跳至主要內容

老张的工具箱 2025——完整开发环境配置

老张2026/4/30大约 7 分钟

老张的工具箱 2025——完整开发环境配置

适读人群：想优化开发环境的工程师 | 阅读时长：约15分钟 | 核心价值：老张的完整开发环境，硬件到软件到 AI 工具，有配置细节，不是广告

前两周有个读者问我：你平时开发用的是什么环境？看你文章里偶尔提到 Cursor、Claude Code，能不能完整写一篇？

这个需求很合理。工程师的开发环境是个非常个人化的东西，每个人用几年之后都有一套自己的配置，但很少有人系统地写出来。我今天就把我的完整开发环境写出来，从硬件到软件到 AI 工具，有细节，有配置，不是广告。

硬件配置

主力机：MacBook Pro 14 寸，M3 Pro，36GB 内存

选 36GB 内存不是因为钱多，是有具体原因：本地跑 7B-13B 的模型需要内存，用 Ollama 跑 Qwen2.5-14B 大概需要 12-14GB 显存，同时开着 IntelliJ IDEA + Chrome + 终端，16GB 内存会很憋，36GB 够用有余。

M3 Pro 的统一内存架构对 LLM 本地推理非常有利，同等内存下推理速度比 Intel 时代快太多。如果预算有限选 M3 基础款 + 16GB，日常开发没问题，只是跑本地大模型体验差一些。

外接显示器：LG 27 寸 4K（27UP850-W）

没什么特别的，这块屏就是合适的尺寸、够清楚、不反光，用了两年没觉得有什么问题。我不是多显示器党，一块外接 + MacBook 屏幕两块就够用了。

外接显示器接 MacBook 用的 USB-C 直连，同时充电，省了一根线。

外设：键盘 + 鼠标

键盘用 Keychron K3 Pro，矮轴版，青轴（家里没人就用青轴，爽）。在公司用红轴（怕吵到同事）。

鼠标用罗技 MX Master 3S，侧滑轮对代码编辑和 Markdown 写作时的文档滚动效率提升有实际帮助。

核心开发工具

IntelliJ IDEA Ultimate

Java/Kotlin 开发主力 IDE，没有竞争。每年续费，觉得值。几个我觉得重要的配置：

  • 内存分配调到 4096MB（默认 750MB 太小）：在 Help > Change Memory Settings 里改
  • 关掉不用的插件（减少 IDE 启动时间和运行时内存占用）：Settings > Plugins，把你没用的全 disable
  • 代码风格统一用 EditorConfig，每个项目根目录放 .editorconfig，避免团队间格式冲突
  • Live Templates 是被低估的功能，把你常用的代码片段做成模板，比代码生成 AI 更快

VS Code

Python 项目、脚本、配置文件的主力编辑器。我不用 VS Code 写 Java，那个体验没法跟 IDEA 比。但写 Python 的时候 VS Code + Pylance 很流畅。

必装插件：

  • Python（官方）+ Pylance（类型推断比官方插件强）
  • GitLens（git blame 内嵌显示，代码审查时有用）
  • Error Lens（错误直接显示在代码行尾，不用移到错误行才看到提示）
  • REST Client（直接在 .http 文件里写 API 测试请求，比 Postman 轻量）

Cursor

AI 代码编辑器，基于 VS Code 魔改，集成了非常好的 AI 辅助编写体验。我主要用它做：AI 辅助写 Python 代码（AI 功能比 VS Code + Copilot 的集成体验好很多）、快速原型开发、写 Shell 脚本。

Cursor 最好用的功能是 Composer（现在叫 Agent 模式）：描述你想要什么，它能在多个文件之间协调修改，实现一个功能。对于我这种经常在不熟悉的库上做实验的人，效率提升很明显。

但有一个判断：Cursor 不能替代 IntelliJ IDEA 做 Java 开发。Java 生态的语义理解、重构、调试，IDEA 的深度支持是 Cursor 没法比的。用哪个，按语言和任务类型来定。

终端和命令行配置

终端：iTerm2 + Oh My Zsh

macOS 原生终端够用，但 iTerm2 的分屏、主题、搜索功能明显好很多，推荐换。

Oh My Zsh 的核心价值在插件：

  • git 插件：大量 git 命令缩写，gst = git status，gco = git checkout，glog 打出漂亮的 git log
  • zsh-autosuggestions：命令历史自动补全，按右箭头接受建议，减少重复敲命令的次数
  • zsh-syntax-highlighting：命令实时高亮，输错命令立刻变红色，很直观

.zshrc 里我加了几个常用 alias：

# 常用目录跳转
alias proj="cd ~/Documents/projects"
alias dl="cd ~/Downloads"

# Docker 常用操作
alias dps="docker ps"
alias dlog="docker logs -f"

# 快速启动常用服务
alias start-redis="docker run -d -p 6379:6379 redis:alpine"
alias start-pg="docker run -d -p 5432:5432 -e POSTGRES_PASSWORD=dev postgres:16"

# Git 快捷操作
alias gs="git status"
alias gl="git log --oneline --graph --decorate -15"
alias gaa="git add -A"

包管理：Homebrew + mise（版本管理）

Homebrew 没什么可说的，macOS 开发标配。

mise（原 rtx，asdf 的替代品）用来管理多版本 Python、Node.js。不同项目需要不同 Python 版本的时候，mise use python@3.11 在项目根目录设定版本，切换无感知，比 pyenv 更好用。

AI 工具配置

Claude Code（主力 AI 编程工具）

命令行 AI 编程助手，接入 Claude API。我日常最高频用的 AI 工具。

用法：在项目根目录直接运行 claude，然后用自然语言描述任务，可以读写代码文件、执行命令、做 Code Review。

几个我真实用起来有价值的场景：

  • 快速生成测试用例：描述一个方法的功能，让它生成完整的 JUnit 测试，通常质量比较好
  • 解释复杂的旧代码：把一段看不懂的代码贴进去，让它解释每一行在做什么
  • 写 Bash 脚本：我不擅长 Shell，复杂一点的脚本让 Claude Code 写，比查文档快

Ollama（本地模型运行）

本地跑 LLM 的工具，两条命令装好，零配置。

我常驻跑的模型：

  • qwen2.5:14b：中文理解和生成质量好，日常问答主力
  • deepseek-coder-v2:16b：代码相关任务，本地跑不用出流量
  • nomic-embed-text：本地生成 embeddings，RAG 项目开发调试用

Ollama 的 REST API 和 OpenAI 格式兼容，基本上把接口 URL 改成 http://localhost:11434 就能接入任何支持 OpenAI SDK 的代码，不需要改逻辑。

Open WebUI（Ollama 的 Web 界面）

给 Ollama 加一个好看的 Web 界面，Docker 一行启动：

docker run -d \
  -p 3000:8080 \
  -v open-webui:/app/backend/data \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

访问 http://localhost:3000，可以同时接入本地 Ollama 模型和配置好的远程 API（OpenAI、Anthropic 等）。

效率工具

Raycast（替代 Spotlight）

macOS 启动器，我用来：快速打开应用（比 Spotlight 快）、计算器（直接在搜索框里算）、剪贴板历史（记录最近 50 条复制内容，经常需要）、自定义快捷命令（按 ⌘ + Space 然后输入命令前缀）。

免费版足够用，Pro 版我没开，不需要。

Rectangle（窗口管理）

macOS 不自带好的窗口吸附功能，Rectangle 补上了这个缺口。用快捷键把窗口吸附到半屏、四分之一屏。开发的时候左边代码、右边浏览器或终端，快捷键秒切，不用用鼠标拖窗口大小。

Notion（笔记 + 知识管理）

我用 Notion 记技术笔记、管理文章选题、记项目进度。核心用法很简单：一个"技术笔记"数据库，每篇记录有标签（语言、框架、主题），搜索用。不需要什么花哨的功能。

Notion 的缺点是重，打开慢。如果只需要轻量笔记，Obsidian 是更好的选择。

常用命令备忘

几个我真实高频用的命令，新人可以直接拿去用：

# 查看端口占用
lsof -i :8080

# 快速查看 JSON 格式化
cat response.json | python3 -m json.tool

# 统计代码行数（排除 node_modules 和 .git）
find . -name "*.java" -not -path "*/node_modules/*" | xargs wc -l

# 查看 Docker 容器日志并实时跟踪
docker logs -f --tail 100 container_name

# 批量 kill 某个端口的进程
lsof -ti :8080 | xargs kill -9

# 查看 Maven 依赖树（找冲突用）
mvn dependency:tree | grep -A5 "CONFLICT"

# Python 快速起一个 HTTP 文件服务器
python3 -m http.server 8000

工具本身是次要的，重要的是找到适合自己工作流的组合。我的这套配置是两年逐渐演化出来的，肯定不适合所有人。

如果你有用得很好、觉得比我的方案更好的工具，欢迎在评论区告诉我，我会认真看的。

编辑此页
最近更新:
贡献者: xiaozhangge