01 · Claude Code 是什么
翔宇拆了一圈 AI 编程工具，原本以为差距在模型能力。追到底才发现，真正改变体验的是一个朴素到不起眼的设计决定——AI 住在哪里。想通这一点后，Skills、M
翔宇拆了一圈 AI 编程工具，原本以为差距在模型能力。追到底才发现，真正改变体验的是一个朴素到不起眼的设计决定——AI 住在哪里。想通这一点后，Skills、MCP、Agent Teams 这些功能全都顺理成章了。——翔宇
要点速览
- 你将理解 AI 辅助编程最底层的瓶颈不是智力，是位置
- 你将理解「AI 住在你电脑里」这句话背后的四层含义——看文件、改代码、跑命令、自主规划
- 你将理解这个位置差距如何决定了 Claude Code 整个功能生态的可能性
- 你将理解为什么理解了「位置」，后面学什么功能都快
1. 一个你可能没注意的动作
你在写代码，遇到一个看不懂的报错。
接下来你做了一件事——你可能太熟悉以至于根本没注意自己在做：你把报错信息复制了，切到浏览器，打开 ChatGPT，粘贴进去。
ChatGPT 给了解释。你觉得有道理，但它说「我需要看一下你的代码」。你回到编辑器，复制了那个函数，切回浏览器粘贴。它又说「调用这个函数的地方也给我看看」。你翻了另一个文件，复制，粘贴。「数据库表结构呢？」你叹了口气，又去找。
来回七八次，四十分钟。
这个过程里，你充当了一个角色：搬运工。你在两个窗口之间来回搬运信息——从编辑器搬到浏览器，从浏览器搬回编辑器。
现在停下来想一个问题：你的代码就在你电脑上。AI 为什么不能自己去看？
2. 把所有表面现象剥掉，只剩一个问题
如果问「为什么用 ChatGPT 写代码不够顺畅」，十个人里有八个会说：它理解力不够、它写的代码跑不通、它不了解最新的框架。
这些都是真实的痛点。但我们做一个思维实验：假设明天 ChatGPT 升级了，变得和世界顶级程序员一样聪明。代码写得完美，理解力超强，最新的框架全知道。
你还是得把代码复制出来给它看。它还是不知道你的项目有哪些文件。你还是不能让它帮你跑一下 npm test。
智力翻了十倍，但你当搬运工的那四十分钟——一分钟都没少。
🔑 关键点 我们习惯把所有问题归结为「AI 不够聪明」。但有一类问题和智力无关——再聪明的人，如果被关在隔壁房间只能靠你传纸条沟通，效率也快不起来。
这个思维实验指向一件事：AI 够不到你的代码。
它没有眼睛去看你的文件。它没有手去改你的代码。它没有脚去跑你的命令。它被困在浏览器的一个文本框里，唯一的信息来源就是你粘贴进去的那些文字。
就像一个外科医生再厉害，如果他在电话里指挥你给自己做手术，效果也好不到哪去。瓶颈从来不是他的医术，是他不在手术室里。
这是 AI 辅助编程最底层的一个位置问题，不是智力问题。
3. 把 AI 搬到你的电脑里
理解了瓶颈在位置，解决方案就很自然了——把 AI 从浏览器搬到你的电脑里。
这就是 Claude Code 做的事。一句话讲完：它是一个运行在你终端里的 AI 编程工具。
终端就是你电脑上那个输入文字命令的窗口。macOS 叫「终端」，Windows 叫「PowerShell」，电脑自带的，不需要额外装什么。
「运行在终端里」这几个字看起来很普通，但它引发了一连串的变化。我们一层层看。
a. 它能看你的文件
不是你贴一个片段给它——是它自己打开你的目录，把需要的文件都读一遍。
回到那个登录报错的场景。你说「登录功能报错了」。它不会问你要代码——它自己去找路由文件、控制器、数据库模型、认证中间件，把整条链路看一遍。你省掉了来回粘贴的七八个回合。
它一次能看多少？当前版本（2026 年 3 月，v2.1.76）的上下文窗口是 100 万 token。1 个中文字大约 2 个 token，100 万 token 约等于 50 万中文字。一个中型项目的全部源代码通常在这个范围内——它能一次看完你的整个项目。
b. 它能改你的代码
你说「把 userName 改成 userId」。它找到所有用到这个变量的地方——可能散落在十几个文件里——全部改完。你在编辑器里就能看到文件变了。
不是给你一段代码让你自己替换。是它来。
c. 它能运行命令
安装依赖、跑测试、启动服务、提交代码——你用自然语言说，它在终端里执行。你说「装 Prisma 然后创建用户表」，它跑 npm install、写 schema、执行迁移。不是告诉你步骤，是它动手。
💬 通俗讲 以前的 AI 像只能看你递过来的纸条。现在的 AI 坐在你的工位上，你桌上有什么工具它都能直接拿起来用。
d. 它能自己规划
这一点最容易被低估。你说「重构这个模块」，它不会只改一行。它会想：先读哪些文件？依赖关系怎么处理？改完哪些测试可能受影响？然后制定计划，逐步执行，最后跑测试验证。你可以随时叫停，也可以让它跑完。
四件事合在一起——看文件、改代码、跑命令、自主规划——AI 从「隔壁房间的顾问」变成了「坐在你旁边的搭档」。
当然，这个搭档不是完美的。它不会主动开口——每次需要你先说话。它可能误判问题改错地方——所以每次改动你得审核。它不了解你的业务背景——除非你教它（这就是后面「记忆」那篇要讲的事）。但核心的变化是真实的：你不再需要当搬运工了。
想一想：如果有人问你 Claude Code 和 ChatGPT 最大的区别，你会怎么说？不是背定义——用你自己的话。
4. 「住在电脑里」的能力边界
你可能会有一个直觉：Claude Code 是写代码的工具。
它的核心能力其实更宽——是在你的电脑上执行任务。写代码只是其中一种。
你电脑上装了 Python？它能帮你跑数据分析。装了 FFmpeg？它能帮你处理视频。装了 Playwright？它能帮你自动操作浏览器。它甚至能创建 PPT、Excel——通过调用对应的库。
🎨 打个比方 Claude Code 像你雇了一个什么都愿意学的实习生，他坐在你的工位上。你桌上有什么工具，他就能用什么——螺丝刀、万用表、显微镜，不挑。他的能力上限不取决于他自己，取决于你的工具箱。当然，他干活比你快得多，因为他每秒能读几万行文字。
它的能力边界 = 你电脑的能力边界 + MCP 连接的外部服务（MCP 是什么、怎么连，第 9 篇会拆）。
当然有限制——它不能直接操作鼠标键盘（除了通过 Playwright 间接操作浏览器），不能看你的屏幕截图（除非你主动给它），执行命令前会先征求你同意（安全设计，第 11 篇会讲为什么这么设计）。
| 你电脑上有什么 | 它能做什么 |
|---|---|
| Python | 数据分析、脚本自动化、生成图表 |
| FFmpeg | 视频转码、音频提取、字幕处理 |
| Whisper | 语音转文字 |
| Playwright | 操作浏览器、填表单、截图 |
| Git | 提交代码、解决冲突、创建 PR |
| 任何 CLI 工具 | 能在终端跑的它都能调 |
5. 一个位置决定，长出整个功能生态
这里有一个特别值得停下来想的点。
Claude Code 后面你会遇到一系列功能名词——Skills、SubAgents、Agent Teams、MCP、Hooks。初看像一堆互不相关的东西。但它们全都是从「AI 住在你电脑里」这个根基上长出来的。
Skills——你把一套工作流程写成一个文件，Claude Code 需要时自动读取并执行。为什么能做到？因为它在你电脑上，能读文件。
SubAgents——Claude Code 派出「分身」去做子任务，每个分身独立工作后汇总结果。为什么能做到？因为分身也住在你电脑上，能读文件、跑命令。
MCP——Claude Code 连接 GitHub、数据库、Slack 等外部服务。为什么能做到？因为它在你电脑上运行本地进程，可以发起网络请求。
Hooks——Claude Code 在特定操作前后自动执行你预设的脚本。为什么能做到？因为它在你电脑上，能执行 Shell 命令。
每一个功能都有同一个前提条件：AI 住在你的电脑里。如果 AI 还在浏览器里，这些功能一个都做不了。
🧠 底层逻辑 「位置」不是一个孤立的技术细节——它是整个 Claude Code 功能生态的根基。后面每篇教程拆解的每个功能，你都会看到同一条线索：因为 AI 在你电脑上，所以它能 XXX。理解了根基，枝叶自然生长。
6. 三个模型，一条原则
Claude Code 背后有三个模型。你可能会想：选最强的不就完了？
做一个类比。你要出门买个早餐。你会开车去吗？大多数人不会——走路 5 分钟的事，开车反而更慢（还得找停车位）。但如果你要去 200 公里外的城市，走路就不现实了。
选模型的逻辑一样：用最小够用的那个。
| 模型 | 一句话 | 什么时候用 |
|---|---|---|
| Haiku 4.5 | 走路——快、近、零成本 | 简单问答、格式转换 |
| Sonnet 4.6 | 开车——日常通勤首选 | 绝大多数任务 |
| Opus 4.6 | 飞机——长途才用 | 复杂架构、深度调试 |
默认挂 Sonnet。遇到搞不定的复杂问题切 Opus。简单到不用动脑子的活切 Haiku 省钱。
🔍 深入一步 Opus 和 Sonnet 还支持一个叫 effort（思考深度）的参数。同一个模型，你可以让它快速扫一眼（low）或者仔细想想（high）。低 effort 可以显著节省 token 开销。就像同一辆车，轻踩油门省油，猛踩费油但有力。effort 背后的设计哲学——AI 的「快思考」和「慢思考」——第 5 篇会展开。这里先知道有这个开关就够了。
7. 你真的懂了吗
这篇只拆了一个概念：位置。
费曼说，检验你是不是真的理解一件事，试试能不能解释给朋友听。现在试一下：
- 有人说「AI 编程工具选最聪明的就行」。你能反驳吗？你的论据是什么？
- Claude Code 的核心设计决定是什么？不用术语，用买早餐或者修水管的类比能讲清楚吗？
- 为什么说「位置」是 Claude Code 所有功能的根基？你能举一个具体功能说明这个因果关系吗？
- Claude Code 能帮你处理视频、分析数据、操作浏览器——这和「写代码」看起来没关系，但它们的共同前提是什么？
能用自己的话回答就说明你真的理解了，不只是「知道 Claude Code 这个名字」。
这篇在概念网络中的位置
这是费曼系列的入口。理解了「位置」之后，后面的路有几条：
- 想知道 AI「看」你项目的细节 → 下一篇「上下文」
- 想知道怎么让 AI 记住你的习惯和偏好 → 第 3 篇「记忆」
- 想知道 AI 怎么连接 GitHub、数据库这些外部服务 → 第 9 篇「连接」可以独立阅读
- 想知道怎么让自动化 100% 执行而不是靠 AI「记得做」→ 第 10 篇「确定性」也可以独立阅读
不用按顺序全读。挑你最好奇的那条线走就行——每篇开头会标注需要先读哪篇。