最适合新手的Claude Code、MCP、Skills全套教程【分享】

最适合新手的Claude Code、MCP、Skills全套教程【分享】 最适合新手的Claude Code、MCP、Skills全套教程【分享】 Modified February 11 名称：推荐用「动词 + ing」的形式，直接描述行为。 正例： Code block Plain Text 1. processing pdfs 2. writing documentation 反例： Code block Plain Text 1. helper 2. tools 描述：定义做什么 + 什么时候用。 正例： Code block Plain Text 从 PDF 文件中提取文本和表格、填充表单、合并文档。在处理 PDF 文件或用户提及 PDF、表单或文档提取时使用。 反例： Code block Plain Text 帮助处理文档 以上案例摘自官方。 2、单一原则 一个 Skill，尽量只做一件事，千万别贪多。 Skill 的职责越多，AI 越难判断什么时候该用它。 否则，最后的结果往往是： • 要么不用 • 要么用错 比较好的判断方式是问自己一句话：“这个 Skill，是不是一句话就能说清楚在干嘛？” 3、少即是多 无论是案例、说明还是约束条件，都不是越多越好，而是越精准越好。 官方建议：Skill.md 不要超过 500 行。 否则很有可能是：责任不清、信息堆叠。 测试下来，对 Skill 行为没有影响的内容，该删就删掉。 4、按任务类型分配自由度 对于不同的任务类型，我们可以灵活设置不同的自由度。 偏开放的任务，比如：总结、改写、头脑风暴、方案生成。 这类任务本身没有唯一答案。 这种情况下，不用写太多限制条件。给清楚目标和边界，让它自由发挥，反而更能最大化模型的能力。 偏稳定的任务，比如：格式转换、数据处理。 对于这种追求确定性结果的任务，我们需要明确步骤、写好脚本，在合适的步骤上直接调用。 5、由浅入深 很多人一开始就犯一个错误：一上来就写几百行的提示词，然后开始反复调。 这种方式很累。 更稳妥的方式，是先搭骨架。只写最基本的目标、输入和输出。 跑通之后，再一点点补充规则和细节，每加一条约束或者步骤，都知道它在解决什么问题。 还有一点很重要：不同模型的理解方式和输出风格不一样。 同一个 Skill，在不同模型下，表现会存在差异。所以不要指望一次写完。 持续验证、持续迭代，才是写好 Skill 的正确姿势。 6、确认验收标准 这是最容易被忽略的一步。 很多 Skill 写完之后，没人知道：它算不算成功？ 建议至少想清楚三件事： • 什么情况下，算是用对了这个 Skill • 什么输出，是可以接受的 • 什么情况，算失败 哪怕只是几条简单的判断标准，也比没有强。 七）哪里有好用的 Skills 除了之前提到站点之外，这里也整理了一些优质的 Skills 资源： 名称 地址 备注 Skills 集合 https://github.com/ComposioHQ/awesome claude Skills https://github.com/travisvn/awesome claude Skills https://github.com/libukai/awesome agent Skills https://skillsmp.com/zh/search 包含大量互联网上开源的 Skills，但是质量参差不齐，需要自行测试和筛选。 官方 Skill 仓库 https://github.com/anthropics/skills 官方仓库，必备。比较优质的Skill，适合直接使用、学习、拆解。 包含创作、文档处理、编程、协作沟通这些类目。 Remotion Skill https://github.com/remotion dev/skills 指导 AI 如何准确地使用 Remotion 框架来制作视频 NotebookLM Skill https://github.com/PleasePrompto/notebooklm skill 用来和 NotebookLM 交互，让 Claude 基于你上传的知识库回答。 文章一键发布到 X https://github.com/wshuyi/x article publisher skill 将本地Markdown文章转换成X支持的格式，并且支持一键发布 去除文章AI味 https://github.com/blader/humanizer/tree/main 让AI 生成的内容改写得更自然、更像人类书写的风格 Skills 的意义，在于把具体的方法和相关资源封装起来，变成可以长期复用的能力。 同样地，如何获取和构建好用的 Skills，本身也值得被当成一项能力沉淀下来。 很多时候我们一上来就想自己造轮子，但实际上，大多数常见需求在开源社区里早就有现成方案。 你也可以先让 Kimi、秘塔这类 AI，去 GitHub 上帮你筛选合适的开源项目： Code block Plain Text 我有一个需求：【一句话描述你想解决的问题】。 请你帮我在 GitHub 上找 3–5 个成熟、被大量使用的开源项目 来解决这个问题，并简单告诉我： 每个项目的 GitHub 链接 大致的 star 数 各自适合什么场景 它们之间最主要的差异 最后给我一个选择建议，告诉我哪个更稳、更值得长期使用。 再用 skill creator 把它们封装成一个个 skill，然后，结合自己的使用习惯和场景做微调。 Code block Plain Text 请使用 Skill Creator 帮我将【输入最合适的开源项目地址】封装成一个 skill，用于解决 【你希望解决的问题】 前几次使用，踩坑几乎是不可避免的。但一旦把结构和边界理清楚，稳定下来，这些 Skill 就会变成后面可以反复使用的长期能力积累。 九、写在最后 Cursor 更像是在加速传统的软件开发流程，让你写得更快。 但 Claude Code 给我的感觉不太一样。 它在重塑开发方式——你输入需求，它负责规划、拆解、执行，在较长时间里，稳定高效地把事情做完。 当然，这两类工具不是非得二选一。 快速原型、日常编码，用 Cursor；复杂设计、重构、深度调试，用 Claude Code。 尼尔·波兹曼说过一句话：“当你改变工具时，你也在改变自己。” 工具会一直变，Cursor 也好，Claude Code 也罢，它们都只是手段。 真正重要的，是你用什么思维方式解决问题，交付结果。 愿我们，都能找到最适合自己的开发节奏。 我是 🐼 熊猫Jay，我们下次再见～ 名称：推荐用「动词 + ing」的形式，直接描述行为。 正例： 反例： 描述：定义做什么 + 什么时候用。 正例： 反例： 以上案例摘自官方。 2、单一原则 一个 Skill，尽量只做一件事，千万别贪多。 Skill 的职责越多，AI 越难判断什么时候该用它。 否则，最后的结果往往是： • 要么不用 • 要么用错 比较好的判断方式是问自己一句话：“这个 Skill，是不是一句话就能说清楚在干嘛？” 3、少即是多 无论是案例、说明还是约束条件，都不是越多越好，而是越精准越好。 官方建议：Skill.md 不要超过 500 行。 否则很有可能是：责任不清、信息堆叠。 测试下来，对 Skill 行为没有影响的内容，该删就删掉。 4、按任务类型分配自由度 对于不同的任务类型，我们可以灵活设置不同的自由度。 偏开放的任务，比如：总结、改写、头脑风暴、方案生成。 这类任务本身没有唯一答案。 这种情况下，不用写太多限制条件。给清楚目标和边界，让它自由发挥，反而更能最大化模型的能力。 偏稳定的任务，比如：格式转换、数据处理。 对于这种追求确定性结果的任务，我们需要明确步骤、写好脚本，在合适的步骤上直接调用。 5、由浅入深 很多人一开始就犯一个错误：一上来就写几百行的提示词，然后开始反复调。 这种方式很累。 更稳妥的方式，是先搭骨架。只写最基本的目标、输入和输出。 跑通之后，再一点点补充规则和细节，每加一条约束或者步骤，都知道它在解决什么问题。 还有一点很重要：不同模型的理解方式和输出风格不一样。 同一个 Skill，在不同模型下，表现会存在差异。所以不要指望一次写完。 持续验证、持续迭代，才是写好 Skill 的正确姿势。 6、确认验收标准 这是最容易被忽略的一步。 很多 Skill 写完之后，没人知道：它算不算成功？ 建议至少想清楚三件事： • 什么情况下，算是用对了这个 Skill • 什么输出，是可以接受的 • 什么情况，算失败 哪怕只是几条简单的判断标准，也比没有强。 七）哪里有好用的 Skills 除了之前提到站点之外，这里也整理了一些优质的 Skills 资源： 名称 地址 备注 Skills 集合 https://github.com/ComposioHQ/awesome claude Skills https://github.com/travisvn/awesome claude Skills https://github.com/libukai/awesome agent Skills https://skillsmp.com/zh/search 包含大量互联网上开源的 Skills，但是质量参差不齐，需要自行测试和筛选。 官方 Skill 仓库 https://github.com/anthropics/skills 官方仓库，必备。比较优质的Skill，适合直接使用、学习、拆解。 包含创作、文档处理、编程、协作沟通这些类目。 Remotion Skill https://github.com/remotion dev/skills 指导 AI 如何准确地使用 Remotion 框架来制作视频 NotebookLM Skill https://github.com/PleasePrompto/notebooklm skill 用来和 NotebookLM 交互，让 Claude 基于你上传的知识库回答。 文章一键发布到 X https://github.com/wshuyi/x article publisher skill 将本地Markdown文章转换成X支持的格式，并且支持一键发布 去除文章AI味 https://github.com/blader/humanizer/tree/main 让AI 生成的内容改写得更自然、更像人类书写的风格 名称 名称 地址 地址 备注 备注 Skills 集合 Skills 集合 https://github.com/ComposioHQ/awesome claude Skills https://github.com/travisvn/awesome claude Skills https://github.com/libukai/awesome agent Skills https://skillsmp.com/zh/search https://github.com/ComposioHQ/awesome claude Skills https://github.com/travisvn/awesome claude Skills https://github.com/libukai/awesome agent Skills https://skillsmp.com/zh/search 包含大量互联网上开源的 Skills，但是质量参差不齐，需要自行测试和筛选。 包含大量互联网上开源的 Skills，但是质量参差不齐，需要自行测试和筛选。 官方 Skill 仓库 官方 Skill 仓库 https://github.com/anthropics/skills https://github.com/anthropics/skills 官方仓库，必备。比较优质的Skill，适合直接使用、学习、拆解。 包含创作、文档处理、编程、协作沟通这些类目。 官方仓库，必备。比较优质的Skill，适合直接使用、学习、拆解。 包含创作、文档处理、编程、协作沟通这些类目。 Remotion Skill Remotion Skill https://github.com/remotion dev/skills https://github.com/remotion dev/skills 指导 AI 如何准确地使用 Remotion 框架来制作视频 指导 AI 如何准确地使用 Remotion 框架来制作视频 NotebookLM Skill NotebookLM Skill https://github.com/PleasePrompto/notebooklm skill https://github.com/PleasePrompto/notebooklm skill 用来和 NotebookLM 交互，让 Claude 基于你上传的知识库回答。 用来和 NotebookLM 交互，让 Claude 基于你上传的知识库回答。 文章一键发布到 X 文章一键发布到 X https://github.com/wshuyi/x article publisher skill https://github.com/wshuyi/x article publisher skill 将本地Markdown文章转换成X支持的格式，并且支持一键发布 将本地Markdown文章转换成X支持的格式，并且支持一键发布 去除文章AI味 去除文章AI味 https://github.com/blader/humanizer/tree/main https://github.com/blader/humanizer/tree/main 让AI 生成的内容改写得更自然、更像人类书写的风格 让AI 生成的内容改写得更自然、更像人类书写的风格 Skills 的意义，在于把具体的方法和相关资源封装起来，变成可以长期复用的能力。 同样地，如何获取和构建好用的 Skills，本身也值得被当成一项能力沉淀下来。 很多时候我们一上来就想自己造轮子，但实际上，大多数常见需求在开源社区里早就有现成方案。 你也可以先让 Kimi、秘塔这类 AI，去 GitHub 上帮你筛选合适的开源项目： 再用 skill creator 把它们封装成一个个 skill，然后，结合自己的使用习惯和场景做微调。 前几次使用，踩坑几乎是不可避免的。但一旦把结构和边界理清楚，稳定下来，这些 Skill 就会变成后面可以反复使用的长期能力积累。 九、写在最后 Cursor 更像是在加速传统的软件开发流程，让你写得更快。 但 Claude Code 给我的感觉不太一样。 它在重塑开发方式——你输入需求，它负责规划、拆解、执行，在较长时间里，稳定高效地把事情做完。 当然，这两类工具不是非得二选一。 快速原型、日常编码，用 Cursor；复杂设计、重构、深度调试，用 Claude Code。 尼尔·波兹曼说过一句话：“当你改变工具时，你也在改变自己。” 工具会一直变，Cursor 也好，Claude Code 也罢，它们都只是手段。 真正重要的，是你用什么思维方式解决问题，交付结果。 愿我们，都能找到最适合自己的开发节奏。 我是 🐼 熊猫Jay，我们下次再见～ 🍰 原文地址：https://mp.weixin.qq.com/s/8iM16IfgKWvESx8ZaOg5Uw 作者：熊猫Jay 原文地址：https://mp.weixin.qq.com/s/8iM16IfgKWvESx8ZaOg5Uw 作者：熊猫Jay 元旦之前，Cursor 一直是我的主战场。 过去一年，我在 Cursor 上花了 五位数 的算力费用，也确实靠它做了不少项目。 但随着任务越来越复杂，我意识到：Cursor 开始影响我赚钱的速度了。 反复解释、上下文失控，时间、金钱、耐心，都在被一点点消磨。 于是我开始认真换方案 Claude Code。 正是在这个过程中，我完整跑了一轮 Claude Code、MCP 和 Skills。 这篇文章记录了我真实的使用经历，包含新手怎么上手、哪些地方最容易踩坑，以及一些我过程中总结的技巧。 如果你正在学 Claude Code，希望这篇文章能帮你少走一些弯路。 一、安装 Claude Code 正常情况下，我们可以参考官方教程直接安装： 但是这次，我想介绍一种更简单的 CC 安装方式。 1、开始安装 打开 Cursor / Trae ，在聊天框中输入如下提示词： 通过上面的提示词，基本上可以一步到位，过程中，AI 可以帮助我们自动解决很多潜在的问题。 比如我本地用的 npm 私有镜像地址，导致第一次安装失败了，它就会自动找到正确的镜像地址，完成安装。 2、检查安装结果 根据 AI 回复的信息，我们就知道安装成功了。 二、安装 CC Switch 官方模型还是太贵了，有时候，一些简单任务，其实用国内模型就够了。 但是，想要灵活切换不同的模型供应商，改配置文件太麻烦了。 为了解决这些问题，我们需要安装一个模型供应商管理工具：CC Switch。 地址如下： 我是 Mac 系统，下载的安装包是：CC Switch v3.10.3 macOS.tar.gz CC Switch v3.10.3 macOS.tar.gz 备注：除了直接下载，Mac 可以直接输入如下命令快速下载： 如果是 Windows 用户可以下载 msi 或者 portable.zip 进行安装即可。 我们可以配置需要的大模型供应商，国内比较推荐的模型是 GLM 4.7、Kimi K2.5，国外无脑上 Claude 4.6、GPT 5.2 即可。 如果需要使用官方模型，建议某宝找，或者使用这个中转站（目前稳定，建议用多少冲多少）： 这里以国内的智谱为例： 从官方地址获取自己的 API Key，如果长期用，建议充值一些来做测试。 地址： 再回到 CC Switch 完成配置。 CC Switch 除了对接 国内外不同模型供应商 之外，还提供 Skills、MCP、Prompt 的统一管理能力。 这样不管未来用 CC、Codex，都能同时生效。 三、启用 Claude Code 完成安装之后，通过终端输入 Claude 命令来进入 CC。 Mac 电脑，在应用程序中可以找到终端。 Windows 用户，点击运行，输入 cmd，即可打开终端。 不出意外的情况下，就要出意外了。 比如，你可能会遇到地区不支持的错误信息。 我们可以这样解决： 打开本地 .claude.json 文件，如果按照下面地址还是找不到，那就全局搜索吧。 找到之后，我们用文本编辑器打开：然后增加一个参数。 重新尝试启用后，记得选择信任文件夹。 然后输入提示词，发现 GLM 4.7 模型已经成功生效了。 接下来就可以愉快玩耍了～ 如果需要退出 CC ，可以连续点击 Ctrl +C 两次。 如果想干脆卸载 CC ，命令如下： 四、CC 基本指令 Claude Code 内置了很多命令，我们需要输入 / 来唤醒。 完整的指令清单，官方文档已经介绍很详细了： 我分享一些觉得常用、好用的指令： 1、init 项目初始化 当你第一次在工程项目代码目录下启动 CC 时，需要输入命令进行初始化。 初始化后，将在项目根目录生成一个 CLAUDE.md，它会记录你这个项目代码的基本信息：包括项目概览、使用的技术栈、模块结构等有关信息。 如果过去用过 Cursor，可以理解：CLAUDE.md = cursorrule 同样，这是一个持续约束 AI 每次编程行为的全局规范手册，项目中相对重要的上下文信息。 虽然只是做了一次初始化，但千万别觉得就可以一直放任不管。 当随着项目的深入，如果补充了更多的通用文档后，我们可以适当的优化，保持全局规范始终最新。 不一定非得手动改，我们可以充分利用 AI 进行审查和优化这份文档。 2、rewind 回滚 该命令用于回到之前某个对话节点，撤销后面所有操作，相当于一键读档。 使用方式，用如下命令，或连按两次 ESC： 什么时候用： • AI 改错文章或代码 • AI 删了不该删的文件 • 想回到修改前的状态重新来一遍 大胆试错，因为 /rewind 永远兜底。 3、Plan Mode 在正常模式下，AI 总会很着急的帮我们完成编码，最后可能出现更多的问题。 我们可以用 Plan 模式，让 AI 慢下来。 这样原本模糊的想法，在 Plan 模式下，通过不断的对话、澄清、纠正，慢慢可以变成一个边界清楚、更容易落地的需求。 备注：除了输入命令，也可以直接使用 shift + tab 来切换到 Plan 模式。 4、MCP 管理 MCP 服务 它的作用是： 管理 Model Context Protocol（MCP）服务器连接。 什么时候该用，例如： • 让 Claude Code 打开网页、抓数据 • 直接查询数据库 • 调用内部或第三方接口 后面我会单独用一个章节，介绍一些比较实用的 MCP。 5、其他的常用一些指令 五、CC 常用技巧 一）文件引用 引用文件的方式，可以直接拖拽到 CC 命令行中，或者将文件地址复制过来。 图片的引用方式，除了直接拖拽，也可以使用「复制」 「粘贴」的快捷键来操作。 删除引用图片的方式有点特殊，我录制了个动图： 代码引用的方式，如下，直接复制，再粘贴即可： 二）激活思考模式 在 Claude Code 里，为了解决更加复杂的问题，或者得到更有价值的方案，可以让它多想一会儿。 更深入的模式下，Claude 花在推理上的 token 也越多，返回速度也更慢。 三）及时清理上下文 在处理新任务时，如果不希望之前的聊天内容干扰判断，可以直接用 /clear 清空上下文。 但是有些情况，旧内容是有用的，只是聊天记录太长，担心占用太多 token。 这时可以用 /compact。 它会把已有对话压缩成更短的上下文，保留必要信息，再继续往下做新任务。 四）Bypass Permissions 超权指令 这个指令需要慎用，但它的价值非常明显，可以让 CC 拥有最高权限，完全进入全自动状态。 避免频繁弹出确认消息，造成过多的交互时间。 我们可以在 批量化数据处理 时，或者相对 比较安全的情况 下使用该指令。 使用方式：在启动时使用如下命令即可。 五）其他好用的技巧 这是我之前整理的一些 AI 编程技巧。 内容都来自我自己做产品时的真实经验总结。 相信你会有很多收获。 六、CC 省钱技巧 之所以要单独讲“省钱技巧”，是因为在使用过程中，算力消耗往往是在不知不觉中发生的，用着用着就超了。 我自己就踩过这个坑，最夸张的时候，一个月光算力费用就花了 5000 多。 一）选择合适的模型应对不同类型的任务 这个问题，对于我个人而言，一直的观念是：尽可能用最好的模型，去发挥更大的价值。 但有时候，杀鸡焉用牛刀？ 使用 /model 进行切换，日常任务用 sonnet，复杂任务用 opus，文档任务用国内模型。 二）及时清理窗口上下文 前面 「CC 常用技巧」中有提到过，这里就不赘述了。 用 /clear 、 /compact 指令，不仅仅是为了输出质量，还有省钱。 三）定期检查消耗情况 使用 /cost 命令，定期检查消耗情况，做到心里有数。 四）减少无效上下文的涉入 有些文件本身就不适合直接丢给 Claude Code： 比如 锁文件、日志、数据文件、依赖包。这类内容行数多、信息密度低，一旦被读取，上下文体积会立刻膨胀。 这样后续每一步都会反复被带上，相当于持续扣费。 具体做法如下： 1、先从源头拦住： 在 .claudeignore 里把这些文件排除掉，这样 CC 将拒绝读取任何与其中列出的模式匹配的文件。 我们可以在项目输入如下指令来生成 .claudeignore 2、尽量定位具体文件 能够定位具体代码文件，或者具体行数的情况下，做好内容引用，减少让 AI 自由发挥。 3、思维留存 这个思路也是我经常习惯去做的事情，无论是 Cursor 还是 CC。 当我们针对一些不需要及时实施的方案，或者是一段比较有价值的讨论，可以将内容导出来，方便下次继续使用。 这样可以节省从头再来的 token 费用。 CC 中，可以使用 /export 导出对话。 七、MCP 在这篇文章中，我只想说我认为 MCP 最基础、也是最重要的那一部分。 包含： 1、MCP是什么？ 2、怎么安装和使用第一个MCP？ 3、好用的MCP该去哪里找？ 一）MCP 是什么？ MCP 是 Anthropic 官方在 2024 年 11 月推出的一种连接协议。 我们可以理解成：给 AI 接上“外部世界”的一套标准接口。 以前 AI 只能靠你贴代码、贴文字、给数据来工作。 有了 MCP，它可以直接连数据库、代码仓库、设计稿、部署平台，拿到真实的数据和状态。 你不是在“问 AI 怎么做”，而是把工具递给它，让它在你的真实环境里一起干活。 二）怎么安装和使用？ 首先找到 MCP 安装地址，在 CC 中输入如下类似命令安装即可： 这里以 chrome devtools 为例，演示下安装和使用过程： 备注：chrome devtools 是一款支持：网页数据抓取、UI自动化测试、性能分析 的工具。 1、输入命令完成安装 2、输入/mcp 查看安装结果 如果在 mcp server 里有看到“connected”，那就代表已安装成功了。 3、测试数据抓取 利用这个工具，我们让 CC 抓取公众号后台首页的数据。 4、UI 自动化测试 除了能抓取网页数据之外，我认为最有价值的场景是： UI 自动化测试。 我这边演示一下： 我们发现 MCP 已经开始自动打开浏览器，并且按照要求点击页面，完成每个测试用例的验证。 No access 2月6日 00:00 No access 2月6日 00:00 在所有步骤跑完之后，它会给出一份完整的测试报告。 从效果来看，这个 MCP 可以明显简化目前的 UI 测试流程。 未来只需要把测试用例写清楚，剩下大量重复的操作，就可以交给 AI 来完成。 三）哪里有好用的 MCP？ 1、MCP 官方示例仓库 这是一个 MCP 官方示例仓库，提供了一些参考用的 MCP Server，用来展示 MCP 的能力和各语言 SDK 的基本用法。 适合想理解 MCP 工作方式、准备自己实现 Server 的开发者参考。 地址： 2、国内 MCP 仓库 国内的 @云中江树老师，也整理了一个中文版的 MCP 集合： 里面汇总了不少 MCP 的使用案例和精选列表，比如浏览器自动化、编程、数据库交互、命令行、搜索等。 内容丰富，值得一看。 此外，我整理了一些相对实用的MCP，方便大家获取： 1、Figma MCP 它可以让 AI 直接读取并理解你的 Figma 设计稿。 不是看截图，而是拿到真实的设计结构，包括组件、文字、颜色和间距。 这样你就可以让 AI 直接对着设计写代码、核对样式，中间少解释很多细节。 安装命令: 官方文档地址： 2、Supabase MCP Supabase MCP 的作用，是让 AI 直接接管你的 Supabase 数据库，能看结构、写数据、改表，而不是只给建议。 对不会数据库的朋友来说，价值更明显。 你不用先学 SQL、表设计、权限规则，只需要用业务话说明需求。 比如：“我需要一个记录用户积分变化的表。” AI 会自己去看现有的结构，再创建表结构和对应数据库操作。 安装命令： 官方文档地址： 3、Context 7 MCP Context 7 MCP 的作用，是给模型补一个“更新、更快的外部上下文”。 模型自带的知识有时间滞后，新框架、新 API、新用法，它可能不知道。 Context 7 MCP 做的事很简单：在你提问时，把最新的文档、规则或资料 拉进当前上下文，让模型当场参考。 这样能解决两个常见问题： • 不再用过期 API、旧语法乱猜 • 回答更贴近你现在正在用的版本和环境 安装命令（需要获取API Key）： 官方文档地址： 4、Vercel MCP 对很多没有技术背景的朋友来说，部署是最容易卡住的一步。 代码写完了，却不知道怎么上线。环境变量、构建命令、报错信息，看了也不明白。 Vercel MCP 的作用，是让 AI 直接帮你将本地代码部署在线上，并不只是给一堆部署建议而已。 安装命令： 官方文档地址： 5、GitHub MCP GitHub MCP 的作用，是让 AI 直接参与你的代码仓库，而不是只看你粘出来的片段。 它可以帮你理解仓库结构、文件变更和提交记录，也能读懂 PR 和 issue 在讨论什么。 这样 AI 才知道，代码从哪来，改过什么，现在卡在哪。 安装命令（需要获取授权码）： 官方文档地址： 6、Semgrep MCP 安全漏洞是在 AI 编程过程不可忽视的一件事。 因为如果漏洞存在，别人可以在你不知道的情况下，拿数据、控账号、用你的服务器干任何事。 很多时候，即使是专业程序员，在不熟悉的编程语言环境下，也很难察觉一些安全问题。 更别提非专业人士，在目前 AI 的加持下，更多人只会更注重结果，却忽略了这些定时炸弹。 这个 MCP 可以帮你检查代码： • 有没有常见安全漏洞 • 有没有明显的错误写法 • 有没有容易被忽略的坏习惯 这样可以降低代码存在的安全风险。 安装命令： 官方文档地址：https://github.com/semgrep/mcp 八、Skills 一）Skills 是什么？ 如果只用一句话概括：Skills 是给 Agent 使用的、可复用的能力封装机制。 它解决的不是“这一次怎么做”，而是“这一类事情，长期应该怎么做”。 我们可以回想下，在没有 Skills 之前，更多是用 Prompt 和 AI 协作。