AI项目的开发环境与基础设施指南

不少人按 Claude Code 的 /compact 时依据的是“每 30 分钟一次”“上下文超过 70% 就按”这类规则，但官方文档推荐的既不是时钟也不是百分比，而是工作的断点——“在工作的自然断点处运行 /compact，例如在任务与任务之间，而不是等自动压缩在任务中途触发”。本文以 2026 年 8 月 8 日的 Claude Code 官方文档（当时最新版 v2.1.226）为一手资料，从规格出发把“该不该手动压缩”这件事讲透。首先是机制：压缩分三层运转——①丢弃旧的工具输出、②自动压缩、③你按下的手动 /compact。②与③是同一套处理，因此自己按下换来的只有两样东西：挑选时机，以及指定保留什么。按得更勤并不会额外省出上下文。接着用一张表说明什么会留下：项目根目录的 CLAUDE.md 与自动记忆会从磁盘重新注入，而带 paths: 的规则和子目录里的 CLAUDE.md 要等匹配的文件被重新读取才回来，调用过的技能正文则受每个技能 5,000 token、合计 25,000 token 的上限约束，超出部分从旧到新丢弃，截断时保留文件开头。关于费用：一次压缩的价格不由上下文的大小决定，而由提示词缓存是否温热决定——工作中途按，前缀从缓存里读，很便宜；在超过缓存存活时间（订阅套餐 1 小时，API 密钥默认 5 分钟）的休息之后按，则要把整段历史当作未缓存输入重新处理，是这条命令最贵的时刻。此外还涵盖 /compact、/clear、/rewind、/recap、/context 的取舍，v2.1.221 起用 /autocompact 把自动触发点在 100K 到 1M token 之间移动的方法与四个设置来源的优先级，只有环境变量接受纯整数（写成 500k 会被读成 500 并被钳到 100K）这个坑，以及 Not enough messages to compact. 与 Autocompact is thrashing 这两条消息的含义和恢复步骤。

你基于 OpenAI 把应用搭好，后来想试 Claude、比一比 Gemini——却因为每家提供商的 SDK、格式、错误处理各不相同而白白耗掉数小时。LLM 网关（AI 网关 / LLM 代理）是你塞在应用与各提供商之间的中转层：它对外暴露一个兼容 OpenAI 的 API 以触达所有模型，并接管那些横切性的杂活——回退、成本追踪、虚拟密钥、缓存、限流与可观测性。本指南讲清为什么需要它、网关到底是什么、三种类型（自托管代理 = LiteLLM / 托管 = OpenRouter / SDK = Vercel AI SDK）、如何在 LiteLLM、OpenRouter 和 Vercel AI SDK 之间取舍、只需换端点的最小配置代码，以及它的局限——一跳延迟、网关成为新的故障点、费用（OpenRouter 充值时收 5.5%）、功能损失与隐私。

只要用 Claude Code 用得够久，你就会撞上一个两难：对每条命令都弹提示会打断节奏，可用绕过把它们全关掉又很危险。沙箱在操作系统层面把“能碰到什么”围起来，从而打破这道二选一：命令在围栏内自由运行、无需提示，同时任何东西都触及不到外部。本指南涵盖两道隔离（文件系统与网络）、用 /sandbox 上手（macOS 开箱即用，Linux/WSL2 需要 bubblewrap+socat，原生 Windows 不受支持）、自动允许模式与常规模式、配置 settings.json（allowWrite/denyRead、credentials、allowedDomains）、它作为操作系统强制的第三层如何补充权限模式与规则、它的局限（未检查的 TLS、Unix 套接字），以及何时该动用开发容器或虚拟机。Anthropic 报告称在内部使用中它把权限提示减少了 84%。

能把 AWS 运维交给 AI 吗？2026 年你已经可以大量委派。AWS 自己推出了 Amazon Q Developer 和 Agent Toolkit for AWS（2026 年 5 月——40+ 个 agent skills + 托管的 AWS MCP Server + 插件），让 AI 从 IaC 生成延伸到资源操作。本文把“委派”拆成三个层级（① 代码/IaC 生成、② 以读取为主的运维/排查、③ 真正操作 AWS 的自主智能体），介绍主要工具（Amazon Q Developer、Agent Toolkit、AWS MCP Server、Terraform MCP、Bedrock AgentCore）——包括把 AWS CLI 交给 Claude Code 或 Codex、从 shell 运行“aws”的自带方案——讲清优点（IaC 更快、自动化定位、成本优化建议、知识民主化），再进入真正的重点即缺点（IAM 权限膨胀、过度授权成为失误/提示注入的爆炸半径放大器、比任务活得更久的权限、成本失控——并有 2025-26 年真实的生产 DB 删除事故），均基于 AWS 官方与安全厂商信息。关键转折在于：问题不是“能不能”，而是“如何委派才不会失控或账单爆炸”——而 AWS 自己把 IAM 护栏、CloudTrail 审计和沙箱内置进 Agent Toolkit，正勾勒出答案的形态。文末给出五条原则（IAM 最小权限、破坏性操作的人工审批、可观测性、JIT 短时效凭证、沙箱）及 FAQ。

把 AI 智能体接入实际工作时，第一道坎就是“到底用哪个框架来搭建”。本文站在开发者与技术选型者的视角，从编排方式（有向图/基于角色的 crew/对话型 GroupChat/交接/层级树/自主工具循环）、语言、学习曲线、可控性、生产成熟度、token 成本与适配用途，比较六大主流框架——LangGraph、CrewAI、AutoGen（已并入 2026 年 4 月 GA 的 Microsoft Agent Framework）、OpenAI Agents SDK、Google ADK 与 Claude Agent SDK。关键提醒：那个“最好试作”的框架（CrewAI）在生产环境里可能最贵——token 约为 3 倍（某基准测试中为 41k，而 LangGraph 为 18.5k），且非确定性，因此不适合金融与医疗。文中还说明 2026 年如何通过 MCP（工具）与 A2A（智能体之间）实现互操作，使不同框架的智能体如今能够协同工作、厂商锁定随之淡化。附带按用途的选型指南与 FAQ。

Claude Code 的权限规则让你能在 settings.json 中用 allow / ask / deny 精细指定哪些工具、命令、文件和域名可直接运行、需确认或被禁止。本文讲解它与权限模式的区别、deny → ask → allow 的优先级、规则语法与配置层级，并附上实用配置示例。

Claude Code 中用 Shift+Tab 切换的 “Permission Mode”，决定了它在编辑文件或运行命令前多频繁地征求许可。本文讲解 Ask permissions、Accept edits、Plan mode、Auto mode、Bypass permissions 五种模式的区别、切换方式，以及如何安全地使用它们。

Claude Code 模型名旁的 “Effort” 滑块决定 AI 每次回复投入多少思考与 token。本文解析 low–max 这 5 个 API 等级、为何 “Extra” 等于 xhigh 而最高档是 “Max”，以及 Ultracode 模式的设置方法与适用场景。

你大概以为LLM必须跑在云端，但到了2026年，把AI完全运行在自己电脑里——也就是“本地LLM”——已是切实可行的选择。本地LLM意味着把ChatGPT或Claude那样的模型直接运行在本机，而非云端。三大吸引力是：隐私（输入绝不离开设备）、零成本（没有API费用）和离线使用（断网也能跑）。短板则是：没有顶级云端AI那么聪明、需要一台还算给力的电脑、需要一点配置工作，且不掌握最新信息。本篇初学者指南讲清楚什么是本地LLM（用“流媒体 vs 下载”作类比）、优点与短板、所需配置与量化（GGUF格式，其中Q4_K_M是公认之选，在保留质量的同时把内存压到约四分之一；4-bit下每10亿参数约0.5 GB内存）、如何上手（面向初学者的LM Studio图形界面，面向开发者的Ollama命令行——2026年第一季度月下载量5200万）、2026年推荐模型（Llama 3.2 7B、Google Gemma 4、Alibaba Qwen3.5，以及DeepSeek和Mistral，皆为开放模型），以及本地与云端如何分工（机密、高频、离线的工作交给本地，难题交给云端）。最快的第一步：在LM Studio里跑一个3B–7B的小模型。

环境搭建是每个编程初学者都会卡住的地方。2026 年，生成式 AI（Claude Code、Codex、Cursor）在例行基础设施工作上已经真正可用——本地环境搭建、Dockerfile 生成、Terraform 草稿、CI/CD 流水线。HashiCorp 在 2026 年发布了官方 Terraform MCP Server，Anthropic 推出了 Agent Skills，让基础设施领域的专业知识可以按需加载。但“全权委托”是另一个问题：一个开放给 0.0.0.0/0 的安全组、一把被提交到 GitHub 的 SSH 密钥、月底 3,000 美元的 AWS 账单——这些都是 2026 年的真实事故。本文划分出五个可以安全委托的领域、三个“先核验再信任”的风险区、四个必须由人负责的领域、一套适合初学者的四步安全工作流，以及最新的 2026 年工具（Claude Code、MCP、Agent Skills）——聚焦能力评估，而非职业影响。

问 Claude Code 或 ChatGPT 怎么做 Web 应用，几乎一定会听到“用 Next.js”。但这条建议来自训练数据的频率，并不是基于对你项目的判断。本文拆解 AI 的三个合理理由（训练数据占主导 / 全家桶 / Vercel 部署轻松），讲清 JavaScript / React / Next.js 的关系，给出 5 分钟判断流程（做什么、SEO、数据库、时间预算、目标主机），把四个现实替代方案（Astro、Vite + React、SvelteKit、HTML + 原生）映射到使用场景，列出使用 Next.js 必知的五项基础（App Router、Server vs Client Components、基于文件的路由、环境变量、部署目标），以及初学者会踩的三个陷阱（到处用 use client、Vercel 锁定、AI 返回过时的 Pages Router 代码）——全部对齐到 2026 年 5 月。继 Docker 篇之后，“AI 推荐……”系列的第二篇。

2026 年 2 月，Cursor 的开发公司 Anysphere 突破 20 亿美元 ARR，仅用三年就画出与 OpenAI、Anthropic 同级别的 SaaS 收入曲线。本文讲解 Cursor 如何通过把 AI 直接嵌入渲染层（100 毫秒以内的 Tab 补全、27.2 万 token 代码库索引、6 大核心功能：Tab / Inline Edit / Composer / Agent / Background Agents / Bugbot）与 VS Code 拉开差距，列出与 VS Code 的 5 大具体差异，并与四大对手（Windsurf / Zed / Claude Code / GitHub Copilot）逐项对比，介绍 Hobby 免费 / Pro 20 美元 / Business 40 美元的价格结构，并给出“谁应该真正切换”的决策指南——全部基于 2026 年 5 月的事实。