在原始对话中处理绝对是最快速高效的方式。
之前学到的技能（Skills）实际上可以与子代理结合使用。技能提供了执行任务的方法，而子代理则作为执行该方法的函数发挥作用。例如，你可以派遣一个专门从事研究的子代理，并指示它：“请严格按照我编写的学术研究技能中的步骤来验证该声明的来源。”然后让它整理结果并返回给你。
总结一下第四章的内容：这些高级功能赋予了 Claude 连接外部工具的能力，同时也让它具备了“克隆”和团队协作的功能。剩下的少数概念主要涉及代码版本控制、不同的执行模式以及大家关心的使用成本。好了，让我们进入第五章：实际应用与补充介绍第一个救命功能——检查点（Checkpoints）。
每个人都有过这样的经历：你让 Claude 重构代码，却发现方向完全错误且功能失效，只想回到那个完美运行的状态。检查点功能正是为了从这种灾难中拯救你而设计的。每当 CloudCode 通过文件编辑器修改你的代码时，它都会在后台默默保存状态记录，供你随时回溯。
当你需要“重来”时，只需输入“rewind”，系统就会列出你最近的修改历史。你可以选择回到哪个时间点，并决定是只恢复文件内容、同时还原对话记忆，还是两者都恢复。例如，当你发现 Cloud 让网页布局变得更丑时，可以果断回退到之前的检查点。
然后使用更清晰的提示词再次询问它，完全避免依赖你自己脆弱的记忆去痛苦地让它逐行重写代码。但是，请不要把它当作整个计算机的时光机。它只能恢复 CloudCode 通过编辑器修改的内容。如果文件是通过终端命令修改的、被其他软件更改，或者数据已通过 API 发送到外部服务，这些既定事实无法通过简单的“rewind”来撤销。
除了用于短期修复的检查点外，如果你需要长期系统地保存整个项目的历史版本，你将需要一个世界闻名的工具——Git。Git 是专门用于记录文件版本演变的工具。简单来说，当你完成项目的一部分并觉得状态完美时，可以使用 Git 对所有文件“拍照”保存，并附上简短的解释说明。
这样，当你稍后查看历史时，可以一目了然地看到那次具体更改了什么内容。在 Git 中，保存版本这一动作的技术术语称为“提交（commit）”。例如，一旦你完成了摄影课程页面的核心注册功能并测试通过，就可以保存一个提交。
然后继续修改布局和添加花哨的动画；当这些新功能完成后，再为下一阶段保存另一个提交。这样做最大的好处是，几天后突然发现注册功能坏了时，你可以轻松比较历史以找出是哪个具体更改破坏了原有功能。如果真的修不好，你总是可以回退到那个之前完美运行的版本。
更强大的是，Git 允许多个
工程师可以同时开发同一个项目，并安全地合并每个人的代码。许多初学者经常混淆 Git 和 GitHub；区分它们至关重要。Git 是安装在你电脑上的版本控制软件，而 GitHub 是被微软收购的一家公司，它提供在线云服务，允许你将由 Git 管理的项目上传以进行存储并与全球各地的人协作。因此，你完全可以在自己的电脑上单独且排他地使用 Git。只有当你需要将代码备份到云端或与其他同事协作时，才需要注册并使用像 GitHub 这样的在线服务。我之前发布过关于 Git 和 GitHub 的完整教程，感兴趣的朋友可以去看一下。回到 CloudCode，它可以帮助你比较文件发生了哪些更改、总结并编写清晰的提交说明，甚至可以直接为你执行保存命令。
但是请注意：这并不意味着因为你在与 CloudCode 一起工作，每一秒所做的每一个更改都会自动成为 Git 历史记录。正确的工作流程应该是：在完成一个小目标后，主动要求它检查更改，并在确认一切正常后，要求它将这些修改打包成 Git 版本。总结一下，之前教过的检查点旨在帮助你在当前工作中意外搞砸时快速回滚，而 Git 用于维护项目的长期、官方历史记录。这两个工具并不冲突；在实践中，我经常将它们一起使用。但最重要的是，我接下来要介绍的是 Worktree（工作树），这是 Git 提供的另一个非常强大的项目管理功能。
想象一种情况：为了赶上截止日期，你决定打开两个 CloudCode 窗口同时工作——一个负责主页布局的重大改版，另一个负责修复注册表单中的错误。如果这两个 CloudCode 实例都在你电脑上的同一个文件夹中操作，它们可能会同时修改相同的核心程序文件。这样，双方编写的代码就有机会相互覆盖或冲突，导致整个项目一团糟。Worktree 的存在正是为了解决这种并行开发中的冲突。它允许同一个 Git 项目在您的电脑上生成几个完全独立的物理工作文件夹。
每个文件夹可以处理一个独立的发展路径；在 Git 术语中，这些路径被称为分支。这意味着你可以在文件夹 A 中进行主页改版，并在文件夹 B 中处理错误修复。双方在自己的独立工作副本中修改文件，而不会相互干扰。一旦两项任务都经过确认和测试，你就可以使用 Git 的功能将结果安全地合并在一起。这样，在开发过程中，双方绝对不需要争夺同一文件的修改权。而且最棒的是，这些不同的物理工作副本实际上共享相同的 Git 版本历史。因此，Git 可以随时清楚地追踪文件夹 A 是从哪一天的哪个分支分叉出来的，以及文件夹 B 中随后进行了哪些更改。
你不再需要依靠将文件夹命名为“最新”、“最终版本”或“真正的最终版本”来猜测哪一个是最新的。如果需要，Cursor 提供在启动时自动创建工作树的选项，你也可以直接在聊天中要求它为你创建和切换工作树。但是，我对初学者的建议是：如果你刚开始并且一次只关注一件事，你实际上还不需要这个功能。等你熟练并需要同时处理不同任务时再使用工作树。最后提醒一下：即使你在本地分离了工作副本，双方修改的代码最终都必须合并回同一个项目中。此外，如果两组代码都从同一云数据库表中读取和写入数据，那么即使你使用了工作树，对数据库所做的更改也不会被隔离。请记住，工作树仅隔离本地计算机上的物理文件。
在本视频的最后，我将总结最实用的成本问题。使用这些工具时，你主要会遇到两种计费模式：一种是订阅制，另一种是基于使用的 API 计费。基于订阅的模式（例如著名的 Cursor Pro 或更高级别的计划）涉及支付固定的月费，以换取下个月的特定使用额度。如果你是每天与 CloudCode 一起工作的重度用户，你应该首先检查这些订阅计划提供的模型类型和使用限制是否满足你的需求。但请注意，订阅计划仍有使用上限或速率限制；支付月费并不意味着你可以像自助餐一样无限使用服务器。
另一方面，API（应用程序编程接口）是一个专用界面，允许程序调用模型服务。当你使用 API 计费模式时，你的成本完全取决于你选择的模型层级和消耗的总令牌数——你用多少就付多少钱。这些 API 成本与你的基于网络的订阅费完全分开计算。不要以为购买了 Pro 订阅就可以进行无限次的免费 API 调用；收到账单时你可能会头疼欲裂。此外，还有我们在第 4 章介绍的子代理（Subagents）；这些外包助手中的每一个也需要模型计算能力来处理信息。虽然它们分担了工作量并节省了你的时间，但它们仍然会消耗你的配额，并且由于来回通信的需要，甚至可能花费更多。
因此，在评估成本时，你不应该只看单个步骤，而应考虑完成整个任务的总成本，甚至包括如果它们出错并需要重新运行时的试错成本。如果你想监控你的配额以确保它不会失控，你可以在聊天中输入“usage”（使用情况）。此命令将帮助你整理当前会话的累积成本、剩余的计划配额以及相关活动统计信息。我们今天花了很多时间讨论的核心概念实际上可以映射到 CloudCode 界面中你看到的各种功能区域：终端（Terminal）是你发出命令的入口，工具（Tools）是允许它实际修改系统的“手”，上下文（Context）是当前正在其脑海中处理的信息，而 CloudMarkdown 和技能（Skills）则是你在它开始工作之前交给它的操作指南和战略手册。
当 Claude Code 的内置功能不足以应对，需要获取外部数据时，你可以将其连接到 MCP；当任务过于庞大且需要团队协作时，可以调用子代理（Subagents）；当你需要管理那些面目全非的代码变更时，你可以利用短期检查点和长期的 Git 及工作树来协助你维护版本控制。这些强大的功能可以组合搭配使用，但我必须强调，你绝对不需要在第一天就学习和设置所有东西。
我希望这个视频能帮你在脑海中构建起一个完整的概念地图。一旦你识别出这些术语并理解它们的目的，当你稍后查阅高级教程或打开设置时，你就能确切地知道自己在调整系统的哪一部分。你也将能够更有信心地根据当前面临的具体工作挑战，选择接下来要学习哪些功能模块。
如果你正在学习人工智能，并希望获得更多实用内容、一个可以讨论的社群，或者与我进行一对一问答的机会，欢迎加入我们的学校社区。我也会将本视频的文章全文整理出来并发布在学校中；感兴趣的朋友可以在下方的描述中找到链接。
好了，今天的视频就到这里。如果你觉得这个视频对你有帮助，请记得点赞、订阅和分享，这是我在无数个夜晚坚持创作的最大动力。我们下期视频见，拜拜。