news 2026/6/26 2:41:52

Claude Code 最新版安装教程|Windows/Mac/Linux 全平台保姆级指南

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Claude Code 最新版安装教程|Windows/Mac/Linux 全平台保姆级指南

Claude Code 最新版安装教程|Windows/Mac/Linux 全平台保姆级指南

本文面向普通用户,详细介绍 Claude Code 的安装与模型接入,让你快速上手这款强大的 AI 编程助手。


📋 目录

  1. 安装 Git Bash(仅 Windows)
  2. 安装 Claude Code 本体
  3. 配置环境变量 PATH
  4. 安装 cc-switch,接入更多模型
  5. Claude Code 基础使用
  6. 常见问题

1. 安装 Git Bash(仅 Windows)

Mac / Linux 用户可跳过此步骤。

Claude Code 原生为 Linux / macOS 设计,Windows 系统需要先安装 Git 来完成环境准备。

下载地址:

版本适用场景
Git for Windows(64-bit)绝大多数 Windows 电脑
Git for Windows(ARM64)ARM 处理器的 Windows 电脑

安装过程一路点击「下一步」即可,无需特殊配置。


2. 安装 Claude Code 本体

打开终端,粘贴对应命令即可自动安装。

Windows(PowerShell)

irmhttps://daheiai.com/cc.ps1|iex

如需安装 2.1.153 稳定版本(推荐):

&([scriptblock]::Create((irmhttps://daheiai.com/cc.ps1)))2.1.153

⚠️ 2.1.156 版本使用第三方 API 存在兼容性问题,建议回退到 153 版本。

备用官方命令:

irmhttps://claude.ai/install.ps1|iex

Mac / Linux(Terminal)

curl-fsSLhttps://claude.ai/install.sh|sh

整个过程会下载约 200MB 的安装包,具体时间取决于网络状况。


3. 配置环境变量 PATH

安装完成后,需要将 Claude Code 的可执行文件路径加入系统 PATH。

Windows 操作步骤

  1. 点击「开始菜单」,搜索环境变量,点击「编辑系统环境变量」
  2. 在弹出窗口中点击「环境变量」按钮
  3. 在用户变量中找到Path,双击编辑
  4. 点击「新建」,添加以下路径:
C:\Users\你的用户名\.local\bin\
  1. 依次点击「确定」保存所有更改
  2. 重新打开一个终端窗口使配置生效

Mac / Linux

通常安装脚本会自动配置,如未生效,可手动添加到 shell 配置文件:

# bash 用户echo'export PATH="$HOME/.local/bin:$PATH"'>>~/.bashrcsource~/.bashrc# zsh 用户echo'export PATH="$HOME/.local/bin:$PATH"'>>~/.zshrcsource~/.zshrc

4. 安装 cc-switch,接入更多模型

Claude Code 安装完成后,还需要配置模型才能正常使用。cc-switch是一个模型切换工具,支持接入多种 AI 模型提供商。

cc-switch 支持的模型

  • 国产模型:智谱 GLM、MiniMax、Kimi、DeepSeek 等
  • 海外模型:Claude、GPT 等(通过 API 服务接入)

下载安装

平台下载地址
WindowsCC-Switch for Windows
macOSCC-Switch for macOS

新版本可从 GitHub Releases 获取更新。

配置步骤(以智谱 GLM 为例)

  1. 打开 cc-switch 应用
  2. 选择Claude 图标(默认第一个)
  3. 点击「添加渠道」
  4. 填入你的API 密钥
  5. 指定模型名称(如glm-4
  6. 点击「启用」该渠道
  7. 回到终端,输入claude即可开始对话

5. Claude Code 声明

本安装脚本(cc.ps1)用于自动化安装流程,脚本已开源在 GitHub 上可公开查看。

重要说明:

  • 脚本会获取官方版本信息(latest / manifest.json),并在本地执行安装
  • 所有二进制文件(claude.exe)均由用户电脑直接从 Anthropic 官方 Google Cloud Storage 存储桶下载
  • 使用前请确认当前网络环境能正常访问storage.googleapis.com及相关官方地址
  • 本项目与 Anthropic, Inc.、Google LLC 均无关联、合作或授权关系
  • 使用本脚本即表示您已阅读并同意:请自行评估网络、系统与数据环境,并遵守所在地法律法规

6. 常见问题

Q1:安装命令执行后没有反应?

检查网络连接是否正常,能否访问storage.googleapis.com。部分地区可能需要配置代理。

Q2:claude命令提示找不到?

请确认 PATH 环境变量是否配置正确,并重新打开一个终端窗口后重试。

Q3:cc-switch 添加渠道后无法连接?

  • 检查 API 密钥是否正确
  • 确认所选模型名称与提供商一致
  • 检查网络是否可达对应 API 地址

Q4:安装过程很慢?

安装包约 200MB+,取决于网络状况。如持续卡住,可尝试切换网络或使用代理。


总结

步骤操作适用平台
安装 Git Bash仅 Windows
安装 Claude Code全平台
配置 PATH 环境变量全平台
安装 cc-switch 并配置模型全平台

完成以上四步后,在终端输入claude即可开始你的 AI 编程之旅!🚀

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/26 2:40:06

数据分析转大模型:把关键流程跑顺

聊《数据分析转大模型:把关键流程跑顺》之前,先说一句实在的:别急着背概念,先看它在真实项目里到底解决什么问题。摘要这篇面向希望升级为 AI 数据产品或智能分析开发的从业者,但不会把“数据分析转大模型:…

作者头像 李华
网站建设 2026/6/26 2:39:55

非局部梯度与对抗性总变分:从数学基础到图像复原实践

1. 项目概述:为什么我们需要重新审视“梯度”?在图像处理、机器学习乃至更广泛的优化问题里,“梯度”和“总变分”这两个词大家都不陌生。传统的总变分正则化,基于局部梯度,是图像去噪、修复的基石,它惩罚相…

作者头像 李华
网站建设 2026/6/26 2:39:40

【项目文档+源码】基于YOLO12+Flask的石榴果实生长阶段检测系统

【项目文档源码】基于YOLO12Flask的石榴果实生长阶段检测系统本文涉及的全部源码、训练好的模型权重、数据集、配套文档已整理打包,文末附下载链接,方便读者一键复现与二次开发。开发目的 本项目旨在开发一个基于YOLO12与Flask框架的石榴生长阶段检测系统…

作者头像 李华
网站建设 2026/6/26 2:35:00

NLP任务的首次大一统合集 - 深度学习进阶(31)1.深度学习进阶(一)从注意力到自注意力03-312.深度学习进阶(二)多头自注意力机制(Multi-Head Attention)

了位置信息,我们真的需要把自注意力拆成四项吗? 这并非无端质疑, 2020 年的论文: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer 反其道而行之,提出了一种极简的偏置型 RPE &am…

作者头像 李华