ByteNoteByteNote
Agent 编程速查手册:客户端、模型与命令
字

字节笔记本

2026年10月6日 · 约 20 分钟读完

Agent 编程速查手册:客户端、模型与命令

API中转
¥120

本文是本站 Agentic 编程系列课程的附录速查篇。课程正文讲的是方法论,这一篇把日常要反复查的东西收进一页:客户端与模型怎么选、哪些命令要练成肌肉记忆、常用的 MCP 服务有哪些、安全配置怎么抄、出了问题往哪查。建议收藏本页,用到时直接对照执行。

一、Agent 客户端怎么选

选客户端,本质是选交互方式和生态。命令行客户端与终端工作流贴合,适合本来就生活在 shell 里的人;编辑器内嵌和图形界面客户端上手更快,适合偏好可视化的人。计费模式分两类:按 token 计费跟着用量走,包月制适合用量稳定的用户。

客户端形态价格适合国内访问
Claude Code命令行按 token命令行用户需自备代理
CursorMac/Win/Linux$20/月喜欢图形界面需自备代理
GitHub Copilot编辑器内$10/月已在写代码的人可直连
ZCode命令行灵活国内用户友好可直连
WindsurfMac/Win$15/月类 Cursor 替代需自备代理
ClineVS Code 插件按 tokenVS Code 用户需自备代理

一句话结论:重度终端用户选 Claude Code 或 ZCode;离不开图形界面的选 Cursor;已有编辑器使用习惯的,装 Copilot 或 Cline 就够。

二、模型档位:按比例花钱

模型价格随时在变,下面三张表只作成稿时的参考,下单前以官方价格页为准。选型逻辑却是稳定的:绝大多数任务用不到旗舰模型,档位配错才是账单失控的主因。

Anthropic Claude

模型档位输入/1M输出/1M适合
Claude Opus 4.x旗舰$15$75极难推理
Claude Sonnet 4.x高性能$3$15日常主力
Claude Haiku 3.5标准$0.8$4大量简单任务

OpenAI GPT

模型档位适合
GPT-5旗舰极难推理
GPT-4.1 / o4高性能日常
GPT-4o-mini标准大量简单

Google Gemini

模型档位适合
Gemini Ultra旗舰极难
Gemini Pro 2.x高性能日常
Gemini Flash标准高速简单

落地成一个分配比例:八成日常任务交给标准型,如 Haiku、4o-mini、Flash;两成硬骨头交给高性能档,如 Sonnet、4.1、Pro;只有约百分之一真正极难的问题,才动用旗舰,如 Opus、GPT-5、Ultra。

模型档位选型决策:八成任务用标准型,两成升高性能,约 1% 极难题才动旗舰

三、必记命令

Agent 客户端斜杠命令(Claude Code 风格)

命令作用
/help看所有命令
/clear清空对话,最常用
/cost看本次花费
/model切换模型
/agents查看与调用 subagent
/exit退出
@文件路径引用文件
@目录引用目录

Git

bash
# 一次性
git init                              # 初始化
git clone <url>                       # 克隆远程仓库

# 日常(高频)
git status                            # 看状态
git add .                             # 加入待存档
git commit -m "说明"                  # 存档
git log --oneline                     # 看历史
git diff                              # 看改动

# 回退
git checkout <id>                     # 临时看老版本
git checkout main                     # 回最新
git reset --hard <id>                 # 真回退
git stash                             # 暂存改动
git stash pop                         # 取回暂存

# 分支
git checkout -b <分支名>              # 新建并切换
git branch                            # 看分支
git merge <分支名>                    # 合并
git branch -d <分支名>                # 删分支

# 远程
git remote add origin <url>           # 关联远程
git push -u origin main               # 首次推送
git push                              # 推送
git pull                              # 拉取

Python

bash
# 环境
python3 -m venv venv                  # 建虚拟环境
source venv/bin/activate              # 激活(Mac/Linux)
venv\Scripts\activate                 # 激活(Windows)

# 包管理
pip install <包名>                    # 装
pip install -r requirements.txt       # 批量装
pip freeze > requirements.txt         # 导出依赖
pip list                              # 看已装

# 运行
python3 script.py                     # 跑脚本
python3 -m pytest                     # 跑测试
python3 -m pytest -v                  # 详细模式
python3 -m pytest tests/test_xxx.py   # 跑特定测试

Node.js / npm

bash
# 初始化
npm init -y                           # 建默认 package.json
npx create-next-app@latest my-app     # 建 Next.js 项目

# 安装
npm install <包名>                    # 本地装
npm install -g <包名>                 # 全局装
npm install                           # 按 package.json 装

# 运行
npm run dev                           # 开发模式
npm run build                         # 构建
npm run start                         # 生产模式

# 测试
npm test                              # 跑测试

这些命令不值得背,值得练:同一个动作重复十次,自然就成了肌肉记忆。

四、常用 MCP Server 一览

MCP 是给模型接外部能力的标准协议,各客户端的配置语法略有差异,动手装之前先看对应客户端的文档。下面的清单按用途分六类,按需取用:

数据库类

  • @modelcontextprotocol/server-postgres:PostgreSQL
  • @modelcontextprotocol/server-sqlite:SQLite
  • supabase-mcp:Supabase
  • mcp-server-mongodb:MongoDB

文件类

  • @modelcontextprotocol/server-filesystem:文件系统
  • mcp-server-fetch:抓网页

SaaS 类

  • @modelcontextprotocol/server-github:GitHub
  • mcp-server-notion:Notion
  • mcp-server-slack:Slack
  • @modelcontextprotocol/server-google-drive:Google Drive
  • mcp-server-linear:Linear
  • mcp-server-airtable:Airtable

开发类

  • mcp-server-puppeteer:浏览器自动化
  • mcp-server-playwright:浏览器测试
  • mcp-server-docker:Docker 操作
  • mcp-server-sentry:错误监控

搜索与 AI

  • mcp-server-brave-search:Brave 搜索
  • mcp-server-openai:调 GPT
  • mcp-server-huggingface:Hugging Face

媒体

  • mcp-server-youtube:YouTube
  • mcp-server-ffmpeg:视频处理

五、Subagent 角色分工

把不同职责拆给不同的 subagent,各管一摊,上下文互不污染。做法很简单:每个角色写一个 markdown 文件,说清职责与检查项,放进 .claude/agents/ 目录即可被调用。

角色何时用
architect.md项目开始或大重构
code-reviewer.mdcommit 前
security-auditor.md上线前或涉及用户数据
test-engineer.md每完成一个小任务
docs-writer.md写文档
perf-optimizer.md性能优化
ux-reviewer.mdUX 审查

六、安全配置三件套

.gitignore 通用模板

gitignore
# 敏感
.env
*.key
*.pem
credentials.json
secrets/

# Python
__pycache__/
*.pyc
venv/
.pytest_cache/

# Node
node_modules/
.next/
dist/

# 数据
*.csv
*.db
*.sqlite
data/

# 系统
.DS_Store
Thumbs.db

环境变量

密钥类信息统一放 .env 文件,并确认它已经被上一节的 .gitignore 挡住:API key、数据库连接串、第三方服务的 token 都属于这一类。下面的键名是占位示例,不是真实凭据:

bash
ANTHROPIC_API_KEY=sk-ant-xxx
OPENAI_API_KEY=sk-xxx
DATABASE_URL=postgres://...
SUPABASE_URL=https://xxx.supabase.co
SUPABASE_ANON_KEY=xxx
GITHUB_TOKEN=ghp_xxx

客户端权限配置

把不可逆操作直接 deny,可逆但危险的操作放 ask,让客户端在执行前先停下来问你。以 Claude Code 风格的配置为例:

json
{
  "permissions": {
    "deny": ["rm -rf *", "git push --force"],
    "ask": ["rm *", "git push *", "npm publish *"]
  }
}

七、三个随抄随用的模板

规格、任务分解、项目说明,对应系列课程反复强调的三个动作:想清楚、拆明白、立规矩。三个模板原样抄走、填空即可。

RFC 规格化模板

markdown
# [项目/任务名] 规格文档

## R:角色与背景
我是 ___,在做 ___。这个项目给 ___ 用。

## F:功能与边界
需要实现:
1. ___
2. ___

边界(不做什么):
- 不做 ___
- 不做 ___

业务规则:
- ___

## C:验收标准
- ___(具体可验证)
- ___

## 示例数据
输入:___
预期输出:___

任务分解模板(PLAN.md)

课程里把任务分两层:L2 是模块,L3 是模块下可以一次做完的小任务。分解完成后先切一个 MVP 跑通,再按依赖推进:

markdown
# [项目] PLAN.md

## 一句话目标
___

## L2 模块
1. ___
2. ___

## L3 任务清单

### 模块 1
- [ ] 1.1 ___
- [ ] 1.2 ___

### 模块 2
- [ ] 2.1 ___

## 依赖关系
1.x → 2.x → 3.x

## MVP(最小切片)
1.1 + 1.2 + 2.1

## 执行顺序
- [ ] MVP → 测试 → commit
- [ ] 清空对话
- [ ] 下一组 → ...

CLAUDE.md 七层模板

项目说明文件是写给 Agent 看的,七层从上到下,一层都不能省:

markdown
# [项目] CLAUDE.md

## 1. 一句话说明
___

## 2. 技术栈
- ___

## 3. 项目结构
___(目录树)

## 4. 业务规则
### 数据规则
- ___
### 计算规则
- ___
### 业务常识(验证用)
- ___

## 5. 编码规范
- 命名:___
- 注释:___

## 6. 工作流
- 测试命令:___
- commit 节奏:每个小任务一次

## 7. 红线与常见坑
### 红线
- ___
### 常见坑
- ___

八、验证清单与调试决策树

任务做完不算完,按三层过一遍再收尾:

markdown
# 小任务验证清单

## 第一层:功能
- [ ] 用 1 组已知数据测试,结果对吗?
- [ ] 跑现有测试,全绿吗?

## 第二层:业务
- [ ] 心算对比,数字合理吗?
- [ ] 关键指标在正常区间吗?

## 第三层:边界
- [ ] 空数据、零值、负值试过吗?
- [ ] 缺失字段处理了吗?
- [ ] 极端值呢?

## 收尾
- [ ] 能用 1 句话说清"做完了"吗?
- [ ] commit 了吗?

Agent 表现不对劲时,先判断是哪一类问题,再对症处理:

Agent 调试决策树:理解偏差补规格,循环卡死换会话,越改越烂先回退,报错从下往上读

四条路径对应四种病根:理解偏差,就让它复述任务再补规格;循环卡死,就停下分析、换个新会话;越改越烂,立即用 Git 回退,别心疼已经花掉的 token;直接报错,就从下往上读错误信息,再交给 Agent 分析。

九、国内使用的几个现实问题

  • 网络:Anthropic 与 OpenAI 的服务国内无法直连,需要自备网络环境;想省事可以直接选国内可直连的客户端。
  • 支付:Anthropic 不接受国内信用卡,常见方案是虚拟信用卡,或选择国内平台的付费渠道。
  • CDN:jsdelivr 在国内不稳定,静态资源建议换 staticfile.org 或 bootcdn。
  • 字体:中文可选思源黑体、思源宋体、苹方、微软雅黑;代码字体可选 JetBrains Mono、Fira Code、SF Mono。
  • 模型替代:国内可用的有智谱 GLM、通义千问、文心一言、DeepSeek;横向评测可参考 SuperCLUE、OpenCompass。

十、值得收藏的官方地址

类别网址
Claude 文档docs.anthropic.com
Claude Codedocs.claude.com/en/docs/claude-code
MCP 官方modelcontextprotocol.io
MCP serversgithub.com/modelcontextprotocol/servers
Next.jsnextjs.org/docs
Vercelvercel.com/docs
Supabasesupabase.com/docs
pandaspandas.pydata.org
Anthropic 研究anthropic.com/research
arxiv AIarxiv.org/list/cs.AI/recent

这份速查会随工具与价格的变化持续修订,表中价格为成稿时的参考值。收藏这一页,遇到"客户端怎么选、命令怎么写、配置怎么抄"的问题,直接对照执行。

相关文章

分享: