中文资讯 掘金 AI Wed, 12 Aug 2026 正文 ok 364 words

我的 AI 终端配置清单

英文标题:我的 AI 终端配置清单

我的 AI 终端配置清单 一、MCP Server(模型上下文协议服务) MCP 是给 AI 终端扩展"外部能力"的标准协议:终端把一个服务以 stdio/HTTP 形式拉起来,服务把自己的工具(to
打开原文相关 3 · 机会 1
media3.2 KB media589 B media6.0 KB

中文

我的 AI 终端配置清单

本文记录我在 Claude Code(CLI)这套 AI 终端里接入的 MCP、插件、技能,以及运行环境的关键设置,方便换机复刻,也供同好参考。

全部为个人本机配置,不涉及任何具体业务项目。


一、MCP Server(模型上下文协议服务)

MCP 是给 AI 终端扩展"外部能力"的标准协议:终端把一个服务以 stdio/HTTP 形式拉起来,服务把自己的工具(tool)暴露给模型调用。共接入 2 个。

1. codegraph —— 代码知识图谱

把整个代码仓库的符号、调用边、文件结构预先计算成一张 SQLite 知识图谱,读查询亚毫秒级,索引落后写入约 1 秒(文件 watcher 维护)。核心卖点是替代 Read + Grep 循环 :一次调用就能拿到相关符号的逐行带行号源码 + 它们之间的调用路径(含回调、React re-render、JSX children 等动态分派 hop,普通 grep 跟不到)+ 影响面摘要。

2. lanhu-mcp —— 蓝湖设计稿转代码

让 AI 直接读取蓝湖设计稿数据,实现 Design to Code。能拉标注数据、语义化组件树、Design Tokens,下载切图并本地化,还能直接生成前端代码。

  • 安装 :作为项目级 MCP,配置在项目根 .mcp.json,用 npx 按需拉起

    {
      "mcpServers": {
        "lanhu-mcp": {
          "type": "stdio",
          "command": "npx",
          "args": ["dc-lanhu-mcp-server"],
          "env": {
            "LANHU_COOKIE": "<你的蓝湖 Cookie>",
            "LANHU_AUTHORIZATION": "<你的 Basic Token>"
          }
        }
      }
    }
    
  • 凭证获取 :LANHU_COOKIE 从浏览器登录态复制;LANHU_AUTHORIZATION 是固定 Basic Token。⚠️ 均为个人凭证,.mcp.json 必须加进 .gitignore,别提交别外传

  • 核心能力 (部分):

    • 设计稿详情 / 预览图 / 标注数据(图层树,含尺寸/位置/颜色/字体)
    • 完整结构化数据(绝对坐标 @1x + 全量样式 fill/border/shadow/typography + Tokens)
    • DDS 语义化 UI 组件树(NavBar/Avatar/Input/ImageText 等,含 row/col 布局,300% 精确还原用)
    • 基于 DDS 生成 Vue 3 SFC / HTML 代码
    • 一键下载:HTML/CSS + CDN 切图本地化
  • 兜底经验 :拉稿失败时——扁平稿直接下封面读图;下载报 Parse Error 用 curl --ignore-content-length 绕过

项目级 MCP 在 .mcp.json 配好后,还需在项目的 .claude/settings.local.json 里 enabledMcpjsonServers 放行才会启用。


二、Plugins(插件)

superpowers(v6.2.0)

一套面向编码 Agent 的完整软件开发方法论,由一组可组合的技能 + 初始指令构成。核心思想:让 Agent 先想清楚再动手 ——遇到需求先做头脑风暴和设计探索,拿到 spec 后再写实现计划,计划经审核后再用"子 Agent 驱动开发"自动推进,全程强调 TDD / YAGNI / DRY。技能会自动触发,无需手动调用。


三、Skills(技能)

技能 = 一段打包好的指令,在匹配场景时由终端自动加载,指导 Agent 用特定方式干活。按作用域分两类。

1. 全局个人技能(~/.claude/skills/ → 软链 ~/.agents/skills/)

所有项目通用。

技能 作用
find-skills 在开放技能生态中发现并安装 新技能("有没有能做 X 的技能")
frontend-design 前端视觉设计指导——配色、字体、版式的有意为之,避免模板化默认风格
git-commit 用 conventional commit 规范执行提交:自动推断 type/scope、智能暂存、生成提交信息
skill-creator 从零创建/修改/优化技能,可跑 eval 做基准测试与描述触发准确度调优
  • 安装方式 :这些技能本身多来自社区生态。最省事的装法是用 find-skills 技能或直接把技能目录放进 ~/.claude/skills/(终端会自动扫描 SKILL.md)。~/.agents/skills/ 是跨终端(Cursor/Codex/Cline 等)共享的软链根目录,结构为目录内一个 SKILL.md(带 frontmatter 描述触发场景)+ 可选 references/ 资源。

2. 插件/终端内置技能

即上文 superpowers 自带的 14 个技能,以及 Claude Code 内置技能(如 claude-api、init、security-review、update-config、keybindings-help、loop、run、dataviz、simplify、fewer-permission-prompts 等),随插件/终端自带,无需单独安装。


四、运行环境与关键设置

集中在全局 ~/.claude/settings.json,摘录几项关键配置:

项 值 说明
model fable 默认模型,可随会话切换
effortLevel xhigh 推理强度拉满
permissions.defaultMode default 默认权限模式
skipWebFetchPreflight true WebFetch 跳过预检
autoCompactEnabled true 上下文自动压缩
HTTP_PROXY / HTTPS_PROXY http://127.0.0.1:7890 本机代理
ENABLE_TOOL_SEARCH false 关闭工具按需加载(全量进上下文)
DISABLE_AUTOUPDATER 1 关闭自动更新
CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC 1 关闭非必要遥测
CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS 1 关闭实验性 beta

改设置最省事的入口是 /config(主题、模型这类简单项直接调);涉及 env、permissions、hooks 的改动才手动编辑 settings.json / settings.local.json。


五、配置文件索引

文件 作用
~/.claude/CLAUDE.md 全局个人指令(风格、约定等)
~/.claude/settings.json 全局设置(env / model / 权限 / 插件启用)
~/.claude.json 全局 MCP(codegraph)+ 各项目级配置
~/.claude/plugins/installed_plugins.json 已装插件清单
~/.claude/plugins/known_marketplaces.json 插件市场登记
<项目>/.mcp.json 项目级 MCP(如 lanhu-mcp,含个人凭证,需 gitignore)
<项目>/.claude/settings.local.json 项目级权限白名单、项目级 MCP 放行
~/.claude/skills/ 全局个人技能目录
<项目>/.codegraph/codegraph.db codegraph 知识图谱索引(gitignore)

一句话总结这套配置的思路:MCP 管"外部能力接入",插件管"工作流方法论",技能管"具体场景怎么做" ——三者叠加,让 AI 终端从一个"会写代码的对话模型"变成一个有纪律、有工具、有记忆的工程搭档。

English / 原文

我的 AI 终端配置清单

本文记录我在 Claude Code(CLI)这套 AI 终端里接入的 MCP、插件、技能,以及运行环境的关键设置,方便换机复刻,也供同好参考。

全部为个人本机配置,不涉及任何具体业务项目。


一、MCP Server(模型上下文协议服务)

MCP 是给 AI 终端扩展"外部能力"的标准协议:终端把一个服务以 stdio/HTTP 形式拉起来,服务把自己的工具(tool)暴露给模型调用。共接入 2 个。

1. codegraph —— 代码知识图谱

把整个代码仓库的符号、调用边、文件结构预先计算成一张 SQLite 知识图谱,读查询亚毫秒级,索引落后写入约 1 秒(文件 watcher 维护)。核心卖点是替代 Read + Grep 循环 :一次调用就能拿到相关符号的逐行带行号源码 + 它们之间的调用路径(含回调、React re-render、JSX children 等动态分派 hop,普通 grep 跟不到)+ 影响面摘要。

2. lanhu-mcp —— 蓝湖设计稿转代码

让 AI 直接读取蓝湖设计稿数据,实现 Design to Code。能拉标注数据、语义化组件树、Design Tokens,下载切图并本地化,还能直接生成前端代码。

  • 安装 :作为项目级 MCP,配置在项目根 .mcp.json,用 npx 按需拉起

    {
      "mcpServers": {
        "lanhu-mcp": {
          "type": "stdio",
          "command": "npx",
          "args": ["dc-lanhu-mcp-server"],
          "env": {
            "LANHU_COOKIE": "<你的蓝湖 Cookie>",
            "LANHU_AUTHORIZATION": "<你的 Basic Token>"
          }
        }
      }
    }
    
  • 凭证获取 :LANHU_COOKIE 从浏览器登录态复制;LANHU_AUTHORIZATION 是固定 Basic Token。⚠️ 均为个人凭证,.mcp.json 必须加进 .gitignore,别提交别外传

  • 核心能力 (部分):

    • 设计稿详情 / 预览图 / 标注数据(图层树,含尺寸/位置/颜色/字体)
    • 完整结构化数据(绝对坐标 @1x + 全量样式 fill/border/shadow/typography + Tokens)
    • DDS 语义化 UI 组件树(NavBar/Avatar/Input/ImageText 等,含 row/col 布局,300% 精确还原用)
    • 基于 DDS 生成 Vue 3 SFC / HTML 代码
    • 一键下载:HTML/CSS + CDN 切图本地化
  • 兜底经验 :拉稿失败时——扁平稿直接下封面读图;下载报 Parse Error 用 curl --ignore-content-length 绕过

项目级 MCP 在 .mcp.json 配好后,还需在项目的 .claude/settings.local.json 里 enabledMcpjsonServers 放行才会启用。


二、Plugins(插件)

superpowers(v6.2.0)

一套面向编码 Agent 的完整软件开发方法论,由一组可组合的技能 + 初始指令构成。核心思想:让 Agent 先想清楚再动手 ——遇到需求先做头脑风暴和设计探索,拿到 spec 后再写实现计划,计划经审核后再用"子 Agent 驱动开发"自动推进,全程强调 TDD / YAGNI / DRY。技能会自动触发,无需手动调用。


三、Skills(技能)

技能 = 一段打包好的指令,在匹配场景时由终端自动加载,指导 Agent 用特定方式干活。按作用域分两类。

1. 全局个人技能(~/.claude/skills/ → 软链 ~/.agents/skills/)

所有项目通用。

技能 作用
find-skills 在开放技能生态中发现并安装 新技能("有没有能做 X 的技能")
frontend-design 前端视觉设计指导——配色、字体、版式的有意为之,避免模板化默认风格
git-commit 用 conventional commit 规范执行提交:自动推断 type/scope、智能暂存、生成提交信息
skill-creator 从零创建/修改/优化技能,可跑 eval 做基准测试与描述触发准确度调优
  • 安装方式 :这些技能本身多来自社区生态。最省事的装法是用 find-skills 技能或直接把技能目录放进 ~/.claude/skills/(终端会自动扫描 SKILL.md)。~/.agents/skills/ 是跨终端(Cursor/Codex/Cline 等)共享的软链根目录,结构为目录内一个 SKILL.md(带 frontmatter 描述触发场景)+ 可选 references/ 资源。

2. 插件/终端内置技能

即上文 superpowers 自带的 14 个技能,以及 Claude Code 内置技能(如 claude-api、init、security-review、update-config、keybindings-help、loop、run、dataviz、simplify、fewer-permission-prompts 等),随插件/终端自带,无需单独安装。


四、运行环境与关键设置

集中在全局 ~/.claude/settings.json,摘录几项关键配置:

项 值 说明
model fable 默认模型,可随会话切换
effortLevel xhigh 推理强度拉满
permissions.defaultMode default 默认权限模式
skipWebFetchPreflight true WebFetch 跳过预检
autoCompactEnabled true 上下文自动压缩
HTTP_PROXY / HTTPS_PROXY http://127.0.0.1:7890 本机代理
ENABLE_TOOL_SEARCH false 关闭工具按需加载(全量进上下文)
DISABLE_AUTOUPDATER 1 关闭自动更新
CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC 1 关闭非必要遥测
CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS 1 关闭实验性 beta

改设置最省事的入口是 /config(主题、模型这类简单项直接调);涉及 env、permissions、hooks 的改动才手动编辑 settings.json / settings.local.json。


五、配置文件索引

文件 作用
~/.claude/CLAUDE.md 全局个人指令(风格、约定等)
~/.claude/settings.json 全局设置(env / model / 权限 / 插件启用)
~/.claude.json 全局 MCP(codegraph)+ 各项目级配置
~/.claude/plugins/installed_plugins.json 已装插件清单
~/.claude/plugins/known_marketplaces.json 插件市场登记
<项目>/.mcp.json 项目级 MCP(如 lanhu-mcp,含个人凭证,需 gitignore)
<项目>/.claude/settings.local.json 项目级权限白名单、项目级 MCP 放行
~/.claude/skills/ 全局个人技能目录
<项目>/.codegraph/codegraph.db codegraph 知识图谱索引(gitignore)

一句话总结这套配置的思路:MCP 管"外部能力接入",插件管"工作流方法论",技能管"具体场景怎么做" ——三者叠加,让 AI 终端从一个"会写代码的对话模型"变成一个有纪律、有工具、有记忆的工程搭档。