AI项目的开发环境与基础设施指南

在 Google Cloud 账单下使用 Claude 有两种方式：由 Google 作为 Agent Platform（原 Vertex AI）的一部分提供的 Google 托管版，以及于 2026年10月22日正式发布的 Anthropic 托管版。Claude Code 运行在 Google 托管版上，通过 CLAUDE_CODE_USE_VERTEX 等设置进行配置（面向多人部署时建议固定模型）。如果需要 Files API、Agent Skills、Managed Agents、fast mode 等功能，请选择 Anthropic 托管版。在 Google 托管版的 global 端点上，Opus 5.5、Sonnet 5.5 和 Haiku 5.5 的价格与 Claude API 相同，us 和 eu 多区域则为 1.1 倍。Anthropic 托管版以 CCU 计量，官方文档中没有按 token 计的价目表。本文依据官方文档（2026年10月26日确认），介绍两者的区别与选择方法、价格、区域、开通步骤、SDK、Claude Code 设置，以及配额和 429 错误的处理方法。

Claude API中出现“`temperature` is deprecated for this model.”时，原因是向Claude 4.7及以上模型发送了非默认的temperature、top_p或top_k，从请求中删除这三个参数即可解决。在旧版API版本2023-06-01中，Claude 4.7及以上模型同样不接受非默认值；在新版API版本2026-10-21中，所有模型即使使用默认值也会返回400错误。Python的anthropic 2.0.0等新版SDK会自动发送2026-10-21，且这三个参数已从类型定义中移除，因此继续传入这些参数的代码升级SDK后会出现参数错误或400错误。文章依据Anthropic官方文档（2026年10月26日确认），说明两种出错场景、如何在代码中查找这些参数、各SDK的版本、需要一并修改的内容（如API密钥的传递方式），以及相近错误“anthropic-version: header is required”的解决方法。

本文按症状整理 Codex 变慢、占用高的原因与处理方法。AI 回复慢时，可先查看故障与拥堵情况，按工作调低推理强度，或改用较轻的模型或快速模式（快速模式消耗用量额度的速度是 2.5 倍），并为每项工作新建线程（OpenAI 工作人员推荐）；启动慢时，用 enabled = false 停用不用的 MCP 服务器，并将 CLI 更新到最新版。应用卡顿时，请更新到最新版并重启（Windows 上的一个问题已在 v26.825.32147 中修复），并归档不再需要的定时任务，以免 worktree 堆积；命令执行慢时，在 WSL 中把文件放在 Linux 一侧。内容主要依据 OpenAI 官方文档以及 GitHub 上工作人员的回复（2026 年 10 月 25 日确认）。

ChatGPT 移动成功，但准备目标位置时，同盘 Docker 与 Unity 出现 I/O 错误。本文根据日志追查原因，说明恢复与未验证的范围。

应用和主要数据放在 D 盘，正在使用的运行环境保留在 C 盘。本文介绍备份、移动和验证的具体范围。

除 CLI 外，还说明如何在 Codex 应用与 IDE、Claude Desktop、VS Code、Web 及手机端中将其设为仅调查模式。文中涵盖 read-only 与 Plan 的区别、设置的生效与保存范围、工具限制、可直接使用的请求文本以及差异确认方法。

区分 Codex 的读取拒绝、工作区隔离、审批和网络限制，说明 Permission profiles 配置示例、.env 的文件名与层级、环境变量以及各操作系统的限制。另附用无机密测试文件确认拒绝效果的步骤。

只要把代码放在 GitHub 私有仓库、只在该仓库安装 Claude GitHub App，并让生产服务器用只读部署密钥拉取代码，就能把开发工作交给 Claude Code 云端会话，而不给生产环境多开一条入口。本文是我于 2026年10月4日在另一个开发项目上开始使用云端会话的记录，并对照了当日官方文档的原文。文中说明：不用 GitHub 运行 claude --cloud 时，会发送所有分支的历史以及已跟踪文件的未提交更改（在 Windows 上不论文件名）；连接了另一个 GitHub 账号时如何解决；“Only select repositories”以及公开仓库为何出现在列表中；由于使用环境的任何人都能读取环境变量，为什么每个项目都应新建环境；云端看不到本地文件；云端的 Accept edits 遇到每条命令都会停下，而 Auto 会持续推进。这些都汇总成一份开始前的检查清单。本文还分享了一个真实案例：一条指令自主运行，在我中途叫停之前就用掉了 $226 的限时额度，并解释额度消耗如此之快的原因和节省费用的方法。

你在 Claude Code 里的对话会不会被用于训练 AI 模型，取决于套餐和账户设置。在 Free、Pro、Max 个人套餐上，只有 claude.ai 隐私设置中的“用于改进模型”开启时，数据才会用于训练（保存 5 年），关闭后训练停止（保存 30 天）。这个设置属于账户，所以不需要修改运行 Claude Code 的电脑上的配置文件。本文依据 Claude Code 官方文档“Data usage”、Anthropic 隐私中心以及 Claude Platform 页面“API and data retention”截至 2026 年 10 月 4 日的原文，说明设置在哪里、如何关闭，退出不会把数据从过去的训练中移除，👍👎 评分、/feedback 和被标记为违规的对话如何处理，以及包括 Team、Enterprise、API 和 Bedrock 在内的各套餐训练与保存规则。同时解释 API 的输入和输出默认不用于训练、30 天内删除，ZDR 覆盖哪些范围、为什么 Fable 等 Covered Models 需要保存 30 天，用来关闭使用指标和错误报告（与训练无关、另行发送）的环境变量，以明文保存在你自己电脑上的对话记录，以及处理机密工作时该如何选择。

Claude Code 的 /doctor prompt-audit（/checkup prompt-audit 与之相同）让 Claude 读取 CLAUDE.md、CLAUDE.local.md、AGENTS.md 以及 .claude/ 下的规则、技能、命令和子代理，查找为旧模型写的提示、对不存在的文件或命令的引用和相互矛盾的指令，并返回附带 diff 建议的报告。不开口就不会改任何东西，需要 v2.1.283 及以上。本文依据 2026年10月3日核对的官方文档和 CHANGELOG 原文，以及 Claude Code 内置的审查指南，说明运行方法和用路径缩小范围、它把什么判定为过时（过强的措辞、不存在的路径、文件之间的冲突等）、不删除背景和有理由的禁令的规则、报告的六个字段和置信度的读法，以及它与 /doctor、/claude-api prompt-audit 和终端命令 claude doctor 的区别。还分享了用本站指令文件实测的结果（9 条发现采纳 7 条，其中有一处添加规则后忘了改写说明的真实偏差），以及用量额度、每次结果不同、应用前逐条核实的工夫等注意事项。

Claude Code 的 /code-review 是一个内置技能，它读取当前分支领先于上游的提交和未提交的修改（或你传入的 PR、分支、路径），查找正确性 bug 并报告。/review 是它的别名，审查以后台子智能体的形式运行，费用计入常规用量。本文依据截至2026年10月2日（级别的说明截至10月14日）的官方文档和 CHANGELOG 原文，说明如何指定审查对象，low（只报把握大的问题）与 medium 到 max（覆盖面更广，但需要甄别结果）怎么选，不指定级别时沿用上次输入的级别这一规则，后台运行时 --fix 的修改无法用 /rewind 撤销这一注意事项，以及 --comment 在 GitHub 和 GitLab 上发布到哪里。文中还介绍了由云端多个智能体只返回经过验证的问题的 ultra（约15到25分钟；Pro 和 Max 有一次性的3次免费机会，之后通常每次花费 $5 到 $25 的用量额度），以及它与 /simplify、/security-review、GitHub 应用版 Code Review、claude-code-action 的区别。最后分享了在本站 AI 图像检查工具的代码上运行一次 /code-review high 的结果（10条结果中有9条是真实的 bug，已全部修复），以及用量消耗、核实结果的工作量、--fix 的撤销方法等缺点。

我用 Claude Code 的 Projects 功能（公开测试版），从头做了一个查询本地 LLM 所需内存的网站。从创建到最后一次合并约20小时，10个线程、11个 PR、约2.3万行，用掉约1.9亿 token（97.7%是缓存读取）。一夜之间3个工作并行推进，线程之间通过协调者互相沟通，把指令改成“交给你”之后，连下一步工作都由它自己决定。另一方面，在数据收集与页面两个线程的交界处，谁都没有做“能否公开”的判定处理，结果生产环境里的模型是0条。用样例数据测试时不会出现的缺陷，也在真实数据下暴露出来；而部署到只能 SSH 登录的服务器时，则彻底卡住了。上手时踩到的坑、事事审批与放手交给它的差别、设置额度的消耗过程、适合与不适合的工作，本文都用实测数据记录下来。