原文标题：everything claude has shipped in 2026 and how to actually use it
原文作者：@kloss_xyz
编译：Peggy，BlockBeats

编者按：当我们回看 Claude 在 2026 年的产品演进，会发现一个明显变化：问题不再是「它能做什么」，而是「不同的人，应该如何使用它」。

本文基于 Anthropic 自 2026 年以来的产品更新，对 Claude 的能力体系与使用方式进行了系统梳理。文章按照「不同人该用什么、在什么场景下怎么用」的逻辑进行组织。你可以将其视为一份导航：当面对具体任务时，能够快速定位到对应模块，并调用合适的能力。

对于第一次接触 Claude 的用户，首先需要理解模型与基础能力，包括上下文窗口、模型分层以及四种使用模式。这些因素共同决定了 Claude 的能力边界，也构成后续使用方式的基础。

对于知识工作者，重点在于 Cowork 所代表的任务执行体系。如何搭建工作空间、构建上下文文件、设置全局指令，以及通过 AskUserQuestion 重构交互方式，决定了你是「在使用 AI」，还是「在让 AI 工作」。

对于开发者而言，核心路径则通过 Claude Code 展开。关键不再是写代码本身，而是如何通过 CLAUDE.md、Rules、Commands、Skills 与 Agents 等机制，构建一个可复用、可协同的开发体系，使 Claude 成为软件生产流程的一部分。

在更具体的应用层面，从 Excel 与 PowerPoint 的数据分析与演示，到 API、自动化流程与可视化能力，Claude 正在逐步嵌入传统软件体系，成为底层能力的一环。

当 AI 从「对话工具」走向「工作系统」，真正的差异，也不再来自模型本身，而来自你如何使用它。

以下为原文：

Anthropic 最近的产品更新节奏已经快到离谱，甚至连很多深度用户都很难跟上。几乎每天都有新版本发布，从今年一月开始，大版本更新的频率也基本稳定在每两周一次。新模型、新工具、新集成，甚至连全新的产品类别都在不断推出。如果你稍微走神，或者休息了几周，很可能已经错过了不少关键变化。而且，Claude 确实在重塑你的工作方式——这一点毋庸置疑。

这是一份「全景指南」。截至 2026 年 3 月 23 日，Claude 上所有已经上线的重要功能，这里都会覆盖：包括每一项功能如何设置、在什么场景下使用，以及真正有效的最佳实践。掌握这些区别，就是把「觉得很酷」与「真正重构工作方式」区分开的关键差异。

你很可能会想把这篇内容收藏起来，反复查看。也可以分享给你的团队或朋友。这正是我当初入门时，希望有人已经整理好的那份参考手册。

模型与基础能力：Claude「能做什么」

Claude 4.6 系列目前分为三个模型层级。下面是每个模型的能力边界，以及适用场景：

Claude Opus 4.6 是当前的性能上限。发布于 2026 年 2 月 5 日，支持 100 万 token 上下文窗口（价格调整后文详述）。在 100 万 token 长上下文下，MRCR v2 得分为 78.3%，是当前同级模型中表现最高的。

在法律、金融和编程等任务中全面领先。Anthropic 报告其任务持续执行能力可达 14.5 小时，为前沿模型中最长。API 价格为 每百万 token 输入 $5 / 输出 $25，最大输出为 128K token。支持自适应推理，并新增「max」级别，用于释放极限能力。

注：MRCR v2 得分是模型在「超长上下文中找对信息」的能力指标。

·适用场景（Opus）：复杂大规模上下文分析、代码库重构、深度研究、高风险交付、严肃内容生产，以及一切「质量优先于成本」的任务。

·不适用场景（Opus）：任何需要高频调用的工作流。以当前价格计算，一个重度 Opus 使用场景每天可能消耗 $50–100。默认应优先使用 Sonnet，只有在 Sonnet 输出质量不足时再升级到 Opus。

Claude Sonnet 4.6 发布于 2 月 17 日，仅比 Opus 晚 12 天，是大多数用户的默认选择。同样支持 100 万 token 上下文（3 月 13 日起正式可用）。在编码、计算机操作、长上下文推理、Agent 规划、知识工作与设计等方面均有提升。早期测试中，约 70% 用户更偏好 Sonnet 4.6（相比 4.5），在 59% 的场景中甚至超过此前旗舰 Opus 4.5。
在 claude.ai 上作为 Free 与 Pro 用户的默认模型。API 价格为 $3 / $15 每百万 token，最大输出 64K token，相比 4.5 提速约 30–50%。

·适用场景（Sonnet）：日常工作、快速草稿、常规编程任务、Agent 工作流——在速度与智能之间取得平衡。在很多办公场景中，它的表现已经接近甚至超过 Opus（Anthropic 的 OfficeQA 基准测试中，部分任务甚至领先），而成本大约低 40%。

Claude Haiku 4.5 是面向高并发场景的低成本、极速模型，主要用于 API 管道或子代理（subagent）任务，例如只读处理型工作。

但有一个重要前提：Haiku 完全不具备 prompt 注入防护能力。如果你在 Agent 系统中用它处理不可信输入，必须谨慎评估风险并仔细阅读官方文档。

100 万上下文窗口：价格结构的变化

此前，超过 200K token 的请求需要支付溢价（Opus 价格可达 $10 / $37.5 每百万 token）。但从 3 月 13 日起，这一溢价已完全取消。现在，900K token 和 9K token 的单价完全相同。没有倍率、没有隐藏条件，也不再需要 beta header。

这意味着什么？大约 75 万词的上下文容量，可以一次性加载：整个代码库、完整法律合同、大规模数据集、数月文档记录，并且全部保存在同一个「工作记忆」中。

同时，多模态能力也提升，单次请求最多支持 600 张图片或 PDF 页面（此前为 100，提升 6 倍）。目前，已在 Claude Platform、Microsoft Foundry 和 Google Cloud Vertex AI 上提供。

对团队来说，这改变非常直接：过去需要分块处理（chunking）、摘要管道（summarization pipelines）、滚动窗口管理（rolling context）的内容，现在可以直接全部加载。甚至有公司反馈，将上下文从 200K 提升到 500K 后，总 token 消耗反而下降，因为模型不再反复读取与重处理历史信息。

Claude 的四种使用模式：什么时候用哪一个

Claude 提供四种模式，但大多数人只用过其中一种：

Chat
你最熟悉的浏览器 / 移动端界面。适合提问、头脑风暴、写草稿。
每次对话都是从零开始，你始终在主导过程。

Cowork
桌面端 Agent。可以直接读取和修改你的本地文件，自动执行多步骤任务，并把完成结果输出到你的文件夹。
适合「把任务交出去」，而不是来回对话。

Code
开发者模式，运行在终端中。可以访问代码库、写代码、执行命令、管理 Git。
如果你写代码，这里是杠杆最高的地方。

Projects
持久化工作空间。你只需上传一次文件和指令，每次新对话都会自动带上完整上下文。
适用于重复性工作，比如周报、newsletter、客户交付等。

一个简单判断规则：Chat 快速提问，Cowork 让 AI 替你干活，Code 适合开发任务，Projects 稳定上下文的重复工作

记忆与个性化（Memory and Personalization）

截至 2026 年 3 月 2 日，Claude 已向所有用户（包括免费用户）开放基于聊天历史的记忆功能。Claude 会从你的对话中提取相关上下文，并生成一份可跨会话使用的记忆摘要。你可以在 Settings > Capabilities 中查看、编辑或删除这些记忆。同时，也支持导入与导出完整记忆数据——无论是用于在调整前做备份，还是迁移到新账号，都会很方便。若开启隐身对话（Incognito），对应的内容则不会被写入记忆。

这里的关键操作是：现在就去 Settings > Memory 看一眼 Claude 已经「记住了什么」。把不准确或过时的信息改掉，并补充它应该了解的背景。你的记忆越准确，未来在不同会话中就越不需要反复解释自己。

需要注意的是，Cowork 模式的会话之间不会继承记忆。如果你需要持续上下文，需要通过「上下文文件」来弥补（下文 Limitations 部分会详细说明）。

如何用好 Cowork：面向知识工作者

Cowork 可以说彻底改变了游戏规则。它于 1 月 12 日在 macOS 上以研究预览形式推出（面向 Claude Max 用户），随后在 1 月 16 日扩展至 Pro 用户，1 月 23 日扩展至 Team 和 Enterprise，之后也上线了 Windows 版本。市场的反应也非常直接——投资者迅速意识到这意味着什么，SaaS 公司市值在短短几天内蒸发了数千亿美元，华尔街看懂了这条路径。

但关键在于：不要再把它当成一个聊天界面。

Cowork 的本质是任务委托。
你只需要描述「完成的结果是什么样」，Claude 会自动制定计划、拆解子任务，在你的真实电脑环境中自主执行，并把最终完成的文件交付到你的文件夹里。你可以直接离开，回来时工作已经完成。

Anthropic 在大约 10 天内，仅使用 Claude Code 就构建出了 Cowork。

环境搭建四步法：从零配置你的 Cowork 工作流

那些用不好 Cowork 的人，往往还在沿用旧习惯：为每个任务写一大段冗长、细致的提示词，结果却不稳定。

而真正用明白的人，做的是另一件事： 花一个下午，把「上下文环境」搭好（包括上下文文件、全局指令、文件夹结构），然后只用 10 个词的提示，就能产出可直接交付给客户的结果。

这背后的逻辑是：

ChatGPT 训练你写更好的提示词

Cowork 奖励你构建更好的「文件系统」

前者是一种会随着模型进化而贬值的技能，后者则是会不断复利的能力。

Step 1：搭建你的工作空间文件夹

在电脑上创建一个专门用于 Cowork 的文件夹。

不要直接把它指向整个 Documents（文档）目录。如果出了问题（确实有可能发生），你需要把影响范围控制在最小。因为，Cowork 对你授权的文件夹拥有真实的读写权限。

这样做既能保持结构清晰，也能限制 Claude 能访问的范围。几乎所有资深用户的实践最终都会收敛到类似的基础结构。文件夹叫什么并不重要，关键在于一定要做好分层与隔离。

Step 2：构建你的上下文文件体系

这是解决「AI 输出同质化」的关键一步。在你的 CONTEXT 文件夹中，建立三个 Markdown 文件：

about-me.md
用于界定你的角色与当前工作重心。这不是简历，而是你日常真实参与的工作，你服务的对象是谁、当前优先级是什么、哪些事项最具业务价值。同时可补充一至两个代表性成果，作为能力与标准的参照。

brand-voice.md
用于固化你的表达风格。包括语气特征、常用与禁用词汇、排版偏好，以及 2–3 段真实写作样本。这是区分「通用 AI 内容」与「具备个人风格输出」的核心分水岭。

working-preferences.md
用于明确 Claude 的执行规范。例如：执行前先提出澄清问题、先输出任务拆解方案、未经确认不进行删除操作、默认输出格式、质量标准以及需要规避的行为等。

这三个文件，可以在短时间内解决「冷启动」问题：缺乏上下文时，每次任务都需从零解释；完成配置后，Claude 在每次会话开始时即具备对你风格、标准与偏好的完整认知。

一个常被忽视的关键点在于，这些上下文文件具有「复利效应」。建议按周持续迭代优化。当 Claude 的输出不符合预期时，应优先判断：这是提示词问题，还是上下文问题。在绝大多数情况下，问题源自上下文。解决路径也很直接：在对应文件中补充一条规则，即可形成长期有效的修正机制。

从实践来看，这一体系的搭建成本极低：我大约用 45 分钟完成了 context folder 的初始构建——三个 .md 文件，分别定义「我是谁」「我在做什么」以及「Claude 的执行方式」。在此基础上，下一次仅用一个 10 个词的项目简报提示，输出即在首次生成时达到预期标准。而在此之前，每一次任务都需要从头重复解释完整工作背景与要求。

用户表示「Claude Cowork 在文件处理与编辑方面同样非常实用。你只需用自然语言描述要找的文件（例如「一个有松鼠的视频」），再给出简单的操作指令，Claude 就可以调用 ffmpeg 完成处理。即使你没有任何文件编辑或格式转换的经验，也能顺利完成相关操作。」

Step 3：设置全局指令

进入 Settings > Cowork > Edit Global Instructions。

全局指令会在一切内容之前加载——先于你的文件、先于提示词，甚至在 Claude 读取你的文件夹之前就已生效。它定义的是每一次会话都会遵循的「底层行为规范」。

下面是一份可作为起点的模板：

这意味着，即便是最随意、最仓促的提示词，也能产出经过校准的结果。Claude 始终知道你是谁，始终优先读取正确的文件，始终在做出判断前先进行确认。提示词本身，只需要负责当前的具体任务。

Step 4：学会使用 AskUserQuestion

这个功能本质上改变了整个交互方式。不再是你去设计「完美提示词」，而是由 Claude 来设计「完美问题」。当你在任意提示中加入「Start by using AskUserQuestion」，Cowork 会自动生成一个交互式表单：包括多选问题、可点击选项、明确的备选路径，以及一套结构化的问题框架，帮助你在执行前厘清真正需求。

结果是你不再需要从零编写冗长、精细设计的提示词；而是让 Claude 主动判断它需要哪些信息。如果第一轮问题仍未对齐需求，你可以直接指出问题所在，它会生成新一轮问题，持续迭代。

一个几乎适用于所有场景的通用提示模板：

就这么简单。这个模板，加上你的上下文文件体系，基本可以覆盖 80% 的使用场景。工作流程始终是一致的，变化的只有上下文本身。

Cowork 核心功能

Connectors

上线时间：2 月 24 日。

Claude Cowork 已支持连接 Google Drive、Gmail、DocuSign、FactSet、Google Calendar、Slack 等多种工具，并随企业版更新一同推出。

这些并非浅层集成。Claude 可以自主完成以下操作：

·在你的 Drive 中检索与浏览文件

·提取并整合多来源数据

·基于获取的信息自动撰写邮件

·对合同进行扫描并标记潜在风险

一旦完成连接，Claude 在每一次会话中都可以直接调用这些工具的实时数据，无需复制粘贴、截图或手动下载。

设置路径：进入 Settings > Connectors，浏览目录（目前已有 50+ 集成），点击「Add」并完成授权即可。

该操作只需执行一次。连接器对所有用户免费开放（包括免费版，自 2 月 24 日起），但目前仍是 Cowork 中最被低估的功能之一。

典型用法示例：

·连接 Slack 后：「检索我过去 7 天的 Slack 消息，汇总需要跟进的事项，并按紧急程度排序。」

·连接 Google Drive 后：「找到我 Drive 中关于某个项目的最新文档，阅读后总结我需要重点关注的三件事。」

·连接 Google Calendar 后：「查看我本周的日程，识别冲突会议，并为优先级最低的一场生成改期邮件。」

Plugins 与 Marketplace

上线时间：2 月 24 日。

插件是为特定岗位预构建的功能模块，将技能、命令（slash commands）与连接器打包为「角色化工具集」。Anthropic 已推出官方插件，覆盖销售、市场、法务、金融、数据分析、产品管理、客户支持、企业搜索、工程、人力资源、运营、设计、品牌、生命科学研究等多个领域。

安装方式：左侧栏 Customize > Browse plugins，点击安装；在对话中输入「/」可查看可用命令。

推荐优先安装的插件：

·Productivity（生产力）
管理任务、日程与日常工作流。输入 /productivity:start，Claude 会自动梳理你当天安排。

·Data Analysis（数据分析）
上传 CSV 文件，输入 /data:explore，Claude 会自动分析字段、识别异常、提出分析建议，并用自然语言生成 SQL。

然后选择一个与你工作匹配的角色插件：

/marketing:draft-content：基于品牌语调生成内容

/sales:call-prep：调研客户并生成沟通要点

/legal:review：审阅合同并标记风险条款

对于团队用户：可以构建私有插件市场，在组织内部统一分发自定义插件，并通过管理员权限进行控制（适用于 Team 与 Enterprise 计划）。一次构建，可在团队内规模化部署。

此外，Anthropic 也推出了公共插件市场与 Ambassador 计划，支持社区开发插件，生态正在快速扩展。

插件还可以进一步个性化：安装后，可以直接对 Claude 说：「根据我的公司情况，帮我定制这个插件。」Claude 会询问你的工作流程、术语体系与偏好，并将这些信息作为该插件的长期上下文。

这意味着，一个通用的销售插件，可以进化为真正理解你目标客户（ICP）、定价体系与沟通风格的专属工具。

Scheduled Tasks

上线时间：2 月 25 日。

你只需一次性设置，Claude 即可按周期自动执行任务，例如：

·每日早晨邮件摘要

·每周五数据指标汇总

·定期竞争情报分析

前提是你的电脑处于开启状态，且 Claude Desktop 正在运行。

一个被多位深度用户验证的真实用例：

你在周一早上醒来时，一份已经整理好的简报就躺在那里等你阅读。配合连接器使用，定时任务真正具备了「自动运行」的能力。比如：「每周一，从 #product-feedback 频道抓取所有未读 Slack 消息，按主题分类，并在 Google Drive 中生成总结。」——定时任务自动触发，连接器拉取实时数据，Claude 完成处理，结果直接出现在你的文件夹里。

我自己每天会运行 3–4 个定时任务：早上生成一份 AI 新闻简报并保存到内容文件夹；中午抓取 X 和产品发布信息，做一轮竞品对比；下午整理 Discord 和 Telegram 的社区动态；晚上输出内容表现复盘。

每一个任务都能节省 20–30 分钟的手动操作，加起来接近每天多出两小时的有效时间，而且几乎不需要额外管理成本。

这一功能也伴随着 Claude Desktop 中新的 Customize 模块上线，将技能、插件和连接器统一整合在一个入口中。

Dispatch

上线时间：3 月 17 日。

这是一个打通手机与桌面的桥接能力，目前面向 Pro 和 Max 用户开放。通过 Claude Desktop 或 iOS / Android 客户端，你可以在任意场景下远程管理 Cowork 中的任务。

设置方式很简单：在 Claude Desktop 中进入 Cowork，点击侧边栏的 Dispatch，并开启「Keep awake」（否则电脑进入睡眠后任务会中断）。然后在手机端打开 Claude 应用，在侧边栏点击 Dispatch。

核心体验是：一个跨设备持续同步的对话线程。你在通勤路上，通过手机让 Claude 处理桌面上的任务，例如整理三份表格生成报告；等你到办公室时，结果已经完成。你甚至可以在一条 Dispatch 指令中叠加多个任务，Claude 会在你离开期间按顺序执行。

一个多数人容易忽略的细节（来自 Product Compass 指南）：Dispatch 的调度层不会读取你的 CLAUDE.md，它是基于默认假设来生成任务提示的。虽然子任务会读取，但初始指令可能已经存在偏差。

解决方法是：在 Dispatch 指令中显式加入一句：「read CLAUDE.md」。

使用限制与应对：

当前无法在移动端添加连接器
→ 需要提前在桌面端完成 Gmail、Slack、Notion 等连接，Dispatch 会自动继承

当前无法在移动端上传文件
→ 解决方案：将文件发送到邮箱，然后通过 Gmail 连接器让 Claude 读取

整体来看，Dispatch 本质上是在把「本地工作能力」延伸到任意时间与空间。它不只是远程控制，而是在重构任务执行的时间边界。

Projects

上线时间：3 月 20 日。

将相关任务组织为持久化工作空间，每个项目拥有独立的文件、链接、指令与记忆。你可以导入现有文件夹，或从零开始创建。这意味着，你可以同时管理多个项目，例如：「Q1 财务报告」与「产品发布资料」，而 Claude 会分别记住各自的上下文。

Projects 的意义在于：将 Cowork 从一次性 Agent 会话，升级为持续演进的工作空间。对于研究密集型任务尤为关键，因为你不再需要在不同对话之间反复丢失上下文、重复解释目标。

Computer Use

上线时间：3 月 23 日

目前为研究预览阶段，仅支持 macOS，面向 Pro 与 Max 用户开放，同时可在 Cowork 与 Claude Code 中使用。

Claude 现在可以直接操作你的电脑：点击、输入、导航界面、打开应用、使用浏览器、填写表单、操作任意本地工具

当存在官方连接器（例如 Slack 或 Google Calendar）时，Claude 会优先使用接口调用；当不存在连接器时，则通过「鼠标 + 键盘」的方式完成操作。

使用机制与风险提示

Claude 在执行关键操作前会请求授权。但 Anthropic 仍建议避免在该模式下处理敏感信息。

需要重点关注的风险是：基于屏幕内容的 prompt 注入。如果 Claude 打开了不可信网站，该页面内容会进入上下文窗口，从而可能影响模型行为。

建议：仅在可信应用与已知网站环境中使用。

结合 Dispatch 的意义

当 Computer Use 与 Dispatch 结合后，能力进一步扩展：你可以在手机上指令 Claude，去完成一个需要操作桌面、浏览器或尚未接入连接器的应用的任务。

本质上，这在打通一个关键能力边界：从「调用工具」，走向「直接操作系统」。

Chrome 中的 Claude

Chrome 扩展让 Claude 可以与你并行操作浏览器：读取网页、点击元素、填写表单并完成页面导航。

但真正被多数人忽略的，是以下能力：你可以通过演示一次操作流程，让 Claude 学会复现。任何一项每周重复两次以上的浏览器任务，都可以被记录为一个工作流。

与 Claude Code 的集成则进一步打通开发流程：你可以在终端编写代码，同时在浏览器中实时测试。扩展可以读取控制台报错、网络请求以及 DOM 状态，因此当你的前端出现问题时，Claude 往往在你提问之前就已经定位原因。

此外，你还可以直接在 Claude Desktop 中控制浏览器操作，无需频繁切换窗口。对于 Team 和 Enterprise 用户，管理员可以在组织层面统一管理扩展，通过白名单与黑名单控制可访问的网站。

一个典型应用场景是：将「每周查看竞品定价页面」这一流程录制为工作流。Claude 会自动访问各个网站，抓取价格信息，并整理进 Cowork 文件夹中的对比表。原本需要 45 分钟反复点击的工作，可以压缩为一次点击复用。

需要注意的是：应谨慎授权网站访问权限。网页内容是 prompt 注入的主要入口之一，应尽量限制在可信站点范围内。

使用边界

整理过去数月积累的文件：

将 Cowork 指向一个包含过去 6 个月杂乱文件的文件夹——包括收据、合同、笔记、截图等。

Claude 会逐个读取文件，完成分类、按日期重命名、建立文件结构，并生成操作日志。原本需要 2 小时的整理工作，可以压缩到 10 分钟完成。

有用户用 Cowork 对 317 个迪士尼世界的视频进行整理：Claude 从视频元数据中提取 GPS 坐标，判断每个视频对应的园区位置，并据此自动归类到不同文件夹中。

Lenny 让它遍历自己所有的播客内容（数百期），并自动提取出关键信息，比如「最重要的产品经验」和「最反直觉的洞察」。整个过程在几分钟内完成，而这种工作过去可能需要数天甚至数周。相关阅读

从原始材料生成客户交付成果：你手里有会议纪要、一份逐字稿，以及一些研究链接，现在需要整理出一份结构完整、可直接对外提交的报告。

Claude 会读取你所有的原始材料，将其整合为一份结构化报告，按照你的模板完成格式排版，并直接保存为可发送版本。原本需要 90 分钟的工作，可以压缩到 15 分钟完成。

自动化的每周研究简报：你可以设置一个用于竞争情报的定时任务。每周一早上 7 点，Cowork 会自动调研竞争对手、扫描行业出版物，并生成一份格式化的简报。你只需在方便的时候进行审阅。结合连接器，还可以从 Slack、Gmail 和 Drive 中调取实时数据。

财务建模：有创作者曾让 Cowork 构建一个社交媒体退出估值模型。Claude 会自行制定方案、自行发现公式错误并修正，最终交付一份「华尔街风格」的 Excel 文件，包含四种估值方法、共 129 个公式。综合估值区间覆盖：收入倍数、EBITDA 倍数、用户/订阅价值，以及 5 年期 DCF 模型。坦率说，这已经相当惊人。

局限性

Cowork 的消耗速度很快。

一次复杂任务，可能会消耗相当于数十次普通对话的额度。在 Pro（20 美元/月）套餐下，如果你每天使用，通常一周内就会触及限制。社区反馈显示，重度用户在 3–4 天内就会遇到速率限制，如果正处于关键任务阶段，这会非常影响体验。

多步骤任务（如文件读取、文档生成、并行子任务）本质上计算密集。如果 Cowork 成为你的主要工作流，Max（100 美元/月，对应约 5 倍额度；或 200 美元/月，对应约 20 倍额度）更具可行性。建议通过 Settings > Usage 实时监控使用情况，避免任务中途被中断。

长会话中的上下文压缩问题也不可忽视。当会话接近上下文上限时，Claude 会自动对早期内容进行摘要压缩，以释放空间。虽然可以维持会话继续运行，但代价是信息精度下降：数值被简化、文件引用变得模糊、早期决策被压缩成概括性描述

如果你发现 Claude 开始用「常见模式」而不是具体文件来回答，说明压缩已经发生。解决方法是，在关键节点，让 Claude 将重要信息写入文件保存。这样即使上下文被压缩，关键信息仍然可追溯。

当前仍处于研究预览阶段。Anthropic 也明确说明：模型仍可能误读文件，或在简单问题上采取不必要的复杂路径。在复杂多步骤任务中，大约有 10% 的概率会出现偏离预期的执行路径，最终结果中可能存在局部不一致。因此，对外输出前必须进行人工复核。

跨会话无记忆。每一次新的 Cowork 会话都是完全独立的：不记得你是谁，也不记得昨天讨论了什么。这是当前最大的摩擦点。

但一旦你建立了上下文文件体系，这一问题可以被有效缓解：

·偏好写入文件

·项目计划写入文档

·标准写入指令

如果需要连续性，就把连续性「写进文件」。其反面优势也很明显：结构化工作流具备可迁移性、可共享性和版本控制能力。

任务依赖客户端运行。Cowork 是运行在 Claude Desktop 中的活动会话。一旦关闭窗口，任务即中断。建议让电脑进入休眠而不是关闭应用，会话可以继续保持。

仅支持桌面端。目前没有移动端 Cowork，也没有浏览器版本，不支持跨设备同步（Dispatch 可以部分弥补，但并非完全替代）。建议将上下文文件放在云同步目录（如 iCloud、Dropbox、OneDrive），至少保证文件在不同设备间一致。

如何用好 Claude Code：面向开发者

如果说 Cowork 面向知识工作者，那么 Claude Code 则面向开发者。

Claude Code 最初于 2025 年 2 月以命令行编码工具形式推出，如今已发展为一个可扩展的平台，用于在整个开发流程中调度 AI Agent，年化收入已达 25 亿美元规模。

安装方式很简单：通过 npm 安装（npm install -g @anthropic-ai/claude-code），进入项目目录，输入 claude，即可启动一个能够访问整个代码库的 Agent。

它可以执行的操作包括：读取文件、写入文件、执行命令、联网搜索、运行测试、提交代码等。

同时，claude.ai 上的网页版本也在 2 月完成重要升级，新增多仓库会话、更完善的 diff 与 Git 状态可视化，以及 slash 命令支持。但最深层能力仍集中在终端版本。

但真正拉开差距的，并不是「写代码」本身。而是其扩展层能力，这使 Claude Code 从一个增强型自动补全工具，转变为一个可配置的开发平台。

如何进行「环境搭建」？三个关键步骤

1、CLAUDE.md：项目级指令手册

在每次会话开始时，Claude 首先会读取你的 CLAUDE.md。它会被直接加载进系统提示中，并在整个对话过程中持续生效。你在这里写下的内容，Claude 都会遵循。但多数人要么完全忽视它，要么塞入大量无效信息，反而让输出质量下降。信息过少或过多，都会带来负面效果——这是一个需要把握的「阈值」。

应该写什么

应聚焦于真正影响执行质量的内容：

·构建、测试、lint 等关键命令（具体的 bash 指令）

·核心架构决策（例如「采用 Turborepo 的 monorepo 架构」）

·非显而易见的约束（例如「TypeScript 开启 strict 模式，未使用变量会报错」）

·import 规范、命名规则、错误处理风格

·核心模块的文件与目录结构

不应该写什么

·本应写在 linter 或 formatter 配置中的内容

·已有链接可查的完整文档

·冗长的理论说明

建议控制在 200 行以内。超过这个长度，会占用过多上下文，反而削弱 Claude 的指令遵循能力，因为它需要在你的指令与 Claude Code 自身的系统提示之间「竞争注意力」。

不只是写「做什么」，还要写「为什么」

「使用 TypeScript strict 模式」是基本要求，但「使用 strict 模式，因为我们曾因隐式 any 类型引发过线上 bug」，会更有效。原因在于，「为什么」提供了判断上下文，使 Claude 能在未明确覆盖的场景中做出更合理的决策。

持续更新，而不是一次性写完

在工作过程中按下「#」，Claude 会自动将新的规则补充进 CLAUDE.md。当你发现自己第二次纠正同一个问题时，这就是一个信号：这条规则应该被写入文件。随着时间推移，它会演化为一份真正反映代码库实际运作方式的「活文档」。

好与坏的区别

差的 CLAUDE.md 像是写给新人的入职文档；好的 CLAUDE.md，更像是你在失忆前留给自己的工作备忘。

2、CLAUDE.md 的分层机制

多数人忽略了这一点：CLAUDE.md 并非单一文件，而是一个分层结构，在会话开始时合并生效。

Managed Policy（组织级）
IT 部署，无法覆盖，适用于全公司规则

~/.claude/CLAUDE.md（全局级）
个人偏好配置，跨项目生效，不纳入版本控制

./CLAUDE.md（项目级）
团队共享配置，提交到 Git，所有成员统一生效

CLAUDE.local.md（本地覆盖）
针对当前项目的个人调整，自动忽略提交

当规则冲突时，上层优先级更高。这一分层结构，使 Claude Code 能够从「个人工具」扩展为「团队协作系统」。

一个常见的团队问题

开发者将关键规则写在个人配置（~/.claude/CLAUDE.md）中，导致自己使用时一切正常。但新成员克隆仓库后，由于缺少这些个人配置，输出开始不一致。团队往往误以为是模型问题，实际是配置问题。

一个典型案例是：团队花了两天排查「Claude 随机行为」，最终才发现核心规则只存在于资深开发者的本地配置中。结论很简单：所有团队规范，必须写在项目级 CLAUDE.md 中。

3、Rules Directory：可扩展的模块化指令体系

当 CLAUDE.md 变得臃肿（这是必然的），可以将规则拆分到 .claude/rules/ 目录中。

该目录下的每一个 Markdown 文件，都会在会话开始时与 CLAUDE.md 一同加载。这使得指令体系可以模块化扩展，同时保持主文件的简洁与可维护性。

每个文件都可以保持聚焦。负责 API 规范的人维护 api-conventions.md，负责测试的人维护 testing.md，各自职责清晰，互不干扰。

真正体现价值的，是「路径作用域规则」。你可以通过在文件中添加带有 glob 模式的 YAML 头部配置，使这些规则仅在 Claude 处理匹配路径的文件时才生效：

这可以覆盖所有测试文件，无论它们位于哪个目录。相比之下，目录级的 CLAUDE.md 只会作用于该目录下的文件。对于需要在 50 多个测试目录中统一执行的规范，基于路径的规则才是更合理的方案。同时，这种方式也能降低 token 消耗，因为相关规则只在匹配时才会加载。

Commands、Skills 与 Agents 的区别

这三类扩展机制的工作方式各不相同。如果使用场景选择不当，反而会增加使用成本与摩擦。

Commands（.claude/commands/） 是需要手动触发的斜杠命令。

例如，一个名为 review.md 的文件，会对应一个命令 /project:review。你可以在文件中用 Markdown 编写指令；同时，通过 ! 反引号语法，可以先执行 shell 命令，并在 Claude 处理提示词之前将输出结果嵌入进来。

现在，执行 /project:review 时，系统会自动把真实的 git diff 注入到提示中。

你还可以使用 $ARGUMENTS 传递参数，例如：/project:fix-issue 234 会直接将第 234 号 issue 的内容加载进上下文。

项目级命令（.claude/commands/）会被提交并在团队内共享；个人命令（~/.claude/commands/）则以 /user:command-name 的形式出现，仅对个人可见。

Skills（.claude/skills/） 则是另一种机制：它们不是手动触发的，而是由 Claude 在任务匹配时自动调用。

你无需输入任何斜杠命令。Claude 会读取 skill 的描述，判断当前任务是否匹配，并在合适时机自动激活。

换句话说：

·Commands 是「等待你触发」

·Skills 是「识别场景后自动执行」

在结构上，Skills 是一个文件夹，而不是单个文件。其中可以包含脚本、参考文档、数据和模板等内容。通过一个带有 YAML 头部配置的 SKILL.md 文件，可以定义其触发条件：

Skills 现在还支持在 YAML 头部中设置 effort（推理强度）参数，可以在调用时覆盖模型默认的思考强度。同时，也支持按需触发的 hooks，仅在该 skill 被调用时才生效。例如：/careful 用于阻止破坏性操作，/freeze 则用于限制对特定目录之外的编辑。

Anthropic 内部工程团队已在九大类场景中构建了数百个 skills，包括：库/API 参考、产品验证、数据获取、业务流程自动化、代码脚手架、代码质量审查、CI/CD 部署、运维手册（runbooks）以及基础设施操作。

在 3 月 7 日，他们还将其中 17 个 skills 开源至 GitHub（anthropics/skills），覆盖创意设计、文档生成、技术开发和企业沟通等场景。

一个 skill 中最有价值的部分，往往是「坑点（gotchas）」总结——也就是那些你亲身踩过的坑。优先把这些经验写进去，价值最高。

Agents（.claude/agents/） 则是更进一步的抽象：它们是具备独立系统提示、工具权限和模型偏好的「子代理角色」。

其中的 tools 字段用于限制代理的能力范围。例如，一个安全审计代理只会被赋予 Read、Grep 和 Glob 权限，不具备写入能力——这是刻意设计的约束。model 字段则允许为不同任务选择更低成本的模型。对于以读取与探索为主的任务，Haiku 通常已经足够胜任。

子代理（Subagents）的核心价值在于保持主上下文的整洁。主代理的上下文窗口容易被大量探索性信息占满；而子代理会在独立的上下文中完成这些「脏活」，再将压缩后的结果返回。最终，主对话中只保留结论，而不是整个推理过程。

Claude Code 核心功能

Tasks

上线时间：1 月 22 日。

Anthropic 将原有的 Todos 系统升级为 Tasks，使其成为一个真正的项目管理基础组件。

Tasks 支持依赖关系，数据存储在本地文件系统中（~/.claude/tasks），并且允许多个子代理或会话共同协作在同一任务列表上。当某个会话更新任务时，变更会同步广播给所有正在使用该任务列表的会话。

你还可以将任务列表设置为环境变量，启动多个并行代理，通过同一任务系统进行协同。这构成了多会话工作流的基础，也是 Agent Teams 保持组织有序的核心机制。

Agent Teams

上线时间：2 月 5 日，随 Opus 4.6 一同推出，目前为实验性功能。

如果说子代理是「各自执行、统一汇报」的模式，那么 Agent Teams 更像是一个协作团队。团队成员可以通过类似收件箱的机制直接互相通信，通过共享任务列表（带依赖关系）进行任务拆分，并实现并行协作。

支持最多 10 个成员同时运行。一个主会话负责整体协调：分配任务、整合结果；各成员在各自独立的上下文窗口中执行任务。

与子代理不同的是，团队成员之间可以：

·直接共享发现

·互相校验与质疑

·无需通过主会话中转即可协同

启用方式：在 settings.json 中设置
CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

典型应用场景

例如，你需要开发一个新功能，同时涉及：API、前端组件和测试体系。

可以启动三个成员：

·一个负责 API 接口

·一个负责 React 组件

·一个负责集成测试

三者通过共享任务列表协同，测试成员可以实时获知需要验证的接口与组件。整体由串行执行转为并行推进：原本需要 90 分钟的任务，可以压缩到约 30 分钟完成。

使用边界

Agent Teams 会带来额外的协调成本，同时 token 消耗显著高于单会话。

适用于：

·可并行拆解的任务

·各子任务之间相对独立

不适用于：

·强依赖顺序的任务

·需要频繁修改同一文件的场景

这些情况下，应优先使用单会话或子代理。

Remote Control

上线时间：2 月 24 日（最初面向 Max 用户，后扩展至 Pro）。

这是 Channels 之前的解决方案。

在终端运行 claude rc，然后在手机端（Claude App 或 claude.ai）接管该会话，即可实现远程控制：
你可以在桌面启动任务，离开后通过手机持续指挥执行过程。

虽然 Channels（后文）通过接入 Telegram 和 Discord 扩展了使用场景，但 Remote Control 仍是实现「手机控制终端」的最简单方式，无需额外配置消息机器人。

Claude Code Channels：常驻在线的消息接口

上线时间：3 月 20 日，目前为研究预览阶段。

如果你曾经希望可以直接用手机给 AI 发消息，并让它在你的本地机器上执行任务，那么这就是对应的解决方案。

Channels 可以将一个正在运行的 Claude Code 会话连接到 Telegram 或 Discord。你只需在手机上发送一条消息，Claude 就会在本地开发环境中处理该指令（包括文件、工具、Git 等全部资源），并通过同一聊天应用返回结果。

你的会话会在后台持续运行。外部事件不断进入，Claude 在完整项目上下文中逐一处理。是否在终端前盯着执行过程，已经不再重要。

这种交互模式，正是 2025 年 11 月 OpenClaw 发布后迅速走红的原因：一个可以通过常用聊天工具 7×24 小时随时调用的「常驻 AI 工作节点」。

不同之处在于：Channels 是 Claude Code 原生能力，由 Anthropic 的安全体系支撑，并基于 MCP 架构构建，具备良好的扩展性。

配置方式：

打开 Telegram，给你的机器人发送任意消息，它会返回一个配对码。使用 /telegram:access pair code> 完成绑定。配对过程会将机器人锁定到你的用户 ID，确保不会被他人控制你的会话。

Discord 的接入方式类似，通过对应插件完成配对。

当前的限制包括：

·需要保持终端会话持续运行（可结合 tmux、screen 或后台进程）

·在研究预览阶段，仅支持 Anthropic 官方批准的插件

·权限确认仍需在终端完成

不过，其插件架构本身是为扩展而设计的。Slack、WhatsApp、iMessage 等渠道已经被广泛提出需求，且自定义渠道的开发文档也已公开。

整个 Channels 的配置过程大约只需 10 分钟：创建 Telegram 机器人、获取配对码、完成绑定即可。此后，你就可以在外出时通过手机直接操作本地的 Claude Code 会话。例如，我曾在买咖啡时，用手机让它重构一个认证流程；等我回到工位，PR 已经准备好可以直接审查。

那一刻，这不再像一个工具，更像一层基础设施。

Hooks

Hooks 是在特定生命周期节点自动触发的 shell 命令，例如：提交前（pre-commit）、工具调用后（post-tool-call），或当 Claude 尝试编辑特定文件时。

它们关注的并不是 AI 的「智能程度」，而是确定性的控制能力。

典型应用包括：

·对 Claude 写入的每个文件自动执行 lint

·阻止包含敏感信息的文件被提交

·在任务完成后发送 Slack 通知

·每次编辑后自动运行类型检查

·强制执行必须 100% 遵守的合规规则

例如，下面是一段用于防止 Claude 提交敏感信息的基础 Hook 配置：

将该配置加入 .claude/settings.json 后，可以在凭证文件进入仓库之前就被拦截，实现对敏感信息的前置防护，不再依赖模型判断，具备确定性保障。

近期新增功能还包括 PostCompact hooks（在上下文压缩后触发，用于记录被压缩内容）以及 ExitWorktree hooks。

一个清晰的决策框架是：Hooks 提供的是确定性保障，应当用于必须 100% 正确执行的业务规则；提示词（prompts）则属于概率性引导，适用于偏好与软性约束。

如果一次失败就可能带来经济损失或法律风险，应优先使用 Hooks。

MCP

MCP 是连接 Claude 与外部服务的开放标准，覆盖数据库、API、GitHub、Slack、Telegram、Google Drive，以及几乎所有可以构建服务端接口的系统。

可以将 MCP 理解为 AI 时代的「USB-C 接口」：你不再需要为每个数据源单独开发集成，而是统一对接一个协议。

·MCP Server：提供数据与能力

·Claude：作为客户端接入

整个 Channels 功能即基于 MCP 构建，Telegram 与 Discord 的接入本质上也是 MCP Server，插件架构同样运行在这一体系之上。

换句话说，如果你正在构建任何「Claude + 外部数据」的系统，本质上都在使用 MCP。

MCP 配置通常位于：

项目级：.mcp.json（纳入版本控制，团队共享）

个人级：~/.claude.json

通过环境变量（如 ${GITHUB_TOKEN}）可避免将凭证写入版本库。

在自建 MCP Server 之前，应优先检查是否已有社区实现。Jira、GitHub、Slack、Notion、Linear 等常用工具均已有现成方案。仅当社区方案无法满足团队特定需求时，才建议自建。

建议定期运行 /mcp 检查各服务的 token 消耗。实际案例中，有项目因遗留连接占用了约 15% 的上下文窗口。未使用的服务应及时断开。

Plugins（插件）

插件是团队标准化的核心载体。一个成员可以将代码评审标准、部署流程与架构规范封装为插件，团队统一安装后，即可实现输出一致性、风格统一与流程合规。标准不再依赖个人记忆，而是沉淀为系统能力。

插件本质上是一个组合单元：将 skills、hooks、subagents 与 MCP server 打包为一个可安装模块。

例如，一个完整的代码评审流程（包含 skill、子代理与 pre-commit hook）可以封装为插件，并通过市场或团队私有仓库分发。

插件中的 skills 采用命名空间（如 /my-plugin:review），可避免多插件之间的冲突。3 月 20 日更新还支持在 settings.json 中通过 source: 'settings' 声明插件入口。

建议路径：

·安装一个与自身角色匹配的官方插件

·实际使用一周

·构建一个封装团队标准的自定义插件

真正的效率提升，发生在第三步。

Headless Mode 与 CI/CD

Claude Code 支持通过 -p 参数以非交互模式运行，可直接嵌入自动化流程，例如：PR 代码评审、安全扫描、测试生成、文档更新，若不使用该参数，CI 任务会因等待交互输入而阻塞。

结合：

--output-format json

--json-schema

可输出结构化结果，供自动系统解析并生成 PR 评论。

一个基础 GitHub Actions 流程为：

·PR 创建时触发

·执行：claude -p "review this diff..."

·输出 JSON

·解析并发布评论

部署成本约 15 分钟，即可在人工评审前提前发现问题。

关键原则：代码评审应使用独立 Claude 实例，而非生成代码的同一会话。原因在于：生成代码的会话保留其推理路径，更不容易质疑自身决策；独立实例更容易识别问题。

Claude Code 安全能力

Claude Code 已具备对完整代码库进行安全审计的能力。传统扫描工具依赖规则匹配，误报率通常在 30%–60%；Claude 则通过语义理解进行跨文件数据流分析，能够识别复杂的逻辑漏洞。

Anthropic 报告其误报率低于 5%。在 Opus 4.6 的测试中，其安全团队在多个成熟开源项目中发现超过 500 个漏洞，其中部分问题已存在多年未被识别。随后，Claude 会通过红队机制对结果进行二次筛选，以进一步降低误报。

Voice Mode（语音模式）

Claude Code 支持语音输入，实现免键盘编程。

典型场景包括：一边查看代码，一边口述重构逻辑；在思考复杂问题时直接语音描述解决方案，通过 /voice 启用。

尽管早期存在 WebSocket 断连等问题，但目前已持续优化。

自动化代码评审与 PR 工作流

Claude Code 可在 PR 中自动执行代码评审：分析 diff、评估代码质量、标记潜在问题、检查测试覆盖，并以评论形式写入 PR。

结合 CI/CD，还可实现：自动生成预览、执行测试、汇总变更、满足条件后准备合并

在 Chat、Cowork 与 Code 之外，生态仍在持续扩展。

如何在 Excel 与 PowerPoint 中使用 Claude

Claude 现已以插件形式集成进 Excel 和 PowerPoint。

3 月 11 日的更新实现了两者之间的上下文共享：在 Excel 中完成的数据分析（如公式、数据透视表、条件格式等），可以无缝流转到 PowerPoint，用于生成演示内容与可视化结果，过程中不会丢失信息。

Skills 同样可以在插件中运行；同时，基于 Amazon Bedrock、Google Cloud Vertex AI 或 Microsoft Foundry 的企业用户，也可以通过 LLM 网关接入。

最具效率的工作流是：将原始数据导入 Excel，让 Claude 完成分析、构建透视表并提炼关键趋势；随后打开 PowerPoint，直接让 Claude 基于这些分析结果生成演示文稿。

由于上下文已共享，Claude 已经掌握数据、核心结论与关键数值——无需重复说明、无需跨应用复制粘贴，也无需重新排版。

有创作者反馈，从原始季度数据到董事会级汇报，仅需约 20 分钟。

微软也在 3 月 9 日推出了基于 Claude 模型的「Copilot Cowork」，作为其 99 美元/用户的 E7 企业订阅的一部分。

Claude 正逐步成为其他企业产品的底层能力引擎。

对话内可视化（Custom Visuals in Chat）

上线时间：3 月 12 日（Beta），面向所有用户开放（包括免费用户）。

Claude 现在可以在对话中直接生成交互式图表、流程图与可视化内容。

这些内容基于 HTML 与 SVG 构建，支持悬停与点击交互，并可随着对话推进持续更新。

需要区分的是：

Inline Visuals（对话内可视化）：临时性、随对话动态变化

Artifacts：持久化、可分享的文档（位于侧边栏）

对话内可视化更像是在讨论过程中临时「画一块白板」。你可以将其导出为 SVG/HTML，或转换为 Artifact 进行保存。

使用建议：

在探索数据或解释概念时，优先使用 Inline Visuals

在需要交付成果时，使用 Artifacts

一个典型场景是：在调试过程中说一句：「帮我画一个认证流程图。」

Claude 即时生成图示，你定位问题后继续讨论，无需切换工具。

一些核心变化

API

对于基于 Claude 构建应用的开发者而言，当前最关键的变化包括：

推理机制调整

自适应推理（effort）取代了原有的 budget_tokens 模型。

Sonnet 4.6：设置为「medium」，可在不明显影响质量的前提下降低成本

Opus 4.6：新增「max」模式，用于极限性能场景，但 token 消耗显著增加

推理 token 按输出 token 计费（Opus 为 $25/M），因此 effort 是自动化流程中的核心成本控制参数。

工具与输出能力全面 GA

细粒度工具流式调用（tool streaming）已正式可用

结构化输出（structured outputs）已 GA

数据驻留支持（可将推理限定在美国，价格为 1.1 倍）

100 万上下文窗口自动生效（超过 200K token 无需额外配置）

Web 能力

代码执行在结合 web search 或 web fetch 时免费

搜索结果支持动态过滤（无额外费用）

web search 与 web fetch 均已 GA，无需 beta 标记

这是当前多数开发者容易忽视的一项关键能力。

API Skills

API Skills 是一个尚未被广泛使用的新能力。

Anthropic 已提供 PowerPoint、Excel、Word 与 PDF 处理的预构建技能；
同时支持通过 /v1/skills 接口上传自定义技能，将领域知识与组织流程封装为可复用能力。

需要注意：

Skills 依赖代码执行能力开启。

对于文档处理类应用，这一能力可以替代大量自建工具链。

上下文压缩（Context Compaction）

当会话接近上下文上限时，系统会自动对历史内容进行压缩总结，在保留关键信息的前提下释放空间。

随着 100 万上下文窗口的正式可用，压缩触发频率已明显下降。

数据与规模

Anthropic 于 2026 年 2 月 12 日完成一轮广泛报道的 300 亿美元 G 轮融资，公司估值达到 3800 亿美元。本轮由 GIC 与 Coatue 领投，是历史上第二大风险投资交易，仅次于 OpenAI 的 400 亿美元融资。微软与英伟达亦参与其中。

公司年化收入已达到 140 亿美元，并连续三年实现 10 倍增长。其中，仅 Claude Code 的年化收入已达 25 亿美元，较今年年初已翻倍以上。同期，企业订阅规模增长了四倍。

在客户结构上：

·财富 500 强前 10 名中已有 8 家为 Claude 客户

·年支出超过 100 万美元的客户已超过 500 家（两年前仅约十余家）

·年支出超过 10 万美元的客户数量在过去一年增长 7 倍

目前，企业客户贡献约 80% 的收入，且企业版已支持在线直接购买，无需传统销售流程。

在企业基础设施层面：

1 月推出支持 HIPAA 的 Enterprise 方案，面向处理敏感医疗数据的机构

2 月 13 日发布 Enterprise Analytics API，可按组织维度提供使用与参与度数据的程序化访问

这类能力，正是推动企业采购决策的关键因素。

Anthropic 同时推出 Claude Partner Network，并投入 1 亿美元用于培训、联合市场推广与技术架构支持。

首个专业认证 Claude Certified Architect（Foundations） 于 3 月 12 日发布，为受监考的架构级考试，内容涵盖：Agent 设计、MCP 集成、Claude Code 配置及生产级可靠性模式。

埃森哲计划培训约 3 万名专业人员参与该认证体系。官方培训平台 Anthropic Academy 于 3 月 2 日上线，初始提供 13 门免费课程，目前已扩展至 15 门。年内还将推出面向销售、开发者与高级架构师的更多认证。

对于咨询公司或代理机构而言，这一认证体系很可能在未来成为企业客户筛选合作方的重要标准。

从内部使用情况来看：

·Anthropic 工程师约 60% 的工作依赖 Claude（一年前为 28%）

·每日发布 60–100 个内部版本

·Cowork 从 0 到上线仅用 10 天，完全基于 Claude Code 构建

这背后形成了一个关键反馈循环：工具正在用于构建工具本身。

正是这一循环，使产品迭代周期从「按月」压缩至「按周」，再进一步压缩至「按天」。

如果你正在构建 AI 或 Agent，这意味着什么

基础设施层正在迅速「商品化」。六个月前还需要自建框架才能实现的功能，如今已经成为平台的原生能力。真正的护城河从来不在基础设施，而在于品味、分发能力，以及你基于这些工具构建了什么。

对于基于 Claude 开发产品的构建者而言，真正的杠杆在于其扩展体系：Skills、子代理、Agent Teams、Hooks、Channels、MCP、插件。

一个经过精细配置、拥有自定义技能与作用域代理的 Claude Code，和一个只是在聊天窗口输入提示词的使用方式，本质上是两种完全不同的工具。

理解这些层级，并将其配置为贴合自身工作流的系统，这种投入会在每一次使用中持续复利。

对于知识工作者而言，Cowork 从本周起就会重塑你的日常工作方式：搭建上下文文件体系，设置全局指令，安装两款插件，所有任务优先使用 AskUserQuestion，配置一个定时任务。借助 Dispatch 打通手机与桌面，碎片时间将转化为有效产出；而最新上线的 Computer Use，则进一步扩展了自动执行的边界。

对于团队管理者而言，插件市场与企业能力意味着：你可以将 Claude 的使用方式在整个组织内标准化。将团队的经验、规范与流程沉淀为插件，并进行分发——这才是从「偶尔使用 AI」，走向「以 AI 为操作系统」的关键跃迁。

节奏不会放缓，只会进一步加速。

因为 Anthropic 正在用自己的工具构建下一代工具。每一代模型，都在提升构建下一代模型的效率。这种递归加速，正在改变整个行业的计算方式。

现在就去理解这个平台。不是下个季度，不是下个月，而是现在。

如果你已经读到这里，你已经领先于 99.9% 的人，那些会收藏这篇内容，却大概率不会再回来看的用户。他们仍会把 Claude 当作一个基础聊天工具使用，而你不会。

我不是工程师，是自学的。我也不声称自己掌握了所有答案，或拥有适用于所有场景的最佳 Claude 配置。如果有人这么说，那大概率是在误导你。这里的所有内容，都是来自日常实践——不断尝试、不断踩坑，并把真正有效的方法记录下来，让其他人不必从零摸索。

你需要的是：多动手、多试错，甚至「多折腾」。这是学习的唯一方式。

如果你发现这里有不准确、缺失或已经过时的内容，也欢迎指出——我更愿意修正它，而不是让别人基于错误信息继续构建。

感谢阅读。

[原文链接]

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。