# 影片筆記：Claude Code 如何安装？+CC Switch 切换模型  Claude Code 能干啥？最大的痛点是啥？

## 一句話總結

影片由一位嵌入式驅動開發者視角出發，針對中國大陸區用戶詳細演示了 **Cloud Code** 的安裝流程（Ubuntu/Windows）及透過 **CC-Switch** 切換中國大模型（如 DeepSeq/DeepSick）的方法，並深入剖析了當前 AI 編程助手在 Token 消耗不可控與複雜任務邏輯缺陷上的痛點，指出 2025 年 AI 競爭焦點將轉向 Agent 的有效執行能力。

## 核心重點

1.  **安裝與模型切換**：針對中國大陸區用戶因風控嚴格、實名認證機制導致難以直接使用原版模型的問題，推薦「安裝 Cloud Code 框架 + 替換中國大模型」的方案。需準備 Node.js (18+)、NVM、Git 及 CC-Switch 工具。
2.  **功能應用場景**：Cloud Code 不僅是編程助手，也可用於素材整理、文檔編寫、數據分析等。在嵌入式開發中，可用於分析代碼、生成 C 語言測試 Demo 及 Makefile，減輕開發人員處理「雜活」的負擔。
3.  **主要痛點**：
    *   **Token 消耗不可控**：AI 為解決簡單問題可能自主讀取大量文件、多次編譯，導致 Token 耗盡且成本難預估。
    *   **生成結果不達標**：面對複雜任務時，AI 可能陷入邏輯死循環、忽略架構約束或無視用戶指令。
4.  **應對策略**：建議限制執行權限、即時清空上下文、主動提供核心上下文、進行任務拆解，並可切換至其他模型（如 DeepSick）。
5.  **行業趨勢**：2025 年 AI 競爭焦點從大模型參數比拼轉向 AI Agent 的有效執行能力，強調工具操作電腦、訪問本地文件及自行規劃任務的能力。

## 詳細大綱

### I. 前言與背景
*   **講者背景**：嵌入式驅動開發者，專注於 ARM 平台、底層 API 封裝。
*   **使用情境**：將測試 Demo、自動化腳本、Makefile、動畫程序等「雜活」交給 AI 處理。
*   **影片目的**：
    *   前半段：針對想上手的新手（特別是中國大陸區用戶）介紹安裝與模型切換。
    *   後半段：針對現有使用者探討功能與痛點。

### II. 中國大陸區使用 Cloud Code 的挑戰
*   **障礙**：
    *   科學上網後仍需註冊帳號與購買 API Key。
    *   Anthrobic（疑點）對中國區用戶風控嚴格。
    *   即使有海外手機號與外币支付，仍有高被封風險。
    *   近期出台的失明認證機制（疑點：指實名認證機制）使使用原汁原味 Cloud 模型可能性趨近於零。
*   **解決方案傾向**：
    *   不推薦使用 API 中轉站（原因：不穩定、難以確認是否為 Cloud 系列模型）。
    *   推薦方案：安裝 Cloud Code 框架 + 替換中國大模型。
*   **前置環境要求**：
    *   Node.js 版本需 18 以上。
    *   Cloud Code 基於 TypeScript 編寫，透過 NPM 分發。
    *   建議安裝 Git 以協助理解專案。

### III. 安裝指南：Ubuntu 系統
1.  **環境準備**：
    *   使用 NVM 管理 Node.js 版本（避免權限問題）。
    *   安裝 NVM 並通過 `source` 使環境變量生效。
    *   驗證 NVM 版本（範例：0.40.3）。
    *   透過 NVM 安裝 Node.js 指定版本（範例：24）。
    *   設置為默認版本，驗證 Node 和 NPM 版本。
2.  **安裝 Cloud Code**：
    *   執行 `npm install` 安裝 Cloud Code。
3.  **安裝 CC-Switch（模型切換工具）**：
    *   從 GitHub 下載針對 x86_64 架構 Ubuntu 的二進制包（疑點：底半包）。
    *   安裝 CC-Switch 軟件包。
4.  **模型配置與驗證**：
    *   啟動 CC-Switch GUI 程序。
    *   點擊加號選擇目標模型（範例：DeepSeq）。
    *   輸入已購買的 API Key 並點擊添加。
    *   點擊測試按鈕驗證添加是否成功。
    *   回到命令行運行 Cloud，首次啟動進行主題配置（一路默認 Enter）。
    *   驗證命令行交互。

### IV. 安裝指南：Windows 系統
1.  **環境準備**：
    *   安裝 Node.js 環境（可透過命令行或下載安裝包，範例使用 PowerShell 透過 `winget` 安裝）。
    *   驗證安裝版本。
    *   *備註*：若不想使用管理員權限，可了解 `SCOPE`（疑點：可能指 Scoop）。
2.  **安裝 Git**：
    *   安裝 Gate for Windows（疑點：指 Git for Windows）。
    *   通過 `GateVorion`（疑點：指 git version）檢查安裝結果。
3.  **安裝 Cloud Code**：
    *   透過 `npm install` 安裝。
    *   驗證 Cloud 版本號。
4.  **安裝 CC-Switch**：
    *   下載 Windows 版本安裝包並雙擊安裝。
    *   打開 CC-Switch，操作步驟同 Ubuntu（添加目標 API Key、測試）。
5.  **使用提示**：
    *   切換模型比修改環境變量更方便。
    *   **重要提醒**：務必切換到目標工程目錄下與 Cloud 交互，避免在系統目錄生成文件。

### V. Cloud Code 功能演示
*   **定位**：智能編程工具、AI 驅動的編程助手，主要面向開發人員。
*   **非編碼應用**：素材整理、文檔編寫、數據分析、運營週報、拆解 OKR、配合 Figma 出稿、技術記者內容生產。
*   **實際場景演示**：
    *   **專案背景**：ARM64 平台 + Celix + K7 系列 FPGA 實現的多路看模組。
    *   **目錄結構**：包含 CinLinksXDMA 驅動、基於驅動封裝的看功能接口、CinLinks 看 IP Call 用戶手冊、驅動工程師與 FPGA 工程師溝通文檔。
    *   **操作指令**：
        1.  分析當前 MKanLibXDMA 實現的功能。
        2.  根據現有接口，用 C 語言編寫看測試 Demo。
        3.  編寫相應的 Makefile 文件。
        4.  暫不參與交叉編譯，以實際測試。
    *   **執行過程**：
        *   輸出概要執行步驟。
        *   創建文件時徵求用戶意見（確認下一步）。
        *   針對簡單任務可一氣呵成，複雜任務建議一步步來。
    *   **生成結果**：
        *   接口功能分析。
        *   看接口功能測試程序。
        *   Makefile 文件。
        *   README 文檔（用於說明看測試 Demo）。
    *   **結論**：雖未驗證編譯與測試，但已能減輕開發人員負擔，適合處理雜火（疑點：雜活）。

### VI. Cloud Code 痛點分析
*   **痛點一：Token 消耗不可控**
    *   現象：為解決簡單 Bug，自主決定讀取數十個投文件（疑點：源文件）、多次編譯、分析數千行日誌。
    *   後果：每一步動作消耗 Token，未解決問題 Token 已耗盡。
    *   團隊協作難題：難以精確計算用量，優化成本困難。
    *   影響：程序員工作從編碼調試轉變為控制 AI 整體 Token 消耗。
*   **痛點二：生成結果不達標**
    *   現象：面對複雜任務時，思考深度下降，陷入邏輯死循環，瘋狂刷 Token。
    *   大規模專案問題：當專案的規模角大時（疑點：較大），忽略用戶已有的設計模式或架構約束。
    *   其他問題：無視用戶指令、防禦性白爛（疑點：可能指防禦性編碼或無效輸出）、速約互亂（疑點：語意不明）。
*   **自救建議**：
    *   針對 Token 不可控：限制執行權限、即時清空上下文、切換其他模型（如 DeepSick）。
    *   針對結果不達標：主動給出核心上下文、進行任務拆解、慎用一鍵到底執行方式。

### VII. 行業趨勢與結語
*   **AI 發展階段**：
    *   過去十年：競爭焦點在大模型參數、評分、多態能力。
    *   2025年：大模型差距縮小，競爭焦點轉向「誰能讓 AI 真正有效干活」。
*   **AI Agent 時代來臨**：
    *   代表工具：Ader（疑點：可能指 Aider）、Cloud Code、Open Cloud（疑點）、Open Code（疑點）、Cursor、Mainers（疑點：可能指 Manus 或 Makers）、Github Copilot、Windsurf。
    *   共同特點：形態各異（終端獨立、IDE 嵌入、通用數字員工），但都能操作電腦、訪問本地文件、執行指令、自行規劃任務。
*   **結語**：Cloud Code 是當前最受程序員群體關注的工具之一。

## 工具 / 模型 / 名詞整理

*   **Cloud Code**：影片主要討論的 AI 編程助手/框架。
*   **Anthrobic**：逐字稿提及的模型提供商名稱（疑點：通常指 Anthropic）。
*   **Cloud API Key**：雲端模型服務的金鑰。
*   **Node.js**：JavaScript 運行環境，版本要求 18 以上。
*   **NVM**：Node Version Manager，用於管理 Node.js 版本。
*   **Git**：版本控制系統。
*   **CC-Switch**：用於模型切換的工具/軟件包。
*   **DeepSeq**：逐字稿中提到的目標模型名稱（疑點：可能指 DeepSeek 或其他模型）。
*   **DeepSick**：逐字稿中提到的用於替換的中國模型名稱（疑點：可能指 DeepSeek）。
*   **Ubuntu**：操作系統。
*   **Windows**：操作系統。
*   **PowerShell**：Windows 命令行終端。
*   **Winget**：Windows 包管理器。
*   **SCOPE**：逐字稿中提到的替代管理員權限安裝的工具（疑點：可能指 Scoop）。
*   **Celix**：嵌入式中間件框架。
*   **K7 系列 FPGA**：硬體平台。
*   **CinLinksXDMA**：驅動名稱。
*   **MKanLibXDMA**：專案或庫名稱。
*   **Makefile**：編譯配置文件。
*   **Figma**：設計協作工具。
*   **Ader**：AI Agent 工具名稱（疑點：可能指 Aider）。
*   **Open Cloud**：AI Agent 工具名稱（疑點）。
*   **Open Code**：AI Agent 工具名稱（疑點）。
*   **Cursor**：AI 代碼編輯器。
*   **Mainers**：AI Agent 工具名稱（疑點：可能指 Manus 或 Makers）。
*   **Github Copilot**：GitHub 的 AI 編程助手。
*   **Windsurf**：AI 代碼編輯器。

## 操作流程整理

### Ubuntu 系統安裝流程
1.  **安裝 NVM**：使用 `source` 使環境變量生效，驗證版本（如 0.40.3）。
2.  **安裝 Node.js**：透過 NVM 安裝指定版本（如 24），設置為默認版本。
3.  **安裝 Cloud Code**：執行 `npm install`。
4.  **安裝 CC-Switch**：下載 x86_64 架構的二進制包並安裝。
5.  **配置模型**：
    *   啟動 CC-Switch GUI。
    *   點擊加號選擇目標模型（如 DeepSeq）。
    *   輸入 API Key 並點擊添加。
    *   點擊測試按鈕驗證。
6.  **啟動 Cloud**：命令行運行 Cloud，首次啟動進行主題配置（一路默認 Enter）。

### Windows 系統安裝流程
1.  **安裝 Node.js**：使用 PowerShell 透過 `winget` 安裝，驗證版本。
2.  **安裝 Git**：安裝 Gate for Windows（疑點），通過 `GateVorion`（疑點）檢查。
3.  **安裝 Cloud Code**：透過 `npm install` 安裝，驗證版本號。
4.  **安裝 CC-Switch**：下載 Windows 版本安裝包並雙擊安裝。
5.  **配置模型**：
    *   打開 CC-Switch。
    *   添加目標 API Key。
    *   點擊測試按鈕驗證。
6.  **使用注意事項**：務必切換到目標工程目錄下與 Cloud 交互。

## 值得注意的限制或風險

1.  **風控與認證風險**：中國大陸區用戶使用原版 Cloud Code 面臨嚴格風控，且近期出台的失明認證機制（疑點：實名認證）使得使用原汁原味模型的可能性趨近於零。
2.  **Token 成本不可控**：AI 可能自主決定讀取大量文件、多次編譯，導致 Token 快速耗盡，難以精確計算用量，優化成本困難。
3.  **複雜任務邏輯缺陷**：面對複雜任務時，AI 可能陷入邏輯死循環、忽略架構約束或無視用戶指令，生成結果不達標。
4.  **模型替換的不確定性**：使用 CC-Switch 替換中國大模型時，需確認模型穩定性，且不同模型（如 DeepSeq/DeepSick）的效果可能差異巨大。

## 逐字稿辨識疑點

*   **Anthrobic**：逐字稿中拼寫為 "Anthrobic"，通常業界稱為 "Anthropic"。
*   **失明認證機制**：逐字稿口語為 "失明認證機制"，根據語境推測應為 "實名認證機制"。
*   **DeepSeq**：逐字稿中提到的模型名稱為 "DeepSeq"，常見模型為 "DeepSeek"，此處保留原樣。
*   **DeepSick**：逐字稿中提到的模型名稱為 "DeepSick"，常見模型為 "DeepSeek"，此處保留原樣。
*   **SCOPE**：逐字稿中提到的安裝工具為 "SCOPE"，常見 Windows 包管理器為 "Scoop"，此處保留原樣。
*   **Ader**：逐字稿中列舉的 AI Agent 工具為 "Ader"，常見工具為 "Aider"，此處保留原樣。
*   **Open Cloud**：逐字稿中列舉的 AI Agent 工具為 "Open Cloud"，需查證是否存在此名稱。
*   **Open Code**：逐字稿中列舉的 AI Agent 工具為 "Open Code"，需查證是否存在此名稱。
*   **Mainers**：逐字稿中列舉的 AI Agent 工具為 "Mainers"，常見工具可能為 "Manus" 或 "Makers"，此處保留原樣。
*   **防禦性白爛**：逐字稿中描述問題時提到 "防禦性白爛"，語意不明，疑似口誤或聽寫錯誤，保留原樣。
*   **Cloud**：逐字稿中多次單獨使用 "Cloud" 指代 "Cloud Code" 或 "Claude"，需根據上下文區分，此處保留原樣。
*   **投文件**：逐字稿中提到 "讀了幾十個投文件"，疑似 "源文件" 或 "源代碼文件" 的口誤，保留原樣。
*   **角大**：逐字稿中提到 "當專案的規模角大時"，疑似 "較大" 的口誤，保留原樣。
*   **一氣呵成**：逐字稿中描述執行過程時使用 "一氣呵成"，語意通順，保留原樣。
*   **雜火**：逐字稿中提到 "做一些雜火"，疑似 "雜活" 的口誤，保留原樣。
*   **速約互亂**：逐字稿中提到 "速度全約互亂"，語意不明，疑似聽寫錯誤，保留原樣。
*   **底半包**：逐字稿中提到 "底半包"，疑似 "二進制包" 的口誤，保留原樣。
*   **Gate for Windows**：逐字稿中提到 "Gate for Windows"，通常為 "Git for Windows"，保留原樣。
*   **GateVorion**：逐字稿中提到 "GateVorion"，疑似 "git version" 的聽寫錯誤，保留原樣。
*   **NPM Insight**：逐字稿中提到 "NPM Insight"，通常為 "npm install" 或 "npm list"，保留原樣。
*   **MKanLibXDMA**：逐字稿中專案名稱，保留原樣。
*   **CinLinks**：逐字稿中驅動名稱，保留原樣。
*   **IPcall**：逐字稿