AI-Assisted Development — 从安装到实战
通过本次交流,大家将能够:
- 在 Linux 环境下通过 AMD LLM Gateway 安装并配置 Claude Code
- 理解 Skills 和 MCP 的概念,并掌握常用 Skills 的使用方法
- 通过一个真实的 Feature 开发案例,体验 Claude Code 驱动的完整开发流程
- 通过一个跨平台精度 Debug 案例,掌握 Claude Code 辅助系统性排查的方法
- 安装 Node.js 和 Claude Code
- 配置 AMD LLM Gateway 连接
- 绕过 Anthropic OAuth 登录
- 环境变量与权限设置
- 首次启动验证
- 什么是 Skill? — Claude Code 的可复用指令模板,通过
/command快速触发预定义的工作流 - 什么是 MCP? — Model Context Protocol,让 Claude 连接外部工具和服务的标准化协议
- 已安装 Skills 一览与使用方法
- 已配置 MCP Server 说明
- 项目背景:SGLang Qwen 多模态模型 Profiling 功能
- 完整开发流程演示:需求分析 → 代码开发 → 测试验证 → PR 准备
- 可直接复制使用的 Prompt
- 跨平台精度问题排查(H20 vs MI308)
- 三轮 Session 逐步缩小范围:算子层 → 模块层 → 模块内精细定位
- 多 Session 间通过总结文档传递上下文
- 可直接复制使用的 Prompt
- 使用心得:小任务拆解、上下文管理、限制发散
- 真实案例:SGLang 社区 PR 及技术报告
| 命令 | 说明 |
|---|---|
claude |
启动 Claude Code(已通过 alias 绑定 opus 模型) |
claude --model claude-sonnet-4 |
使用 Sonnet 模型启动 |
/review |
审查当前 git diff |
/fix <描述> |
诊断并修复 Bug |
/explain <文件> |
解释代码逻辑 |
/test <文件> |
生成测试用例 |
/perf <文件> |
性能分析 |
Ctrl+C |
中断当前生成 |
/clear |
清空对话历史 |
/compact |
压缩对话上下文 |
- 给出明确的上下文:告诉 Claude 项目背景、文件位置、期望行为
- 分步迭代:复杂任务拆分成多步,逐步引导
- 利用 Plan Mode:对于复杂任务,先让 Claude 制定计划再执行
- 善用 Skills:
/review、/fix、/test等内置 Skill 大幅提升效率 - 检查输出:始终审查 Claude 的代码修改,确认符合预期