📗 第 10 章 · Anthropic apps - AI Code Assistant and computer use

所属课程：课程 004 Building with the the AI API
官方章节名：Anthropic apps - AI Code Assistant and computer use
课时数：4
CCAR-F 主命中领域：D2 20%（覆盖偏薄）
归档日期：2026-10-15

📋 本章课时清单

🎯 本章考点提示

D2（20%）但只有 4 课时——覆盖明显偏薄。apps 总览、AI Code Assistant 安装、实战、MCP 增强。

⚠️ D2 占 20%，本章撑不住；必须靠队列第 2 门《AI Code Assistant in Action》补齐。策略：本章只过一遍建立概念。

📖 逐课精译

课时 1 · Anthropic apps

类型：🎬 视频 ｜ lesson ID：287787 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• In this module, we'll explore two powerful applications built by the AI provider: AI Code Assistant and Computer Use.
• These aren't just useful tools on their own - they're perfect examples of AI agents in action.
• AI Code Assistant is a terminal-based coding assistant that can help you with various programming tasks.
• Computer Use takes the AI's capabilities much further. It's a collection of tools that allow the AI to interact with a full desktop computer environment.
• 精译：
• 本模块的定位：学习两个由模型提供方开发的应用：AI Code Assistant 与 Computer Use。它们不只是独立的实用工具，更是智能体（agent）的实际例子。理解它们怎么工作，就为之后构建自己的智能体打下基础。
• 学习路线：先看 AI Code Assistant（运行在终端里的智能体式编程助手）；再看 Computer Use（让模型与桌面应用交互的一组工具）；最后分析是什么让这些应用成为成功的智能体。
• AI Code Assistant：终端中的编程助手，能帮你编辑文件、修复 bug、回答编程问题、支持开发流程。课程会完整讲解安装，并在一个小示例项目上演示它的实际运行方式。
• Computer Use：一组让模型与完整桌面环境交互的工具。模型可以访问网站、浏览互联网、操作桌面应用、完成需要视觉界面导航的任务。相比纯文本交互，能力大幅扩展。
• 为什么它们对理解智能体重要（考点）：两者都是很好的案例，展示了让智能体有效的关键原则：工具的集成与使用；多步任务执行；与环境的交互；自主解决问题。
• 本章的心态：D2 只占 4 个课时，覆盖偏薄，本章主要是建立概念，之后要靠《AI Code Assistant in Action》深入补齐。
• 本章新生词：已回灌 30-单词表/04- 第 10 章速查分组（课时 1，见下方统计）
• 考点映射：映射表标 D2 2.1（项目级配置与入口形态）⭐，本课是 D2 的总览课时，同时为 4.1 的 MCP 增强（课时 4）做铺垫。
• ⚠️ 核对项：讲稿中的 "the AI provider" 指模型提供方；产品名以官方为准。
• ⚠️ 核对项：讲稿说 Computer Use 能"访问网站、操作桌面应用"，实际的权限、沙箱与安全边界以官方文档为准。
• ⚠️ 核对项：讲稿的"智能体"分析是课程的概括，不是对这些产品的正式定义。

课时 2 · AI Code Assistant setup

类型：🎬 视频 ｜ lesson ID：287788 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• AI Code Assistant is a terminal-based coding assistant that runs directly in your command line.
• AI Code Assistant comes with a comprehensive set of tools to help with your development workflow.
• The MCP integration is particularly powerful because it means you can extend AI Code Assistant's capabilities by adding specialized tools for databases, APIs, or any other services you work with.
• Getting AI Code Assistant set up takes just three steps.
• 精译：
• 定位：AI Code Assistant 是运行在命令行中的编程助手，可以在终端里随时用模型完成任何编程任务。
• 能力清单（考点）：① 文件操作，搜索、读取、编辑项目中的文件；② 终端访问，在对话中直接运行命令；③ 网络访问，搜索文档、获取代码示例等；④ MCP 服务器支持，通过接入 MCP 服务器添加额外工具。讲稿特别强调第 4 项：可以为数据库、API 或任何你在用的服务添加专门的工具，从而扩展助手的能力。
• 平台：支持 macOS、Windows WSL 与 Linux。
• 安装的三个步骤（代码要点）：
  1. 安装 Node.js（到 nodejs.org 下载）。讲稿提示：可在终端运行 npm help 检查是否已安装。
  2. 安装 AI Code Assistant：npm install -g @anthropic-ai/claude-code。
  3. 启动并登录：在终端运行 claude。
• 首次登录：第一次运行 claude 命令时，会提示你登录模型提供方的账户。完整的安装指南见官方文档。
• 结果：完成设置后，模型就可以直接在终端里协助你的编程项目。
• 本章新生词：已回灌 30-单词表/04- 第 10 章速查分组（课时 2，见下方统计）
• 考点映射：映射表标 D2 2.1（项目级配置与入口形态）⭐，本课是 D2 安装与入口的核心课时；讲稿列出的四类能力也对应 D2 的工具与权限。
• ⚠️ 核对项：安装命令 npm install -g @anthropic-ai/claude-code 与 claude 启动命令是讲稿所示，实际包名、版本与前置要求以官方文档为准。
• ⚠️ 核对项：讲稿说支持的平台（macOS、Windows WSL、Linux）会随版本变化，以官方文档为准。
• ⚠️ 核对项：讲稿的 "docs.anthropic.com" 与安装指南位置是讲稿所示，以官方实际文档为准。

课时 3 · AI Code Assistant in action

类型：🎬 视频 ｜ lesson ID：287805 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• AI Code Assistant isn't just a tool for writing code - it's designed to work alongside you throughout every phase of a software project.
• This file automatically gets included as context in all future conversations, so the AI remembers important details about your project.
• Instead of jumping straight to implementation, ask the AI to think through the problem and create a plan.
• The more context and structure you provide, the more effectively the AI can help you build and maintain your projects.
• 精译：
• 定位：AI Code Assistant 不只是写代码的工具，而是贯穿软件项目各阶段的协作者，可以从初始化一直做到部署与维护。
• /init 命令（考点）：开始项目时首先运行它。助手会扫描整个代码库，理解项目结构、依赖、编码风格与架构，并把结果总结到 PROJECT.md 文件中。该文件会自动作为上下文，纳入之后的所有对话。
• PROJECT.md 的三种范围：Project（项目级，团队共享）；Local（本地级，个人笔记，不提交到 git）；User（用户级，跨所有项目使用）。
• /init 的定向说明：运行时可以附加说明，指定助手应重点关注的区域。生成的文件会包含构建命令、编码指南和项目特有的模式。
• # 命令：输入 # 始终使用描述性的变量名 这类内容，助手会询问你把它加入项目、本地还是用户的记忆中。
• 核心理念：把模型当作"效率倍增器"，提供的上下文和结构越多，结果越好。
• 工作流第 1 步：喂入上下文：先找出与目标功能相关的文件，请助手先阅读分析。这让它了解你的编码模式和可以复用的现有功能。
• 第 2 步：先规划，不写代码：明确要求助手先思考问题并给出计划，只谈方案与步骤，暂不写任何代码。
• 第 3 步：实现：计划确定后，再让助手按计划实现。
• 测试驱动工作流（考点）：① 喂入上下文；② 让助手构思测试用例；③ 挑选最相关的测试，让助手编写；④ 让助手编写代码使测试通过，助手会迭代直到全部通过。讲稿认为这样产出的代码往往更稳健，因为助手有明确的成功标准。
• 实例：为已有项目添加"文档转 Markdown"工具。先让助手读取 math.py 与 document.py；再要求规划 document_path_to_markdown 工具（校验文件存在、按扩展名判断类型、读取二进制数据、复用已有的 binary_document_to_markdown 函数、返回 Markdown 字符串），并补充文档、注册到 MCP 服务器、添加测试；最后要求实现。
• 其他命令：/clear 清空对话历史并重置上下文；/init 扫描代码库并生成 PROJECT.md；# 向 PROJECT.md 添加笔记。
• 常规开发任务：助手还能处理暂存与提交 git 变更、运行测试、管理依赖等例行工作，无需在编辑器与终端之间来回切换。
• 本章新生词：已回灌 30-单词表/04- 第 10 章速查分组（课时 3，见下方统计）
• 考点映射：映射表标 D2 2.1（项目级配置与知识注入：PROJECT.md 与 /init）⭐ 与 D2 2.2（运行模式与交互：先规划后实现、测试驱动）；本课是 D2 的核心实操课时，也是"2.1 与 2.2"两条考点的主命中。
• ⚠️ 核对项：/init、/clear、#、PROJECT.md 的行为是讲稿的描述；具体命令的当前行为与文件名以官方文档为准。
• ⚠️ 核对项：讲稿的 math.py、document.py 与工具名 document_path_to_markdown 是示例项目的文件与函数，不是通用约定。
• ⚠️ 核对项：讲稿说"测试驱动会产出更稳健的代码"是讲稿的经验性说法，效果取决于测试质量与项目情况。

课时 4 · Enhancements with MCP servers

类型：🎬 视频 ｜ lesson ID：287792 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• AI Code Assistant has an MCP client built right into it, which means you can connect MCP servers to dramatically expand what the AI can do.
• Each MCP server can expose different types of functionality to the AI through three main components: Tools (for taking actions), Prompts (for templates), and Resources (for accessing data).
• claude mcp add [server-name] [command-to-start-server]
• Once registered, AI Code Assistant will automatically connect to your server when it starts up.
• 精译：
• 内置 MCP 客户端：AI Code Assistant 自带 MCP 客户端，可以连接 MCP 服务器来大幅扩展能力。它不再局限于模型内置的功能，而是能通过服务器接入专门的工具、资源或集成。
• 三类原语（考点）：每个 MCP 服务器通过三类组件向模型暴露能力：工具（Tools，用于执行动作）、提示（Prompts，用于模板）、资源（Resources，用于访问数据）。这与第 9 章的三原语一致。
• 注册服务器（代码要点）：在命令行执行 claude mcp add [服务器名] [启动服务器的命令]。例如文档处理服务器通过 uv run main.py 启动，则执行 claude mcp add documents uv run main.py。注册后，助手启动时会自动连接该服务器。
• 实例：文档处理：构建一个带 document_path_to_markdown 工具的 MCP 服务器，就能让模型读取 PDF 与 Word 文档并转为 Markdown。讲稿示例："Convert the tests/fixtures/mcp_docs.docx file to markdown"，模型会自动调用该工具，返回转换后的内容。
• 生态中的集成（讲稿列举）：sentry-mcp（自动发现并修复 Sentry 中记录的 bug）；playwright-mcp（浏览器自动化，用于测试与排障）；figma-context-mcp（把 Figma 设计暴露给模型）；mcp-atlassian（访问 Confluence 与 Jira）；firecrawl-mcp-server（网页抓取能力）；slack-mcp（发送消息或回复特定线程）。
• 组合工作流：把多个服务器组合成适合你的开发流程，例如：Sentry 服务器获取线上错误详情；Jira 服务器读取工单需求；Slack 服务器在工作完成时通知团队；以及为内部工具与 API 定制的服务器。这样模型能与你已在使用的所有工具无缝协作。
• 本章新生词：已回灌 30-单词表/04- 第 10 章速查分组（课时 4，见下方统计）
• 考点映射：映射表标 D4 4.1（Host 侧接入 MCP）⭐ 与 D2 2.1（项目级配置：注册服务器），本课是第 10 章与第 9 章 MCP 的衔接课时，也是 D4 4.1 中"客户端在宿主应用内"的实例。
• ⚠️ 核对项：claude mcp add 的参数格式与用法是讲稿所示，实际语法以官方文档为准。
• ⚠️ 核对项：讲稿列出的第三方 MCP 服务器（sentry-mcp、playwright-mcp 等）是生态中的示例，名称、维护方与功能会变化，使用前应核实其官方仓库。
• ⚠️ 核对项：讲稿示例中的 tests/fixtures/mcp_docs.docx 与 document_path_to_markdown 是示例项目的文件与工具，不是通用约定。

✅ 本章进度

• [ ] 抓取本章讲稿/字幕（需 Partner SSO 登录态）
• [ ] 逐课精译（4 课时）
• [ ] 生词回灌 30-单词表/04-
• [ ] 章节测验/练习

🔗 关联

• 上级：课程 004 README
• 导读：01-课程导读与大纲全景
• 生词表：30-单词表/04-（待建）
• 登录 SOP：40-认证事务/08-Partner SSO