进阶

📌 新手提示：还没装 Claude Code 的同学请先阅读本站《Claude Code 快速上手教程》；本文假设你已经能用 claude 命令在终端里和 AI 结对编程，现在要把它调教成"懂你项目"的老兵。 前言 用过几周 Claude Code 你会遇到同一个困惑：这个 AI 每次开工都像第一天入职——不知道你的代码规范、记不住你的偏好、每次都得重新交代。 Claude Code 官方给的答案是三个机制： CLAUDE.md：你写的"项目说明书"，每次会话自动加载 Auto memory：AI 自己记的"工作笔记"，根据你的纠正自动积累 子代理（subagents）：给 AI 配一群"专家同事"，各司其职，互不干扰 本文基于 Claude Code 官方文档（https://code.claude.com/docs）编写，走完三件事：把记忆体系配好、给项目立规矩、给团队加专家。 官方文档是海外站点，国内访问需要科学上网；配置过程需要调用 Claude API（或国内的 Anthropic 兼容中转），文末脚本会带你配好。 一、CLAUDE.md：每次会话自动加载的"项目说明书" CLAUDE.md 是纯文本 Markdown 文件，Claude Code 每次启动会话都会自动读取它——把你的约定写进去，AI 就不用每次重新问。 放哪里？四个等级 级别 位置 管什么 谁看 组织级 Linux/WSL：/etc/claude-code/CLAUDE.md；macOS：/Library/Application Support/ClaudeCode/CLAUDE.md；Windows：C:\Program Files\ClaudeCode\CLAUDE.md 公司标准、安全规范 全公司 用户级 ~/.claude/CLAUDE.md 你的个人偏好 你所有的项目 项目级（最常用） ./CLAUDE.md 或 ./.claude/CLAUDE.md 项目架构、规范、工作流 项目团队（随仓库提交） 本地级 ./CLAUDE.local.md（记得加进 .gitignore） 只属于你的项目偏好 只有你 优先级：加载顺序从宽到窄（组织→用户→项目→本地），越靠近你当前项目、越"后读"，权重越高。 ...

📌 新手提示：本文定位"进阶一档"——目标读者是已会调 API、想把自己的开源模型部署成服务的学生与开发者。命令全部可直接复制；文末脚本自动装环境、下载模型、启动服务。 前言 上一篇 Ollama 教程解决了"把 AI 跑在个人电脑上"——但真实的生产环境（网站、公司服务）用的是另一类工具，其中的公认主力是 vLLM（GitHub 4 万+ 星，UC Berkeley 发起）。 一句话理解 vLLM： Ollama 是单机玩具，vLLM 是生产引擎。它把开源大模型（Qwen、DeepSeek、Llama…）变成高性能 API 服务——吞吐量比朴素推理高一个数量级，同时把显存利用压榨到极致（官方特性：PagedAttention 连续批处理、KV 缓存复用）。 用官网定位：“Easy, fast, and cheap LLM serving for everyone”（人人可用的又好又快又省的大模型服务）。 本文基于官方快速开始（https://docs.vllm.ai，海外站点国内访问需科学上网）编写，走完四步：装 vLLM → 离线批量推理 → 一条命令起 OpenAI 兼容服务 → 用任意代码调用它。 一、安装（两条命令） vLLM 是 Python 包，官方推荐用 uv 建干净环境（uv 是新一代 Python 工具）： uv venv --python 3.12 --seed source .venv/bin/activate uv pip install vllm --torch-backend=auto 你没装 uv？curl -LsSf https://astral.sh/uv/install.sh | sh 一行装（官方方式）。不想用 uv，pip install vllm 也行，但官方把 uv 列为推荐——因为它快且环境干净。 ...

📌 新手提示：本文结尾提供了一键部署脚本（Windows / macOS / Linux 通用），不想手动逐条敲命令的同学，可以直接拉到文末下载运行，脚本会自动检测网络环境并选择最快的下载源。 引言 如果你用过 Claude Code，一定体验过它在你的项目里读代码、改文件、运行命令的丝滑感。但如果我问你：Claude Code 能不能查你公司内部的 MySQL 数据库？能不能调你团队内部的工单 API？能不能读你私有知识库里的文档？ 答案是：能，只要你写一个 MCP Server。 MCP（Model Context Protocol，模型上下文协议） 是 Anthropic 于 2024 年底发布的开源标准，专门用来解决一个问题：AI 助手如何安全、标准化地接入外部数据源和工具。你可以把它理解成 AI 世界的"USB-C 接口"——不管后端是什么（数据库、API、文件系统、第三方服务），只要实现 MCP 协议，AI 就能即插即用。 上图展示了 MCP 的核心架构：Host（宿主进程，比如 Claude Code）通过 Client 与 Server 建立一对一的有状态连接，Server 则暴露 Resources（资源）、Tools（工具）、Prompts（提示词） 三种能力。 本教程会带你从零开始，用 Python 写一个真正能用的 MCP Server——先让它暴露一个简单的计算工具，再接上一个 SQLite 数据库和内部 API 调用，最后部署到云 Agent 沙箱里，让 Claude Code 在生产环境中安全地访问你的私有数据。 读完本文，你将掌握： MCP 协议的核心概念：Host、Client、Server 三角色各干什么，为什么这样设计 用 Python SDK 手写 MCP Server：从 15 行代码的玩具到能查数据库、调 API 的真实工具 接入 Claude Code：配置 .mcp.json，让 AI 在你的项目里直接调用你的 Server 部署到生产环境：用云 Agent 沙箱实现容器隔离、出站白名单、自动休眠 一、什么是 MCP——给 AI 装一个"万能接口" 1.1 先理解一个痛点 在没有 MCP 之前，如果你想让 AI 助手访问你的私有数据，你只有几条路： ...