专题:claude-code

按该标签聚合的大模型资讯列表(自动分类与标签提取)。28 篇文章。

社区Hacker News2026/04/04 06:555410
限制OpenClaw等第三方工具使用
额外付费或预购折扣方案

Anthropic自4月4日起限制Claude Code订阅用户使用OpenClaw等第三方工具,要求通过单独付费或预购折扣方案继续使用。该政策旨在缓解系统压力,保障核心产品服务,同时为用户提供过渡期抵扣额度及退款选择,涉及AI产品使用规则的重大调整。

媒体爱范儿2026/04/02 13:535610
Anthropic 误泄 Claude Code 源码
Sigrid 用 Python 重写并获 11 万星

Anthropic 因一次打包失误泄露 Claude Code 源码,触发 DMCA 删除并误伤无关项目。开发者 Sigrid Jin 采用 Python 重写代码并在 GitHub 上发布,短短两小时获超 11 万星,成为增长最快的项目。事件凸显 AI 时代代码复制速度与现行版权保护之间的矛盾,促使业界思考法律与治理的同步升级。

媒体AINews2026/03/30 13:446740
Claude Code支持CLI操作与测试
Qwen3.5-Omni提升多模态处理能力

今日AI领域动态涵盖Claude Code新功能、Qwen3.5-Omni多模态进展、开源工具优化及行业讨论。Claude Code支持CLI操作和测试,提升开发效率;Qwen3.5-Omni在音频和视频处理上表现突出;本地推理框架优化和多代理架构更新引发技术社区关注。

媒体freeCodeCamp2026/03/26 00:496870
GAN用于多智能体代码生成
生成与评审分离提升质量

本文提出利用GAN架构构建多智能体系统,实现代码生成与评审的分离,提升代码质量。通过生成器与判别器的对抗性反馈循环,系统能够在迭代中持续优化。文章结合Claude Forge项目,展示了具体实现方法,并分析了成本、效率和实施细节。

官方Simon Willison2026/03/23 06:493830
PC Gamer一篇推荐RSS阅读器的文章体积达37MB
自动播放视频广告导致额外数十MB资源加载

本文通过AI工具Claude Code分析PC Gamer一篇37MB文章的性能瓶颈,发现自动播放视频广告导致资源膨胀数十MB。作者基于Rodney框架提出代码级优化方案,展示了AI在网页性能审计中的实用价值。该案例为媒体网站优化提供了可落地的技术参考,凸显了广告嵌入对用户体验的负面影响。

媒体freeCodeCamp2026/03/20 01:365850
AI 生成初稿,Markdown 精修
支持多格式导出(PPTX/HTML)

本文介绍如何利用 Claude Code 和 Marp 工具组合高效构建演示文稿。通过 Markdown 编写和 AI 辅助生成,实现从头脑风暴到最终导出的全流程。核心亮点在于结合 AI 与 Markdown 技术,提升内容创作效率与灵活性。

官方Simon Willison2026/03/15 02:196840
AI编码工具的采用阶段分析
AI输出可信度判断方法

本文整理了作者在Pragmatic Summit上关于‘代理工程’的讨论内容,涵盖AI编码工具的采用阶段、信任机制、测试方法、代码质量提升及对开源生态的影响。讨论涉及具体工具如Showboat和Claude Code,以及开发模式如红绿TDD,为开发者和研究者提供了有价值的参考。

官方Docker Blog2026/03/13 20:176880
用Docker Model Runner本地运行Claude Code
通过MCP Toolkit连接Jira/GitHub等工具

本文介绍如何使用Docker在本地运行Claude Code,结合MCP工具链连接外部系统(如GitHub、Jira),并通过沙箱环境隔离执行,实现完全可控的AI编码助手部署。核心价值在于数据不出域、工具可集成、执行可审计,适用于企业私有化AI开发场景。

媒体InfoQ 中文2026/02/28 03:005750

Anthropic 的 AI 编程助手 Claude Code 推出了“自动记忆”功能,解决了长上下文信息遗忘的痛点。该功能通过上下文感知技术,智能提取并存储项目关键信息,如代码、API、需求等,并在后续交互中动态调用。这显著提升了 AI 在代码生成、Bug 修复、重构等场景下的效率和准确性,使开发者能更专注于核心设计,标志着 AI 编程助手向更深层次的“…

社区Hacker News2026/02/22 08:295650

本文介绍了利用 Claude Code 将任务规划与执行解耦的实现方法。通过提示工程让模型生成结构化的执行计划,随后持久化并交由执行模块逐步完成。文章详细阐述了提示模板、计划校验、错误回滚等关键技术,并提供了完整的 Python 示例代码,帮助读者快速构建可观测、可复用的任务流水线。