使用 AI 编程的十大原则「ANTHROP\C的AI工作方法」
1. 精通上下文的艺术(Garbage In, Garbage Out)
原则:提供给 AI 的上下文质量直接决定了输出结果的质量。这不仅仅是编写提示,而是构建一个完整的工作环境。
案例支持:
- 数据基础设施团队强调编写详细的
Claude.md
文件来记录工作流程和期望。 - 产品设计团队创建自定义内存文件,告知 Claude 自己的角色(设计师)和需求(需要详细解释),从而获得更好的指导。
- 法务团队采用“先在 Claude.ai 中规划,再到 Claude Code 中构建”的两步流程,确保在编码前思路已完全清晰。
2. 拥抱迭代式协作,而非期待一次性奇迹
原则:将 AI 视为一个迭代伙伴,而不是一个能一键解决所有问题的工具。通过持续的对话、修正和引导来共同完成任务。
案例支持:
- API 团队明确建议“将其视为一个迭代伙伴”,而不是期望一次性获得完美解决方案。
- 数据科学团队将其比作“老虎机”:让它尝试,如果不理想就重新开始,而不是试图修复一个糟糕的输出。
- 法务团队要求 Claude “放慢速度”,一次只实现一步,以便跟上节奏并进行验证。
3. 频繁设置检查点(Checkpointing)
原则:在使用 AI 进行重要或自主性较高的代码修改时,频繁地保存你的工作状态(如 git commit
)。这为你提供了安全网,可以无风险地进行实验,并在 AI 偏离轨道时轻松回滚。
案例支持:
- 产品开发团队强调从“干净的 git 状态”开始,并定期提交检查点。
- RL 工程团队采用“检查点密集型工作流程”,使他们能够大胆尝试 AI 的自主实现,并在需要时轻松回滚。
4. 对任务进行分类(知道何时监督,何时授权)
原则:学会判断哪些任务适合让 AI 自主运行(如原型设计、外围功能),哪些任务需要你密切监督(如核心业务逻辑、关键修复)。这种直觉是高效利用 AI 的关键。
案例支持:
- 产品开发团队明确区分了需要“同步监督”的核心功能和可以“自动接受模式”处理的异步任务。
- 增长营销团队专注于寻找可通过 API 自动化的重复性任务,这是 AI 发挥最大价值的领域。
5. 分而治之(使用专业化的子代理)
原则:当面对复杂的工作流程时,不要试图用一个庞大的提示解决所有问题。将其分解为更小、更具体的子任务,并可以为每个任务创建专门的“代理”或工作流。
案例支持:
- 增长营销团队为 Google Ads 创建了两个专门的子代理:一个负责生成标题,另一个负责生成描述,从而提高了处理复杂约束时的输出质量。
6. 自动化枯燥和重复的工作
原则:将 AI 首先应用于那些消耗大量精力但创造性价值较低的任务,如编写单元测试、生成文档、格式化代码和进行简单的重构。
案例支持:
- 多个团队(产品、推理、RL工程)都将生成单元测试作为核心用例,从而解放了开发人员的精力。
- 安全团队利用 AI 综合多个来源的文档,创建精简的运行手册。
- 增长营销团队将广告文案的撰写时间从几小时缩短到几分钟。
7. 弥合技能差距(成为“10倍通才”)
原则:利用 AI 快速进入你不熟悉的领域。无论是新的编程语言、复杂的框架还是陌生的代码库,AI 都能充当你的专家向导,让你在没有深厚背景的情况下也能高效工作。
案例支持:
- 数据科学团队在几乎不懂 TypeScript 的情况下,构建了 5000 行的 React 应用。
- 法务团队成员在没有开发背景的情况下,为家人构建了定制化的无障碍应用。
- 各团队都使用 Claude Code 快速理解和导航陌生的代码库,而无需等待同事的帮助。
8. 优先考虑安全与合规意识
原则:当 AI 工具与你的系统(特别是敏感数据和核心基础设施)深度集成时,必须保持高度的安全警惕。理解集成的潜在风险,并优先考虑安全和合规性。
案例支持:
- 数据基础设施团队建议对敏感数据使用 MCP 服务器而非 CLI,以维持更好的安全控制。
- 法务团队立即识别出深度 MCP 集成的安全隐患,并强调了在 AI 能力扩展时快速构建合规工具的重要性。
9. 培养分享与实验的文化
原则:AI 编程工具不仅能提升个人生产力,还能改变团队协作方式。鼓励团队成员分享他们的使用技巧、工作流程甚至是不完美的“玩具”原型,以激发整个组织的创新。
案例支持:
- 数据基础设施团队通过举行“分享会”来传播最佳实践。
- 法务团队强调要克服恐惧,分享“不完美”的原型,因为这能激励他人看到新的可能性。
10. 围绕 AI 构建生态系统
原则:不要将 AI 视为一个孤立的工具。通过创建自定义命令、插件和集成,将其融入你现有的工作流程和工具链中,从而最大化其效用。
案例支持:
- 安全团队广泛使用自定义斜杠命令来简化特定工作流程。
- 增长营销团队开发了 Figma 插件和 Meta Ads MCP 服务器,将 AI 的能力直接嵌入到他们的核心工具中。
- ANTHROP\C
Anthropic 团队如何使用 Claude Code
Anthropic 的内部团队正在利用 Claude Code 转变其工作流程,使开发人员和非技术人员能够处理复杂项目、自动化任务,并弥合先前限制其生产力的技能差距。
通过对我们自己的 Claude Code 高级用户的访谈,我们收集了关于不同部门如何利用 Claude Code、其对其工作的影响以及对其他考虑采用的组织的建议。
目录
- Claude Code 在数据基础设施中的应用
- Claude Code 在产品开发中的应用
- Claude Code 在安全工程中的应用
- Claude Code 在推理(Inference)中的应用
- Claude Code 在数据科学与可视化中的应用
- Claude Code 在 API 中的应用
- Claude Code 在增长营销中的应用
- Claude Code 在产品设计中的应用
- Claude Code 在强化学习(RL)工程中的应用
- Claude Code 在法务中的应用
Claude Code 在数据基础设施中的应用
数据基础设施团队为全公司的团队组织所有业务数据。他们使用 Claude Code 自动化常规数据工程任务、排除复杂基础设施问题的故障,并为技术和非技术团队成员创建文档化的工作流程,以便他们独立访问和操作数据。
主要 Claude Code 用例
通过截图进行 Kubernetes 调试
当 Kubernetes 集群宕机且无法调度新 Pod 时,团队使用 Claude Code 诊断问题。他们将仪表板的截图提供给 Claude Code,后者引导他们逐个菜单地浏览 Google Cloud 的 UI,直到找到一个指示 Pod IP 地址耗尽的警告。然后,Claude Code 提供了创建新 IP 池并将其添加到集群的确切命令,从而无需网络专家的介入。
为财务团队提供的纯文本工作流程
团队向财务团队成员展示了如何编写描述其数据工作流程的纯文本文件,然后将其加载到 Claude Code 中以实现全自动执行。没有编码经验的员工可以描述诸如“查询此仪表板,获取信息,运行这些查询,生成 Excel 输出”之类的步骤,Claude Code 将执行整个工作流程,包括询问所需的输入(如日期)。
为新员工提供的代码库导航
当新的数据科学家加入团队时,他们会被指导使用 Claude Code 来浏览庞大的代码库。Claude Code 读取他们的 Claude.md
文件(文档),识别特定任务的相关文件,解释数据管道依赖关系,并帮助新成员理解哪些上游源为仪表板提供数据。这取代了传统的数据目录和可发现性工具。
会话结束时的文档更新
团队要求 Claude Code 在每个任务结束时总结已完成的工作会话并提出改进建议。这创建了一个持续改进的循环,其中 Claude Code 根据实际使用情况帮助优化 Claude.md
文档和工作流程说明,使后续迭代更加有效。
跨多个实例的并行任务管理
在处理长时间运行的数据任务时,他们会在不同项目的不同代码仓库中打开 Claude Code 的多个实例。每个实例都保持完整的上下文,因此当他们在数小时或数天后切换回来时,Claude Code 能准确记住他们正在做什么以及他们停在哪里,从而实现了真正的并行工作流程管理而不会丢失上下文。
团队影响
- 无需专业知识即可解决基础设施问题:解决了通常需要系统或网络团队成员介入的 Kubernetes 集群问题,使用 Claude Code 诊断问题并提供精确的修复方案。
- 加速入职培训:新的数据分析师和团队成员无需大量指导即可快速理解复杂系统并做出有意义的贡献。
- 增强的支持工作流程:可以处理更大数据量并识别异常(例如监控 200 个仪表板),这对于人工手动审查是不可能的。
- 实现跨团队自助服务:没有编码经验的财务团队现在可以独立执行复杂的数据工作流程。
数据基础设施团队的最佳实践
编写详细的 Claude.md
文件
您在 Claude.md
文件中记录工作流程、工具和期望越详细,Claude Code 的性能就越好。这使得 Claude Code 在执行例行任务(如在有现有模式的情况下设置新数据管道)时表现出色。
对敏感数据使用 MCP 服务器而非 CLI
他们建议使用 MCP 服务器而不是 BigQuery CLI,以便更好地控制 Claude Code 可以访问的内容,特别是对于处理需要日志记录或具有潜在隐私问题的敏感数据。
分享团队使用会话
团队举行了会议,成员们互相演示了他们的 Claude Code 工作流程。这有助于传播最佳实践,并展示了他们可能自己未发现的工具使用方式。
Claude Code 在产品开发中的应用
Claude Code 团队使用他们自己的产品来构建 Claude Code 的更新,扩展产品的企业级功能和代理循环功能。
主要 Claude Code 用例
使用自动接受模式进行快速原型设计
工程师通过启用“自动接受模式”(Shift + Tab)并设置自主循环(Claude 编写代码、运行测试并持续迭代)来使用 Claude Code 进行快速原型设计。他们给 Claude 提出他们不熟悉的抽象问题,让它自主工作,然后在接手进行最终优化之前审查 80% 完成的解决方案。团队强调从干净的 git 状态开始,并定期提交检查点,以便在 Claude 偏离轨道时可以轻松恢复任何不正确的更改。
核心功能的同步编码
对于涉及应用程序业务逻辑的更关键功能,团队与 Claude Code 同步工作,提供带有特定实现指令的详细提示。他们实时监控过程以确保代码质量、风格指南合规性和正确的架构,同时让 Claude 处理重复的编码工作。
构建 Vim 模式
他们最成功的异步项目之一是为 Claude Code 实现 Vim 键绑定。他们要求 Claude 构建整个功能(尽管它不是优先事项),最终实现的大约 70% 来自 Claude 的自主工作,只需要几次迭代即可完成。
测试生成和错误修复
他们在实现功能后使用 Claude Code 编写全面的测试,并处理在拉取请求审查中识别出的简单错误修复。他们还利用 GitHub Actions 集成,让 Claude 自动处理拉取请求评论,如格式问题或函数重命名。
代码库探索
在处理不熟悉的代码库(如 monorepo 或 API 端)时,团队使用 Claude Code 快速了解系统的工作方式。他们不再等待 Slack 的回复,而是直接向 Claude 询问解释和代码参考,从而在上下文切换中节省了大量时间。
团队影响
- 更快的特性实现:成功实现了像 Vim 模式这样的复杂特性,其中 70% 的代码由 Claude 自主编写。
- 提高开发速度:可以快速原型化特性并迭代想法,而不会陷入实现细节的困境。
- 通过自动化测试提高代码质量:Claude 生成全面的测试并处理常规错误修复,在减少手动工作的同时保持高标准。
- 更好的代码库探索:团队成员可以快速了解 monorepo 中不熟悉的部分,而无需等待同事的回复。
Claude Code 团队的最佳实践
创建自给自足的循环
设置 Claude 通过自动运行构建、测试和 lint 来验证其自身的工作。这使得 Claude 能够更长时间地自主工作并捕获自己的错误,在要求 Claude 在编写代码之前生成测试时尤其有效。
培养任务分类直觉
学会区分哪些任务适合异步工作(外围功能、原型设计),哪些任务需要同步监督(核心业务逻辑、关键修复)。产品边缘的抽象任务可以用“自动接受模式”处理,而核心功能则需要更密切的监督。
形成清晰、详细的提示
当组件具有相似的名称或功能时,请在您的请求中极其具体。您的提示越好、越详细,您就越能相信 Claude 能够独立工作,而不会对代码库的错误部分进行意外更改。
Claude Code 在安全工程中的应用
安全工程团队专注于保护软件开发生命周期、供应链安全和开发环境安全。他们广泛使用 Claude Code 编写和调试代码。
主要 Claude Code 用例
复杂基础设施调试
在处理事件时,他们向 Claude Code 提供堆栈跟踪和文档,要求它跟踪代码库中的控制流。这显著减少了生产问题的解决时间,使他们能够在大约 5 分钟内理解通常需要 10-15 分钟手动代码扫描的问题。
Terraform 代码审查和分析
对于需要安全批准的基础设施更改,他们将 Terraform 计划复制到 Claude Code 中,并询问“这将做什么?我会后悔吗?”这创建了更紧密的反馈循环,并使安全团队更容易快速审查和批准基础设施更改,从而减少了开发过程中的瓶颈。
文档综合和运行手册
他们让 Claude Code 提取多个文档源并创建 Markdown 运行手册、故障排除指南和概述。他们使用这些精简的文档作为调试实际问题的上下文,创建了比搜索完整知识库更高效的工作流程。
测试驱动开发工作流程
他们不再沿用以前的“设计文档 -> 蹩脚代码 -> 重构 -> 放弃测试”模式,而是要求 Claude Code 提供伪代码,引导其进行测试驱动开发,并在卡住时定期检查以指导它,从而产生更可靠和可测试的代码。
上下文切换和项目入职
在为现有项目(如“dependant”,一个用于安全审批工作流程的 Web 应用程序)做贡献时,他们使用 Claude Code 编写、审查和执行存储在代码库中的 Markdown 规范,从而能够在几天而不是几周内做出有意义的贡献。
团队影响
- 减少事件解决时间:通常需要 10-15 分钟手动代码扫描的基础设施调试现在大约需要 5 分钟。
- 改进的安全审查周期:用于安全批准的 Terraform 代码审查速度大大加快,消除了开发人员在等待安全团队批准时的阻塞。
- 增强的跨职能贡献:团队成员可以在几天内对项目做出有意义的贡献,而不是几周的上下文构建。
- 更好的文档工作流程:从多个来源综合的故障排除指南和运行手册创建了更高效的调试过程。
安全工程团队的最佳实践
广泛使用自定义斜杠命令
安全工程团队使用了整个 monorepo 中 50% 的自定义斜杠命令实现。这些自定义命令简化了特定的工作流程并加快了重复性任务。
让 Claude 先说
他们现在不再为代码片段提出有针对性的问题,而是告诉 Claude Code “边做边提交你的工作”,并让它在定期检查的情况下自主工作,从而产生更全面的解决方案。
将其用于文档处理
除了编码,Claude Code 还擅长综合文档和创建结构化输出。他们提供写作样本和格式偏好,以获得可以立即在 Slack、Google Docs 和其他工具中使用的文档,从而避免界面切换疲劳。
Claude Code 在推理(Inference)中的应用
推理团队管理着在 Claude 读取您的提示并生成其响应时存储信息的内存系统。团队成员,特别是那些刚接触机器学习的成员,可以广泛使用 Claude Code 来弥合知识差距并加速他们的工作。
主要 Claude Code 用例
代码库理解和入职
团队在加入复杂代码库时严重依赖 Claude Code 来快速理解架构。他们不再手动搜索 GitHub 仓库,而是要求 Claude 查找哪些文件调用了特定功能,几秒钟内就能得到结果,而不是询问同事或手动搜索。
具有边缘情况覆盖的单元测试生成
在编写核心功能后,他们要求 Claude 编写全面的单元测试。Claude 自动包含遗漏的边缘情况,在几分钟内完成通常需要大量脑力的工作,就像一个可以审查的编码助手。
机器学习概念解释
在没有机器学习背景的情况下,团队成员依靠 Claude 来解释特定于模型的功能和设置。以前需要一个小时 Google 搜索和阅读文档的工作现在只需要 10-20 分钟,将研究时间减少了 80%。
跨语言代码翻译
在不同编程语言中测试功能时,他们解释想要测试的内容,Claude 会用所需的语言(如 Rust)编写逻辑,从而无需仅仅为了测试目的而学习新语言。
命令回忆和 Kubernetes 管理
他们不再记住复杂的 Kubernetes 命令,而是向 Claude 询问正确的语法,例如“如何获取所有 Pod 或部署状态”,并接收到其基础设施工作所需的确切命令。
团队影响
- 加速机器学习概念学习:研究时间减少了 80%——以前需要一个小时 Google 搜索的工作现在只需要 10-20 分钟。
- 更快的代码库导航:可以在几秒钟内找到相关文件并理解系统架构,而不是询问同事。
- 全面的测试覆盖:Claude 自动生成包含边缘情况的单元测试,减轻了脑力负担,同时保持了代码质量。
- 消除语言障碍:可以在不熟悉语言(如 Rust)中实现功能,而无需学习它。
推理团队的最佳实践
首先测试知识库功能
尝试提出各种问题,看看 Claude 是否能比 Google 搜索更快地回答。如果它更快、更准确,那么它对您的工作流程来说就是一个有价值的节省时间的工具。
从代码生成开始
给 Claude 具体指令并要求它编写逻辑,然后验证其正确性。这有助于在将其用于更复杂的任务之前建立对该工具能力的信任。
将其用于编写测试
让 Claude 编写单元测试可以显著减轻日常开发工作的压力。利用此功能保持代码质量,而无需花费时间手动思考所有测试用例。
Claude Code 在数据科学与可视化中的应用
数据科学和机器学习工程团队需要复杂的可视化工具来理解模型性能,但构建这些工具通常需要不熟悉语言和框架的专业知识。Claude Code 使这些团队能够构建生产质量的分析仪表板,而无需成为全栈开发人员。
主要 Claude Code 用例
构建 JavaScript/TypeScript 仪表板应用程序
尽管只知道“很少的 JavaScript 和 TypeScript”,团队仍使用 Claude Code 构建完整的 React 应用程序,用于可视化强化学习(RL)模型性能和训练数据。他们让 Claude 控制从头开始编写完整的应用程序,例如一个 5000 行的 TypeScript 应用程序,而无需自己理解代码。这至关重要,因为可视化应用程序上下文相对较低,不需要理解整个 monorepo,从而可以快速原型化工具以在训练和评估期间了解模型性能。
处理重复的重构任务
当面临合并冲突或对于编辑器宏来说过于复杂但又不足以进行重大开发工作的半复杂文件重构时,他们像使用“老虎机”一样使用 Claude Code——提交他们的状态,让 Claude 自主工作 30 分钟,如果不起作用,则接受解决方案或重新开始。
创建持久性分析工具而非一次性笔记本
团队现在不再构建会被丢弃的一次性 Jupyter 笔记本,而是让 Claude 构建可在未来模型评估中重复使用的永久性 React 仪表板。这很重要,因为理解 Claude 的性能是“团队最重要的事情之一”——他们需要了解模型在训练和评估期间的表现,这“实际上并非易事,简单的工具无法通过观察单个数字的上升来获得太多信号。”
零依赖任务委派
对于完全不熟悉的代码库或语言中的任务,他们将整个实现委派给 Claude Code,利用其从 monorepo 收集上下文并执行任务的能力,而无需他们参与实际的编码过程。这使得在他们专业知识之外的领域也能提高生产力,而不是花费时间学习新技术。
团队影响
- 节省了 2-4 倍的时间:以前手动处理繁琐但可管理的常规重构任务现在完成得更快。
- 用不熟悉的语言构建复杂应用程序:尽管 JavaScript/TypeScript 经验最少,但仍创建了 5000 行的 TypeScript 应用程序。
- 从一次性工具转向持久性工具:不再使用可丢弃的 Jupyter 笔记本,而是为模型分析构建可重用的 React 仪表板。
- 直接的模型改进洞察:第一手的 Claude Code 经验为未来模型迭代中更好的内存系统和用户体验改进提供了信息。
- 实现可视化驱动的决策:通过先进的数据可视化工具更好地理解 Claude 在训练和评估期间的性能。
数据科学和机器学习工程团队的最佳实践
像对待老虎机一样对待它
在让 Claude 工作之前保存您的状态,让它运行 30 分钟,然后要么接受结果,要么重新开始,而不是试图努力纠正。重新开始通常比试图修复 Claude 的错误有更高的成功率。
必要时为了简单而中断
在监督时,不要犹豫停止 Claude 并问“你为什么这样做?试试更简单的方法。”模型默认倾向于更复杂的解决方案,但对简化方法的请求反应良好。
Claude Code 在 API 中的应用
API 知识团队致力于诸如 PDF 支持、引用和网络搜索等功能,这些功能将额外的知识引入 Claude 的上下文窗口。在庞大、复杂的代码库中工作意味着不断遇到不熟悉的代码部分,花费大量时间理解任何给定任务需要检查哪些文件,并在进行更改之前构建上下文。Claude Code 通过充当向导来改善这种体验,帮助他们理解系统架构、识别相关文件并解释复杂的交互。
主要 Claude Code 用例
第一步工作流程规划
团队将 Claude Code 用作任何任务的“第一站”,要求它识别用于错误修复、功能开发或分析的文件。这取代了传统的手动浏览代码库并在开始工作前收集上下文的耗时过程。
跨代码库的独立调试
团队现在有信心处理代码库中不熟悉部分的错误,而不是向他人寻求帮助。他们可以问 Claude “你认为你能修复这个错误吗?这是我看到的行为”,并经常立即取得进展,这在以前考虑到所需的时间投入是不可行的。
通过内部测试(Dogfooding)进行模型迭代测试
Claude Code 自动使用最新的研究模型快照,使其成为他们体验模型变化的主要方式。这使他们在开发周期中直接反馈模型行为变化,这是他们在以前的发布中没有经历过的。
消除上下文切换开销
他们不再需要复制粘贴代码片段并将文件拖到 Claude.ai 中同时详细解释问题,而是可以直接在 Claude Code 中提问,无需额外的上下文收集,从而显著减少了脑力开销。
团队影响
- 增强了处理不熟悉领域的信心:团队成员可以独立调试错误并调查不熟悉代码库中的事件。
- 显著节省上下文收集时间:消除了复制粘贴代码片段并将文件拖到 Claude.ai 的开销,减少了脑力上下文切换负担。
- 更快的轮岗入职:轮岗到新团队的工程师可以快速浏览不熟悉的代码库并做出有意义的贡献,而无需广泛的同事咨询。
- 提高开发者幸福感:团队报告称,日常工作流程中的摩擦减少,感觉更快乐、更高效。
API 知识团队的最佳实践
将其视为迭代伙伴,而非一次性解决方案
不要期望 Claude 立即解决问题,而是将其视为与之迭代的协作者。这比试图在第一次尝试时获得完美的解决方案效果更好。
用它来建立在不熟悉领域的信心
不要犹豫去处理超出您专业知识范围的错误或调查事件——Claude Code 使得在通常需要大量上下文构建的领域独立工作成为可能。
从最少的信息开始
从您需要的最低限度信息开始,让 Claude 引导您完成整个过程,而不是预先加载大量解释。
Claude Code 在增长营销中的应用
增长营销团队专注于在付费搜索、付费社交、移动应用商店、电子邮件营销和 SEO 等领域建立效果营销渠道。作为一个非技术的单人团队,他们使用 Claude Code 自动化重复的营销任务,并创建传统上需要大量工程资源的代理工作流程。
主要 Claude Code 用例
自动化 Google Ads 广告创意生成
团队构建了一个代理工作流程,该流程处理包含数百个现有广告及其效果指标的 CSV 文件,识别表现不佳的广告进行迭代,并生成符合严格字符限制(标题 30 个字符,描述 90 个字符)的新变体。通过使用两个专门的子代理(一个用于标题,一个用于描述),该系统可以在几分钟内生成数百个新广告,而无需在多个广告系列中手动创建。这使他们能够大规模测试和迭代,这在以前需要大量时间才能实现。
用于批量创意制作的 Figma 插件
他们不再为付费社交广告手动复制和编辑静态图片,而是开发了一个 Figma 插件,该插件可识别帧并通过替换标题和描述以编程方式生成多达 100 个广告变体,将需要数小时复制粘贴的工作缩短为每批次半秒。这实现了 10 倍的创意产出,使团队能够在关键社交渠道上测试更多创意变体。
用于广告系列分析的 Meta Ads MCP 服务器
他们创建了一个与 Meta Ads API 集成的 MCP 服务器,以便直接在 Claude Desktop 应用程序中查询广告系列效果、支出数据和广告效果,从而无需在平台之间切换进行效果分析,节省了关键时间,因为每一次效率提升都转化为更好的投资回报率。
具有内存系统的高级提示工程
他们实现了一个初步的内存系统,该系统记录广告迭代中的假设和实验,允许系统在生成新变体时将先前的测试结果引入上下文,从而创建一个自我改进的测试框架。这使得系统性实验成为可能,而这在手动跟踪下是不可能的。
团队影响
- 在重复性任务上大幅节省时间:广告文案创建时间从 2 小时减少到 15 分钟,从而腾出时间进行战略性工作。
- 创意产出增加 10 倍:通过自动化生成和 Figma 集成,团队现在可以在各个渠道测试更多的广告变体。
- 像一个更大的团队一样运作:团队可以处理传统上需要专门工程资源的任务。
- 战略重点转移:团队可以将更多时间用于整体战略和构建代理自动化,而不是手动执行。
增长营销团队的最佳实践
识别启用了 API 的重复性任务
寻找涉及对具有 API 的工具(如广告平台、设计工具、分析平台)进行重复操作的工作流程。这些是自动化的主要候选对象,也是 Claude Code 提供最大价值的地方。
将复杂工作流程分解为专门的子代理
不要试图在一个提示或工作流程中处理所有事情,而是为特定任务创建单独的代理(例如他们的标题代理与描述代理)。这使得调试更容易,并在处理复杂需求时提高输出质量。
在编码前进行彻底的头脑风暴和提示规划
预先花费大量时间使用 Claude.ai 思考整个工作流程,然后让 Claude.ai 为 Claude Code 创建一个全面的提示和代码结构以供参考。此外,逐步工作,而不是要求一次性解决方案,以避免 Claude 被复杂任务淹没。
Claude Code 在产品设计中的应用
产品设计团队支持 Claude Code、Claude.ai 和 Anthropic API,专注于构建 AI 产品。即使是非开发人员也可以使用 Claude Code 来弥合设计和工程之间的传统差距,从而能够直接实现他们的设计愿景,而无需与工程师进行大量的来回沟通。
主要 Claude Code 用例
前端润色和状态管理变更
他们不再创建大量的设计文档,也不再为视觉调整(字体、颜色、间距)与工程师进行多轮反馈,而是现在直接使用 Claude Code 实现这些更改。工程师们注意到他们正在进行“通常设计师不会进行的大型状态管理更改”,这使他们能够达到他们设想的确切质量。
GitHub Actions 自动化工单处理
利用 Claude Code 的 GitHub 集成,他们可以简单地提交描述所需更改的问题/工单,Claude 会自动提出代码解决方案,而无需打开 Claude Code,从而为他们持续积压的润色任务创建了一个无缝的错误修复和功能优化工作流程。
快速交互式原型设计
通过将模型图像粘贴到 Claude Code 中,他们可以生成功能齐全的原型,工程师可以立即理解并在此基础上进行迭代,取代了传统的静态 Figma 设计(需要大量解释和转换为工作代码)的周期。
边缘情况发现和系统架构理解
他们使用 Claude Code 来规划错误状态、逻辑流程和不同的系统状态,使他们能够在设计期间识别边缘情况,而不是在开发后期才发现,从而从根本上提高了初始设计的质量。
复杂的文案更改和法律合规
对于诸如在整个代码库中删除“研究预览”消息之类的任务,他们使用 Claude Code 查找所有实例,审查周围的文案,与法务部门实时协调更改,并实施更新——这个过程花费了两次 30 分钟的通话,而不是一周的来回协调。
团队影响
- 转变了核心工作流程:Claude Code 成为主要的设计工具,Figma 和 Claude Code 80% 的时间都处于打开状态。
- 执行速度提高 2-3 倍:以前需要与工程师大量来回沟通的视觉和状态管理更改现在可以直接实现。
- 周期时间从数周缩短至数小时:像 GA 发布消息这样需要一周协调的复杂项目现在可以在两次 30 分钟的通话中完成。
- 两种截然不同的用户体验:开发人员获得“增强的工作流程”(更快的执行速度),而非技术用户获得“天哪,我是一名开发人员的工作流程”(以前不可能实现的全新能力)。
- 改进了设计与工程的协作:由于设计师预先了解系统约束和可能性,沟通更好,问题解决更快。
产品设计团队的最佳实践
从工程师那里获得适当的设置帮助
让工程团队成员帮助进行初始代码仓库设置和权限配置——对于非开发人员来说,技术入门具有挑战性,但一旦配置完成,它将对日常工作流程产生变革性影响。
使用自定义内存文件指导 Claude 的行为
创建特定的说明,告诉 Claude 你是一个几乎没有编码经验的设计师,需要详细的解释和更小、渐进式的更改,从而显著提高 Claude 响应的质量,并使其不那么令人生畏。
利用图像粘贴进行原型设计
使用 Command + V 将截图直接粘贴到 Claude Code 中——它擅长读取设计并生成功能代码,这对于将静态模型转换为工程师可以立即理解并在此基础上构建的交互式原型非常有价值。
Claude Code 在强化学习(RL)工程中的应用
强化学习工程团队专注于强化学习中的高效采样和集群间的权重传输。他们主要使用 Claude Code 编写中小型功能、调试和理解复杂代码库,采用包含频繁检查点和回滚的迭代方法。
主要 Claude Code 用例
监督下的自主功能开发
团队让 Claude Code 编写中小型功能的大部分代码,同时提供监督,例如为权重传输组件实现身份验证机制。他们以交互方式工作,允许 Claude 主导,但在其偏离轨道时进行引导。
测试生成和代码审查
在自己实现更改后,他们要求 Claude Code 添加测试或审查他们的代码。这种自动化的测试工作流程在常规但重要的质量保证任务上节省了大量时间。
调试和错误调查
他们使用 Claude Code 调试错误,结果好坏参半——有时它能立即识别问题并添加相关测试,而其他时候它难以理解问题,但总的来说,在起作用时能提供价值。
代码库理解和调用堆栈分析
他们工作流程中最大的变化之一是使用 Claude Code 快速获取相关组件和调用堆栈的摘要,取代了手动代码阅读或生成大量调试输出。
Kubernetes 操作指导
他们经常向 Claude Code 询问 Kubernetes 操作,这些操作否则需要大量 Google 搜索,从而立即获得有关配置和部署问题的答案。
开发工作流程影响
- 实现了实验性方法:他们现在使用“尝试并回滚”的方法,频繁提交检查点,以便测试 Claude 的自主实现尝试,并在需要时回滚,从而实现更具实验性的开发。
- 文档加速:Claude Code 自动添加有用的注释,节省了大量文档编写时间,尽管他们注意到它有时会在奇怪的地方添加注释或使用有问题的代码组织方式。
- 有限的加速:虽然 Claude Code 可以用“相对较少的时间”实现中小型拉取请求,但他们承认它大约只有三分之一的时间能在第一次尝试时成功,需要额外的指导或手动干预。
强化学习工程团队的最佳实践
为特定模式自定义您的 Claude.md
文件
在您的 Claude.md
文件中添加说明,以防止 Claude 重复犯工具调用错误,例如告诉它“运行 pytest 而不是 run,并且不要不必要地 cd——只需使用正确的路径。”这显著提高了一致性。
使用检查点密集型工作流程
在 Claude 进行更改时定期提交您的工作,以便在实验不起作用时轻松回滚。这使得在没有风险的情况下能够采用更具实验性的开发方法。
先尝试一次性完成,然后协作
给 Claude 一个快速的提示,让它首先尝试完整的实现。如果成功(大约三分之一的时间),您就节省了大量时间。如果不成功,则切换到更具协作性、指导性的方法。
Claude Code 在法务中的应用
法务团队通过实验以及了解 Anthropic 产品供应的愿望发现了 Claude Code 的潜力。此外,一名团队成员有一个个人用例,涉及为家人创建无障碍工具和工作原型,这些原型展示了该技术对非开发人员的强大能力。
主要 Claude Code 用例
为家庭成员定制无障碍解决方案
团队成员为因医疗诊断而有语言障碍的家庭成员构建了沟通助手。仅用一小时,他们就创建了一个使用原生语音转文本的预测文本应用程序,该程序可以建议回复并使用语音库朗读,解决了语言治疗师推荐的现有无障碍工具中的不足。
法务部门工作流程自动化
他们创建了原型“电话树”系统,以帮助团队成员联系到 Anthropic 的合适律师,展示了法务部门如何在没有传统开发资源的情况下为常见任务构建自定义工具。
团队协调工具
管理人员构建了 G Suite 应用程序,可自动更新每周团队动态并跟踪跨产品的法律审查状态,使律师能够通过简单的按钮点击快速标记需要审查的项目,而不是进行电子表格管理。
用于解决方案验证的快速原型设计
他们使用 Claude Code 快速构建功能原型,可以展示给领域专家(例如向 UCSF 专家展示无障碍工具),以验证想法并在投入更多时间之前识别现有解决方案。
工作风格和影响
在 Claude.ai 中规划,在 Claude Code 中构建
他们使用两步流程,首先在 Claude.ai 中进行头脑风暴和规划,然后转移到 Claude Code 进行实现,要求其放慢速度并逐步工作,而不是一次性输出所有内容。
视觉优先方法
他们经常使用截图向 Claude Code 展示他们希望界面看起来的样子,然后根据视觉反馈进行迭代,而不是用文本描述功能。
原型驱动创新
他们强调克服分享“傻瓜式”或“玩具式”原型的恐惧,因为这些演示能激励他人看到他们未曾考虑过的可能性。
安全与合规意识
MCP 集成顾虑
作为产品律师,他们立即识别出深度 MCP 集成的安全隐患,并指出保守的安全态势将随着 AI 工具访问更多敏感系统而产生障碍。
合规工具优先级
他们主张随着 AI 能力的扩展迅速构建合规工具,认识到创新与风险管理之间的平衡。
法务部门的最佳实践
首先在 Claude.ai 中进行广泛规划
在转移到 Claude Code 之前,使用 Claude 的对话界面充实您的整个想法。然后要求 Claude 将所有内容总结为一个分步提示以供实现。
增量式和可视化工作
要求 Claude Code 放慢速度并一次实现一个步骤,这样您就可以复制粘贴而不会不知所措。大量使用截图来展示您希望界面看起来的样子。
尽管不完美也要分享原型
克服隐藏“玩具”项目或未完成工作的冲动——分享原型有助于他人看到可能性,并激发通常不互动的部门之间的创新。