对于小龙虾、hermes, 你可能真正需要的是一款解决问题的工具，而不是限定于某一款"龙虾"
对于小龙虾、hermes, 你可能真正需要的是一款解决问题的工具，而不是限定于某一款"龙虾"
先说结论 cc【claude-code】 + cc-switch 能够满足绝大部分的需求
从前段时间火爆的龙虾安装潮，到眼下被热炒的’爱马仕‘，可以非常明显地看到大家对于新出的ai工具的疯狂，不管是刚需还是跟风，很多几百块来安装龙虾，然后养着养着发现这东西不知道用来干嘛的，最后草草收场。
这种情况是怎么产生的呢？
一种是需求真实存在，但是错配了
这一部分人往往是被龙虾的强大光环所吸引，以为龙虾能够做到他们所在行业能够完成的标准答案，但是问题是现在所谓的标准答案根本不存在，或者这个标准答案一直在变或者其他的外部因素导致龙虾与需求不匹配。
另一种是焦虑驱动与装完即拥有的心理作祟
在自媒体不断放大 “不会龙虾就落伍了" 的情绪，触发错失恐惧，促成一波又一波的“安装潮”。 这部分人心理路径通常是：焦虑 → 安装（缓解焦虑）→ 获得虚幻的安全感 → 停止学习。因为安装这个动作成本最低，却能在瞬间制造“我已经跟上潮流”的满足感，比真正花时间去攻克学习曲线要轻松得多。 他们以为安装了就是拥有了，但龙虾的能力从来不会通过“安装”这个动作自动转移。这本质上和“买了书等于读了书”“收藏了教程等于学会了”是一样的心态，最终得到的只是一个图标、一个环境，或者一个可以对外宣称的名头，而实际上毫无产出和改变。
这两种情况最终可能都会演变成一个结论，龙虾就是一个半成品，然后 token 买了白白浪费了。
其实他们忽略了，无论再强大的工具，永远都绕不开一个 需要花心思去学习和研究的过程。
接下来的是面向纯小白用户的 cc + cc-switch 的安装与配置教程，本教程适用于 windows10/11的用户
如果仍然需要研究 AI 智能体在具体场景中的落地，推荐使用 CC + CC-Switch、Codex 或国内的 Kimi Code，从中选择一个组合即可。那为什么还会提到 Claude 呢？不得不说，Claude 在 AI 智能体方面确实做得很出色，普通用户直接用它，能够大大节省学习成本。如果想支持国产，使用 DeepSeek 的 API 就好。
首先安装的 git 官网地址， 下载不了的可以选择 git windows
然后启动 命令行 快捷键 [win + r]
输入 powershell 然后点击确认, 再在终端中输入 git -v 按下回车 和 node --version 再按下回车键之后，分别会看到以下的输出，表示 git 和 node 都安装成功了
然后安装 cc
# 配置国内的代理源
npm config set registry http://mirrors.cloud.tencent.com/npm/
# 安装 cc
npm install -g @anthropic-ai/claude-code --verbose
再安装 cc-switch
最后是配置 api-keys, 这里选择的是 deepseek，如果想使用其他的可以参考下 coding 套餐
新增 cc 的大模型供应商
可以根据自己的情况选择 deepseek-v4-flash 或者 deepseek-v4-pro
最后，在测试是否配置成功，在空白的文件夹中启动 claude 然后再输入 /model 有以下的回显表示配置成功。
到这里 cc 和 cc-switch 就已经配置好了, 不管再强大的工具，也是要花时间学习和研究的。
遇到问题 qq: 2356450144