Mac安装Claude Code图文版

 写在最开头的必须项:需要科学上网。

1、打开终端执行官方推荐的安装方式。

输入:

curl -fsSL https://claude.ai/install.sh | bash

等待两分钟即可安装成功,过程无需任何手动操作,安装成功后会出现以下界面。

这里有个notes表示我们要复制echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc 回车执行,照做即可。

2、检查安装是否成功

终端输入claude 出现以下界面代表安装完成:

3、获取tokens

有两种方案,自己配置或购买官方账号。

不推荐购买官方账号,因为比较贵且不是很稳定。

这里介绍一个免费的,使用国内https://bigmodel.cn/,首次注册赠送2000w的tokens。

注意注册后需要实名认证。

除此之外,需要下载对应版本的工具cc-switch帮助设置key。

https://github.com/farion1231/cc-switch

下载后打开,添加key。

将智谱的key复制,粘贴到如下位置。

配置好后,重新打开终端,输入cluade,展示如下界面后,设置成功。

备注小tips:mac在claude里粘贴文件用的是ctrl+v 不是command+v。

Read more

Flutter 三方库 better_commit 的鸿蒙化适配指南 - 实现具备语义化提交规范与自动化交互的 Git 工作流插件、支持端侧版本工程的高效规范化审计实战

Flutter 三方库 better_commit 的鸿蒙化适配指南 - 实现具备语义化提交规范与自动化交互的 Git 工作流插件、支持端侧版本工程的高效规范化审计实战

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 better_commit 的鸿蒙化适配指南 - 实现具备语义化提交规范与自动化交互的 Git 工作流插件、支持端侧版本工程的高效规范化审计实战 前言 在进行 Flutter for OpenHarmony 开发时,当团队规模扩大到需要多人协同、频繁提交代码时,凌乱的 Commit Message 会让 Git 历史变得难以审计(如:分不清哪些是功能修复、哪些是底层鸿蒙适配)。better_commit 是一款专注于极致规范化提交的 CLI 增强工具。本文将探讨如何在鸿蒙端构建极致、专业的工程化提交标准。 一、原直观解析 / 概念介绍 1.1 基础原理 该库建立在“Angular 提交规范”之上。它通过交互式的命令行引导(

By Ne0inhk
Flutter 三方库 github_actions_toolkit 的鸿蒙化适配指南 - 实现 GitHub Actions 高效自动化任务构建、支持日志颜色修饰与核心工具集成

Flutter 三方库 github_actions_toolkit 的鸿蒙化适配指南 - 实现 GitHub Actions 高效自动化任务构建、支持日志颜色修饰与核心工具集成

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 github_actions_toolkit 的鸿蒙化适配指南 - 实现 GitHub Actions 高效自动化任务构建、支持日志颜色修饰与核心工具集成 前言 在进行 Flutter for OpenHarmony 的工程化 CI/CD(持续集成与交付)构建时,利用 GitHub Actions 进行自动化测试和流水线发布是主流选择。github_actions_toolkit 是一个专为编写非 Web 类 Action 脚本设计的工具集,它能让你在 Dart 脚本中轻松调用 Actions 的核心功能(如日志分级输出、设置导出变量等)。本文将探讨如何利用该库提升鸿蒙项目的自动化构建效率。 一、原理解析 / 概念介绍

By Ne0inhk
基于知识图谱(Neo4j)和大语言模型(LLM)的图检索增强(GraphRAG)的乳制品生产管理智能问答系统

基于知识图谱(Neo4j)和大语言模型(LLM)的图检索增强(GraphRAG)的乳制品生产管理智能问答系统

一、项目演示视频 b站演示视频与部署教程视频(点击这里) https://www.bilibili.com/video/BV1SYcMzdEmM/?share_source=copy_web&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1 二、技术栈 1. 前端: Vue3.5 + TypeScript5.7 + Element Plus2.9 + ECharts5.6 + Pinia + Vue Router + Vite6.1 + Axios + Marked 2. 后端: Flask + SQLite + Neo4j + 通义千问API + Flask-CORS + PyJWT + python-docx + pdfplumber + openpyxl + neo4j-driver

By Ne0inhk
基于YOLOv8的无人机红外检测系统(车辆行人)(YOLOv8深度学习+YOLO数据集+UI界面+Python项目+模型)

基于YOLOv8的无人机红外检测系统(车辆行人)(YOLOv8深度学习+YOLO数据集+UI界面+Python项目+模型)

一、项目介绍 摘要 本项目基于YOLOv8深度学习目标检测算法,开发了一套适用于无人机红外影像的实时检测系统,能够精准识别车辆(Car)、其他车辆(OtherVehicle)、行人(Person)以及无效检测区域(DontCare)等4类目标。系统采用大规模红外数据集进行训练,其中训练集10,128张、验证集715张、测试集355张,确保模型在复杂环境下的鲁棒性和泛化能力。 YOLOv8作为当前最先进的实时检测算法之一,在保持高精度的同时实现了低延迟、高效率的检测性能,特别适用于无人机(UAV)搭载的边缘计算设备。本系统可广泛应用于夜间监控、应急救援、智慧交通、军事侦察等场景,为红外视觉分析提供可靠的AI解决方案。 项目意义 1. 提升无人机红外检测的智能化水平 无人机搭载红外摄像头在夜间、雾天、烟雾环境等低能见度条件下具有独特优势,但传统算法在复杂场景下的检测能力有限。本系统利用深度学习技术,显著提高了红外影像中车辆、行人等关键目标的识别准确率,使无人机具备更强的自主感知能力。 2. 增强夜间与恶劣环境下的监控能力 红外成像不受光照条件限制,适用于夜间巡逻、森林

By Ne0inhk