速来学习，Anthropic 官方最新揭秘：内部这样使用 Claude Code 效率翻倍！

是不是以为 AI 编程工具只是程序员的专属神器？或者说只能用来写代码？

小了，格局小了。

在 Anthropic 内部，一场由自家产品 Claude Code 引发的生产力革命正在上演。

从法务、市场到设计，这些传统意义上的「非技术岗」员工，正利用 Claude Code 搭建应用、自动化工作流，其熟练程度和开发效率，足以让许多资深工程师汗颜。

而对于真正的开发团队，Claude Code 则像一位全天候在线、拥有无限上下文记忆的「结对编程」超人，将开发、测试、调试、运维的效率提升到了新的高度。

这就是所谓的 Dogfooding —— 将自家产品深度融入日常工作。但 Anthropic 的这次实践，其广度和深度都远超常规。

最近，Anthropic 首次对外详细披露了其内部 10 个不同职能团队 使用 Claude Code 的核心场景、量化影响以及独家秘诀。我们还为你补充了内部员工在推特上分享的个人操作系统级玩法。

这不仅是一份产品使用报告，更是一本面向未来的 AI 原生工作手册。

让我们深入 Anthropic 内部，看看这款顶级 AI 编程工具如何重塑整个公司的工作模式。

1. ✨ 数据基建团队：当 K8s 崩溃时，截图求助 Claude 就够了

数据基建团队是公司的数据中枢，他们面对的是海量数据和复杂的系统。在他们手中，Claude Code 成了一个运维专家和自动化流程引擎。

用法用例 🤯

• • 看图修 Bug，搞定 K8s 崩溃：一次，团队的 K8s 集群突然宕机，无法调度新的 Pod。情况紧急，但团队并没有急着去找网络专家。他们直接将监控仪表盘的截图喂给 Claude Code。Claude 像一位经验丰富的运维专家，一步步指导他们在 Google Cloud 的 UI 界面中排查，最终定位到问题是 Pod IP 地址耗尽。更神的是，Claude 直接给出了创建新 IP 池并添加到集群的确切命令，问题迎刃而解。整个过程，无需惊动任何其他团队。
• • 自然语言驱动工作流：财务团队需要定期处理数据，但他们完全不懂代码。怎么办？工程师教他们用纯文本描述需求，比如「查询这个仪表盘，获取信息，运行这些查询，生成 Excel 输出」。然后将这段话丢给 Claude Code，后者会自动执行整个流程，甚至会在需要时主动询问日期等参数。非技术同事实现了数据自助。
• • 新员工入职的「活字典」：面对庞大的代码库，新入职的数据科学家不再需要翻阅过时的数据目录。他们直接向 Claude Code 提问，后者会阅读 Claude.md (团队内部维护的文档) 文件，自动识别相关代码、解释数据管道的依赖关系，快速上手。
• • 会话结束自动生成文档：每次完成一个任务后，团队会要求 Claude Code 总结本次会话，并提出改进建议。这形成了一个持续优化的闭环，让工作流程和文档变得越来越高效。
• • 跨多实例的并行任务管理：当处理长时间运行的数据任务时，团队会为不同的项目在不同的代码库中打开多个 Claude Code 实例。每个实例都保持着完整的上下文记忆，所以即使过了几小时甚至几天再切换回来，Claude Code 也精确地记得你上次做到哪里，实现了真正的无上下文丢失的并行工作流。

团队影响 ✨

• • 独立解决专业问题：无需网络或系统专家的介入，就能解决复杂的 K8s 集群问题。
• • 加速新员工上手：新人几天内就能理解复杂系统并做出贡献。
• • 赋能跨团队协作：毫无编程经验的财务团队也能独立完成复杂的数据任务。
• • 增强支持工作流：Claude 能处理海量数据（如同时监控 200 个仪表盘），识别人眼无法发现的异常。

独家秘诀 💡

技巧 精心编写 Claude.md：你给 Claude 的上下文和文档越详尽，它的表现就越好。尤其是在创建有固定模式的新数据管道时。 敏感数据用 MCP 服务器：处理需要日志记录或有隐私问题的敏感数据时，使用 MCP 服务器而非 BigQuery CLI，能更好地控制安全权限。 定期分享最佳实践：定期举办团队分享会，展示各自的 Claude Code 工作流，能让好的用法快速扩散。

2. 🚀 产品开发团队：自己开发自己，用「自动接受模式」光速原型

产品团队用自己的产品来迭代自己，主攻企业级功能和 Agentic Loop (智能体循环) 的开发。

用法用例 🤯

• • 自动接受模式 (Auto-Accept Mode) 实现光速原型：工程师启用「自动接受模式」(快捷键 Shift+Tab)，设定一个自主循环，让 Claude自己写代码、自己跑测试、自己迭代。他们只需给出一个抽象的问题，然后去喝杯咖啡，回来时一个 80% 完成度的方案就已经摆在面前。工程师只需在最后阶段介入进行微调。关键操作：从一个干净的 git 状态开始，并频繁提交 checkpoints，以便 Claude 跑偏时能轻松回滚。
• • 结对编程开发核心功能：对于触及核心业务逻辑的关键功能，团队则与 Claude Code 同步工作。他们给出非常具体、详细的指令，实时监控代码质量、风格和架构，让 Claude 负责繁琐的重复性编程。
• • Vim 模式的诞生：团队最成功的异步项目之一，就是为 Claude Code 实现 Vim 键位绑定功能。他们把整个需求丢给 Claude，最终约 70% 的代码都由 Claude 自主完成，仅需少量迭代。
• • 自动化测试与 Bug 修复：写完功能后，让 Claude 生成全面的测试用例。对于 PR review 中发现的格式问题、函数重命名等简单 Bug，直接通过 GitHub Actions 让 Claude 自动修复。

团队影响 ✨

• • 开发速度飙升：Vim 模式等复杂功能，70% 代码由 AI 完成。
• • 原型迭代极快：可以快速验证想法，而不必陷入实现细节。
• • 代码质量提升：自动生成的全面测试覆盖了各种边缘情况。
• • 代码库探索效率提升：团队成员可以快速了解不熟悉的模块，无需等待同事回复。

独家秘诀 💡

技巧 构建自验证循环：让 Claude 在写完代码后自动运行构建、测试和 lint 检查。这样它就能自己发现并修正错误，实现更长时间的自主工作。 培养任务分类直觉：学会判断哪些任务适合异步自主完成 (如外围功能、原型)，哪些需要同步监督 (核心业务逻辑)。 提示词要清晰具体：当组件名称或功能相似时，提示必须极其明确，才能信任 Claude 独立工作而不会改错地方。

3. 🛡️ 安全工程团队：安全审查提速，Terraform 代码「让 Claude 先过目」

安全团队负责整个软件开发生命周期的安全。他们用 Claude Code 既写代码，也做安全审查。

用法用例 🤯

• • 秒懂复杂基础设施变更：当需要审批基础设施变更时，团队直接将 Terraform plan 复制到 Claude Code 中，然后问：「这段代码要干嘛？我会不会后悔批准它？」。Claude 能快速解释变更的意图和潜在风险，极大地缩短了安全审查周期，避免了开发流程的瓶颈。
• • 生产事故调试时间锐减：处理线上事故时，将堆栈跟踪和相关文档喂给 Claude，让它追踪代码中的控制流。过去需要 10-15 分钟手动排查的问题，现在 5 分钟 就能搞定。
• • 文档聚合与操作手册生成：Claude 可以整合多个来源的文档，自动生成简洁的 Markdown 格式的 操作手册和故障排除指南，比翻阅庞大的知识库效率高得多。
• • 测试驱动开发 (TDD)：他们彻底告别了过去「设计文档 → 垃圾代码 → 重构 → 放弃测试」的糟糕模式。现在，他们先让 Claude 生成伪代码，然后指导它进行测试驱动开发，代码质量和可维护性大大提高。
• • 上下文切换与项目上手：当需要为现有项目（如一个用于安全审批工作流的 Web 应用）做贡献时，团队使用 Claude Code 来编写、审查和执行存储在代码库中的 Markdown 格式的需求文档。这使得成员在几天内就能对新项目做出有意义的贡献，而不再是几周。

团队影响 ✨

• • 事件响应时间减半：基础设施调试时间从 15 分钟缩短到 5 分钟。
• • 安全审查不再是瓶颈：快速评审 Terraform 变更，开发者无需漫长等待。
• • 跨职能贡献更容易：成员几天内就能对一个新项目做出有意义的贡献，而不是几周。
• • 文档工作流优化：从多个来源合成的故障排除指南，使调试过程更加高效。

独家秘诀 💡

技巧 重度使用自定义斜杠命令 (/)：安全团队贡献了整个代码库中 50% 的自定义斜杠命令，极大地简化了特定工作流。 让 Claude 先说：不要只问具体问题让它生成代码片段。可以尝试让它「边做边提交」，自主工作，定期检查，往往能得到更全面的解决方案。 文档处理大师：除了编程，Claude 极擅长整合文档。提供写作样本和格式偏好，它就能生成可直接用于 Slack、Google Docs 的内容，避免了在不同工具间切换的疲劳。

4. 🧠 推理团队：ML 新手救星，减少 80% 学习时间

这个团队负责 Claude 模型响应时的内存系统。对于机器学习背景较弱的新成员，Claude Code 是他们的救星。

用法用例 🤯

• • ML 概念的「私人教师」：团队成员无需是机器学习专家。当遇到不熟悉的模型特定函数或设置时，他们直接问 Claude。过去需要花一小时 Google 搜索和阅读文档才能搞懂的概念，现在 10-20 分钟 就能解释清楚。
• • 代码库的智能导航仪：面对复杂的代码库，不再需要手动搜索或打扰同事。直接问 Claude：「哪个文件调用了某个特定功能？」几秒钟内就能得到答案，而不是等上几天。
• • 生成带边缘用例的单元测试：写完核心功能后，让 Claude 编写全面的单元测试。它会自动补充开发者可能忽略的边缘情况，极大地减轻了心智负担。
• • 跨语言代码翻译：需要用不熟悉的语言（如 Rust）来测试功能时，只需用自然语言向 Claude 描述测试意图，它就能生成所需的 Rust 代码，完全消除了学习新语言的障碍。
• • 复杂命令记忆：再也不用死记硬背复杂的 Kubernetes 命令。当需要查询 Pod 状态或部署信息时，直接问 Claude，它会给出准确的命令。

团队影响 ✨

• • 机器学习概念学习加速 80%：研究时间从一小时锐减到 10-20 分钟。
• • 代码库导航速度实现量级提升：从几天的知识传递缩短到几秒钟的查询。
• • 全面的测试覆盖：自动生成包含边缘用例的测试，保证了代码质量。
• • 消除语言障碍：无需学习新语言，即可在不熟悉的编程环境中完成工作。

独家秘诀 💡

技巧 先测试其知识库能力：尝试问各种问题，看 Claude 的回答是否比 Google 更快更准。如果答案是肯定的，它就能成为你工作流中宝贵的时间节省工具。 从代码生成开始建立信任：给 Claude 具体指令，让它编写逻辑，然后验证其正确性。这有助于在尝试更复杂的任务前，建立对工具能力的信任。 把测试工作外包给 Claude：让 Claude 写单元测试，可以极大地减轻日常开发的压力，让你在不耗费心力思考所有测试用例的情况下，保持高质量的代码。

5. 📊 数据科学与机器学习工程团队：不懂前端？5000行代码照样写！

需要复杂的工具来可视化模型性能，但又不想成为全栈工程师？Claude Code 解决了这个难题。

用法用例 🤯

• • 零前端经验构建复杂应用：团队成员在「几乎不懂 JavaScript 和 TypeScript」的情况下，让 Claude Code 从零开始构建了一个 5000 行代码的 TypeScript 应用。这个 React 应用专门用于可视化 RL 模型性能，帮助团队更直观地理解模型。
• • 「老虎机」式重构：面对那些用编辑器宏太复杂、又不足以投入大量开发精力去解决的重构任务，他们发明了「老虎机」策略：先提交当前状态，然后放手让 Claude 自主工作 30 分钟。如果结果令人满意，就接受；如果不满意，就直接回滚重来。他们发现，重来的成功率往往比试图修正 Claude 的错误更高。
• • 从一次性脚本到永久性工具：他们彻底告别了过去编写用完即弃的 Jupyter Notebook 的习惯，转而让 Claude 构建可复用的 React 仪表盘。这对于理解模型在训练和评估中的表现至关重要。
• • 零依赖任务委托：当任务处于完全不熟悉的 codebase 或语言中时，他们将整个实现过程委托给 Claude，利用其从整个代码库中获取上下文并执行任务的能力。

团队影响 ✨

• • 时间节省 2-4 倍：过去手动处理的繁琐重构任务，现在能更快完成。
• • 在陌生语言中构建复杂应用：在几乎没有 JS/TS 经验的情况下，创建了 5000 行的 TypeScript 应用。
• • 工具范式转变：从一次性笔记本转向可复用的 React 仪表盘进行模型分析。
• • 驱动模型改进：第一手使用 Claude Code 的经验，为未来模型的内存系统和用户体验改进提供了直接的洞察。

独家秘诀 💡

技巧 像玩老虎机一样使用它：在让 Claude 工作前保存好你的状态，给它 30 分钟时间。要么接受结果，要么重新开始，而不是试图与它的错误作斗争。 适时打断，追求简洁：在监督过程中，不要犹豫，随时可以打断 Claude 并提问：「你为什么要这样做？试试更简单的方法。」模型有时倾向于复杂的解决方案，但很乐意接受简化请求。

6. 😊 产品工程团队：告别上下文切换地狱，开发幸福感飙升

这个团队负责为 Claude 添加 PDF 支持、网络搜索等功能，经常需要接触不熟悉的代码库。

用法用例 🤯

• • 工作流的第一站：任何任务开始前，第一件事就是问 Claude：「要修复这个 Bug/开发这个功能，我应该看哪些文件？」这彻底取代了过去手动在代码库中摸索、收集上下文的痛苦过程。
• • 自信地跨领域 Debug：现在他们敢于独立处理陌生代码库中的 Bug，而不是去求助其他同事。他们可以自信地对 Claude 说：「你觉得你能修复这个 Bug 吗？我看到的现象是这样的」，并经常能立即取得进展。
• • 通过 Dogfooding 测试模型迭代：Claude Code 会自动使用最新的研究模型快照，这使其成为团队体验模型变化的主要方式，从而在开发周期中获得最直接的反馈。
• • 消除上下文切换的开销：不再需要一边向 Claude.ai 解释问题，一边手动复制粘贴代码片段和拖拽文件。所有提问都可以直接在 Claude Code 中进行，极大地减少了心智负担。

团队影响 ✨

• • 提升在陌生领域的自信心：团队成员可以独立地在不熟悉的 codebase 中调试 Bug 和调查事件。
• • 显著节省上下文收集时间：消除了复制粘贴代码和文件的开销，减轻了心智切换的负担。
• • 加速轮岗员工的上手速度：轮岗到新团队的工程师可以快速导航不熟悉的代码库并做出贡献。
• • 提升开发者幸福感：团队报告称，日常工作流程中的摩擦减少，他们感到更快乐、更高效。

独家秘诀 💡

技巧 把它当作迭代伙伴，而非一次性工具：不要期望 Claude 一次性解决所有问题。把它看作一个与你一起迭代的合作者，效果远好于追求一蹴而就的完美方案。 用它建立在陌生领域的信心：不要害怕处理你专业领域之外的 Bug 或事件。Claude Code 让你有可能在那些通常需要大量背景知识积累的领域独立工作。 从最少的信息开始：从你需要的最低限度的信息开始，让 Claude 引导你完成整个过程，而不是在一开始就提供冗长的解释。

7. 📈 增长营销团队：1人干翻1个团队，广告创意产出x10

作为非技术背景的团队，负责人用 Claude Code 实现了传统上需要整个工程团队才能完成的任务。

用法用例 🤯

• • 自动化广告创意生成：构建了一个 Agentic 工作流，能自动处理包含数百个广告及其效果数据的 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的新版本。过去需要 2 小时的手动工作，现在 15 分钟搞定。
• • Figma 插件实现 10 倍创意输出：开发了一个 Figma 插件，可以识别设计稿中的图层，并通过程序化地替换标题和描述，批量生成多达 100 个广告素材变体。将数小时的复制粘贴工作缩短到半秒，实现了 10 倍 的创意产出。
• • 自建广告分析服务器：创建了一个与 Meta Ads API 集成的 MCP 服务器，可以直接在 Claude 桌面应用内查询广告活动表现、花费和效果，无需在多个平台之间切换。
• • 用记忆系统进行高级提示工程：实现了一个初步的记忆系统，可以记录广告迭代中的假设和实验结果。在生成新版本时，系统可以调取之前的测试结果作为上下文，形成一个自我改进的测试框架。

团队影响 ✨

• • 重复性任务时间大幅节省：广告文案创作时间从 2 小时缩短到 15 分钟，让团队能专注于更高阶的策略工作。
• • 创意产出提升 10 倍：通过自动化生成和 Figma 集成，团队可以测试的广告变体数量远超以往。
• • 以小团队实现大运作：能够处理传统上需要专门工程资源的大型开发任务。
• • 从执行者到战略家：团队可以将更多时间用于整体战略和构建自动化系统，而不是手动执行。

独家秘诀 💡

技巧 寻找有 API 的重复性任务：关注那些涉及重复性操作且相关工具有 API 的工作流（如广告平台、设计工具）。这些是自动化的最佳候选。 将复杂工作流分解为专业子智能体：不要试图用一个提示处理所有事情。为特定任务创建独立的智能体（如标题智能体 vs. 描述智能体），这使得调试更容易，输出质量也更高。 编程前先用 Claude.ai 充分规划：先用对话式的 Claude.ai 充分思考整个工作流程，然后让它为你创建一个全面的提示词和代码结构，供 Claude Code 参考。

8. 🎨 产品设计团队：设计师正在改状态管理！Figma 截图直接变代码

设计师通常离代码很远，但 Claude Code 正在彻底弥合这一鸿沟。

用法用例 🤯

• • 直接上手修改前端和状态管理：对于字体、颜色、间距等视觉微调，设计师不再需要反复和工程师沟通。他们直接使用 Claude Code 提交代码修改。有工程师惊讶地发现，设计师正在进行通常不会看到设计师做的大型状态管理更改，从而能够精确实现他们的设计愿景。
• • 截图秒变交互原型：将 Figma 模拟图直接 Command+V 粘贴到 Claude Code 中，就能生成功能完备的交互式原型，彻底改变了过去静态设计稿需要大量解释才能转化为工作代码的低效循环。
• • GitHub Actions 自动化处理小任务：通过 GitHub 集成，设计师只需提交一个描述所需更改的 issue，Claude 就会自动提出代码解决方案，无需打开 Claude Code，无缝处理积压的各种优化任务。
• • 在设计阶段发现边缘案例：利用 Claude Code 绘制出错误状态、逻辑流和不同的系统状态，使得设计师能够在设计阶段就识别出边缘案例，而不是在开发后期才发现。
• • 复杂的文案修改与法律合规：例如，当需要全局移除产品中的“研究预览”等信息时，团队使用 Claude Code 查找所有相关实例，审查上下文，与法务团队实时协调，并最终实现更新。整个过程仅通过两次 30 分钟的会议就完成了，而非过去需要一周的反复沟通。

团队影响 ✨

• • 核心工作流被重塑：Figma 和 Claude Code 成为了设计师 80% 时间都在使用的主要工具。
• • 执行速度提升 2-3 倍：过去需要与工程师大量来回沟通的视觉和状态管理更改，现在由设计师直接实现。
• • 项目周期从周缩短到小时：一个复杂的项目，如全站更新，过去需要一周的协调，现在两次 30 分钟的会议就完成了。
• • 改善设计与工程的协作：设计师能更好地理解系统约束和可能性，沟通更顺畅，问题解决更快。

独家秘诀 💡

技巧 让工程师帮你完成初始设置：对于非开发者来说，技术入门可能具有挑战性。让工程团队的同事帮助完成初始的代码库设置和权限配置，一旦完成，它将改变你的日常工作。 使用自定义记忆文件指导 Claude：创建一个特定的指令文件，告诉 Claude 你是一个编程经验很少的设计师，需要详细的解释和更小、更增量的代码更改。这会极大地提高 Claude 回应的质量。 善用图片粘贴功能进行原型设计：用 Command+V 将截图直接粘贴到 Claude Code 中。它非常擅长读取设计稿并生成功能代码，是将静态模型转化为工程师可以立即理解和迭代的交互式原型的无价之宝。

9. 🔬 强化学习工程团队：拥抱不确定性，三分之一的成功率也血赚

这个团队用 Claude Code 开发中小型功能和调试，他们的工作方式非常务实，充满了实验精神。

用法用例 🤯

• • 有监督的自主功能开发：团队让 Claude Code 在监督下编写大部分中小型功能的代码，例如为权重传输组件实现认证机制。他们以交互方式工作，让 Claude 主导，但在其偏离轨道时进行引导。
• • 调试与错误调查：他们用 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，有时则难以理解问题。但总的来说，在能起作用的时候价值巨大。
• • 代码库理解与调用栈分析：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栈的摘要，取代了手动阅读代码或生成大量调试输出。
• • Kubernetes 操作顾问：他们经常向 Claude Code 询问 Kubernetes 操作问题，避免了大量 Google 搜索或打扰基础设施工程师。

团队影响 ✨

• • 开启了实验性的工作方法：他们现在采用一种「尝试并回滚」的方法，频繁提交 checkpoints，这样就可以大胆地测试 Claude 的自主实现，并在需要时轻松还原。
• • 文档编写加速：Claude Code 能自动添加有用的注释，节省了大量的文档时间。
• • 有限的加速效果：虽然 Claude 能用「相对较少的时间」完成中小型 PR，但他们承认，一次性成功的几率大约只有三分之一，通常需要额外的指导或手动干预。

独家秘诀 💡

技巧 定制你的 Claude.md 文件：在 Claude.md 中添加指令，以防止 Claude 重复犯错。例如告诉它「运行 pytest 而不是 run，不要不必要地 cd——直接使用正确的路径」。这显著提高了一致性。 采用频繁保存 Checkpoint 的工作流：在 Claude 进行更改时，定期提交你的工作，这样当实验不成功时，你可以轻松回滚。 先「一键梭哈」，再「结对编程」：先给 Claude 一个快速的提示，让它尝试一次性完成。如果成功了（大约三分之一的几率），你就节省了大量时间。如果不行，再切换到更具指导性的协作模式。

10. ❤️‍🩹 法务团队：自动化工作流

法务团队不仅用 Claude Code 探索工作流自动化，甚至解决了个人的实际问题，展示了技术普及化的终极潜力。

用法用例 🤯

• • 一小时开发无障碍应用：一位团队成员的家人因病有语言障碍。在完全没有编程背景的情况下，他仅用一小时就用 Claude Code 创建了一个预测性文本应用。该应用使用原生语音转文本，能推荐并朗读回应，弥补了专业言语治疗师推荐的现有工具的不足。
• • 法律部门工作流原型：他们创建了「电话树」原型系统，帮助公司员工快速找到合适的律师；还构建了 G Suite 应用，自动化团队周报和法律审查状态跟踪。
• • 快速原型验证方案：他们使用 Claude Code 快速构建功能原型，向领域专家（如向 UCSF 的专家展示无障碍工具）展示，以验证想法并识别现有解决方案，避免投入更多时间。

团队影响 ✨

• • 原型驱动的创新文化：他们克服了分享「玩具级」或未完成原型的恐惧，因为这些演示能激发其他部门的同事看到他们从未想过的可能性。
• • 提升安全与合规意识：作为产品律师，他们能通过使用 Claude Code 立即识别出深度 MCP 集成可能带来的安全影响，从而在创新和风险管理之间找到平衡。
• • 技术普及化的最佳范例：证明了即使是技术背景最少的团队，也能利用强大的 AI 工具解决真实、有意义的问题。

独家秘诀 💡

技巧 先在 Claude.ai 中充分规划：在转向 Claude Code 之前，先使用 Claude 的对话界面来充实你的整个想法。然后让 Claude 将所有内容总结成一个分步的实现提示。 增量和可视化工作：要求 Claude Code 慢下来，一次实现一个步骤，这样你就可以在不感到不知所措的情况下复制粘贴。大量使用截图来展示你想要的界面外观。 分享不完美的早期原型：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，并在通常不怎么互动的部门之间激发创新。

11. 🤖 不止于代码：把 Claude Code 打造成你的「个人操作系统」

前面我们看到了 Claude Code 在团队协作中的强大威力，但它的潜力远不止于此。

Anthropic 的一位技术员工 Thariq，向我们展示了如何将 Claude Code 彻底改造为一个高度个性化的个人操作系统，其核心理念是：Claude Code 中，一切皆文件。

用法用例 🤯

• • 本地文件系统作为大脑：Thariq 直接在 Mac 的用户根目录 (~) 运行 Claude Code，赋予它访问整个个人文件系统的能力。他通过一个核心的 Claude.md 文件，告诉 Claude 如何访问和理解他电脑里的重要目录，如 journals (日志), todos (待办), ideas (想法), 甚至还有一个 memes (表情包) 文件夹。

• • 自定义命令管理日常：他创建了两个简单的自定义命令：
  • • /journal：自动为当天创建一个新的日记条目。
  • • /todos：快速创建新的待办事项或将已完成的标记掉。
  • • 最妙的是，当他添加一个待办事项时，Claude 会自动搜索他的代码、项目等文件夹以获取更多上下文，让待办事项的记录变得异常智能。
• • 自制 HTML 小工具 (本地 Meme 生成器)：Thariq 让 Claude Code 创建了一个简单的 HTML 文件作为「小应用」，这个应用可以读取他本地 memes 文件夹里的图片，变成一个专属的表情包生成器。这充分证明了 Claude 编程与日常任务界限的能力。
• • 联动本地应用 (Apple Notes & iMessage)：通过让 Claude 编写一些快速脚本，Thariq 成功打通了它与本地 Apple Notes 和 iMessage 的连接，可以直接在 Claude Code 内部查询笔记、收发信息，把它变成了一个真正的桌面控制中心。
• • MCP 连接云端服务：对于本地无法访问的应用，如 Notion, Google Docs, Slack 等，他通过 MCP (可管理计算平台) 进行连接，让 Claude 能够获取云端上下文，例如，直接从 Slack 抓取当天的待办事项。

个人影响 ✨

• • 统一的工作入口：无论是写代码、记日记、管理待办还是做图娱乐，所有工作都可以在 Claude Code 这一个入口完成。
• • 无缝的上下文感知：所有任务都与本地文件和项目深度关联，实现了真正意义上的情境感知工作流。
• • 高度个性化的工作系统：整个系统完全根据他个人的习惯和需求量身打造，而非去适应僵化的软件。
• • 激发创造性玩法：将一个编程工具用来做表情包，这种不务正业的用法，恰恰是其作为通用智能体潜力的最佳证明。

独家秘诀 💡

技巧 核心理念：一切皆文件：将你的工作和生活用文件的形式组织好，并给它们起好名字。Claude Code 就像你一样，懂得如何通过文件名和目录结构来搜索和理解你的电脑。 从根目录 (~) 启动：探索赋予 Claude 最大本地上下文权限、释放其全部潜能（！注意风险）。 从自定义命令开始：不要想得太复杂，先从自动化一两个你最频繁的日常小任务开始，比如用 /journal 写日记。 分享获取配置：Thariq 公开分享了他的配置文件。在社区里寻找并借鉴他人的 Claude.md 和自定义命令脚本，是快速上手的捷径。

💎 结语：AI 原生工作方式的黎明

纵观 Anthropic 十大团队的实践，一个清晰的图景浮现出来：

Claude Code 已经远不止是一个「代码生成器」。它是一个工作流重塑器、知识鸿沟的桥梁、以及生产力的倍增器。

• • 对于开发者，它是一个不知疲倦、拥有超强记忆力的结对编程伙伴，能将他们从繁琐、重复的任务中解放出来，专注于更具创造性的核心逻辑。
• • 对于非技术人员，它是一把开启新世界大门的钥匙，将想法快速转化为现实的能力，第一次如此普及。设计师、营销人员、法务专家…… 每个人都有可能成为自己需求的「开发者」。

这种人与 AI 深度协作的「AI 原生」工作方式，正在模糊传统的岗位界限，重构团队协作的模式，并最终带来难以估量的效率提升和创新活力。

Anthropic 的内部实践，为所有希望拥抱 AI 的组织提供了一份极具价值的参考蓝图。变革的齿轮已经开始转动，而这，仅仅是个开始。

准备好迎接你的 AI 编程伙伴了吗？

参考来源

• • https://www.anthropic.com/news/how-anthropic-teams-use-claude-code
• • https://x.com/trq212/status/1944877527044120655