最近这两周，我加的几个AI工具群里高频出现两个名字：Dots和Muse。一会儿有人发演示视频，一会儿有人问注册教程，群里那种“不上车就要掉队”的气氛，跟我前年看Claude Code刚发布时一模一样。但说实话，我把这俩产品的核心交互逻辑看完之后，反而特别冷静：它们想解决的痛点——可视化节点工作流、7x24小时创作陪伴、长期记忆，Anthropic的Claude里早就内置好了，只是大多数人没把这些能力串起来用。
这篇文章我就用自己最近两周的实操记录，把Claude Code、Agent Skills、MCP这三件套怎么组合成一个“Dots+Muse”的平替方案讲透。顺便把安装、配置、报错排查、甚至接入DeepSeek/Qwen/GLM这类第三方模型的玩法一并交代清楚。适合刚接触Claude生态、想用它真正干活的人，也适合已经装了Claude Code但还停留在“好像很厉害却不知道拿来干嘛”阶段的玩家。
1. Dots和Muse大火背后的真实需求，我在Claude发展史上见过三遍
1.1 先给没接触过的人划重点：Dots和Muse到底在做什么
我这里聊的Dots，指的是那类把AI工作流做成可视化节点图的工具——你可以把“读取文档、提取摘要、生成邮件、发送到协作平台”这一串动作拉成流程图，每个节点是一次AI调用，节点之间用连线串起来，点一下就能跑完整个流水线。
这块儿的核心卖点，说白了就是“把AI从一次只能聊一句的对话框里解放出来”。传统聊天式AI给你的是“一次性回答”，而Dots类工具给你的是“可编排、可复用、可视化”的工作流。你可以在一个画布上同时管理五条不同的AI流水线，每条流水线负责一类具体任务。
Muse这一类则走的是另一个方向——AI创作陪伴。它更像一个24小时挂着、随叫随到的创作搭子，能记住你上次聊到哪、你偏好的语气、你项目里的术语习惯，然后在你写方案、写文案、做头脑风暴的时候，用一致的上下文帮你把想法补全、扩展、反驳。
这两类产品最近能刷屏，说到底是同一个需求被分别切开了：用户不甘心每次打开AI都要重新交代背景，也不想让AI只存在于对话气泡里。他们要的是“有手感的工具”和“有记忆的助手”。这个需求并不新，我在Claude项目里已经见过三遍。
第一遍是Projects功能上线的时候，大家终于可以把不同业务场景的资料分成独立项目，互不串线；第二遍是Claude发布系统提示词和CLAUDE.md之后，AI开始记住“这个项目的代码风格是什么”“周一例会要生成什么模板”；第三遍就是现在这套Agent体系，Claude不再只是回答问题，而是真的能拿着工具去执行。Dots和Muse看起来是新产品，实际上是在消费Anthropic这三年来逐步埋进底座里的能力。
1.2 这类产品共同的三个天花板
先说结论：Dots和Muse这类工具都有三个绕不开的硬伤，而这些硬伤恰好是内置方案的优势。
第一个是数据割裂。你在Dots里配置好的工作流，里面涉及的笔记、代码、文档都在本地，它要访问就得申请各种权限；你在Muse里积累的长期记忆，出了这个App就带不走。一旦你哪天停止订阅，数据和配置要么导出成一堆不兼容的格式，要么直接留在云端。Claude内置的CLAUDE.md和Agent Skills完全不是这个逻辑——它们就是普通Markdown文件，放在你的项目目录或用户目录里，天然跟着文件走，可以被Git管理，可以团队共享。
第二个是外部工具的成本和规模问题。这类第三方产品通常按席位、按调用量收费，而且是深度绑定自家后端的模型。你为了一个“可视化连线”功能，可能要同时付出订阅费、模型调用费，还得忍受比官方慢半拍的更新节奏。Claude内置方案则没有中间商，能力直接长在模型和客户端里，官方API按量计费，没有按月硬性门槛。
第三个是安全合规。企业内部资料、个人笔记、未发布的代码，经过第三方平台中转一圈，心里总归不踏实。而Claude Code跑在本地终端、MCP连接的是你自己的文件系统，敏感数据可以选择不出本地，链路可见、可控、可审计。对开发者和创作者来说，这条比UI炫不炫重要得多。
所以我一直觉得，与其急着给Dots和Muse付费，不如先把Claude内置的这套完整能力吃透。接下来我就拆一下这套能力对应的三个核心部件。
2. Claude的内置硬解：Claude Code、Agent Skills、MCP分别干了什么
2.1 Claude Code：它不只是命令行工具，而是AI的执行层
很多人一听到Claude Code就以为它是个“程序员专属的终端工具”，其实这个理解太窄了。Claude Code本质上是Claude的执行层——它不只是跟你聊天，而是可以直接操作你的文件系统、运行命令、读取仓库、执行脚本，甚至帮你提交Git。
我第一次用的时候干了一件事：在项目根目录跑了一句“claude，帮我把这个仓库里所有遗留的TODO全部找出来，按紧急程度排个序，然后输出成一份报告”。它自己就开始了——列目录、过滤代码文件、逐文件扫注释、统计出现频率，最后直接生成了一份带文件路径和行号的Markdown报告。全程我只回答了两次确认“是否允许读取某目录”。
这个“执行”能力就是Dots类工具里最核心的“节点自动跑”逻辑。你在Dots的画布上拖一个“扫描代码”节点、再接一个“生成报告”节点，Claude Code用一句话就全干完了，而且还能在真实环境里做到更多。
需要提醒的是，执行能力是把双刃剑。Claude Code默认会逐条请求你的授权，比如“要运行这个命令，允许吗？”我建议普通用户保持这个确认机制。网上经常有人推荐直接加--dangerously-skip-permissions跳过所有确认，只在你非常清楚自己在干什么的时候才用，否则一个拼接错误就能让你删掉不该删的东西。我自己更常用的做法是在交互里声明白名单目录，比如“你只需要读src目录，其他不要动”，让Claude只在该范围内操作。
2.2 Agent Skills：给Claude装一套可复用的操作手册
Agent Skills是2025年Claude生态里被讨论最多的能力之一。它的设计思路特别简单：一个Skill就是一个文件夹，里面放一份SKILL.md描述文件，外加可选的脚本和模板。Claude在启动时会扫描这些描述，一旦发现当前场景和某个Skill对得上，就会自动加载对应的操作手册来执行。
这解决了提示词工程里一个特别烦人的问题——你每次想让AI按特定格式干活，都得把那一大段规则重新粘贴一遍，粘漏一句效果就飘。Skill则是注册一次、永久复用。而且它的触发不是靠你手动“启用”，而是Claude根据当前对话自动判断。
我现在自己写的“周报生成Skill”是这样的目录结构：
~/.claude/skills/weekly-review/ ├── SKILL.md ├── scripts/ │ └── collect.py └── templates/ └── weekly-report.mdSKILL.md的开头用YAML定义元信息：
--- name: weekly-review description: 每周五自动汇总本周完成事项，从Git提交记录和任务文件提取信息，按模板生成周报 ---我把这个Skill放好之后，每周五只要跟Claude说一句“帮我生成这周的周报”，它就会自动找到这个Skill，运行collect.py去读Git日志，再按模板把周报填好。整个过程不用再交代“我是做开发的，要包含哪些模块，格式要分三级标题……”——这些规则全在手册里了。
这就是Muse类产品追求的“创作陪伴感”。Muse要靠一个专用App记住你的偏好，Claude这边靠SKILL.md就能实现同样的效果，而且这东西是纯文本、可版本化、可共享的，团队协作时直接把整个skills目录推给同事就行。
2.3 MCP：把外部系统安全地接到Claude上
如果说Skills管的是“AI怎么做”，MCP管的就是“AI能碰到什么”。MCP全称Model Context Protocol，是Anthropic推动的模型上下文协议。你可以把它理解成AI世界的USB-C接口：Claude是主机，外部工具是外设，MCP是那个统一插口。
有了这个协议，Claude就能通过标准方式连接文件系统、GitHub仓库、数据库、浏览器、设计协作工具等外部系统，而不是依靠一堆互相不兼容的插件。截至现在，社区维护的MCP Server数量相当可观，官方和非官方都有。最常用的是文件服务和记忆服务：文件服务让Claude能直接读你指定目录下的所有文档，记忆服务则让Claude能把关键信息存到一个可检索的向量库里。
我自己在Claude Code里配置MCP的方式很简单，一条命令就能搞定：
claude mcp add --transport stdio notes-fs -- npx -y @modelcontextprotocol/server-filesystem ~/notes这条命令的作用是注册一个名为notes-fs的MCP服务，用npx启动文件系统服务器，把本地的~/notes目录暴露给Claude。之后我只要在对话里提到“看一下notes目录里最近有什么关于XX的素材”，Claude就会自动调用这个MCP服务去读文件。
如果你用的是Claude Desktop，配置方式会更直观——直接在配置文件里声明mcpServers。很多网上教程里提到的claude mcpservers npx指的就是这个套路：让桌面版通过npx启动各种社区MCP服务。本质上和Claude Code里的claude mcp add是同一回事，只是入口不同。
到这里，三件套的职能就很清楚了：Claude Code负责“执行”，MCP负责“触达”，Agent Skills负责“方法”。它们组合起来，正好覆盖Dots和Muse试图覆盖的全部场景。我用一张表总结一下：
| 需求场景 | 第三方工具做法 | Claude内置方案 |
|---|---|---|
| 可视化拖拽工作流 | Dots类画布连线 | Claude Code+CLAUDE.md定义步骤，Skills封装流程 |
| 7x24小时创作陪伴 | Muse类App长期记忆 | 本地Skills目录+项目CLAUDE.md+会话状态延续 |
| 读取本地笔记/文档 | 上传到第三方云端 | MCP文件系统服务直接读本地目录 |
| 团队复用AI经验 | 平台内模板商店 | skills目录+Git仓库版本管理 |
| 数据敏感场景 | 依赖第三方安全承诺 | 全部留在本地，链路可控 |
3. 从零配一套“Dots+Muse”平替：我的实操记录
3.1 安装Claude Code并接入VSCode
我猜不少人已经在“claude code安装”“claude code下载”这些关键词里转了一圈，我还是把最稳的流程再走一遍。
前提是Node.js环境。我建议Node版本至少在22以上，老版本有时候跑不动新版Claude Code的依赖。确认好版本之后执行：
npm install -g @anthropic-ai/claude-code装完之后在终端跑一下claude，会进入一个登录流程，用官方OAuth授权即可。之后在任意项目目录里直接输入claude，它就会用当前目录作为工作区启动。
如果你习惯在VSCode里干活，官方扩展“Claude Code for VSCode”值得装一个。装完之后在命令面板搜“Claude Code: Login”登录，然后可以直接在编辑器侧边栏打开对话窗口。这个集成对普通用户最大的好处是：Claude能直接看到你当前打开的文件和编辑器上下文，不用你再费劲交代“我在改哪个文件”。
很多人不知道Claude Code在VSCode里其实可以直接透出终端操作，所以热词里有“claude code如何直接执行终端命令”的疑问。简单说，Claude Code本身就跑在你的终端里，执行终端命令是默认能力，你会在对话区看到它准备执行的每条命令，并等你的确认。
3.2 用CLAUDE.md实现Muse式的“长期记忆”
Muse类产品的核心卖点是“它懂我”。Claude这边对应的能力是CLAUDE.md。这文件放在项目根目录，Claude每次在这个目录工作时都会自动读取它，相当于项目的“常驻记忆”。
我自己的CLAUDE.md一般包含这几块信息：
# 项目约定 - 项目类型：静态站点生成器 - 主要技术栈：Vite + Vue 3 # 代码规范 - 组件目录使用PascalCase命名 - 样式文件与组件同目录 - 提交信息统一格式：type(scope): subject # 常用命令 - 开发：npm run dev - 构建：npm run build - 测试：npm run test # 注意事项 - 部署前必须跑一遍完整测试 - 接口地址在.env.local里，勿提交Git这些信息不是每次对话都要复述，但Claude每次都能看到。用久了你会觉得它“记忆力变好了”，其实是这些常驻规则在起作用。而且比Muse那种封闭App里的记忆强在一点：文件是明文的，团队可以一起维护，可以走GitReview。
3.3 用MCP挂一个你的“灵感仓库”
我自己私下写东西的时候，会维护一个~/notes目录，里面全是零散的灵感、摘录、半成品段落。以前我从来不让AI碰它，因为每次都要手动粘贴内容太麻烦。后来我按前面说的claude mcp add把notes目录挂给了Claude，情况立刻不一样了。
我只需要说“帮我把~/notes里最近一周所有关于‘远程办公’的碎片想法找出来，整理成一篇大纲”，Claude会通过MCP直接扫描目录里的MD文件，提取相关段落，归类，然后给出一份带引用的结构化大纲。它还能反过来操作——我在对话里提出一个新想法，让它追加到notes对应文件里。
如果你想用Claude Desktop做这件事，配置类似这样：
{ "mcpServers": { "notes-fs": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "/Users/你的用户名/notes" ] } } }配好之后Claude Desktop同样能读写这个目录。这里有个小建议：尽量给MCP设置一个专门的输入目录，别把整个硬盘根目录暴露出去。Claude确实不会主动乱动文件，但权限边界越清晰，你操作起来越放心。
3.4 把节点式流程做成内置技能
Dots类工具那种“把流程串起来”的能力，在Claude里对应的就是Skill。我用一个真实例子演示一下怎么把一个多项流程封装成Skill。
假设你每周都要处理一批用户反馈，流程是：读反馈列表、按产品模块分类、识别高优问题、写周报更新。在Dots里你要画四个节点再接上线；在我的Claude工作区里，我直接写了一个skill-feedback-review的SKILL.md：
--- name: feedback-review description: 处理用户反馈列表，按模块分类并生成高优问题清单，最后输出周报更新 --- # 执行步骤 1. 读取指定目录下最新的feedback文件夹内的CSV 2. 按“模块”字段分类，统计每个模块的问题数量 3. 根据“严重程度”字段标记高优问题 4. 输出一个Markdown报告：分类汇总、高优清单、趋势结论之后每次拿到新反馈，我只需说“跑一遍feedback-review，数据在某个目录”。Claude会自动按SKILL.md的步骤执行，不再需要我重复解释流程细节。一条流水线在Dots里是“节点图”，在Claude里就是一个Markdown文件加几个脚本，功能等价，但可审计性和迁移性高得多。
4. 这二十几天我在一线踩过的坑：安装、配置、报错全链路复盘
4.1 “Unable to connect to anthropic services failed to connect to api……”排查
这应该是Claude用户问得最多的报错。很多人第一反应是“网络坏了”，其实原因比想象中多样。我遇到过的情况里，有三次是系统时间偏差导致的TLS握手失败——机器时间比当前时间慢了几分钟，Claude客户端连接API时证书校验不过，报的就是这个错。排查方法特别简单：先看系统时间是否需要同步。我后来给电脑开了自动时间同步，这个问题再没出现过。
第二个常见原因是本地网络出口拦截。公司网络、公共Wi-Fi经常会对长连接做限制，表现同样是连接失败或响应超时。这种时候可以先换热点、换网络环境试试，排除本地干扰。第三个原因才是Claude Code自身版本过旧。客户端更新频率比较高，有些老版本会因为协议不匹配拒绝连接，跑一下npm update -g @anthropic-ai/claude-code基本能解决。
我的排查顺序是：看系统时间、换网络、升级客户端、最后测API状态。这个顺序覆盖了90%的日常报错。别一上来就怀疑账号被限制，那东西其实很少见。
4.2 Windows下“workspace requires the virtual machine platform”的解决办法
在Windows上跑Claude Desktop或某些需要沙箱能力的Claude功能时，很可能会看到“Claude's workspace requires the virtual machine platform on Windows. Please enable……”这串提示。这指的是Windows的“虚拟机平台”功能没开。
开法不复杂：打开“控制面板”，进“程序”，点“启用或关闭Windows功能”，在弹出的列表里勾选“虚拟机平台”，然后重启电脑。大部分机器重启一次就好了。如果你平时也用Docker Desktop、WSL2，大概率已经开着这个东西，没开的话补上就行。
这里有个容易搞混的点：它和“Hyper-V”不是同一个选项，别只勾Hyper-V，那个要求更高，普通用户一般不必要。我就是一开始勾错了，折腾半天还是报错，换回“虚拟机平台”后一次通过。苹果芯片的Mac用户基本碰不到这问题，但Windows用户提前看一眼设置能省不少时间。
4.3 MCP服务起不来的三连坑
MCP是这套方案里最容易出问题的一环。我踩过的坑基本集中在三个点上。
第一，Node版本太老。很多MCP Server代码用了比较新的ES语法，Node 16以下经常直接崩溃。你会在配置后看到服务“exit with code 1”。解决办法是把Node升到22以上，然后再试一次。
第二，npx缓存过期。社区型MCP Server迭代很快，你本地缓存可能还是老版本，运行起来有各种诡异行为。用claude mcp remove删掉服务重加，或者运行的时候强制用最新版，比如在args里保持-y参数。我自己的经验是，MCP服务运行异常时，先把缓存清了永远是最快的验证手段。
第三，PATH环境变量问题，在Windows上特别典型。npm全局bin目录没进PATH，npx命令能跑但MCP服务找不到Node进程，也是白搭。确认一下npm config get prefix拿到的目录在不在系统PATH里。
调试的时候有个好用的命令：claude mcp list。它会列出所有已注册的MCP服务及其状态；再用claude mcp get 服务名查看具体配置。这样能快速定位到底是配置不对还是服务本身起不来。
4.4 Agent Skill不生效的排查顺序
Skills不生效是我在这两周里被问爆的另一类问题。我自己总结了一套排查顺序，基本能覆盖所有情况。
先确认技能目录放对了没有。用户级技能放在~/.claude/skills/，项目级技能放在.claude/skills/，两个目录的作用范围不同，放错地方Claude确实看不到。再检查SKILL.md的格式，尤其是frontmatter里的name和description字段不能少。如果description写得不清楚，Claude会感觉不到这个技能适合当前场景，也就不会触发加载。我见过有人description只写“处理数据”，结果Claude始终没调它，扩充成“处理CSV格式用户反馈文件，按模块分类并生成报告”之后就好使了。
第三，确认Claude Code版本够新。Skills是迭代更新的能力，旧版本客户端可能根本没实现。升级到最新版再试。第四，配置改完记得重启对话。Skills的扫描通常发生在会话启动时，你开着旧会话改配置，不会热加载。我会习惯性地直接退出再重新claude进去。
我把常见情况汇总了一下：
| 现象 | 可能原因 | 操作建议 |
|---|---|---|
| 技能完全不被调用 | 目录放错/描述不清晰 | 检查~/.claude/skills和项目.claude/skills，扩充description |
| 技能被调用但步骤错误 | SKILL.md内容混乱 | 把执行步骤拆成编号列表，保持单层语义 |
| 技能调用后脚本报错 | 脚本依赖环境不对 | 在脚本头打印路径信息，确认执行环境 |
| 改描述后仍不生效 | 会话未重启 | 退出会话重新进入 |
5. 进阶玩法：第三方模型、harness边界和我最终保留的工具清单
5.1 用ANTHROPIC_BASE_URL接DeepSeek/Qwen/GLM这类模型
Claude Code这个客户端在设计上预留了模型接入位，可以通过环境变量把API请求转发到其他兼容Anthropic接口的模型服务上。现在社区里讨论比较多的DeepSeek、Qwen、GLM接入，走的就是这个机制。用cc switch这类开源配置工具本质也是改环境变量。
技术上你只需要设置两个环境变量再启动：
export ANTHROPIC_BASE_URL="https://你的模型服务地址/anthropic" export ANTHROPIC_MODEL="deepseek-chat" claude设置好之后，Claude Code的界面、Skills、MCP能力仍然保留，但底层对话模型换成了你指定的模型。注意这里必须要有合法的API Key，而且要遵守对应平台的服务条款。
我为什么会在实操文章里专门提这个？因为热词里出现了“claude code harness可以不登录用其他模型吗”这类问题。答案是能，但前提是你要有可用的模型端点。这里面的关键概念是“harness”——指Claude Code这层执行框架。Anthropic后来把这层框架的关键部分开源了，所以社区能做各种改装。
不过我要泼一盆冷水：除非你只是做对比测试，否则我不建议日常主力环境长期接第三方模型。这倒不是技术排斥，而是模型行为差别很大。Claude Code的好多功能是围绕Claude本身的工具调用和系统提示词调优过的，换成别的模型，Skills调用成功率和命令执行听话程度很难保持一致。你可以把它当备选方案，别当主方案。另外，千万别去用那些来路不明的第三方API服务，这类服务稳定性没保证，还可能泄露项目数据，得不偿失。
5.2 什么时候我仍然建议用Dots/Muse这类第三方产品
说完了内置方案，我也要讲点公道话。Dots和Muse并不是没有存在价值，尤其对两类人。
一类是完全不想碰命令行的人。Claude Code再方便，它首先是个终端应用。如果你连打开终端都抵触，那Dots的画布和可视化交互确实更友好。另一类是想要现成模板、懒得上手配置的人。Dots的社区模板、Muse的默认工作流，开箱即用，不需要你理解MCP是什么、Skills怎么组织。
但我个人的建议很明确：先花一个下午把Claude内置这套跑一遍，再决定要不要为第三方付费。因为这两个产品解决的场景，本质上都是围绕AI工作流的编排和记忆问题——这两个问题Anthropic已经用更底层、更标准的方式解决了。你学会Claude Code之后，会发现很多第三方工具的价值只剩下一层皮。
5.3 我的最终取舍：哪套方案留在正式环境里
我在正式工作里最终保留的是这样一套组合：
Claude Code（执行层） + 项目 CLADDE.md（常驻记忆） + ~/.claude/skills（复用手册） + filesystem MCP（本地数据打通） + Git仓库统一管理 skills 和 CLAUDE.md第三方模型留在沙箱环境做对比评估，不碰真实业务数据。Dots和Muse这类工具，我留着它们做竞品观察和市场研究，但不会把核心工作流放上去。
这个取舍的根本逻辑是“可迁移性”。CLAUDE.md、SKILL.md、MCP配置全是开放格式的文本和标准协议，我换一台电脑、换一个项目、换一个团队，都能整套带走。第三方的可视化工作流和记忆体系则是封闭的，带走成本高得多。对一个要靠积累吃饭的创作者和开发者来说，这个差异足够决定选哪边。
我个人现在还有个坚持了很久的操作习惯：每天结束工作时，让Claude用我项目里的CLAUDE.md约定，把当天改动的要点追加到项目的变更日志里。一周下来，再让Claude跑一次weekly-review技能，把变更日志汇总成周报。整个过程不需要打开任何额外App，数据全部留在本地仓库。
下次再看到有人发Dots或Muse的演示视频，我不会再是什么“新物种降临”的感觉，只会想到：“这套东西我又不是没有。”真要说有什么秘诀，无非是把Claude Code当成一个开放式工具箱，而不是一个一次性聊天的对话框。它内置的那套能力，安安静静地放在那里，用起来就是你的，不用，它也只是个代码里的名词。
