原文内容

我的 AI 辅助编程之旅：从 OpenClaw 到 Claude Code 再到 VS Code 集成

作者：游兴业（xingye1） 日期：2026-05-19

写在前面

作为一名 AI 系统与编译器优化方向的研究者，日常工作中涉及到大量代码编写、调试和自动化任务。过去半年，我深度探索了 AI 辅助编程的各种可能，从配置自己的 AI 助手 OpenClaw 到使用 Claude Code 进行复杂编码，再到将 AI 能力无缝嵌入 VS Code 工作流，每一步都带来了显著的效率提升。本文记录这些实践经历与收获。

一、OpenClaw：打造自己的 AI 管家

背景

日常工作中，我需要在飞书上快速处理各种信息：查询资料、管理文件、获取天气、撰写文档。频繁切换工具打断了工作流。我需要一个能在聊天界面直接调用的 AI 助手。

工具

• OpenClaw — 开源的 AI 助手框架，支持多通道接入（飞书、Discord、Telegram 等）
• DeepSeek 系列模型 — 通过词元计划获取的 API Token，部署在 USTC 算力平台上

使用方式

1. 配置工作流：在 OpenClaw 中创建自动化规则，将飞书消息实时转发给 AI 处理
2. 自定义技能：编写了天气查询、文件管理、文档读写等 Skill，让 AI 具备实际动手能力
3. 定时任务：配置了每日消息推送

具体案例：自动化课表提示

这是我认为最实用的场景之一。我的课程表经常变动，手动核对十分耗时。我用 OpenClaw 搭建了一个自动化课表提醒系统：

工作流：

飞书消息（"今天有什么课？"）→ OpenClaw 解析 → 读取课表配置文件
→ 匹配合当前日期 → 生成课表摘要 → 返回飞书消息

核心代码片段（配置文件示例）：

courses:
  - name: "高级编译优化"
    day: "Monday"
    time: "09:45-11:20"
    location: "西区教三 2201"
  - name: "人工智能芯片设计"
    day: "Thursday"
    time: "14:00-17:00"
    location: "东区计算中心 305"

效果：每天早上 8:00 自动推送当日课表，再也不用翻课表截图了。更妙的是，我可以直接在飞书上问"下节课在哪上"，OpenClaw 会实时计算并回复。

成果与收获

• 效率提升：日常信息处理时间减少了约 60%
• 学习成果：深入理解了 AI Agent 框架的架构设计，包括消息路由、插件系统、上下文管理
• 技能拓展：学会了编写自定义 Skill，将 AI 与具体工具深度绑定

二、Claude Code：AI 协作编码的革命

背景

在编写编译器优化 pass 和异构计算调度代码时，代码复杂度高、涉及大量底层细节。传统搜索引擎和 Stack Overflow 的查找-调试模式效率太低。我需要一个能直接理解上下文、生成完整代码块的 AI 编程伙伴。

工具

• Claude Code — Anthropic 的命令行 AI 编程助手
• Claude Code CLI — 终端中的交互式编程会话

使用方式

Claude Code 的工作流与传统 AI 编码工具截然不同：

1. 项目级理解：在项目根目录启动 claude，AI 会自动读取项目结构、配置文件、依赖关系
2. 上下文感知：可以引用特定文件作为上下文，AI 理解代码库的整体架构
3. 多步操作：描述一个复杂需求，AI 会自动完成文件创建、代码生成、测试运行的全流程
4. 交互式调试：遇到 bug 时，直接粘贴错误信息，AI 分析根因并修复

具体案例：编写 GPU 调度器原型

我需要为一个自定义的 XPU 设备编写调度器原型。用传统方式需要查阅大量文档，而用 Claude Code：

> 帮我创建一个 GPU 调度器的 Python 原型，支持任务队列、优先级调度和设备亲和性

Claude Code 在几秒内生成了完整的代码框架，包括：

• scheduler.py — 核心调度逻辑
• task_queue.py — 优先级任务队列
• device_manager.py — 设备亲和性管理
• tests/test_scheduler.py — 单元测试

效果：原本需要 2-3 天完成的原型，在 Claude Code 辅助下 2 小时内完成。更重要的是，AI 给出了我还未考虑到的一些边缘情况和优化建议。

心得

• 好的提示词 > 好的代码：给 Claude Code 提供清晰的需求描述和约束条件，产出质量会成倍提升
• 迭代模式：先让 AI 生成草稿，然后逐步 refine，比试图一步到位效果好得多
• 代码审查是必须的：AI 生成的代码并非完美，需要人工 review，但 80% 的模板代码和 boilerplate 可以放心交给 AI

三、VS Code + AI：融入日常开发流

背景

Claude Code 在终端中很好用，但日常编码大部分时间还是在 VS Code 中完成的。我需要把 AI 能力无缝嵌入到编辑器里，让编写代码、获取建议、自动补全都发生在同一个界面。

工具

• VS Code — 主力代码编辑器
• Continue.dev — 开源 AI 编程助手插件，本地模型优先
• Claude Code CLI 集成 — 通过 VS Code 任务系统调用 Claude Code

使用方式

方案一：Continue.dev 插件

配置了 Continue 的 config.json，对接词元计划的 API：

{
  "models": [{
    "title": "USTC DeepSeek",
    "provider": "openai",
    "model": "deepseek-v4",
    "apiBase": "https://llm.ustc.edu.cn/v1",
    "apiKey": "YOUR_API_KEY"
  }]
}

功能亮点：

• Tab 自动补全：写代码时自动给出后续建议
• 内联对话：选中代码后按 Ctrl+I，直接在编辑器内提问或要求修改
• 斜杠命令：/edit 修改选中代码，/explain 解释代码逻辑
• 上下文引用：@file、@folder、@problem 快速指定 AI 关注范围

方案二：VS Code 任务调用 Claude Code

在 .vscode/tasks.json 中配置：

{
  "version": "2.0.0",
  "tasks": [{
    "label": "Claude Code: Review Current File",
    "type": "shell",
    "command": "cat ${file} | claude -p 'Review this code for bugs, security issues, and performance problems:'",
    "problemMatcher": []
  }]
}

这样在 VS Code 中按 Cmd+Shift+P → “Run Task” 就能直接在终端中让 Claude Code 审查当前文件。

成果与收获

• 编码速度提升 2-3 倍：AI 补全和对话式编码显著减少了从思考到代码的转换时间
• 错误减少：AI 会实时发现常见的编码错误和边界情况
• 学习加速：遇到不熟悉的 API 或算法时，内联解释功能帮助快速理解

四、三套工具的对比与协作

我的日常工作流：

1. 接到任务 → 在飞书上用 OpenClaw 记录和拆解
2. 设计方案 → 用 Claude Code 生成代码框架
3. 编写代码 → 在 VS Code 中用 Continue 插件完成
4. 代码审查 → 用 Claude Code Review 任务
5. 持续集成 → OpenClaw 监控 CI 状态并推送通知

五、总结与建议

核心收获

1. AI 不是替代品，是加速器 — 最好的效果来自人与 AI 的协作，而非完全依赖
2. 投入时间配置工具 — 好的工具链配置（Skill、模型参数、工作流）能带来持续性收益
3. 关注问题域而非工具 — 选择最适合问题的 AI 工具，而不是所有问题用同一个工具

给初学者的建议

1. 先从 VS Code AI 插件 开始（Continue.dev 或 GitHub Copilot），门槛最低，见效最快
2. 熟悉后尝试 Claude Code 解决复杂编码需求
3. 最后配置 OpenClaw 实现自动化工作流
4. 用好 词元计划 提供的 API Token，这是免费的高质量资源

未来计划

• 探索 OpenClaw 的多 Agent 协作模式
• 将 Claude Code 与 OpenClaw 深度对接，实现"语音 → 任务 → 代码 → 部署"全流程自动化
• 在团队内推广这套工作流

如果你也有有趣的 AI 辅助编程经历，欢迎在 shares/ 目录下分享！