JeecgBoot AI专题研究 | JeecgBoot低代码项目嵌入微前端主应用的配置详解

应用场景

在某些企业架构中，JeecgBoot低代码平台并非作为独立系统运行，而是需要嵌入到已有的微前端体系中，作为一个子应用被其他主应用调度和管理。典型场景包括：集团统一门户集成、多系统聚合平台、渐进式系统迁移等。

本文将详细介绍如何将 JeecgBoot-Vue3 前端项目配置为 Qiankun 微前端框架的子应用。

第一步：主应用注册子应用

在你的 Qiankun 主应用中，需要注册 JeecgBoot低代码子应用的基本信息：

{
  name: 'jeecg-sub-app',
  entry: '//localhost:3100/jeecg-sub-app',
  container: '#subapp-container',
  activeRule: '/jeecg-sub-app',
  props: {
    hideSidebar: true,   // 隐藏侧边栏（由主应用接管导航）
    hideHeader: true,    // 隐藏顶部栏
    hideMultiTab: true,  // 隐藏多标签页
  }
}

通过 props 参数可以控制 JeecgBoot低代码子应用的界面元素显隐，避免与主应用的导航、头部等产生视觉冲突。

第二步：修改 JeecgBoot 项目配置

核心配置集中在 .env.production 文件中，需要调整四项关键设置：

1. 启用子应用模式并设置应用名称

VITE_GLOB_QIANKUN_MICRO_APP_NAME=jeecg-sub-app

2. 配置子应用入口地址

VITE_GLOB_QIANKUN_MICRO_APP_ENTRY=//your-domain.com/jeecg-sub-app

3. 设置公共路径

VITE_PUBLIC_PATH=/jeecg-sub-app

公共路径必须与主应用中配置的 activeRule 保持一致，否则路由匹配会失败。

4. 配置跨域代理

确保代理配置中包含正确的路径前缀，使得子应用在开发环境下能正常访问后端接口。

完整的环境变量参考配置

# 模拟数据开关
VITE_USE_MOCK = false

# 后端接口地址
VITE_GLOB_DOMAIN_URL=http://your-api-server:8080/jeecg-boot

# 子应用名称（启用即代表以子应用模式运行）
VITE_GLOB_QIANKUN_MICRO_APP_NAME=jeecg-sub-app

# 子应用入口
VITE_GLOB_QIANKUN_MICRO_APP_ENTRY=//your-domain.com/jeecg-sub-app

# 公共路径（需与 activeRule 一致）
VITE_PUBLIC_PATH=/jeecg-sub-app

第三步：启动验证

配置完成后，按以下顺序启动：

1. 先启动 JeecgBoot低代码子应用 — 确保它在配置的端口上正常运行
2. 再启动主应用 — 主应用会自动检测并加载子应用

访问主应用中对应的路由路径（如 /jeecg-sub-app），如果 JeecgBoot低代码的界面正常渲染在主应用的容器中，说明集成成功。

界面适配建议

当 JeecgBoot低代码作为子应用运行时，通常需要隐藏自身的导航结构（侧边栏、顶部栏、多标签页），由主应用统一提供。通过主应用传递的 props 参数可以灵活控制这些元素的显隐，无需修改子应用代码。

部署注意事项

• 子应用的静态资源路径必须正确，否则 JS/CSS 文件会 404
• 生产环境下子应用需要配置 CORS 响应头，允许主应用域名跨域加载
• 如果使用 Nginx 部署，注意 try_files 配置要同时支持主应用路由和子应用资源路径
• 支持版本为 2024-10-22+ 及以上

总结

将 JeecgBoot低代码平台作为 Qiankun 子应用接入的配置并不复杂，核心就是环境变量的四项修改。JeecgBoot 已经在框架层面做好了微前端适配的准备工作，开发者只需关注配置层面的调整，而非底层架构改造。

小米 POCO 手机丢失重要信息会带来诸多不便，尤其是系统崩溃、误删文件或恢复出厂设置后，应用程序、应用数据、设置以及各类使用进度都可能丢失。为避免此类情况，定期备份 POCO 手机应用至关重要。 本文为你介绍 5 种实用的备份方法，涵盖了适用于不同需求的方案，无论你更倾向于将数据存储在电脑、云服务还是外接存储设备中，都能找到合适的方式。

方法一：借助 iReaShare Android Manager 备份 POCO 手机应用【安全可靠】

想要在电脑上管理 POCO 手机的应用，可使用 iReaShare Android Manager（支持 Windows/Mac 系统）。这款安卓备份还原工具，能让你仅需几步操作，就将 POCO 设备中已安装的应用备份至电脑。 该工具通过稳定的 USB 连接实现数据传输，会对备份文件进行规整，方便后续需要时还原。对于更愿意将 POCO 应用备份存放在电脑、而非全部保存在手机中的用户来说，这款工具是众多人的选择。 它支持完整备份联系人、短信、通话记录、照片、音乐、视频、文档和应用程序，且还原至安卓设备时能保留数据原始质量。该工具适配超过 8000 款安卓机型，包括 POCO C、M、X、F 系列，运行安全稳定，还能提供专业的技术支持。

简易操作指南：

点击上方按钮下载该程序；
在电脑上完成安装并运行；

使用 USB 数据线将 POCO 手机连接至电脑；
物理连接建立后，工具会自动识别你的设备；
随后界面会显示 “备份” 和 “还原” 两个选项；
直接选择 “备份”，界面将展示各类可备份的文件类型；
选中 “应用程序”，并在电脑上指定备份文件的保存位置；
最后点击 “开始备份”，即可将 POCO 手机中的应用备份至电脑。

方法二：通过本地备份功能备份 POCO 手机所有应用

POCO 手机可通过本地备份功能，将应用直接保存至设备中。MIUI 系统或澎湃 OS 均内置该功能，用户可先选择需要备份的应用及应用数据，再在手机内部存储中生成备份文件。生成的备份文件夹后续可转移至其他位置，也可在手机恢复出厂设置后进行还原。这种方式无需安装额外软件，就能便捷地保存 POCO 手机应用。

简易操作指南：

打开 POCO 手机的设置，点击 “关于手机” 或 “其他设置”，选择 “备份与恢复”；

点击 “本地备份”，再选择 “新建备份”；
勾选 “应用及应用数据”（若需要，也可勾选短信、通话记录和系统设置）；
点击 “备份 / 开始备份” 启动备份流程；
等待备份完成，备份文件将保存在手机内部存储的 “MIUI> backup > AllBackup” 路径下。

方法三：通过小米云服务备份 POCO 手机应用

你也可以通过小米云服务实现云存储备份。登录小米账号后，系统可将已安装的应用列表及部分设备设置上传至云端。当手机恢复出厂设置，或配置新的 POCO 手机时，保存的云端信息可帮助自动重新安装此前的应用。该方法的使用主要依赖网络连接和小米云服务环境。

简易操作指南：

打开 POCO 手机的设置，点击 “小米账号”（若未登录，先完成登录）；

在账号选项中选择 “小米云服务”；
点击 “备份” 或 “备份设备”；
若需要手机定期自动备份，开启 “自动备份” 功能即可；
点击 “立即备份”，手动启动至小米云服务的备份流程；
等待备份完成，手机会将已安装的应用列表、系统设置、桌面布局等数据上传至小米云服务。

方法四：通过谷歌云端硬盘备份 POCO 手机应用

谷歌提供的在线备份服务 —— 谷歌云端硬盘，也是备份 POCO 应用的选择之一。在谷歌设置中开启设备备份功能后，系统会记录已安装的应用及部分应用数据，并将其同步至你的谷歌账号。 当手机恢复出厂设置或更换新设备时，存储在云端的信息可在设备配置过程中帮助恢复这些应用。通过这种方式，POCO 手机的应用备份可随时从云端调取。

简易操作指南：

打开 POCO 手机的设置，下滑并点击 “谷歌” 选项；

在谷歌服务菜单中选择 “备份”；
开启 “备份至谷歌云端硬盘”（或点击 “启用”）；
点击 “立即备份 / 开始备份”，将设备数据上传至谷歌云端硬盘；
输入手机的锁屏 PIN 码、密码或图案，确认备份操作；
等待备份完成，你的应用、应用数据、设置及其他设备数据，将保存至谷歌云端硬盘的备份中。

方法五：通过 U 盘备份 POCO 手机应用

你还可以借助 U 盘这类外接存储设备保存应用。通过 OTG 转接器，POCO 手机可将包含应用和系统数据的备份文件复制至连接的 U 盘中。存储在 U 盘中的文件独立于手机内部存储，必要时还可转移至其他设备。对于想要为 POCO 应用制作离线备份的用户，这种方式非常适用。

简易操作指南：

将 U 盘或存储卡插入 POCO 手机（必要时使用 OTG 转接器）；

打开设置，点击 “关于手机”，选择 “备份与恢复”；
点击 “移动设备”，输入手机锁屏图案或密码继续操作；
选择需要备份的应用或数据（如应用、短信、系统设置等）；
选择存储位置为 “U 盘” 或 “外接存储”，点击 “备份” 启动流程；
等待备份完成，所需时间取决于数据量大小和存储设备的读写速度。

可通过 U 盘备份的应用数据类型：

已安装应用的安装包文件（APK 文件）；
应用数据与设置（如游戏进度、个性化偏好、账号登录信息等）；
应用内的媒体文件（如微信、电报、图库类应用中的图片、视频等）。

总结

遵循本文介绍的方法，即便在手机恢复出厂设置或升级后，还原 POCO 手机应用也会变得简单、可靠。选择合适的备份策略，不仅能留存应用相关信息，还能在配置新设备时节省大量时间。

额外小贴士：

为提升数据安全性，建议在不同位置留存多份备份，比如一份保存在电脑、一份存储在云服务中，这样就能随时获取你的应用和相关数据。
​

前言：一笔让人肉疼的账单

用 Claude Code 做开发确实爽，但月底看到账单的时候就不爽了。

我手上有一个 5 万行左右的 TypeScript 项目，刚开始放开了用，一个月下来直接烧掉 $800。这个数字让我不得不坐下来认真研究一下——钱到底花在哪了？有没有办法在不影响开发效率的前提下，把成本打下来？

经过一个月的摸索和调优，最终月费稳定在 $150 左右，降幅达到 81%。这篇文章就是这段经历的完整总结。

第一步：搞清楚钱花在哪

很多人以为 AI 编程助手的开销主要在"它给你写的代码"上，其实不然。我拿自己的项目做了统计，结果挺意外的：

进一步拆解 Input Tokens 的来源，真相浮出水面：

一次典型交互消耗约 15 万 tokens，其中 12 万来自项目文件的读取，占了 80%。

也就是说，Claude Code 每次响应你的请求时，都会把相关的项目文件"读"一遍送给模型。文件越多、越大，token 烧得越快。这才是真正的成本大头。

明白了这一点，优化方向就很清晰了——减少不必要的文件读取。

核心策略一：用 .claudeignore 砍掉无用文件读取（省 60%）

这是性价比最高的一招，效果立竿见影。

.claudeignore 的语法和 .gitignore 完全一样，放在项目根目录就行。它的作用是告诉 Claude Code："这些文件你别碰，跟你没关系。"

一个实用的配置模板：

### 依赖目录 —— 这是最大的 token 黑洞
node_modules/

### 构建产物
dist/
build/
.next/

### 锁文件（动辄几万行）
*.lock
package-lock.json

### 日志和缓存
*.log
.cache/
.temp/

### 资源文件（模型读了也没用）
*.png
*.jpg
*.svg
*.ico
*.woff
*.woff2

实测效果：配置前单次交互消耗 15 万 tokens，配置后降至 6 万，直降 60%。

我个人的经验是：宁可多排除，不要少排除。如果某次对话确实需要看某个被排除的文件，你可以手动贴内容进去，远比每次都让它自动扫描划算。

核心策略二：写好 CLAUDE.md，让 AI 少走弯路（省 20%~30%）

没有 CLAUDE.md 的时候，Claude Code 拿到一个新任务会怎么做？它会四处"探索"——翻目录结构、读配置文件、查看 README、扫描入口文件……这些探索性的操作全都在烧 token。

CLAUDE.md 本质上是一份写给 AI 看的项目说明书，放在项目根目录。把关键信息提前告诉它，它就不用自己去"考古"了。

一份高效的 CLAUDE.md 应该包含三块内容：

### 项目概述
这是一个基于 React + TypeScript 的企业级后台管理系统，
使用 Ant Design Pro 作为 UI 框架，后端接口基于 RESTful 规范。

### 核心目录结构
src/
  pages/       → 页面组件
  components/  → 公共组件
  services/    → API 请求层
  models/      → 数据模型/状态管理
  utils/       → 工具函数

### 常用开发命令
- 启动开发服务器: pnpm dev
- 执行测试: pnpm test
- 构建生产包: pnpm build
- 代码检查: pnpm lint

不需要写得多详细，关键是把 AI 最常需要"探索"才能获取的信息直接摆出来。这样它接到任务后能直奔主题，不用先花一大堆 token 做"项目调研"。

核心策略三：养成好的对话习惯（省 20%~40%）

工具再好，用法不对也白搭。以下三个习惯建议刻进肌肉记忆：

1. 任务拆小，一次只做一件事

反面教材：

"帮我重构用户模块，加上权限校验，顺便把相关的测试也写了。"

这种大而全的指令会让 Claude Code 一次性加载大量文件上下文，token 消耗暴增。

正确做法是拆成多次小对话：

1. "帮我梳理一下用户模块目前的结构"
2. "在 UserService 中添加权限校验逻辑"
3. "为 UserService.checkPermission 方法编写单元测试"

每次对话的上下文更小、更精准，模型理解也更准确，一举两得。

2. 长对话及时压缩

Claude Code 提供了 /compact 命令，作用是压缩当前对话的上下文。经验法则是：

• 每 5~6 轮对话执行一次 /compact
• 感觉响应变慢或者回答开始"跑偏"时，也可以手动执行

压缩后 token 消耗大约能再降 10%~20%。

3. 换任务就清上下文

做完一个功能要切到另一个完全不同的任务时，用 /clear 清空对话。否则之前的上下文会一直带着，白白消耗 token。

核心策略四：选对计费方案，从根源省钱

技术优化之外，选择合适的计费方案同样重要。目前主流有三种路线：

我个人最终选的是 API 中转方案，原因很简单：

• 比官方 API 便宜 30%~50%
• 比 Max 订阅灵活，不怕用超（Max 有用量上限）
• 响应速度和稳定性在可接受范围内

当然，如果你用量不大，Max 的 $100 包月可能是最省心的选择。

优化路线图：按优先级落地

如果你也想降本，建议按这个顺序来：

前两项是 P0 级别，花半小时就能搞定，效果最显著。后面三项属于锦上添花，但长期累积下来也很可观。

写在最后

AI 编程工具的成本控制，本质上和传统的性能优化是一个道理——先找到瓶颈，再针对性解决。很多人觉得"用 AI 就是贵"，其实大部分开销都浪费在了不必要的文件读取和冗余的上下文传递上。

把 .claudeignore 和 CLAUDE.md 配好，再养成良好的对话习惯，80% 的成本就已经省下来了。剩下的 20% 交给计费方案的选择。

$150 一个月换一个全天候的 AI 编程搭档，这笔账怎么算都值。

写在前面

用了一段时间 Claude Code 之后，我越来越觉得它和传统的 AI 编程助手不是一个物种。大多数 AI 编程工具本质上是"补全器"——你写半行代码，它帮你续写后半行。而 Claude Code 更像是一个能理解整个项目的"系统级协作者"，它拥有超过 200K token 的上下文窗口，意味着它可以一次性"阅读"你项目中成百上千个文件，真正理解代码之间的依赖关系。

这篇文章不是官方文档的翻译，而是我在实际使用过程中对其核心架构和最佳实践的理解与总结。

一、五大核心机制：不只是功能，是一套协作体系

Claude Code 的能力并不是堆砌出来的，而是围绕五个核心机制构建了一套完整的协作体系。理解这五个机制，才算真正入门。

1. Skills —— 预封装的工作流模板

把 Skills 理解成"一键启动的标准操作流程"最为贴切。比如你经常需要做的事情：创建一个新的 API 接口、编写单元测试、做代码审查——这些都可以封装成 Skill。

它的价值在于消除重复沟通成本。你不需要每次都告诉 AI"先看看现有代码风格，再按照 RESTful 规范写接口，别忘了加错误处理"，一个 Skill 就把这些全包了。

2. Hooks —— 事件驱动的自动化触发器

Hooks 是我个人最喜欢的机制。它的逻辑很简单：当某个事件发生时，自动执行一段脚本。

Hooks 的精髓在于把"人容易忘记的事情"变成"系统自动完成的事情"。

3. Plugins —— 功能套件的即插即用

如果说 Skills 是单个操作流程，Plugins 就是一整套功能包。一个 Plugin 可以包含多个 Skills、多个 Hooks，以及自定义配置。它让团队能够将最佳实践打包分发，新成员拿来就用。

4. MCP Servers —— 打通外部服务的桥梁

MCP（Model Context Protocol）是让 Claude Code 真正"走出编辑器"的关键。通过 MCP Servers，它可以直接与数据库交互、调用第三方 API、操作云服务。这意味着你可以让 AI 不只是写代码，还能帮你部署、监控、排查线上问题。

5. Subagents —— 并行处理的分身术

面对复杂任务，Claude Code 可以拆分出多个独立的 Subagent 并行工作。比如重构一个大型模块时，一个 Subagent 负责改接口层，另一个改数据层，第三个同步更新测试用例。各自独立，互不阻塞。

二、四个高级模式：决定你用得好不好的关键

掌握了核心机制只是基础，真正拉开差距的是对高级模式的运用。

Plan 模式 —— "三思而后行"

Claude Code 的创始人有一个广为流传的建议：90% 的时间应该使用 Plan 模式。

这话听起来夸张，但实践下来确实有道理。Plan 模式的工作方式是：

用户提出需求 → AI 先输出详细执行计划 → 用户确认/调整 → AI 再动手执行

没有 Plan 模式时，AI 容易"一上来就猛干"，写到一半发现方向不对再回头改，浪费大量 token。而 Plan 模式让你在执行前就能发现问题，成本降低、质量提升。

Extended Thinking —— 深度思考模式

遇到架构设计、复杂算法这类需要深度推理的任务时，可以开启 Extended Thinking（社区里常说的 ultrathink）。它会让 AI 花更多时间在内部推理上，输出的方案更加周全。

我的经验是：简单任务别开，复杂任务必开。否则要么浪费资源，要么质量不够。

Sandbox 模式 —— 权限的精细管控

在生产环境附近操作时，Sandbox 模式提供了一层安全网。它限制 AI 能访问的文件范围、能执行的命令类型，防止一个不小心改了不该改的东西。

Headless 模式 —— CI/CD 管线中的 AI 节点

这是把 Claude Code 嵌入自动化流水线的关键模式。在 CI/CD 管线中以无界面方式运行，可以实现：

• 每次 PR 自动进行代码审查
• 构建失败时自动分析原因并尝试修复
• 定期自动生成技术文档

三、国产模型也能用：四大模型接入指南

Claude Code 并非只能搭配 Claude 模型使用，国内主流大模型同样可以接入：

接入方式通常是通过配置 API 端点和密钥完成，对于需要数据合规的团队来说，这是一个非常实用的选项。

四、实战心法：三条让效率翻倍的原则

原则一：验证闭环——让 AI 检查自己的作业

这是我认为最重要的一条实践经验。很多人用 AI 写完代码就直接提交，其实多加一步"让 AI 自己验证"效果立竿见影。

流程对比：

普通流程：需求 → AI 生成代码 → 人工 review → 提交
闭环流程：需求 → AI 生成代码 → AI 自检 → AI 修正 → 人工 review → 提交

根据实际数据，采用验证闭环后：

• 代码质量提升 2-3 倍（以 bug 数量衡量）
• 返工率从 20%+ 降至 5% 以下

原理很简单：生成代码和审查代码是两种不同的认知模式，即使是同一个 AI，"换个角色"再看一遍也能发现不少问题。

原则二：并行作战——多实例协同的效率倍增器

单个 Claude Code 实例已经很强，但真正的效率爆发来自并行。实操方法：

• 开多个终端窗口，每个跑一个独立任务
• 配合网页端实例处理文档类工作
• 利用 Subagent 机制在单任务内部并行

有团队实测数据显示，合理运用并行策略，整体效率可以提升到单实例的 19 倍以上。当然这个数字因项目而异，但多终端协作确实是一个被严重低估的技巧。

原则三：CLAUDE.md 的动态进化

CLAUDE.md 是 Claude Code 的项目级配置文件，它告诉 AI 这个项目的编码规范、架构约定、技术栈偏好等。

高阶用法是让它动态进化：

1. 每次 Code Review 发现的共性问题，追加到 CLAUDE.md
2. 每次 PR 的反馈意见，提炼成规则写入 CLAUDE.md
3. 定期清理过时的规则，保持文档精简有效

这样做的效果是：AI 会越来越懂你的项目，重复犯错的概率持续降低。

五、落地模板：三个开箱即用的工作流

TDD 工作流

1. 用自然语言描述功能需求
2. Claude Code 先生成测试用例（Plan 模式）
3. 确认测试用例后，生成实现代码
4. 自动运行测试，不通过则自动修正
5. 所有测试通过后，提交代码

代码审查工作流

1. 提交 PR 触发 Headless 模式
2. Claude Code 分析变更范围和影响面
3. 生成审查报告：潜在 bug、性能隐患、规范违反
4. 自动在 PR 中添加 review 评论
5. 开发者根据评论修正后，再次触发审查

Agent SDK 集成示例

对于需要在自有系统中嵌入 AI 能力的场景，Claude Code 提供了 Agent SDK：

from claude_code import Agent

agent = Agent(
    model="claude-sonnet",
    tools=["file_editor", "terminal", "browser"],
    sandbox=True
)

result = agent.run("重构 user_service 模块，拆分为独立的认证和授权服务")
print(result.summary)

通过 SDK，你可以将 Claude Code 的能力嵌入到任何自动化流程中。

写在最后

Claude Code 代表的不仅是一个工具的进步，而是人机协作模式的根本转变。从"人写代码、AI 补全"到"人定方向、AI 执行"，开发者的角色正在从"编码者"向"架构师+审查者"演进。

但工具终究是工具，关键在于使用者的思维方式。记住这三点：多用 Plan 模式想清楚再动手，善用验证闭环保证质量，利用并行策略提升效率。掌握这些，你和 Claude Code 的协作效率会上一个台阶。

JeecgBoot AI专题研究 | JeecgBoot低代码 Vue3 前端性能优化实战手册

性能瓶颈在哪里？

随着业务模块不断增长，JeecgBoot低代码平台的前端项目很容易陷入一个困境：首屏加载越来越慢，构建时间越来越长。问题的根源通常指向同一个方向——过多的全局组件注册导致了不必要的依赖打包。

那么，如何在不影响功能完整性的前提下，大幅缩减加载时间和构建耗时？JeecgBoot 3.5.5+ 版本给出了一套经过验证的优化方案。

按需加载：最核心的优化手段

按需加载的改造思路可以归纳为三步走：

第一步：移除全局注册

找到项目中全局注册组件的代码（通常在 main.ts 或专门的组件注册文件中），将不需要全局可用的组件从注册列表中移除。

第二步：改为异步注册

对于体积较大但使用频率不高的组件，采用动态导入的方式实现按需加载：

const RichTextEditor = defineAsyncComponent(() => import('@/components/RichTextEditor'))

第三步：清理未使用的大型组件

审视项目中是否存在已经引入但实际未被使用的重量级组件，果断移除。

重点优化的"大组件"清单

在 JeecgBoot低代码项目中，以下组件是体积优化的重点对象：

JeecgBoot 3.5.5 版本的四大优化成果

这个版本集中实施了一系列优化措施，效果立竿见影：

1. 按需加载改造 — 核心组件全部转为异步注册
2. UnoCSS 替代 WindiCSS — 原子化 CSS 引擎升级，构建更快
3. Vite 4 升级 — 构建工具本身的性能提升
4. 构建打包拆分策略 — 合理的 chunk 分割减少单文件体积

最终成果：首屏加载缩短至 10 秒级别，构建打包时间缩短近一半。

Vite 编译加速的六项措施

除了组件层面的优化，JeecgBoot低代码平台还可以从构建配置入手进一步提速：

1. 关闭 Mock 服务 — 生产构建时禁用 mock 数据拦截
2. 移除测试代码 — 确保 test 文件不被打包进生产 bundle
3. 优化组件配置 — 按实际使用情况裁剪组件库
4. 合理配置 chunk 分割 — 避免单个 chunk 过大导致加载阻塞
5. 启用依赖预构建缓存 — 利用 Vite 的 deps 缓存机制
6. 按环境变量控制功能模块 — 非必要模块在特定环境下不构建

性能优化的度量方法

优化不能只凭感觉，需要用数据说话。建议关注以下几个核心指标：

• FCP（First Contentful Paint）：首次内容绘制时间
• LCP（Largest Contentful Paint）：最大内容绘制时间
• 构建产物体积：关注主 chunk 和 vendor chunk 的大小变化
• 构建耗时：CI/CD 流水线中的实际构建时长

可以使用 rollup-plugin-visualizer 生成构建产物的可视化分析报告，直观定位体积瓶颈。

总结

JeecgBoot低代码平台的前端性能优化并非一蹴而就，而是需要从组件加载策略、CSS 方案选择、构建工具升级、打包拆分策略等多个维度协同推进。按需加载是投入产出比最高的优化手段，建议作为首要实施项。

JeecgBoot AI专题研究 | 基于 Claude Code Skills 生态的深度评测与选型实践

当 AI 编程遇上"应用商店"：Skills 生态为何值得关注

如果你在过去几个月关注过 AI 编程领域，一定注意到了一个趋势——Claude Code 和 Cursor 的能力边界正在被一种叫做 Skills 的机制不断拓宽。简单来说，Skills 就是预置的指令集与知识库，安装后可以让 AI 在特定领域的表现大幅提升，相当于给 AI 装上了"专业外挂"。

而 skills.sh 这个社区平台的出现，让 Skills 的获取变得像安装 npm 包一样简单。截至目前，平台上排名前十的 Skills 累计安装量已经突破 10 万次。这个数字意味着什么？意味着已经有一个庞大的开发者和产品团队群体，在日常工作中把 Skills 当成标配工具来使用了。

那么问题来了：这些最热门的 Skills 到底好不好用？哪些值得立刻安装，哪些只是"看起来很美"？ 我们逐一拆解。

安装前的准备：一个容易踩的坑

在进入正式评测之前，有一个环境配置问题必须先解决。最新版 Cursor（Mac 2.5.0）默认读取的全局 Skills 目录是 ~/.cursor/skills-cursor，但通过 skills add 命令安装的 Skills 会放到 ~/.cursor/skills 目录下。两个路径不一致，直接导致装了等于没装。

解决方案很简单——创建一个符号链接，让两个路径指向同一位置。这样以后每次安装新 Skill 都会自动同步：

Mac 环境：

cd ~/.cursor
ln -s skills skills-cursor

Windows 环境：

cd %USERPROFILE%\.cursor
rmdir /s /q skills-cursor
mklink /D skills-cursor skills

配置完成后，后续所有 Skills 的安装和更新都会自动生效，不需要反复折腾路径问题。

全景扫描：Top 10 的构成与定位

先从宏观视角看一下这份榜单的构成。10 个 Skills 中，有 7 个面向开发者，另外 3 个的适用面更广——产品经理、设计师、运营人员都能直接上手。这个比例其实不意外，毕竟 AI 编程工具的早期用户本身就以开发者为主。但值得注意的是，非技术向 Skills 的增长速度其实更快，这预示着 Skills 生态正在从"程序员专属"向"全岗位覆盖"演进。

下面我们分两大类来拆解。

开发者工具矩阵：7 个 Skills 的真实表现

这 7 个 Skills 覆盖了前端工程、UI 规范、视频生成、认证安全、Skill 开发、原生 UI 和框架升级等方向。逐一看核心价值：

重点评测：三个最值得深入了解的开发者 Skill

vercel-react-best-practices（第 1 名） —— 这是当之无愧的榜首。在实际项目中让它分析一个中等规模的 React 应用，它能精准定位到 Re-render 优化盲区、事件监听器泄漏、渲染性能瓶颈等问题。相比手动逐行排查，效率提升非常明显。如果你日常写 React，这个 Skill 属于"装了就回不去"的级别。

web-design-guidelines（第 2 名） —— 可以把它理解为一个极其严格的 UI 审查官。它会从可访问性（Accessibility）、语义化 HTML、焦点管理、响应式适配等多个维度进行全面检查。在团队协作场景中尤其有价值——当产品经理和前端开发在设计规范上产生分歧时，让 AI 来做"裁判"往往比人工争论高效得多。

better-auth-best-practices（第 8 名） —— 认证安全是一个坑极多的领域：密码加密策略、JWT 过期处理、CSRF 防护、OAuth 流程设计……每一个环节出问题都可能是线上事故。这个 Skill 把常见的认证安全最佳实践打包成了一份系统化的知识库，在你实现登录系统时实时给出建议。对于不想在安全问题上"交学费"的团队来说，这是一个很好的防线。

破圈利器：3 个非技术人员也能直接上手的 Skill

如果你不是开发者，接下来这三个才是真正值得关注的重点。

frontend-design（45,500+ 安装）—— 让 AI 设计告别"一眼假"

这个 Skill 出自 Anthropic 官方团队，解决的是一个非常具体的痛点：AI 生成的界面总是带着一股浓浓的"AI 味"——Inter 字体、紫色渐变配白底、对称布局，千篇一律。

frontend-design 的做法很巧妙。它不是告诉 AI "做得好看一点"这种模糊指令，而是给出了明确的"负面清单"和"正面引导"：

不要这样做：

• 避免使用 Inter、Roboto、Arial 等"标配字体"
• 避免紫色渐变配白底的配色方案
• 避免完全对称的布局结构

应该这样做：

• 选择有辨识度的字体搭配
• 配色体系要有层次，主色大胆、强调色锐利
• 动效保持克制，一个精心设计的页面加载动画比到处都在动更高级

实测效果：虽然还达不到专业设计师的水平，但确实从"一眼就知道是 AI 做的"提升到了"需要仔细辨认才能看出来"的程度。对于需要快速出原型的场景，这个提升已经足够实用。

安装命令：

npx skills add https://github.com/anthropics/skills --skill frontend-design

agent-browser（24,100+ 安装）—— 给 AI 装上"手"

与其他 Skills 侧重"知识增强"不同，agent-browser 提供的是操作能力。安装后，AI 可以直接控制浏览器执行操作：

• 自动打开网页、点击按钮、填写表单
• 批量截图与页面数据抓取
• 保存登录状态，跨会话复用
• 录制操作过程，支持回放与调试

这对日常工作中存在大量重复性浏览器操作的角色特别有帮助——运营人员的多平台数据采集、测试工程师的回归测试流程、产品经理的竞品监控，都可以通过 agent-browser 实现半自动化。当然，遇到验证码时 AI 还是会"翻车"，这一点需要有心理准备。

安装命令：

npx skills add https://github.com/vercel-labs/agent-browser --skill agent-browser

seo-audit（13,000+ 安装）—— 不懂技术也能做 SEO 诊断

这是 Top 10 中最"接地气"的一个 Skill。它构建了一套完整的 SEO 审计框架，覆盖五个核心维度：

• 可发现性：搜索引擎爬虫是否能正常抓取？页面是否被收录？
• 加载性能：页面速度是否达标？慢速加载直接拖累搜索排名
• 内容优化：标题、描述、关键词布局是否合理？
• 内容质量：是否有足够的深度和原创性来获得推荐？
• 可信度建设：外链质量、域名权威性等信号是否到位？

实测中，它对每一个发现的问题都标注了影响程度和修复优先级，输出的报告结构清晰、可操作性强。对于独立开发者、中小团队的运营人员来说，这基本上可以替代一部分 SEO 顾问的工作。

安装命令：

npx skills add https://github.com/coreyhaines31/marketingskills --skill seo-audit

宝藏仓库发掘：23 个营销 Skills 一站式获取

在评测过程中有一个意外收获：seo-audit 所在的 coreyhaines31/marketingskills 仓库，实际上包含了 23 个营销相关的 Skills。从文案撰写到定价策略，从 A/B 测试到邮件营销，几乎覆盖了数字营销的全链条：

一键安装全部 23 个：

npx skills add coreyhaines31/marketingskills --yes

对于产品和运营团队来说，这个仓库的价值可能比 Top 10 本身还要高。

中文用户的专属福利：宝玉老师的 Skills 合集

在翻阅 skills.sh 的 Top 100 榜单时，还发现了一个对中文用户特别友好的仓库——jimliu/baoyu-skills，来自 AI 社区知名博主宝玉老师（@dotey）。他把自己在内容创作和社交平台运营中的工作流打包成了一系列 Skills：

小红书图片生成、微信文章发布、文章配图——这些都是中文内容创作者的高频需求。安装后可以直接用中文和 AI 交互完成这些工作，省去了大量手动操作。

一键安装：

npx skills add jimliu/baoyu-skills --yes

官方出品的文档处理四件套

Anthropic 官方仓库（anthropics/skills）还提供了四个文档处理 Skill，覆盖了日常办公中最常见的文件格式：

• pdf —— PDF 读取、提取、合并，告别各种第三方 PDF 工具
• docx —— Word 文档的创建与格式调整
• pptx —— PPT 生成和编辑，快速产出演示材料
• xlsx —— Excel 处理，数据分析与公式计算

这四个 Skill 的定位非常明确：让 AI 具备"办公软件级"的文档处理能力。无论你是什么岗位，只要日常工作涉及文档处理，都值得安装。

一键安装：

npx skills add anthropics/skills --yes

Skills 的正确打开方式：不只是"用"，更是"学"

很多人安装 Skills 之后只停留在"用"的层面，其实还有一个更大的价值被忽略了——通过阅读优质 Skills 的源码来学习如何编写自己的 Skill。

Skills 的本质是一份结构化的 Markdown 文件。当你安装了几个热门 Skill 之后，可以让 AI 帮你解读它的实现逻辑：

帮我读取并解释 ~/.agents/skills/seo-audit/SKILL.md 的实现逻辑

AI 会从以下几个维度帮你拆解：

• 触发条件是怎么设计的——什么场景下 AI 会自动调用这个 Skill
• 指令结构是怎么组织的——如何让 AI 精准执行预期行为
• 分层设计的原因——为什么要把知识拆分到多个引用文件中
• 可借鉴的模式——哪些设计范式可以直接复用到自己的 Skill 中

认真研读 3-5 个高质量 Skills 的源码，你就能建立起对 Skill 编写的基本认知。之后把自己的工作流打包成 Skill，就是顺理成章的事了。从模仿到创造，这条路比从零开始高效得多。

选型建议：按岗位精准匹配

面对数量众多的 Skills，盲目安装只会带来上下文膨胀和加载延迟。以下是按岗位整理的推荐清单：

关键原则：宁精勿多。 日常使用 3-5 个高频 Skills 就足够了。安装过多会增加 AI 的上下文负担，反而影响整体表现。

安全提醒：不是所有 Skills 都值得信任

Skills 机制的本质是让 AI 执行预定义的指令，部分 Skills 还包含可执行脚本。因此，来源审查至关重要：

• ✅ anthropics/skills —— Anthropic 官方出品，安全性有保障
• ✅ vercel-labs —— Vercel 官方维护，大厂背书
• ✅ 框架官方仓库（如 expo/skills）—— 框架团队直接维护
• ⚠️ 个人开发者仓库 —— 安装前建议先查看源码，确认无恶意脚本

养成"先看源码再安装"的习惯，可以有效规避潜在的安全风险。

总结

Skills 生态正在经历一个从萌芽到爆发的关键阶段。skills.sh 让"获取 Skills"变得简单，但真正的价值在于找到适合自己工作流的那几个核心 Skill，并通过研读优质源码逐步建立自己的 Skill 库。

最务实的建议是：先装一两个跟你日常工作最相关的，用起来再说。 比如运营人员可以从 seo-audit 开始，产品经理可以先试试 pricing-strategy，开发者直接上 vercel-react-best-practices。用过之后你自然会知道 Skills 的价值在哪里，也自然会知道下一步该装什么。

工具的价值永远在于使用，而不在于收藏。

JeecgBoot AI专题研究 | JeecgBoot低代码桌面应用构建与分发指南

为什么需要桌面端？

在很多企业场景中，纯 Web 应用无法满足全部需求——离线使用、系统托盘、本地文件操作、硬件设备调用等能力只有桌面端才能提供。JeecgBoot低代码平台基于 Vite + Vue3 + Electron 技术栈，能够将已有的 Web 项目快速封装为跨平台桌面应用，支持 Windows（exe）、macOS（dmg）和 Linux（deb）三大平台。

技术架构概览

JeecgBoot低代码的 Electron 方案采用了主流的架构设计：

• 渲染进程：复用 Vue3 前端代码，无需额外开发
• 主进程：处理窗口管理、系统交互、IPC 通信
• 构建工具：electron-builder 负责打包分发
• 在线升级：支持版本检测与自动更新

环境搭建与依赖安装

第一步：安装依赖

pnpm install

注意：开源版本中部分 Electron 相关依赖的安装代码可能被注释，需要先检查并取消注释。Electron 核心包的下载通常需要约 10 分钟，这是正常现象，请耐心等待。

开发调试

依赖安装完成后，先在开发模式下验证 Electron 功能是否正常：

npm run electron:dev

如果窗口正常弹出且页面加载无误，说明环境配置正确，可以进入下一步。

打包配置

在正式构建之前，有三个配置文件需要根据实际情况调整：

1. .env — 应用基础信息

修改应用标题和简称，这些信息会显示在桌面端的标题栏和任务栏中。

2. .env.prod_electron — 生产环境接口

配置桌面端连接的后端 API 地址，确保与 Web 版本区分开。

3. electron-builder.yaml — 产品信息

设置产品名称、应用图标、安装包选项等分发相关配置。

执行构建

配置完成后，一条命令完成编译和打包：

npm run electron:build-all

构建产物输出到 dist-electron 目录，包含对应平台的安装包文件。

常见问题与解决方案

在 JeecgBoot低代码平台的 Electron 打包过程中，以下几个问题出现频率较高：

问题一：Electron 依赖安装失败

如果在安装阶段遇到 Electron 下载失败的错误，可以手动触发安装：

node node_modules/electron/install.js

问题二：Windows 下符号链接权限不足

错误信息类似 "Cannot create symbolic link"。解决方法：以管理员身份运行命令行工具。

问题三：DLL 文件被占用导致构建失败

"Access is denied" 类错误通常是因为之前解压运行的应用还在后台运行。关闭所有 Electron 相关进程后重试。

问题四：缺少类型定义文件

如果报 @types/mousetrap 缺失，清理并重新安装依赖：

rm -rf node_modules
pnpm install

开发阶段的性能优化技巧

如果你当前只做 Web 端开发，不需要 Electron 功能，可以临时禁用它以加快开发服务器启动速度：

1. 注释 build/vite/plugin/electron.ts 中的插件逻辑
2. 移除 build/vite/plugin/index.ts 中对 electron 插件的引用
3. 删除 package.json 中 Electron 相关的依赖声明

这样做可以显著缩短 pnpm dev 的启动时间，需要打包桌面端时再恢复即可。

总结

JeecgBoot低代码平台的 Electron 打包方案降低了桌面端开发的门槛，让 Web 开发者无需深入学习原生开发技术就能交付跨平台桌面应用。整个流程从安装到出包，核心步骤不过五步，即使是首次接触 Electron 的开发者也能快速上手。

最近花了一周时间深度体验了 Claude Code，坦白说，它刷新了我对 AI 编程工具的认知。这篇文章不是官方教程的搬运，而是我从环境搭建、插件配置到实际项目验证的完整记录，包括踩过的坑和一些冷静的思考。

一、为什么值得关注 Claude Code？

市面上 AI 编程工具不少——Cursor、Copilot、Windsurf，各有拥趸。但 Claude Code 走了一条不同的路：它不是 IDE 插件，而是一个命令行原生的 AI 编程代理。

这意味着什么？

简单说，用 Copilot 像是带了个打字快的助手，而 Claude Code 更像是雇了个能独立干活的初级开发者。

二、环境搭建：三步走完准备工作

第 1 步：账号与额度

首先需要一个 GitHub 账号，这个大多数开发者都有。关键在于API 调用额度的获取。国内用户可以通过 AnyRouter 这类中转服务来解决访问问题，新注册通常能拿到 $100 的免费额度，足够做大量实验了。

个人建议：先用免费额度把流程跑通，确认适合自己的工作场景后再考虑付费。

第 2 步：安装 Claude Code

前置条件是本地有 Node.js 环境（建议 18.x 以上版本）。安装本身就一行命令：

npm install -g @anthropic-ai/claude-code

安装完成后，需要配置环境变量，将 API Key 和代理地址写入系统环境变量。以 Windows 为例，在系统环境变量中添加：

ANTHROPIC_API_KEY=你的API密钥
ANTHROPIC_BASE_URL=你的代理地址

Linux/macOS 用户可以写入 ~/.bashrc 或 ~/.zshrc：

export ANTHROPIC_API_KEY="你的API密钥"
export ANTHROPIC_BASE_URL="你的代理地址"

配置完成后，在终端输入 claude 即可启动。

第 3 步：MCP 模块——Claude Code 的"外挂系统"

MCP（Model Context Protocol）是 Claude Code 真正拉开差距的地方。你可以把它理解为给 AI 装上了不同的"技能包"。以下三个是我实测后认为最值得安装的：

Context7 MCP —— 文档智能检索

让 Claude Code 能够实时查询各种技术框架的官方文档，避免生成过时的 API 调用。没有它，AI 可能会用三年前的写法给你生成代码。

Browser MCP —— 浏览器操控

赋予 Claude Code 操作浏览器的能力，可以打开网页、点击按钮、填写表单。听起来很酷，但实际效果后面会聊。

Playwright MCP —— 跨浏览器自动化

基于微软的 Playwright 框架，支持 Chromium、Firefox、WebKit 多引擎，比 Browser MCP 更专业、更稳定。

安装方式都是通过 Claude Code 内置的 MCP 管理命令完成，按照提示一步步来即可，这里不赘述具体命令。

三、实战验证：三个场景的真实表现

光说不练假把式。我用三个递进难度的场景来测试 Claude Code 的实际能力。

场景 A：从一句话到一个完整网站

测试指令： "帮我创建一个个人技术博客网站，要求有首页、文章列表、关于页面，使用现代化设计风格。"

结果：

• 耗时：约 4 分钟
• 花费：$0.43
• 产出：一个包含 HTML、CSS、JavaScript 的完整静态站点，响应式布局，配色合理

坦白说，这个结果超出预期。它不只是生成了几个文件，而是自主完成了项目结构规划、文件创建、样式设计和交互逻辑的全流程。四分钟，不到三块钱人民币，换来一个可以直接部署的网站。

当然，生成的代码质量是"能用"级别，距离"生产级"还有差距——比如没有做 SEO 优化，CSS 组织也比较原始。但作为原型或个人项目，完全够用。

场景 B：小型商业项目的代码生成

我让它完成一个小型商单的前端工程：一个包含用户注册、商品展示、购物车功能的电商页面。

这次的体验更让人感慨——全程几乎不需要手动写代码。我只需要用自然语言描述需求，Review 它生成的代码，提出修改意见，它就能自己迭代。整个过程更像是在做 Code Review，而不是在写代码。

这对自由职业者和小团队来说意义重大：接单效率可能提升 3-5 倍。

场景 C：RPA 自动化——理想与现实的差距

这是我最期待的场景：用 Claude Code + Playwright MCP 实现网页自动化操作，比如自动填写表单、自动抓取数据。

实测结论：目前仍处于"玩具"阶段。

具体问题包括：

• 对复杂页面结构的识别不够准确
• 动态加载内容的处理经常出错
• 遇到验证码、反爬机制基本束手无策
• 稳定性不够，同样的操作有时成功有时失败

如果只是自动化一些简单、固定的页面操作，勉强可用。但要替代传统 RPA 工具做企业级自动化流程？还早。

四、冷静思考：AI 编程工具的能力边界在哪里？

用了一周后，我的判断是：Claude Code 确实属于当前 AI 编程工具的第一梯队，但我们需要理性看待它的能力圈。

它擅长什么

• 快速生成原型和 MVP
• 处理重复性高、模式化强的编码任务
• 辅助技术方案调研（配合 Context7 MCP）
• 小型项目的端到端开发

它不擅长什么

• 复杂业务逻辑的架构设计
• 性能优化和安全加固
• 遗留系统的重构
• 需要深度领域知识的开发（如金融风控、医疗合规）

五、对开发者的现实影响

这一节可能会让一些人不舒服，但我觉得有必要直说。

中级开发者面临的挑战是真实的。 那些主要工作内容是"按设计稿写页面"、"按接口文档对接数据"、"按需求文档实现 CRUD"的岗位，AI 工具正在快速逼近其能力水平。

未来的团队结构可能会从：

1 架构师 + 3 高级开发 + 5 中级开发 + 2 初级开发

变成：

1 架构师 + 2 高级开发 + AI 工具集 + 1-2 初级开发（负责测试和简单维护）

这不是危言耸听，而是已经在一些创业团队中发生的事情。

给开发者的两条路

1. 往上走： 深耕架构设计、系统设计、技术管理。AI 目前无法替代的是全局视野和跨团队协调能力。
2. 往横走： 掌握"AI + 业务"的复合能力。不是会用 AI 工具就行，而是能用 AI 工具创造商业价值——理解客户需求、控制项目质量、管理交付流程。

说白了，单纯的"代码翻译官"角色正在贬值，而"技术产品经理"角色在升值。

六、总结

Claude Code 不是银弹，但它确实是当前最值得投入时间学习的 AI 编程工具之一。对于国内开发者，通过中转服务解决访问问题后，$100 的免费额度足够你完成一次深度评估。

我的建议是：别急着下结论，亲手试一遍。 用它做一个你手头的真实项目，你会对 AI 编程的当前水平和未来方向有更清醒的认识。

工具在进化，我们也得跟上。

站在金融工程与计算机科学交叉的讲台上，我经常和有IT研发背景的学生探讨一个极具挑战性的架构问题：当复牌日来临，成百上千的券商投顾以及他们的算法交易服务器，试图同时获取 jmg 的复牌动向并抢单时，我们的交易中台该如何优雅地响应这种高并发的需求？这就要求我们的系统不仅要具备极高的吞吐量，还要具备将异步的、非结构化的交易所公告，瞬间转化为同步事件流的硬核能力。

这里面潜藏的致命数据痛点在于状态的割裂与异步性。业务层真正需要的，绝不是干瘪的文本通告，而是能直接喂给策略引擎的时间戳和枚举变量。如果在底层数据库架构中，我们不能把停牌（halt）、挂牌休眠（suspended）和恢复流动性（active）转化为结构化的状态机实体，那么整个订单路由引擎在遇到异常情况时就会陷入逻辑混乱甚至死锁。一个设计优良的典型状态机数据字典应该如下规划：

基于这种强类型约束的 Schema，我们在产品功能的微服务实现上就可以大展拳脚了。我通常建议实验室的后端研发人员抛弃手写爬虫，直接拉取高度整合的商业化行情源。比如利用 AllTick API，就能一键完成对历史复杂状态的解析和同步。以下是用于同步 jmg 状态记录至本地库的 Python 核心逻辑代码段：

from alltick import AllTick

client = AllTick(api_key="YOUR_API_KEY")

# 获取 JMG 停牌/復牌历史
history = client.stock.suspension_history(symbol="JMG")
for record in history:
    print(f"状态: {record['status']}, 开始: {record['halt_start']}, 结束: {record.get('halt_end')}")

标准化的 JSON 响应使得业务层的数据反序列化变得极度轻量且高效：

状态: suspended, 开始: 2026-01-15T04:00:00Z, 结束: 2026-01-29T23:59:00Z
状态: halted, 开始: 2026-01-15T09:30:00Z, 结束: None

结合对实时状态轮询的接口封装，我们可以轻易构建一个高可用的 Watchdog 服务守护进程：

# 获取当前交易状态
status = client.stock.trading_status(symbol="JMG")
print(f"当前交易状态: {status['state']}")

总结其在券商等大型金融机构的行业应用，这种状态机架构模式完美解决了事件驱动策略在工程化落地时的痛点。它不仅能让离线历史回测平台精确剥离非交易时段的噪音数据，还能让监控大屏的看板实时、无延迟地响应复牌异动。对于一线投顾而言，底层有了这套自动化引擎作为坚实支撑，他们便能将宝贵的精力从机械的盯盘和刷新网页中解放出来，专注于为客户提供更高附加值的资产配置与投资建议。

最近 AI 编程助手层出不穷，但真正让我觉得"这玩意能替代一半终端操作"的，只有 Claude Code。它不是一个花里胡哨的 IDE 插件，而是一个扎扎实实的 CLI 工具——直接在终端里跟 AI 对话、改代码、跑命令。用了一周之后，我把踩过的坑和摸索出来的高效用法整理成这篇实战笔记。

一、先搞清楚它能干什么

Claude Code 本质上是一个运行在终端里的 AI 编程代理。你可以把它理解为：一个懂代码的同事坐在你旁边，你说需求，他直接改文件。它能读你的项目代码、执行 shell 命令、操作 Git，甚至帮你做 Code Review。

和 Copilot 那种"补全下一行"的模式完全不同，Claude Code 是任务驱动的——你描述一个目标，它会自己规划步骤然后执行。

二、斜杠命令：你的控制面板

刚上手 Claude Code，最先要熟悉的就是斜杠命令体系。我把常用的按使用频率做了个分类：

高频命令（每天都会用）

项目级命令（项目初始化时用）

进阶命令

一个小技巧：第一次打开一个新项目，先跑 /init。它会扫描你的代码库，自动生成一份项目描述文件。后续 AI 理解你的代码会准确得多。

三、键盘快捷键：别只会打字

很多人用 Claude Code 就是纯打字聊天，其实它的快捷键设计得很实用：

Ctrl + C     → 打断当前 AI 的执行（跑偏了赶紧刹车）
Ctrl + O     → 切换详细输出模式（看 AI 的思考过程）
Shift + Tab  → 切换权限模式（信任模式 vs 确认模式）
Esc + Esc    → 撤销上一次文件改动（改坏了一键回退）

其中 Esc + Esc 是救命键。有一次 AI 帮我重构一个文件，改完发现逻辑不对，双击 Esc 直接回退，比 Git 操作快多了。

多行输入的三种姿势

在终端里输入多行内容一开始挺别扭的，这里有三种方法：

• 反斜杠换行：在行尾打 \ 再按 Enter
• Option + Enter（macOS）：直接换行不发送
• Shift + Enter：同上，跨平台通用

我个人习惯用 Shift + Enter，肌肉记忆和其他工具一致。

四、MCP 服务器：让 Claude Code 连接外部世界

MCP（Model Context Protocol）是 Claude Code 最有想象力的功能之一。简单说，它让 AI 能调用外部工具——数据库、API、浏览器，甚至你自己写的脚本。

三种传输方式

HTTP   → 适合远程服务，通过 URL 调用
SSE    → 服务端推送，适合流式数据场景
Stdio  → 本地进程通信，最常用

三种作用域

举个实际例子：我给项目配了一个 Stdio 类型的 MCP 服务器，连接本地的 PostgreSQL。之后直接跟 Claude 说"帮我查一下 users 表里最近注册的10个用户"，它就能自动调用数据库查询，不用我手动切到数据库客户端。

五、Hooks 钩子：在关键节点插入自定义逻辑

Hooks 是面向进阶用户的功能，它让你在 AI 执行的各个阶段插入自定义脚本。支持的事件类型有：

SessionStart    → 会话启动时
PreToolUse      → 工具调用前（比如执行命令前做检查）
PostToolUse     → 工具调用后（比如自动格式化代码）
Notification    → 通知事件
Stop            → 会话结束时
SubagentStart   → 子代理启动时
SubagentStop    → 子代理结束时
PreCompact      → 上下文压缩前
PostCompact     → 上下文压缩后

一个实用的 Hook 场景：在 PostToolUse 里配置自动运行 eslint --fix，这样 AI 每次改完代码都会自动修复格式问题，省得你再手动处理。

六、配置文件体系：两层覆盖机制

Claude Code 的配置分两层：

~/.claude/settings.json        → 用户级配置（全局生效）
项目/.claude/settings.json     → 项目级配置（覆盖全局）

项目级配置优先级更高，这个设计很合理。你可以在全局配置里设好通用偏好，再在具体项目里做微调。比如全局开启自动确认模式，但在生产环境项目里强制要求每步确认。

七、让我效率翻倍的实战技巧

1. 用 @ 引用文件，精准提供上下文

请帮我review @src/utils/auth.ts 这个文件的安全性

用 @ 符号直接引用文件路径，AI 会自动读取文件内容。比起复制粘贴代码，这个方式干净利落。

2. 用 ! 前缀执行 Shell 命令

! npm run test

不用切出 Claude Code 就能跑命令，测试结果还会作为上下文供 AI 分析。跑完测试如果有报错，直接说"帮我修"就行。

3. 自定义命令：把常用操作模板化

在项目的 .claude/commands/ 目录下创建 .md 文件，就能定义自己的命令。比如创建一个 review-pr.md：

请对当前分支的所有改动做一次完整的 Code Review，重点关注：
1. 潜在的安全漏洞
2. 性能问题
3. 代码规范
输出格式用表格，包含文件名、问题描述、严重程度。

之后在 Claude Code 里直接调用这个自定义命令，每次 Review 的标准就统一了。

4. 计划模式：大任务先规划再执行

面对复杂的重构任务，不要一上来就让 AI 动手。先说：

请先分析一下这个项目的架构，然后制定一个重构计划，不要直接改代码。

等你确认计划没问题了，再让它分步执行。这样可以避免 AI 在错误的方向上狂奔。

5. ultrathink 扩展思考

遇到复杂的设计决策或疑难 bug，可以触发扩展思考模式（ultrathink）。让 AI 在给出方案前进行更深入的推理，而不是快速给一个可能有缺陷的答案。

6. Git Worktrees 并行作战

这是个高级玩法：利用 Git Worktrees 在不同目录同时开多个 Claude Code 会话，每个处理不同的任务分支。等于同时派出多个 AI 同事并行干活，最后合并结果。

八、写在最后

Claude Code 不是万能的，它偶尔也会犯错、会跑偏。但只要掌握了正确的使用方法，它确实能大幅提升编码效率。我的建议是：

• 先花 30 分钟熟悉斜杠命令和快捷键，这是基本功
• 用好 /init 和 memory 功能，让 AI 真正理解你的项目
• 复杂任务一定要用计划模式，别让 AI 盲目操作
• 善用 Esc + Esc 回退，大胆让 AI 尝试，不满意就撤销

工具本身不产生价值，会用工具的人才产生价值。希望这篇笔记能帮你少走一些弯路。

最近半年，我把Claude Code深度融入了日常开发流程。坦白说，刚开始我是抱着"试试看"的心态，但用了一周后就回不去了。这篇文章不是官方文档的搬运，而是我在真实项目中踩坑、摸索后总结出的一套实用打法。

一、先搞清楚：Claude Code到底是什么

一句话概括——它是一个跑在终端里的AI编程助手，由Anthropic出品。

和VS Code插件、Web聊天窗口不同，Claude Code直接在你的命令行里工作。这意味着它能直接读你的项目文件、执行shell命令、操作git，真正做到"手伸进项目里干活"，而不是隔着浏览器窗口纸上谈兵。

二、四种启动姿势，按场景选

很多人只会claude回车然后开聊，其实启动方式的选择直接影响效率。

我的习惯：日常开发用交互模式，CI/CD脚本里用管道输入，写文档时用带问题启动。根据场景切换，比什么都用交互模式要高效得多。

三、这些快捷操作我天天在用

3.1 会话管理三件套

开发中最烦的就是上下文丢失。Claude Code在这方面做得不错：

### 继续上一次对话（最常用，早上开机第一件事）
claude -c

### 恢复指定的历史会话（适合多任务并行）
claude --resume

### 上下文太乱了？清屏重来
Ctrl+L

claude -c 是我用得最多的命令，没有之一。昨天调了一半的bug，今天接着聊，它还记得前因后果，省去大量重复描述的时间。

3.2 权限控制：胆大心细

Claude Code默认会在执行敏感操作前征求你同意，但有时候这很打断心流。

• Shift+TAB：在当前对话中临时切换权限级别
• 连按两次Shift+TAB：进入Plan模式，AI只分析不动手，适合你想先看方案再决定的场景
• --dangerously-skip-permissions：跳过所有权限确认，全自动执行

关于最后一个flag，我的建议是：只在个人实验项目或沙箱环境里用。生产项目千万别图省事开这个，万一AI理解错了你的意图直接删文件改配置，哭都来不及。

3.3 文件引用与代码审查

### 用@符号直接引用项目文件，比手动粘贴代码强一百倍
> @src/utils/auth.ts 这个鉴权逻辑有没有安全隐患？

### 一键代码审查，它会逐文件给出改进建议
/review

### 查看当前上下文窗口还剩多少空间
/context

/review 这个斜杠命令我强烈推荐在提交PR之前跑一遍。它不会替代人工review，但能提前抓出不少低级问题——变量命名不规范、异常没处理、潜在的空指针，这类问题让AI先筛一遍，人工review时就能聚焦在架构和业务逻辑上。

四、CLAUDE.md——给AI写一份"项目说明书"

这是我认为Claude Code最被低估的功能。在项目根目录放一个CLAUDE.md文件，Claude每次启动时会自动读取。

### 让Claude自动生成初始版本
/init

但自动生成的版本往往太泛，我建议手动补充以下内容：

### 项目概述
基于Spring Boot + Vue3的企业级低代码平台

### 技术栈
- 后端：JeecgBoot 3.7, JDK 17, Maven
- 前端：Vue 3.4, Vite 5, Ant Design Vue 4
- 数据库：MySQL 8.0, Redis 7

### 开发规范
- 接口统一返回Result<T>格式
- 异常处理使用全局@ExceptionHandler
- 数据库字段使用下划线命名

### 常用地址
- API文档：http://localhost:8080/doc.html
- 测试账号：admin / 123456

### 注意事项
- 不要修改framework模块的代码
- 所有SQL必须走MyBatis-Plus，禁止手写原生SQL

效果立竿见影：有了这份说明书，Claude在回答问题时会自动遵循你的项目规范，生成的代码风格和项目一致，不会出现"你用的MyBatis它给你写JPA"这种尴尬情况。

五、Memory功能与自定义命令

5.1 用/memory沉淀经验

/memory

这个命令会把你告诉Claude的重要信息持久化存储。比如你说过"我们项目用的是pnpm不是npm"，用memory记下来，以后每次对话它都会记得。

实用场景：记录团队编码规范、常用API端点、特定业务术语的含义。

5.2 自定义命令：把重复工作模板化

在项目下创建.claude/commands/目录，放入.md文件即可注册自定义命令：

根据以下接口描述，生成完整的Controller、Service、Mapper三层代码：
- 遵循项目的REST风格
- 包含Swagger注解
- 包含参数校验
- 生成对应的单元测试

接口描述：$ARGUMENTS

之后在对话中输入/gen-api 用户积分查询接口，Claude就会按模板生成代码。这对于有固定开发模式的团队来说，简直是效率倍增器。

六、费用监控别忘了

Claude Code按API调用计费，用着用着账单可能会给你惊喜（不是好的那种）。

### 查看API使用量和费用明细
npx ccusage@latest

另外建议在配置中开启terminal_bell，这样Claude完成长时间任务时会有声音提醒，你可以切到别的窗口干其他事，不用一直盯着。

七、团队协作的进阶玩法

当你一个人用得很顺之后，下一步是把经验推广到团队：

1. 共享.claude/目录：把自定义命令和CLAUDE.md纳入git管理，团队成员clone下来就能享受同样的AI辅助体验
2. 多项目管理：每个项目维护自己的CLAUDE.md，Claude会根据当前目录自动加载对应配置
3. 自动化工作流：在git hooks或CI管道中调用Claude Code，比如提交前自动review、合并后自动生成changelog

八、我的日常使用清单

写在最后

工具终归是工具，Claude Code不会替你思考架构，也不会替你理解业务。但它确实能把那些重复性的、机械性的编码工作大幅压缩。我的体感是，日常开发效率提升了大概30%-40%，其中代码审查和调试环节的提效最为明显。

最重要的一条建议：提问要具体。不要说"帮我优化这个项目"，而要说"@src/service/OrderService.java 这个方法的数据库查询在大数据量下性能很差，帮我用分页+缓存的方案优化"。给的上下文越精确，AI的输出质量越高。

定期/clear清理上下文也是好习惯，对话太长反而会让AI"记混"，适时重新开始一段对话，保持上下文的干净和聚焦。

为什么要升级到 Vite 5？

在前端工程化日益成熟的今天，构建工具的性能直接影响着开发团队的效率。对于使用 JeecgBoot低代码平台进行企业级项目开发的团队来说，Vite 5 带来的提升绝非简单的版本号变化——它意味着更快的冷启动、更短的热更新延迟，以及更高效的生产构建。

如果你的 JeecgBoot低代码项目仍然运行在 Vite 4.x 上，这篇指南将帮助你顺利完成升级，并亲眼见证实打实的性能提升。

升级前的环境准备

在动手之前，首先确认你的 Node.js 版本满足要求：

• Node 18 或 Node 20+

如果你还停留在 Node 16 或更早版本，建议先完成 Node 环境升级，否则 Vite 5 将无法正常运行。

依赖包升级清单

JeecgBoot低代码项目升级 Vite 5 时，有两个关键依赖需要同步更新：

执行以下命令完成依赖升级：

pnpm update unocss vite-plugin-html

核心代码修改

升级过程中唯一需要手动调整的代码位于 build/vite/plugin/html.ts 文件。在 createHtmlPlugin 的配置对象中，需要新增 viteNext: true 参数，这是 vite-plugin-html 为兼容 Vite 5 新特性而提供的适配开关：

const htmlPlugin: PluginOption[] = createHtmlPlugin({
  minify: isBuild,
  viteNext: true,
  inject: {
    data: {
      title: VITE_GLOB_APP_TITLE,
    },
    tags: isBuild ? [{
      tag: 'script',
      attrs: {src: getAppConfigSrc(),},
    }] : [],
  },
});

这个改动虽然只有一行，却是整个升级能否成功的关键——缺少这个参数会导致构建阶段的 HTML 注入失败。

已知兼容性问题

升级完成后，你可能会在启动或构建时看到来自 @rys-fe/vite-plugin-theme 插件的警告信息。这里需要明确的是：该警告不影响实际功能使用，只是因为这个主题插件尚未完全适配 Vite 5 的新 API。等待插件作者发布更新版本即可，无需为此回退升级。

真实性能对比数据

升级效果如何，让数据说话。以下是 JeecgBoot低代码项目在 Vite 4.4.9 与 Vite 5.0.11 之间的实测对比：

冷启动时间从 13 秒压缩到 8 秒，意味着每次重新启动开发服务器都能节省近 5 秒。对于频繁修改配置需要重启的场景，这个提升积少成多，非常可观。

升级步骤汇总

将整个升级流程归纳为四步，方便快速执行：

1. 确认 Node.js 版本 ≥ 18
2. 升级 unocss 至 v0.58.3+、vite-plugin-html 至 v3.2.1+
3. 修改 build/vite/plugin/html.ts，添加 viteNext: true
4. 启动项目验证，忽略 theme 插件的兼容性警告

实践建议

在团队协作环境中执行升级时，建议先在一个独立分支上完成所有修改并充分测试，确认无误后再合入主干。特别要关注的是自定义 Vite 插件的兼容性——如果你的 JeecgBoot低代码项目中引入了额外的第三方 Vite 插件，需要逐一确认它们是否支持 Vite 5。

总结

Vite 5 升级对于 JeecgBoot低代码平台项目而言是一次低成本、高回报的优化。整个过程涉及的代码改动极少，但带来的性能提升却十分显著。如果你追求更流畅的开发体验和更短的 CI/CD 构建周期，这次升级值得尽早安排。

主流CRM品牌核心能力横向对比：获客、营销、渠道与公海管理的专业拆解

在企业数字化转型中，CRM（客户关系管理）已从“工具”升级为“业务增长引擎”——其核心价值在于打通获客-营销-渠道-客户运营的全链路，通过数据驱动实现资源高效利用与业绩增长。本文基于获客/市场、营销、渠道、公海管理四大核心维度，对8款主流CRM品牌（超兔一体云、Microsoft Dynamics 365、Oracle CX、销售易、Zoho CRM、HubSpot CRM、SuiteCRM、EC）的能力进行专业横向对比，结合表格、流程图、脑图与雷达评分，为企业选型提供参考。

一、对比框架说明

本次对比聚焦CRM的“增长型能力”，四个维度的定义与评估重点如下：

1. 获客/市场：渠道覆盖广度、线索抓取效率、AI/数据驱动的精准度；
2. 营销：自动化工具、个性化能力、ROI追踪与内容支撑；
3. 渠道：伙伴/上下游协同、跨渠道一致性、规则自定义；
4. 公海管理：线索分配机制、规则灵活性、转化追踪与资源复用。

二、各品牌核心能力总览

先通过对比表格呈现各品牌的核心差异（严格基于素材信息）：

三、关键维度深度拆解

1. 获客/市场：从“广撒网”到“精准捕”

获客的核心是“用最低成本抓最高价值线索” ，各品牌的差异体现在渠道适配性与数据驱动能力：

• 超兔一体云：toB特色明显——工商搜客（按工商特征定位潜在客户）+ 多渠道集客（覆盖线上广告、官网、微信、小程序、地推），且支持线索一键转化（加客户/待办/订单）与成本均摊计算，直接关联市场活动ROI；
• Microsoft Dynamics 365：微软生态协同是壁垒——与Outlook（日程同步）、Teams（沟通）、Power BI（分析）深度集成，AI驱动的客户洞察（画像+行为）精准定位潜客，适合已使用微软生态的中大型企业；
• Oracle CX：数据整合能力突出——通过Unity CDP整合营销、销售、服务、电商的客户数据，生成360度动态画像，解决“数据孤岛”问题，适合需要统一客户视图的企业级用户；
• 销售易：智能获客工具实用——智能活码打通全域渠道，广告数据回流优化投放，360度画像分层运营降低获客成本，适合侧重线上获客的成长型企业；
• EC：社交化获客垂直——聚焦微信/企微等社交平台，适合依赖私域流量的中小企业。

超兔获客流程流程图（Mermaid）：

flowchart LR
    A[多渠道集客] --> B[互联网广告（百度/巨量）]
    A --> C[官网落地页（表单+验证码）]
    A --> D[微信（海报/表单）]
    A --> E[小程序（虎客名片/好店）]
    A --> F[地推/会销（专属二维码）]
    A --> G[工商搜客（toB）]
    B-->H[线索抓取]
    C-->H
    D-->H
    E-->H
    F-->H
    G-->H
    H[线索处理] --> I[一键加客户/待办/订单]
    H --> J[归属地/IP分析]
    H --> K[分配提醒]
    H --> L[成本/转化率计算]
    I-->M[线索转化]
    J-->M
    K-->M
    L-->M

2. 营销：从“粗放投放”到“精准运营”

营销的核心是“用自动化提升效率，用个性化提升转化” ，各品牌的差异体现在工具丰富度与场景适配性：

• 超兔一体云：侧重销售端的“弹药支撑” ——话术武器云（标准化沟通话术）、文件武器云（合规素材）、智能日报（自动复盘），解决“销售不会说、素材找不到”的痛点；
• Microsoft Dynamics 365：AI内容生成是亮点——Copilot可生成个性化营销文案，结合全渠道活动管理（邮件/社交/线下），适合需要规模化个性化内容的企业；
• Oracle CX：跨渠道编排能力强——支持B2B/B2C场景的跨渠道营销（微信/短信/邮件/线下），实时捕获效果洞察，适合全渠道布局的企业；
• HubSpot CRM：inbound营销工具完善——落地页/表单/SEO/社交媒体自动化，适合侧重内容营销的企业；
• 销售易：自动化SOP实用——营销云支持销售/群/企微朋友圈的自动化运营，解决“私域运营难标准化”的问题。

3. 渠道：从“分散管理”到“协同增长”

渠道的核心是“打通上下游，实现伙伴/客户的协同” ，各品牌的差异体现在伙伴管理深度与跨渠道一致性：

• 超兔一体云：OpenCRM平台是特色——支持上游供应商协同（询价/采购/付款/对账）与下游客户协同（报价/订单/物流/投诉），覆盖B2B企业的“供应链+销售链”；
• Oracle CX：PRM（合作伙伴关系管理）能力完善——通过集成式门户实现渠道经理与伙伴的业务计划协作、交易登记、报价创建，助力企业扩展伙伴渠道；
• 销售易：伙伴云全流程覆盖——从渠道开拓、准入、清退到返利自动计算、在线对账，解决“伙伴管理乱、返利算不清”的痛点；
• Microsoft Dynamics 365：跨渠道一致性强——通过渠道集成框架统一管理在线商店、实体店、呼叫中心的客户互动，实时同步订单/库存数据，适合零售等全渠道场景；
• Zoho CRM：渠道规则灵活——支持代理商线索报备，自定义分配规则避免撞单，适合依赖渠道代理的企业。

4. 公海管理：从“资源闲置”到“高效复用”

公海管理的核心是“让线索流动起来，避免资源浪费” ，各品牌的差异体现在规则灵活性与转化追踪能力：

• 超兔一体云：规则最明细——明确“客户进入（未跟进/流失/未达标）、认领（数量/时间限制）、跟进（按要求更新）、释放（无价值/无法跟进）”四大规则，结合活跃度分析（跟进次数/沟通频率）与绩效分析（认领转化数），优化资源分配；
• Microsoft Dynamics 365：AI驱动分配——通过AI评分模型识别高价值线索，自动分配给合适销售，结合实时仪表盘监控公海动态，适合需要规模化线索分配的企业；
• 销售易：自动化机制完善——线索自动分配+公海领取，提升转化效率；
• HubSpot CRM：动态生命周期管理——自定义客户阶段（如“潜客→意向→成交→流失”），自动更新状态，让线索“流动起来”；
• SuiteCRM：开源优势——可根据企业需求自定义公海规则（如“30天未跟进自动回公海”），适合需要定制化的企业。

公海管理通用流程图（Mermaid）：

flowchart LR
    A[客户进入公海] --> B[触发规则（未跟进/流失/未达标）]
    B --> C[公海池存储]
    C --> D[销售认领（规则限制：数量/时间）]
    D --> E[跟进（更新状态/记录）]
    E --> F[有效转化（保留客户）]
    E --> G[未转化（放回公海）]
    F --> H[客户留存]
    G --> C

四、各品牌能力雷达评分（1-5分，5=最强）

通过雷达图直观展示各品牌的“综合增长能力”（评分基于维度权重与素材信息）：

五、选型推荐：匹配企业场景

1. toB中小企业/注重全流程协同：选超兔一体云——toB获客（工商搜客）、OpenCRM上下游协同、公海规则明细，性价比高；
2. 中大型企业/微软生态用户：选Microsoft Dynamics 365——生态协同、AI内容生成、跨渠道一致性；
3. 企业级用户/全渠道布局：选Oracle CX——Unity CDP数据整合、PRM伙伴协同、跨渠道营销编排；
4. 成长型企业/侧重智能获客：选销售易——智能活码、广告回流、伙伴云全流程；
5. 中小微企业/全渠道自动化：选Zoho CRM——全渠道获客、营销自动化、规则灵活；
6. 内容营销型企业：选HubSpot CRM——inbound工具、SEO/社交媒体自动化；
7. 开源定制需求：选SuiteCRM——自定义公海/渠道规则；
8. 社交获客型企业：选EC——微信/企微为主的社交化获客。

六、总结

CRM的核心不是“工具”，而是“用工具打通增长链路”。企业选型时，需优先匹配自身业务场景（toB/toC、渠道模式、生态依赖）与核心痛点（获客难、营销散、渠道乱、公海闲）。超兔一体云的“toB全流程协同”、Microsoft Dynamics 365的“微软生态”、Oracle CX的“企业级数据”、销售易的“智能营销”，是各自的核心壁垒——选对了，CRM才能从“成本中心”变成“增长引擎”。

CRM的核心不是“工具”，而是“用工具打通增长链路”。企业选型时，需优先匹配自身业务场景（toB/toC、渠道模式、生态依赖）与核心痛点（获客难、营销散、渠道乱、公海闲）。超兔一体云的“toB全流程协同”、Microsoft Dynamics 365的“微软生态”、Oracle CX的“企业级数据”、销售易的“智能营销”，是各自的核心壁垒——选对了，CRM才能从“成本中心”变成“增长引擎”。

在未来的商业竞争中，合理运用CRM系统将成为企业提升竞争力、实现可持续发展的关键因素之一。希望各企业能够根据自身实际情况谨慎选择适合的CRM系统，借助其强大的功能挖掘市场潜力，提升运营效率，在激烈的市场竞争中脱颖而出，书写属于自己的精彩商业篇章。

（注：文中功能相关描述均基于公开披露信息，具体功能服务以厂商实际落地版本为准。）