您现在的位置是：网站首页> AI人工智能
Claude Code&Codex技术收集
- AI人工智能
- 2026-06-04
- 82人已阅读
Claude Code&Codex技术收集
***Skills不是AI模型标准，Claude有自己的Skills,OpenClaw也是自己的Skills标准***
Claude Code创建Agent时会自动安装Agent需要的MCP和skills吗？
网页数据爬取哪个 skills效果最好直接使用浏览器的登录状态
Q:国内网络环境可以安装Claude code吗
A:...
可以安装，但要分两步：装本体（没问题）、连 API（国内直连不行，必须中转 / 代理 / 本地模型）。
下面按 “能不能装 → 怎么装 → 怎么用（关键）” 说清楚。
一、安装本体：国内网络完全可以
Claude Code 是一个 npm 包 / 独立脚本，安装本身不访问 Anthropic 官网，只从 npm 拉代码。
1）先装 Node.js（≥18，推荐 20 LTS）
Windows：官网 msi 或
plaintext
winget install OpenJS.NodeJS.LTS
macOS：
plaintext
brew install node
验证：
plaintext
node -v
npm -v
2）换国内 npm 源（关键，否则慢 / 超时）
bash
运行
npm config set registry https://registry.npmmirror.com
3）安装 Claude Code（二选一）
方式 A：npm 安装（跨平台）
bash
运行
npm install -g @anthropic-ai/claude-code
claude --version
方式 B：官方脚本（macOS/Linux/WSL）
bash
运行
curl -fsSL https://claude.ai/install.sh | bash
✅ 结论：安装这一步，纯国内网络就能搞定，不需要翻墙。
二、运行 / 调用模型：国内直连不行，必须解决 API 问题
Claude Code 默认访问：
plaintext
api.anthropic.com
这个域名国内直接连不通，会超时 / 连接失败。
国内可用的 3 种方案（2026 实测）
方案 1：用国内兼容中转（最省事，不翻墙）
用兼容 Anthropic 协议的国内 API 服务商（如部分中转平台、灵芽、玉兔等），设置环境变量指向中转地址：
bash
运行
# mac/linux
export ANTHROPIC_BASE_URL=https://你的中转域名
export ANTHROPIC_API_KEY=你的key
# Windows cmd
setx ANTHROPIC_BASE_URL https://你的中转域名
setx ANTHROPIC_API_KEY 你的key
然后直接：
plaintext
claude
优点：不用翻墙、不用海外手机号、国内可支付。
方案 2：接入本地模型（你之前问的）
Claude Code 支持 OpenAI 兼容接口，可以接本地跑的：
Llama 3、CodeLlama、Qwen、GLM 等
用 Ollama / LM Studio /vLLM 起一个本地 OpenAI 兼容服务
然后设置：
bash
运行
export ANTHROPIC_BASE_URL=http://localhost:11434/v1
export ANTHROPIC_API_KEY=sk-xxx
（具体地址看你本地服务）
优点：完全不走外网，纯本地，最稳。
方案 3：终端代理 / 翻墙
bash
运行
# 示例（根据你的代理改）
export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890
claude
优点：直接用官方 Claude；缺点：需要稳定代理 / 翻墙。
三、一句话总结
安装：国内网络完全可以，换 npm 镜像即可。
使用：不能直连官方 API，必须用：
国内兼容中转（推荐）
本地模型（最稳）
终端代理 / 翻墙
先讲清楚：Claude Code 里的 Agent（智能体）不是 “额外安装” 的软件包，而是在 Claude Code 内部直接创建 / 管理的子助手（Subagent）。你不需要 npm /pip 再装别的东西，只要装好了 Claude Code，就自带 Agent 功能。
下面分：开启 Agent → 创建 Agent → 导出 / 导入 Agent → 国内网络注意事项。
一、先确认 Claude Code 本体已装好
国内网络用 npm 安装即可（换国内源）：
bash
运行
npm config set registry https://registry.npmmirror.com
npm install -g @anthropic-ai/claude-code
claude --version
启动 Claude Code：
cd 你的项目文件夹
claude
二、进入 Agent 管理界面（核心）
在 Claude Code 对话里输入：
plaintext
/agents
会看到菜单：
Create New Agent（创建新智能体）
List Agents（列出已有）
Edit Agent（编辑）
Delete Agent（删除）
三、创建一个 Agent（一步步来）
选 Create New Agent
选择作用域：
User（全局）：所有项目可用，存在 ~/.claude/agents/
Project（项目级）：只在当前项目可用，存在 .claude/agents/
给 Agent 起名：比如 debug-agent、code-review-agent
写系统提示词（可让 Claude 自动生成）：
你是专业 debug 助手，擅长读堆栈、定位报错、给出最小复现和修复方案
选择工具权限：
只读：只允许读文件、看日志
全权限：允许改代码、跑命令、git 操作
选择模型：推荐 Sonnet（平衡速度 / 能力）
保存 → 完成
之后在对话里用：
plaintext
@debug-agent 帮我排查这个报错
四、导入别人写好的 Agent（常用）
Agent 本质是一个 JSON 文件，比如：
plaintext
~/.claude/agents/debug-agent.json
你可以：
从别人那里拿到 .json 配置
放到对应目录（User 或 Project）
重启 Claude Code，/agents 就能看到
五、国内网络关键点（避坑）
创建 Agent 本身不需要外网，配置存在本地
Agent 调用模型才需要 API 连通：
官方：api.anthropic.com（国内不通）
国内方案：
用兼容中转（设置 ANTHROPIC_BASE_URL）
本地模型（Ollama /vLLM，OpenAI 兼容接口）
示例（本地 Ollama + Qwen）：
bash
运行
export ANTHROPIC_BASE_URL=http://localhost:11434/v1
export ANTHROPIC_API_KEY=sk-xxx
claude
然后 Agent 就会走本地模型。
六、一句话总结
Agent 不用额外安装，Claude Code 内置 /agents 命令直接创建
配置存在本地 JSON，可自由导出 / 导入
国内：创建免费，调用模型才需要中转 / 本地模型
Q:Claude Code创建Agent时会自动安装Agent需要的MCP和skills吗？
A:...
不会自动安装，完全不会。
我直接把机制说死，避免你绕弯：
一句话结论
创建 Agent（/agents → Create）时：
❌ 不会自动下载任何 MCP Server
❌ 不会自动安装任何 Skills
❌ 不会自动补依赖
✅ 只做一件事：生成一个 Agent 配置文件（JSON），记录：名字、系统提示、权限、启用哪些 Skills、允许哪些 MCP 工具
也就是说：Agent 只是 “引用” 已有的 Skills 和 MCP，不会自动安装它们。
举个最直白的流程（你就懂了）
1. 你先手动装好 MCP（全局或项目）
bash
运行
claude mcp add my-fs npx -y @modelcontextprotocol/server-filesystem /my/project
→ MCP 才真正可用
2. 你再手动装好 Skill（全局或项目）
bash
运行
npx skills add @vercel-labs/agent-skills/react-best-practices -g
→ Skill 出现在 ~/.claude/skills/
3. 你创建 Agent 时，只是勾选
plaintext
/agents → Create → 勾选：
- MCP：my-fs
- Skills：react-best-practices
→ Agent 配置里多了一行："skills": ["react-best-practices"]、"mcp": ["my-fs"]
它不会去帮你下载 MCP、不会去帮你装 Skill，只做 “勾选引用”。
官方设计意图（很明确）
MCP：属于 “基础设施”，必须用户手动添加 / 启动
Skills：属于 “能力库”，必须用户手动安装到 ~/.claude/skills 或 .claude/skills
Agent：属于 “角色配置”，只负责组合已有的 MCP + Skills
国内用户最容易踩的坑
你以为：
“我创建 Agent 时勾选了 MCP/Skill，它自己会装。”
实际：
勾选完直接报错，因为 MCP 没启动、Skill 没下载。
必须你自己先把 MCP 和 Skill 装好，Agent 才能用。
Q:默认Claude Code安装有MCP和skills吗
A:...
默认安装完 Claude Code，系统里是「零 MCP、零 Skills」的，一个都没有预装。
一、默认状态（刚装完 Claude Code）
✅ 自带：基础文件读写、终端执行、内置斜杠命令（如 /run、/clear）
❌ 没有任何 MCP Server（filesystem、git、postgres 等都没有）
❌ 没有任何 Skills（代码审查、安全审计、架构设计等都没有）
❌ 没有 Agent（Agent 是你后来手动创建的）
你可以直接在终端验证：
bash
运行
claude mcp list # 默认：空列表
npx skills list # 默认：空列表
二、那它 “默认能干啥”？
读 / 写当前目录文件
执行本地命令（如 npm install、git status）
纯对话、写代码、改代码、解释代码
没有联网、没有数据库、没有浏览器、没有第三方 API 能力
三、MCP / Skills 什么时候才有？
都要手动装：
MCP：claude mcp add ... 或手动写 .claude/mcp.json
Skills：npx skills add ... 或手动放到 ~/.claude/skills
Agent：/agents create，然后勾选你已经装好的 MCP/Skills
四、一句话记牢
Claude Code 本体 ≠ 任何扩展。
基础版是 “裸引擎”；MCP/Skills/Agent 全是后装扩展，默认都不带。
A:...
可以，Claude Code 能直接连本地大模型，核心就两件：本地起一个兼容 OpenAI / Anthropic 协议的模型服务 → 给 Claude Code 配环境变量 / 配置文件指向它。下面给你最稳、国内最常用的一套（Ollama 方案，最简单），再补一个 llama.cpp 方案（性能更好）。
一、原理一句话
Claude Code 本身不跑模型，它只发 HTTP 请求，默认发往 Anthropic 官网。
你把：
ANTHROPIC_BASE_URL 改成本地地址（如 http://localhost:11434/v1）
ANTHROPIC_API_KEY 随便填（本地服务大多不校验）
ANTHROPIC_MODEL 写成你本地模型名
它就会去调用本地模型。
二、最简单方案：Ollama（推荐新手）
1）安装 Ollama（Windows/macOS/Linux 都可以）
官网：https://ollama.com
装完在终端验证：
bash
运行
ollama -v
2）拉一个代码模型（国内网络可直下）
bash
运行
# 推荐：qwen2.5-coder 7B/14B，中文+代码强
ollama pull qwen2.5-coder:14b
# 备选：deepseek-coder、codellama 等
# ollama pull deepseek-coder:6.7b
3）启动本地服务（默认 11434 端口，已自带兼容接口）
bash
运行
ollama run qwen2.5-coder:14b
# 服务会常驻，别关这个窗口/进程
验证接口：浏览器打开 http://localhost:11434/v1/models → 能看到模型列表就 OK。
4）配置 Claude Code 走本地
方式 A：临时生效（每次开终端要输一次）
bash
运行
# macOS/Linux
export ANTHROPIC_BASE_URL=http://localhost:11434/v1
export ANTHROPIC_API_KEY=ollama
export ANTHROPIC_MODEL=qwen2.5-coder:14b
claude
bash
运行
# Windows PowerShell
$env:ANTHROPIC_BASE_URL="http://localhost:11434/v1"
$env:ANTHROPIC_API_KEY="ollama"
$env:ANTHROPIC_MODEL="qwen2.5-coder:14b"
claude
方式 B：永久生效（推荐，一次配置长期用）
macOS/Linux
bash
运行
echo 'export ANTHROPIC_BASE_URL=http://localhost:11434/v1' >> ~/.zshrc
echo 'export ANTHROPIC_API_KEY=ollama' >> ~/.zshrc
echo 'export ANTHROPIC_MODEL=qwen2.5-coder:14b' >> ~/.zshrc
source ~/.zshrc
claude
Windows
编辑 C:\Users\你的用户名\.claude\settings.json（没有就新建）：
{
"env": {
"ANTHROPIC_BASE_URL": "http://localhost:11434/v1",
"ANTHROPIC_API_KEY": "ollama",
"ANTHROPIC_MODEL": "qwen2.5-coder:14b"
}
}
保存后新开终端，直接输 claude 即可。
5）免登录（国内用户必做，否则会弹 Anthropic 登录）
bash
运行
# macOS/Linux
mkdir -p ~/.claude
echo '{"hasCompletedOnboarding": true}' > ~/.claude.json
Windows：
在 C:\Users\你的用户名\.claude\ 新建 .claude.json，内容：
{"hasCompletedOnboarding": true}
这样启动 Claude 不会再要求登录。
三、进阶方案：llama.cpp（性能更高，适合大模型）
如果你要跑 27B/35B 量化模型（如 Qwen3.5-27B），用 llama.cpp 推理更快、显存占用更低。
1）编译 llama.cpp（带 CUDA 加速，没有 GPU 就关闭 CUDA）
bash
运行
git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
# Linux/macOS
make CUDA=1
# Windows 用 Visual Studio 编译，或用 w64devkit
2）下载 GGUF 量化模型（如 Qwen3.5-27B-Coder-GGUF）
放到 ./models 目录。
3）启动 llama-server（开兼容接口，端口 8123）
bash
运行
./llama-server -m models/qwen3.5-27b-coder.Q4_K_M.gguf -p 8123
4）Claude Code 配置指向它
bash
运行
export ANTHROPIC_BASE_URL=http://localhost:8123/v1
export ANTHROPIC_API_KEY=llama.cpp
export ANTHROPIC_MODEL=qwen3.5-27b-coder
claude
其余免登录步骤同上。
四、常见坑（国内用户重点看）
启动 Claude 仍弹登录：.claude.json 没写对，或路径错（Windows 注意隐藏文件夹）。
连不上本地模型：
Ollama/llama-server 没启动，或端口不对
防火墙拦截了 11434/8123 端口
报错 model not found：ANTHROPIC_MODEL 必须和本地模型名完全一致（如 qwen2.5-coder:14b）。
速度慢：优先用 7B/14B 模型，或开启 GPU 加速（llama.cpp CUDA、Ollama 自动用 GPU）。
五、国内推荐模型清单（代码 + 中文强）
qwen2.5-coder:14b：最佳平衡，中文 + 代码都强，16G 显存够用
deepseek-coder:6.7b：轻量快，适合 8G 显存
qwen3.5-27b-coder：更强，需 24G+ 显存（llama.cpp 量化后可跑）
Q:使用Claude code 生成一套系统例子，比如记账系统
A:...
用 Claude Code 生成完整记账系统（本地模型可用）
我直接给你 一套可让 Claude Code 自动生成完整项目的指令 + 项目结构 + 运行方法。
你复制粘贴到 Claude Code 里，它就会全自动生成：前端 + 后端 + 数据库 + 接口 + 页面。
一、先准备（10 秒）
确保你已经：
安装了 Claude Code
配置了本地模型（Ollama / 本地大模型）
进入一个空文件夹
bash
运行
mkdir bookkeeping
cd bookkeeping
二、直接复制这段指令给 Claude Code
启动：
bash
运行
claude
然后粘贴下面整段，发送：
plaintext
请帮我生成一个完整的【个人记账系统】，包含：
功能：
1. 添加账单（金额、分类、备注、日期）
2. 查看账单列表
3. 按日期/分类筛选
4. 统计支出、收入、余额
5. 简单 dashboard 图表
技术栈：
- 前端：HTML + CSS + JavaScript（原生，不用框架）
- 后端：Node.js + Express
- 数据库：JSON 文件（简单无需安装数据库）
- 接口：RESTful API
生成要求：
1. 生成完整可运行项目
2. 自动创建所有文件：
- package.json
- server.js
- 前端页面 index.html
- 接口逻辑
- 数据存储 data.json
3. 自动生成启动命令
4. 代码可直接运行，无报错
5. 界面简洁可用
现在开始生成完整项目。
三、Claude Code 会自动生成这些文件
它会自动创建、写入、格式化以下结构：
plaintext
/bookkeeping
├── server.js # 后端服务
├── data.json # 数据库
├── index.html # 前端页面
├── package.json # 依赖
└── README.md # 使用说明
四、生成完后，它会告诉你运行方法
通常是：
bash
运行
npm install
npm start
然后打开：
plaintext
http://localhost:3000
五、如果你想更简单、纯前端版本（不用后端）
粘贴这个指令：
plaintext
生成一个纯前端本地记账系统，使用 localStorage 存储，不需要后端，HTML+CSS+JS，可直接浏览器打开使用。
六、如果你想让系统更专业
粘贴：
plaintext
升级成：
- 分类管理
- 月份切换
- 饼图统计
- 增删改查
- 深色模式
我能直接帮你生成可直接运行的成品代码
你只要告诉我：
1.要前端纯本地还是前后端完整
2.要不要图表
3.要不要用户登录
我马上给你完整可复制代码，不用你等 Claude 生成。
Q:Claude Code可以编写常用语言，常用终端应用
A:...
超直白结论：完全可以！而且是 Claude Code 最强功能之一
我直接给你说清楚：Claude Code 就是专门用来写「各种编程语言 + 各种终端应用」的 AI 工具，你说需求，它直接写、直接改、直接跑。
一、Claude Code 支持的常用编程语言（全能覆盖）
你随便说一种，它都能写、能调试、能重构：
✅ 最常用
JavaScript / TypeScript（原生支持最强）
Python
Java
C / C++
Go
PHP
Ruby
Rust
C#
Swift / Kotlin
Dart (Flutter)
✅ 前端
HTML / CSS / React / Vue / Svelte
✅ 后端
Node.js、Spring、Django、Flask、Gin
✅ 脚本 / 工具
Shell、PowerShell、Batch
SQL
YAML / JSON / TOML 配置
二、Claude Code 可以直接写终端应用（CLI 工具）
这是它最擅长、最原生的领域！
你一句话，它就能给你写出：
命令行工具
系统脚本
自动化脚本
批量处理工具
监控脚本
安装 / 部署脚本
例子（你直接复制给 Claude Code 就能生成）
plaintext
帮我写一个 Linux 终端工具：
功能：
1. 查看系统 CPU / 内存 / 磁盘
2. 彩色输出
3. 支持 -h --help
语言：Bash
plaintext
帮我写一个 Windows 批量重命名工具，终端运行，PowerShell 脚本
plaintext
帮我写一个终端记账工具，Python CLI
plaintext
帮我写一个文件自动备份脚本，Shell
它会直接生成完整代码 + 自动保存文件 + 自动给运行命令，一步到位。
三、Claude Code 写代码的 4 个超级能力
直接写文件：自动创建、自动写入
直接运行命令：你说 “运行”，它就跑
直接调试报错：报错→分析→修复→再跑
跨语言混合写：前端 + 后端 + 脚本一起生成
四、你随便说一个，我现在就能让 Claude Code 直接生成！
比如你可以说：
帮我写一个 Python 终端计算器
帮我写一个 JS 读取 Excel 的工具
帮我写一个 C 语言小程序
帮我写一个 Go 小服务
帮我写一个 Java 学生管理系统
帮我写一个 Shell 自动化部署脚本
你随便说一个语言 + 一个功能，我马上让 Claude Code 给你成品可运行代码！
A:...
结论：日常直接写代码、CLI 记账系统 = 不需要手动自定义 Agent，分两层讲清楚边界
1、原生自带主 Agent（默认内置，不用你手动创建自定义 Agent）
Claude Code 本体出厂就是一个通用编码主 Agent，自带内置原生工具：读写文件、执行 bash、创建目录、创建代码、运行测试、调试程序，开箱就能写全语言 / 终端 CLI 程序（前面记账系统、Python 终端工具全靠这个默认主 Agent 完成）。
自带内置工具≠MCP、自定义 Skills：内置文件 / 终端能力是底层原生工具，不属于 MCP 扩展、自定义 Skills；
你没在.claude/agents/写自定义 Agent 配置、没手动/agent加载自定义角色 → 全程只用默认内置主 Agent，不算手动指定自定义 Agent。
2、MCP / 自定义 Skills / 自定义 Agent 三者是可选扩展，默认不自动安装
① MCP
MCP 是外接第三方服务协议（数据库、Github、浏览器等），默认零 MCP 服务，需要手动/mcp add安装 / 配置.mcp.json才加载；
写单机记账、本地 CLI、纯前后端项目完全不需要 MCP。
② Skills
自定义 Skills 存放在.claude/skills/，属于用户自定义复用工作流，默认项目无自定义 Skills；原生编码能力不靠 Skills，没有配置也能正常生成项目代码。
③ 自定义 Agent
.claude/agents/xxx.md才是你手动新建的专属角色 Agent（安全审查、数据库专家、前端专项代理），不手动创建文件 = 不存在自定义 Agent；只有大型拆分任务才手动指定启用子 Agent，普通开发不用。
3、一句话区分场景
普通写代码 / CLI 工具（记账系统、终端小工具）：只用内置默认主 Agent、原生自带工具 → 无自定义 Agent、无额外 MCP、无自定义 Skills（就是你现在的用法）；
专项任务（代码安全审计、对接线上数据库、标准化流水线）：才需要手动配置 MCP、自定义 Skills、自定义专项 Agent。
Claude Code 语音发指令 3 种方案（官方原生 + 本地离线 Whisper + 第三方快捷键）
一、官方原生语音 /voice（最简单、云端转写，优先用）
1、前置条件
版本≥2.1.69：claude --version查看，升级：npm install -g @anthropic-ai/claude-code
必须登录 Claude.ai 账号登录，API Key / 亚马逊 Bedrock 密钥模式不能用官方语音（官方语音音频上传云端转写）
电脑麦克风授权终端启用权限
2、使用步骤
终端进入项目，启动claude
输入指令开启语音：
bash
运行
/voice #开启，再次输入/voice关闭
默认长按空格键说话，松开空格 → 语音自动转文字填入光标，回车直接发送指令
示例口述：用 Java 写 Android 记账 APP，MVVM 架构，Room 数据库，三个页面，松开空格自动生成文字，回车执行生成工程。
切换单击录制模式（新版≥2.1.116）：
bash
运行
/voice tap #单击空格开始录，再点结束
修改快捷键：/voice bind alt改成 Alt 键说话
优点：零额外安装、中英文识别；
缺点：音频云端上传、无法离线、灰度分批开放（没权限就用方案二）
二、本地离线语音（Whisper 本地转写，不上传音频，隐私首选｜MCP 插件）
方案 A：claude-listen 插件（一键安装）
bash
运行
# claude会话内执行安装MCP语音服务
/plugin marketplace add gmoqa/listen-claude-code
/plugin install claude-listen@gmoqa/listen-claude-code
使用：
bash
运行
/listen #开始录音，说完Ctrl+C结束，自动转文字发送指令
底层：本地 Faster-Whisper 离线转写，所有音频留在本机，支持中文、无网络可用
方案 B：voice-mcp 完整语音套件（语音输入 + AI 语音播报回复）
bash
运行
/mcp add voice-mcp
Claude 可主动调用录音：listen_and_confirm，说完 AI 复述文字确认再执行代码，适合长时间口述 UniApp/Android 需求
三、全局快捷键语音（系统级 Whisper，任意终端光标粘贴）
Windows/macOS 用WhisperDesktop、AutoHotkey(Win)/Keyboard Maestro(Mac)：
1.绑定快捷键（如 F12），按 F12 说话，松开自动转文字粘贴到终端光标
2.打开 claude，按快捷键口述需求，自动填入输入框回车发送
完全脱离 Claude 内置语音限制，全软件通用
四、常用语音指令示范（直接口述）
安卓：在当前目录新建 Java 原生 Android 记账软件，使用 MVVM+Room，实现收支录入、账单查询、月度统计
UniApp：生成 Vue3 版记账 UniApp，uview 组件，首页统计、记一笔、账单列表三个页面，本地缓存数据
终端工具：写一个 Python 终端记账 CLI，支持增删账单、统计收支
五、常见问题
/voice无效：①API 密钥模式→换 Claude 账号登录；②版本过低升级；③麦克风没给终端权限
不想音频上云：放弃官方/voice，安装voice-mcp或claude-listen本地 Whisper 方案
需要我帮你一键部署本地离线 Whisper 语音 MCP吗？
Q:网页数据爬取哪个 skills效果最好直接使用浏览器的登录状态
A:...
Claude Code 爬虫复用本机 Chrome 登录态｜优先级排行（从最优→备选）
第一名：web-access（eze-is/web-access）【首选，原生直连在用 Chrome，不用新开浏览器、不用二次登录】
唯一CDP 对接你日常正在打开的 Chrome，直接读取本机全部 Cookie、LocalStorage、网站登录会话，不启动独立浏览器进程，微信 / 企业后台 / 需要验证码的网站全部继承现有登录。
安装
bash
运行
# claude终端内
/skill install eze-is/web-access
使用指令（直接口述 / 文字）
plaintext
用web-access爬取当前已登录页面XX网址，提取表格数据导出csv
优势
你 Chrome 登好什么站，Claude 直接爬什么站，验证码、滑块、SSO 全免；
内置 Jina、curl、动态渲染、静态抓取自动智能切换；
无反爬特征（真实浏览器指纹），区别 Playwright 新开无头浏览器。
第二名：Crawlio-Browser MCP / Browser MCP（Chrome 扩展 + MCP 桥接）
Chrome 装配套插件，MCP 服务对接浏览器，复用完整用户配置文件（全站点登录缓存）。
bash
运行
# 全局初始化
npx crawlio-browser init
# claude挂载
/mcp add crawlio-browser
用法：打开XX链接，读取表格数据，自动走你 Chrome 登录状态。
第三名：auth-fetch-mcp（临时弹窗浏览器手动登录，保存会话）
适合偶尔爬虫、不想常驻 Chrome：打开网页→手动登录一次→点捕获，会话本地持久保存，下次直接复用登录。
bash
运行
claude mcp add --scope user auth-fetch -- npx auth-fetch-mcp@latest
第四名：Playwright-MCP（传统方案，无法直连现有 Chrome，只能存 state.json）
不能直接读取本机浏览器登录，只能：
打开浏览器手动登录；
导出 storage_state.json；
下次加载 json 恢复登录。
短板：每次新开独立浏览器，不能复用你正在使用的 Chrome 会话。
最简落地配置（推荐只用 web-access）
打开 Chrome，手动登录需要爬取的网站；
claude 内安装 web-access；
语音指令：web-access访问xxx网址，抓取页面所有列表数据保存excel。
需要我给你web-access 一键配置 + 爬虫指令模板吗？
最强爬虫 Skill：web-access 一键配置 + 直接复用 Chrome 登录态
这是目前 Claude Code 里唯一能直接用你当前 Chrome 已登录状态的技能，不用输账号、不用验证码、不用导出 Cookie，你登啥它就能爬啥。我给你 最精简、直接复制就能用 的全套配置，国内环境 100% 可用。
一、先关闭 Chrome 远程调试（必须做！）
Windows
1.关闭所有 Chrome
2.按 Win + R 输入：
plaintext
chrome.exe --remote-debugging-port=9222
macOS
bash运行
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222
Linux
bash
运行
google-chrome --remote-debugging-port=9222
✅ 打开后 保持这个 Chrome 窗口不要关
这就是让 Claude 能 “接管你当前浏览器” 的关键开关。
二、安装 web-access Skill（直接复制）
打开 Claude Code：
bash
运行
claude
然后粘贴执行：
bash
运行
/skill install eze-is/web-access
等待 5 秒 → 显示 installed 就成功。
三、直接用！（复制下面指令）
1. 爬取当前已登录页面plaintext用 web-access 爬取当前打开的页面，提取所有列表数据，导出为 csv
2. 爬指定网址（自动带登录态）plaintext用 web-access 访问 https://xxx.com，爬取订单数据/文章列表/用户信息，保存成 data.csv
3. 爬取后自动分析plaintext用 web-access 抓取页面数据，然后帮我分析、统计、生成报表
4. 语音口述版本plaintext/listen
然后说：plaintext
用浏览器当前登录状态，爬这个页面的表格，保存成 Excel
四、这个 Skill 为什么最强？（你一定会关心）
✅ 直接用你 Chrome 现在的登录状态（不用重新登录）
✅ 能过 99% 登录验证、验证码、滑块、企业微信登录
✅ 不留下任何机器人痕迹（就是你本人在操作）
✅ 支持动态页面、Vue/React 渲染、接口请求
✅ 国内网络 100% 可用
✅ 不用配置 Cookie、不用开发者工具
五、如果你想更猛：自动登录 + 自动爬 + 自动存
直接发指令：
plaintext
用 web-access 访问目标网站，保持登录状态，每天自动爬取最新数据，保存到本地文件
六、我可以直接给你：
自动爬虫脚本
自动导出 Excel/CSV
定时自动爬取
爬取后自动清洗数据
爬取后自动生成报表
你只要告诉我：
你要爬哪个网站？我直接给你专属指令！
A:...
web-access 对接 Chrome 完整硬性条件（缺一无法复用登录态、CDP 连接失败）
一、版本硬性要求
Chrome ≥105（优先 115~ 最新正式稳定版），低于 105 CDP 协议残缺，web-access 无法读取 LocalStorage/Cookie、SPA 渲染异常；不支持 360、QQ、搜狗等改版 Chromium 浏览器（魔改 CDP 接口，指纹异常、反爬失效），只能原版 Google Chrome。
禁止 Chrome 便携绿色版、精简阉割版（缺少调试依赖文件）。
二、启动规则（最关键，决定能不能继承本机登录 Cookie）
1. 启动前必须全关所有 Chrome 窗口 + 后台进程
任务管理器杀掉所有chrome.exe，残留进程会忽略调试参数、9222 端口打不开。
2. 必须用带远程调试参数命令启动 Chrome
plaintext
# Windows运行（Win+R粘贴）
chrome --remote-debugging-port=9222 --no-first-run --no-default-browser-check
# Mac终端
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222 --no-first-run
端口固定默认 9222，web-access 默认连 9222，改端口需要在 skill 内配置
启动后的 Chrome=爬虫载体浏览器，所有需要爬的网站，手动在这个窗口提前登录（登录信息存在该配置，web-access 自动复用）
不要中途手动另开 Chrome 图标（新开实例无调试端口，无法被调用）
Chrome136 + 新版本限制：不能直接使用默认用户目录开调试，大批量爬虫推荐指定独立用户目录（保留独立登录环境）：
plaintext
chrome --remote-debugging-port=9222 --user-data-dir="D:\ChromeSpiderData" --no-first-run
user-data-dir路径不要中文、空格
三、网络 & 端口放行条件
本机localhost:9222放行，Windows 防火墙 / 安全软件不要拦截 9222 入站端口；
验证是否生效：浏览器打开 http://127.0.0.1:9222/json/version，能返回 JSON = 端口正常，web-access 可连接；打不开 = 启动失败；
WSL/Linux 调用 Claude Code 时：WSL 需要访问 Windows 本机 IP+9222，不能直接localhost。
四、浏览器内部配置（反爬、过指纹必备）
关闭隐身 / 无痕模式：无痕配置隔离 Cookie，无法复用日常登录；
不要安装篡改指纹类插件：伪装 UA、Canvas 指纹、反指纹扩展会破坏原生浏览器指纹（web-access 反爬核心就是原生指纹）；广告拦截插件（AdGuard、油猴）按需关闭，避免拦截页面接口导致爬取不到数据；
目标网站提前人工登录、养号浏览 3~5 分钟，登录态写入 Cookie/Storage 后再发起爬虫指令；
chrome://flags全部默认，不要修改 CDP、开发者实验相关参数。
五、系统环境配套（关联 Claude Code 侧）
Node.js ≥22（web-access 运行依赖，Claude Code 环境必备）；
内存≥4G，大批量并发爬取建议 8G+，Chrome 多页面渲染占用内存高。
六、禁用会导致失效的配置
企业组策略锁定 Chrome 远程调试（公司办公电脑常见，策略禁用 9222 调试端口无法使用）；
Chrome 自动后台休眠、内存压缩（导致 CDP 连接断线）。
快速自检流程
全关 Chrome→命令行带 9222 启动→访问 127.0.0.1:9222 有 JSON→手动登录目标网站→Claude 调用 web-access 直接抓取（自带登录态）。
需要我给你一键批处理脚本（Windows 双击直接启动带调试 Chrome）吗？
它们是两家公司、两套独立产品，不是同一套，也不是隶属关系；但定位很像，都是 “终端级 AI 编程智能体”，经常被放一起对比。
下面分几块讲清楚关系与区别。
1. 所属公司与出身完全不同
Claude Code
公司：Anthropic（Claude 大模型那家）
发布：2025 年 3 月
底层模型：Claude 3.5/4（Sonnet/Opus）
定位：终端原生、深度自主的编程 Agent
Codex（新版 Codex CLI）
公司：OpenAI（GPT、ChatGPT 那家）
发布：2025 年 5 月（新版智能体；老 Codex 模型 2021 年出，已退役）
底层模型：GPT-5 /o-series（codex-1 专项优化版）
定位：轻量、云 + 端结合的编程 Agent
所以：没有从属、没有共享代码、不是同一个团队，就是竞品。
2. 为什么总被放一起？（共同点）
两者都是Agentic 编程工具，不是简单补全：
都能：读整个代码库、跨文件改代码、执行 shell、跑测试、Git 提交
都以终端 CLI 为核心入口，可搭配任意 IDE
都主打：自然语言指挥 → AI 自主干活
社区常把它们当成 “两大主流终端 AI 编程智能体” 来对比。
3. 核心差异（关系的本质：路线不同）
架构与执行模式
Claude Code：
偏本地终端深度集成，逻辑大部分在本地执行
权限强、推理深、适合大型复杂代码库、重构、架构级改动
Codex（CLI）：
偏云端沙箱执行 + 轻量本地 CLI
更轻、更快、并行强、适合快速迭代、自动化、批量任务
安全与权限
Claude Code：本地确认 + 多级权限，更保守、透明
Codex：云端沙箱隔离，默认更自动化、少确认
能力倾向（2026 年现状）
Claude Code：长上下文、深度理解、复杂推理、教学解释强
Codex：速度、自动化、并行、DevOps 集成更强
生态与计费
Claude Code：绑定 Claude Pro/Max 订阅
Codex：绑定 ChatGPT Plus / 企业订阅，API 同配额
同赛道、同定位、技术路线不同：
Claude Code = 本地深度推理型工程师
Codex CLI = 云端高速自动化工程师
Claude Code 是 Anthropic 推出的终端原生 AI 编程智能体（Agent），2025 年 3 月发布，核心是用自然语言驱动全流程开发，而非简单代码补全。
一、它是什么（一句话）
运行在本地终端里的 AI 工程师，能读写文件、执行 Shell、理解整个代码库、跨文件重构、跑测试、提交 Git，全程自然语言指挥，自主完成任务。
二、核心定位（和 Copilot 等区别）
❌ 不是 VS Code 插件、不是网页聊天、不是补全工具
✅ 是自主智能体（Agentic）：能自己规划、动手、调试、迭代
✅ 终端优先：直接用 CLI，可搭配任意 IDE（VS Code、JetBrains 等）
三、核心能力（2026 最新版）
全代码库上下文：自动遍历目录、理解模块依赖、跨文件修改
文件读写 + 代码生成：新建 / 编辑任意文件，支持 50+ 语言
Shell 命令执行：跑 git、npm、docker、测试、部署等
智能搜索：内置 ripgrep，秒搜全库，找依赖、查 bug 超快
自主调试与修复：自动报错→分析→改代码→重测，循环到通过
Git 全流程：建分支、改代码、提交、合并，全程自动化
MCP 扩展：可接入 GitHub、浏览器、数据库等外部工具
四、适用场景
快速开发新功能（自然语言描述需求→生成可用代码）
大型重构 / 技术债务清理（跨文件批量改）
陌生代码库快速上手（自动梳理架构、找核心逻辑）
自动化脚本 / CI 流程（写脚本、跑流水线）
非专业开发者写软件（会说话就能开发）
五、怎么用（快速上手）
订阅 Claude Pro/Max 或企业版
安装：npm install -g @anthropic-ai/claude-code
终端进入项目目录，运行：claude
直接对话：帮我把这个项目改成 TypeScript，修复所有报错
六、安全与隐私
本地运行：终端执行，数据不经过第三方服务器
权限可控：改文件 / 跑命令前必须你确认，默认安全
无代码上传：不索引你的代码库，隐私性强
七、和同类工具对比
GitHub Copilot：插件式、补全为主、弱上下文
Cursor：IDE 改造、强编辑、但终端能力弱
Claude Code：终端原生 + 全栈 Agent + 强系统权限，更像 “AI 工程师”
八、一句话总结
Claude Code = 终端里的全能 AI 程序员，你说需求，它干活，适合高效开发、大型重构、自动化流程，是当前最强的自主编程 Agent 之一。
上一篇：OpenClaw 专题