Anthropic 内部团队如何使用 Claude Code

lengleng

2026-01-02 (Updated: 2026-01-03)

Claude Code

Anthropic 内部团队正在通过 Claude Code 改变工作流程，帮助开发人员和非技术人员处理复杂项目、自动化任务，并弥补以往限制生产力的技能差距。

通过对内部 Claude Code 资深用户的采访，我们收集了不同部门如何使用 Claude Code、它对工作的影响以及给其他考虑采用该工具的组织的建议。

数据基础设施团队

数据基础设施团队负责为公司各团队组织所有业务数据。他们使用 Claude Code 来自动化日常数据工程任务、排查复杂的基础设施问题，并为技术和非技术团队成员创建文档化的工作流程，使他们能够独立访问和操作数据。

主要使用场景

通过截图调试 Kubernetes

当 Kubernetes 集群宕机且无法调度新 Pod 时，团队使用 Claude Code 诊断问题。他们将仪表板截图输入 Claude Code，Claude Code 逐步引导他们浏览 Google Cloud 的 UI 菜单，直到找到一个警告，指出 Pod IP 地址耗尽。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，无需联系网络专家。

为财务团队创建纯文本工作流

团队向财务团队成员展示如何编写描述其数据工作流的纯文本文件，然后将其加载到 Claude Code 中以实现完全自动化执行。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”等步骤，Claude Code 将执行整个工作流，包括询问所需的输入（如日期）。

新员工代码库导航

当新数据科学家加入团队时，他们被引导使用 Claude Code 来浏览大型代码库。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，并帮助新人了解哪些上游数据源输入到仪表板。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

团队在每个任务结束时要求 Claude Code 总结已完成的工作并提出改进建议。这创建了一个持续改进循环，Claude Code 帮助根据实际使用情况改进 Claude.md 文档和工作流说明，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，他们在不同仓库中为不同项目打开多个 Claude Code 实例。每个实例维护完整的上下文，因此当他们在数小时或数天后切换回来时，Claude Code 会准确记住他们正在做什么以及停在哪里，实现真正的并行工作流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：使用 Claude Code 诊断问题并提供确切修复方案，解决了通常需要系统或网络团队成员介入的 Kubernetes 集群问题
加速入职：新数据分析师和团队成员可以快速了解复杂系统并有效贡献，无需大量指导
增强支持工作流：可以处理更大的数据量并识别异常（如监控 200 个仪表板），这对人工手动审查来说是不可能的
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

最佳实践

编写详细的 Claude.md 文件：你在 Claude.md 文件中记录工作流、工具和期望越详细，Claude Code 的表现就越好。当你有现有模式时，这使 Claude Code 在设置新数据管道等常规任务上表现出色。
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，以更好地控制 Claude Code 可以访问的内容的安全性，特别是处理需要日志记录或存在潜在隐私问题的敏感数据。
分享团队使用经验：团队举行会议，成员互相演示他们的 Claude Code 工作流。这有助于传播最佳实践，并展示他们可能没有自己发现的不同使用方式。

产品开发团队

Claude Code 团队使用自己的产品来构建 Claude Code 的更新，扩展产品的企业功能和代理循环功能。

主要使用场景

使用自动接受模式快速原型设计

工程师使用 Claude Code 进行快速原型设计，启用”自动接受模式”（shift+tab）并设置自主循环，让 Claude 编写代码、运行测试并持续迭代。他们给 Claude 一些他们不熟悉的抽象问题，让它自主工作，然后在最终完善之前审查 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回滚任何错误的更改。

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，提供带有具体实现说明的详细提示。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。他们让 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

他们使用 Claude Code 在实现功能后编写全面的测试，并处理 PR 审查中发现的简单错误修复。他们还利用 GitHub Actions 集成让 Claude 自动处理 PR 评论，如格式问题或函数重命名。

代码库探索

当处理不熟悉的代码库（如 monorepo 或 API 端）时，团队使用 Claude Code 快速了解系统如何工作。他们不再等待 Slack 回复，而是直接向 Claude 询问解释和代码引用，大大节省了上下文切换的时间。

团队影响

更快的功能实现：成功实现了 Vim 模式等复杂功能，其中 70% 的代码由 Claude 自主编写
提高开发速度：可以快速原型设计功能并迭代想法，而不会陷入实现细节
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，无需等待同事回复

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 来验证自己的工作。这允许 Claude 更长时间地自主工作并发现自己的错误，当你让 Claude 在编写代码之前生成测试时特别有效。
培养任务分类直觉：学会区分适合异步处理的任务（外围功能、原型设计）和需要同步监督的任务（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，在请求中要非常具体。你的提示越好、越详细，你就越能信任 Claude 独立工作，而不会对代码库的错误部分进行意外更改。

安全工程团队

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 来编写和调试代码。

主要使用场景

复杂基础设施调试

在处理事件时，他们将堆栈跟踪和文档输入 Claude Code，要求它追踪代码库中的控制流。这显著缩短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 分钟手动代码扫描才能发现的问题。

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，询问”这将做什么？我会后悔吗？”这创建了更紧密的反馈循环，使安全团队更容易快速审查和批准基础设施更改，减少开发过程中的瓶颈。

文档综合和运行手册

他们让 Claude Code 摄取多个文档来源并创建 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

与之前的”设计文档 → 粗糙代码 → 重构 → 放弃测试”模式不同，他们现在要求 Claude Code 提供伪代码，引导它进行测试驱动开发，并在卡住时定期检查以引导它，从而产生更可靠和可测试的代码。

上下文切换和项目入职

当贡献到现有项目（如用于安全批准工作流的 Web 应用程序”dependant”）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，使他们能够在几天内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只需要约 5 分钟
改进安全审查周期：Terraform 代码的安全批准审查速度更快，消除了开发人员等待安全团队批准时的阻塞
增强跨职能贡献：团队成员可以在几天内而不是几周的上下文构建后有意义地贡献到项目
更好的文档工作流：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流程

最佳实践

广泛使用自定义斜杠命令：安全工程使用了整个 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工作流并加快了重复任务的速度。
让 Claude 先说：他们现在不是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”并让它自主工作，定期检查，从而得到更全面的解决方案。
利用它进行文档编写：除了编码之外，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，避免界面切换疲劳。

推理团队

推理团队管理内存系统，该系统在 Claude 读取你的提示并生成响应时存储信息。团队成员，特别是那些机器学习新手，可以广泛使用 Claude Code 来弥补知识差距并加速工作。

主要使用场景

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 来快速了解架构。他们不再手动搜索 GitHub 仓库，而是询问 Claude 找到哪些文件调用特定功能，在几秒钟内获得结果，而不是询问同事或手动搜索。

带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精力的工作，就像一个可以审查的编码助手。

机器学习概念解释

没有机器学习背景的团队成员依赖 Claude 来解释模型特定的函数和设置。原本需要一个小时的 Google 搜索和阅读文档现在只需 10-20 分钟，研究时间减少了 80%。

跨语言代码翻译

当在不同编程语言中测试功能时，他们解释想要测试什么，Claude 用所需的语言（如 Rust）编写逻辑，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，而是询问 Claude 正确的语法，如”如何获取所有 pod 或部署状态”，并获得基础设施工作所需的确切命令。

团队影响

加速 ML 概念学习：研究时间减少 80% - 原本需要一小时 Google 搜索的现在只需 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了解系统架构，而不是询问同事
全面的测试覆盖：Claude 自动生成带边缘情况的单元测试，在保持代码质量的同时减轻精神负担
消除语言障碍：可以在不熟悉的语言（如 Rust）中实现功能而无需学习它

最佳实践

首先测试知识库功能：尝试提出各种问题，看看 Claude 能否比 Google 搜索更快地回答。如果它更快更准确，它就是你工作流程中宝贵的省时工具。
从代码生成开始：给 Claude 具体的指令并要求它编写逻辑，然后验证正确性。这有助于在将其用于更复杂的任务之前建立对工具能力的信任。
用它来编写测试：让 Claude 编写单元测试可以显著减轻日常开发工作的压力。利用此功能来保持代码质量，而无需花时间手动思考所有测试用例。

数据科学和可视化团队

数据科学和 ML 工程团队需要复杂的可视化工具来了解模型性能，但构建这些工具通常需要不熟悉的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。

主要使用场景

构建 JavaScript/TypeScript 仪表板应用

尽管”几乎不懂 JavaScript 和 TypeScript”，团队使用 Claude Code 构建完整的 React 应用程序来可视化 RL 模型性能和训练数据。他们让 Claude 完全控制从头编写整个应用程序，如 5000 行 TypeScript 应用，而无需自己理解代码。这很关键，因为可视化应用相对上下文较少，不需要理解整个 monorepo，允许快速原型设计工具来了解训练和评估期间的模型性能。

处理重复的重构任务

当面临合并冲突或半复杂的文件重构时（太复杂而无法用编辑器宏处理，但又不够大到需要重大开发工作），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，然后要么接受解决方案，要么如果不行就重新开始。

创建持久分析工具而非一次性笔记本

团队现在不再构建被丢弃的一次性 Jupyter 笔记本，而是让 Claude 构建可以在未来模型评估中重复使用的永久 React 仪表板。这很重要，因为了解 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，简单的工具无法从单个数字的上升中获得太多信号”。

零依赖任务委托

对于完全不熟悉的代码库或语言中的任务，他们将整个实现委托给 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编码过程。这允许在其专业领域之外提高生产力，而不是花时间学习新技术。

团队影响

实现 2-4 倍时间节省：手动完成虽然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：尽管 JavaScript/TypeScript 经验很少，但创建了 5000 行 TypeScript 应用程序
从一次性工具转向持久工具：不再是一次性的 Jupyter 笔记本，而是构建可重用的 React 仪表板进行模型分析
直接的模型改进洞察：第一手 Claude Code 体验为未来模型迭代的更好内存系统和用户体验改进提供了参考
支持可视化驱动的决策：通过先进的数据可视化工具更好地了解 Claude 在训练和评估期间的性能

最佳实践

把它当作老虎机：在让 Claude 工作之前保存你的状态，让它运行 30 分钟，然后要么接受结果，要么重新开始，而不是试图纠正错误。重新开始通常比尝试修复 Claude 的错误成功率更高。
需要时中断以简化：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，但对简化请求反应良好。

API 团队

API 知识团队致力于 PDF 支持、引用和网络搜索等功能，将额外的知识带入 Claude 的上下文窗口。在大型复杂代码库中工作意味着不断遇到不熟悉的代码部分，花费大量时间了解任何给定任务需要检查哪些文件，以及在进行更改之前构建上下文。Claude Code 通过充当可以帮助他们了解系统架构、识别相关文件和解释复杂交互的向导来改善这种体验。

主要使用场景

第一步工作流规划

团队将 Claude Code 用作任何任务的”第一站”，询问它识别错误修复、功能开发或分析需要检查哪些文件。这取代了手动浏览代码库和在开始工作之前收集上下文的传统耗时过程。

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，而不是寻求他人帮助。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”，通常会立即取得进展，考虑到之前所需的时间投入，这是不可行的。

通过自用测试模型迭代

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。这为他们提供了开发周期中模型行为变化的直接反馈，这是他们在之前的发布中没有经历过的。

消除上下文切换开销

他们不再复制代码片段并将文件拖入 Claude.ai 同时进行大量解释，而是可以直接在 Claude Code 中提问而无需额外的上下文收集，显著减少了心理开销。

团队影响

增强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：消除了复制代码片段和将文件拖入 Claude.ai 的开销，减少了心理上下文切换负担
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有意义地贡献，无需广泛咨询同事
增强开发者幸福感：团队报告说，日常工作流程中的摩擦减少，感觉更快乐、更有效率

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，而是将其作为你迭代合作的协作者。这比试图在第一次尝试时获得完美解决方案效果更好。
用它来建立对不熟悉领域的信心：不要犹豫处理你专业领域之外的错误或调查事件 - Claude Code 使你可以在通常需要大量上下文构建的领域独立工作。
从最少信息开始：从你需要的最低限度开始，让 Claude 引导你完成整个过程，而不是预先加载大量解释。

增长营销团队

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 方面建立效果营销渠道。作为一个人的非技术团队，他们使用 Claude Code 来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。

主要使用场景

自动化 Google Ads 创意生成

团队构建了一个代理工作流，处理包含数百个现有广告及其性能指标的 CSV 文件，识别需要迭代的表现不佳的广告，并生成满足严格字符限制（标题 30 个字符，描述 90 个字符）的新变体。使用两个专门的子代理（一个用于标题，一个用于描述），系统可以在几分钟内生成数百个新广告，而不是需要在多个广告活动中手动创建。这使他们能够大规模测试和迭代，这在以前需要花费大量时间才能实现。

用于批量创意生产的 Figma 插件

他们不再手动复制和编辑付费社交广告的静态图像，而是开发了一个 Figma 插件，可以识别框架并通过交换标题和描述以编程方式生成多达 100 个广告变体，将原本需要数小时复制粘贴的工作减少到每批半秒钟。这实现了 10 倍的创意输出，允许团队在关键社交渠道上测试更多的创意变体。

用于广告活动分析的 Meta Ads MCP 服务器

他们创建了与 Meta Ads API 集成的 MCP 服务器，可以直接在 Claude Desktop 应用中查询广告活动性能、支出数据和广告效果，无需在平台之间切换进行性能分析，节省了关键时间，每一次效率提升都转化为更好的 ROI。

带记忆系统的高级提示工程

他们实现了一个基本的记忆系统，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之前的测试结果拉入上下文，创建一个自我改进的测试框架。这实现了手动无法跟踪的系统化实验。

团队影响

重复任务的显著时间节省：广告文案创建从 2 小时减少到 15 分钟，腾出时间进行战略工作
创意产出增加 10 倍：团队现在可以通过自动生成和 Figma 集成在各渠道测试更多广告变体
像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
战略重心转移：团队可以花更多时间在整体战略和构建代理自动化上，而不是手动执行

最佳实践

识别支持 API 的重复任务：寻找涉及具有 API 的工具（如广告平台、设计工具、分析平台）重复操作的工作流。这些是自动化的主要候选者，也是 Claude Code 提供最大价值的地方。
将复杂工作流分解为专门的子代理：不要试图在一个提示或工作流中处理所有事情，为特定任务创建单独的代理（如他们的标题代理与描述代理）。这使调试更容易，并在处理复杂需求时提高输出质量。
在编码前彻底头脑风暴和规划提示：在前期花大量时间使用 Claude.ai 思考你的整个工作流，然后让 Claude.ai 为 Claude Code 创建一个全面的提示和代码结构作为参考。此外，逐步工作而不是要求一次性解决方案，以避免 Claude 被复杂任务压垮。

产品设计团队

产品设计团队支持 Claude Code、Claude.ai 和 Anthropic API，专门构建 AI 产品。即使是非开发人员也可以使用 Claude Code 来弥合设计与工程之间的传统差距，实现其设计愿景的直接实现，无需与工程师进行大量来回沟通。

主要使用场景

前端润色和状态管理更改

他们不再为视觉调整（字体、颜色、间距）创建大量设计文档并与工程师进行多轮反馈，而是直接使用 Claude Code 实现这些更改。工程师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”，使他们能够实现他们设想的确切质量。

GitHub Actions 自动化工单

使用 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 自动提出代码解决方案而无需打开 Claude Code，为他们持续的润色任务积压创建无缝的错误修复和功能改进工作流。

快速交互原型制作

通过将模型图像粘贴到 Claude Code 中，他们生成工程师可以立即理解和迭代的完全功能原型，取代了需要大量解释和转换为工作代码的传统静态 Figma 设计周期。

边缘情况发现和系统架构理解

他们使用 Claude Code 来映射错误状态、逻辑流程和不同的系统状态，允许他们在设计期间而不是在开发后期发现边缘情况，从根本上提高了初始设计的质量。

复杂文案更改和法律合规

对于在整个代码库中删除”研究预览”消息等任务，他们使用 Claude Code 找到所有实例，审查周围的文案，实时与法务协调更改并实施更新 - 这个过程只需两次 30 分钟的电话，而不是一周的来回协调。

团队影响

转变核心工作流：Claude Code 成为主要设计工具，Figma 和 Claude Code 80% 的时间都打开着
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直接实现
周期时间从几周缩短到几小时：像 GA 发布消息这样需要一周协调的复杂项目现在只需两次 30 分钟的电话即可完成
两种截然不同的用户体验：开发人员获得”增强工作流”（更快执行），而非技术用户获得”天哪，我是开发人员工作流”（以前不可能的全新能力）
改善设计-工程协作：因为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

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仓库设置和权限 - 技术入职对非开发人员来说具有挑战性，但一旦配置好，它就会改变日常工作流程。
使用自定义记忆文件来指导 Claude 的行为：创建具体说明，告诉 Claude 你是一个编码经验很少的设计师，需要详细解释和更小的增量更改，这会显著提高 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制作：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，对于将静态模型转换为工程师可以立即理解和构建的交互原型非常宝贵。

RL 工程团队

RL 工程团队专注于 RL 中的高效采样和跨集群的权重传输。他们主要使用 Claude Code 来编写中小型功能、调试和理解复杂代码库，采用包括频繁检查点和回滚的迭代方法。

主要使用场景

带监督自主性的功能开发

团队让 Claude Code 在提供监督的同时编写中小型功能的大部分代码，例如为权重传输组件实现身份验证机制。他们交互式地工作，让 Claude 主导但在它偏离轨道时引导它。

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。这种自动化测试工作流在例行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，结果参差不齐 - 有时它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，但总体上在它工作时提供价值。

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大量调试输出生成。

Kubernetes 操作指导

他们经常向 Claude Code 询问否则需要大量 Google 搜索的 Kubernetes 操作，立即获得配置和部署问题的答案。

开发工作流影响

启用实验性方法：他们现在使用”尝试和回滚”方法，频繁提交检查点，以便测试 Claude 的自主实现尝试，如果需要就回滚，实现更多实验
文档加速：Claude Code 自动添加有用的注释，节省了大量文档时间，尽管他们注意到它有时在奇怪的地方添加注释或使用有问题的代码组织
有限制的加速：虽然 Claude Code 可以用”相对较少的时间”实现中小型 PR，但他们承认它只有大约三分之一的时间在第一次尝试时成功，需要额外的指导或手动干预

最佳实践

为特定模式自定义你的 Claude.md 文件：在 Claude.md 文件中添加说明，以防止 Claude 犯重复的工具调用错误，例如告诉它”运行 pytest 而不是 run，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：在 Claude 进行更改时定期提交你的工作，以便在实验不成功时可以轻松回滚。这实现了更实验性的开发方法而没有风险。
先尝试一次性，然后协作：给 Claude 一个快速提示，让它先尝试完整实现。如果成功（大约三分之一的时间），你节省了大量时间。如果不成功，再切换到更协作、更有指导的方法。

法务团队

法务团队通过实验发现了 Claude Code 的潜力，以及了解 Anthropic 产品的愿望。此外，一位团队成员有一个个人用例，涉及为家人创建无障碍工具和展示技术力量的工作原型，面向非开发人员。

主要使用场景

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说话困难的家庭成员构建了沟通助手。在短短一小时内，他们创建了一个使用原生语音转文本的预测文本应用程序，可以建议响应并使用语音库朗读它们，解决了语言治疗师推荐的现有无障碍工具的差距。

法务部门工作流自动化

他们创建了原型”电话树”系统，帮助团队成员联系 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，自动化每周团队更新并跟踪产品的法律审查状态，允许律师通过简单的按钮点击而不是电子表格管理来快速标记需要审查的项目。

用于解决方案验证的快速原型制作

他们使用 Claude Code 快速构建功能原型，可以向领域专家展示（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确定现有解决方案。

工作风格和影响

在 Claude.ai 中规划，在 Claude Code 中构建

他们使用两步过程，首先在 Claude.ai 中头脑风暴和规划，然后转到 Claude Code 进行实现，要求它放慢速度并逐步工作，而不是一次输出所有内容。

视觉优先方法

他们经常使用截图向 Claude Code 展示他们想要界面的样子，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”愚蠢”或”玩具”原型的恐惧，因为这些演示激励他人看到他们以前没有考虑过的可能性。

安全和合规意识

MCP 集成顾虑

作为产品律师，他们立即识别出深度 MCP 集成的安全影响，注意到保守的安全姿态将在 AI 工具访问更敏感系统时创建障碍。

合规工具优先级

他们倡导随着 AI 能力扩展快速构建合规工具，认识到创新与风险管理之间的平衡。

最佳实践

首先在 Claude.ai 中广泛规划：在转到 Claude Code 之前，使用 Claude 的对话界面充分完善你的整个想法。然后让 Claude 将所有内容总结成逐步提示以供实现。
增量和视觉化工作：要求 Claude Code 放慢速度，一次实现一个步骤，这样你可以复制粘贴而不会不知所措。大量使用截图来展示你想要界面的样子。
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 - 分享原型帮助他人看到可能性，并激发通常不互动的部门之间的创新。

总结

从 Anthropic 内部团队的实践中，我们可以看到 Claude Code 正在改变各种角色的工作方式：

对于开发者：加速代码编写、调试和测试，实现更高效的开发循环
对于非技术人员：打破技术壁垒，使他们能够独立构建工具和自动化工作流
对于跨职能协作：减少沟通开销，加速想法到实现的转化

关键成功因素包括：

编写详细的 Claude.md 文件来指导 Claude 的行为
使用检查点和回滚策略来管理风险
学会区分适合自主执行和需要监督的任务
分享最佳实践并互相学习

Claude Code 不仅仅是一个编码工具，它正在成为一个能够放大每个人能力的协作伙伴。