Anthropic 团队如何使用 Claude Code

Anthropic 的内部团队正在利用 Claude Code 变革其工作流程，使开发人员和非技术人员能够处理复杂的项目、自动化任务，并弥合以往限制他们生产力的技能差距。

为了解更多信息，我们与以下团队进行了交流：

• 数据基础设施
• 产品开发
• 安全工程
• 推理
• 数据科学与可视化
• 产品工程
• 增长营销
• 产品设计
• 强化学习 (RL) 工程
• 法务

通过这些访谈，我们收集了关于不同部门如何使用 Claude Code、其对工作的影响以及为其他考虑采用该工具的组织提供的建议。

Claude Code 用于数据基础设施

数据基础设施团队为公司内所有团队整理业务数据。他们使用 Claude Code 来自动化常规的数据工程任务、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，以便他们能独立访问和操作数据。

主要 Claude Code 使用案例

使用截图进行 Kubernetes 调试

当 Kubernetes 集群宕机且无法调度新 pod 时，团队使用 Claude Code 来诊断问题。他们将仪表盘的截图提供给 Claude Code，后者引导他们逐个菜单地浏览 Google Cloud 的用户界面，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。

为财务团队提供纯文本工作流

工程师向财务团队成员展示了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 中以实现全自动执行。没有任何编码经验的员工可以描述诸如“查询此仪表盘，获取信息，运行这些查询，生成 Excel 输出”之类的步骤，Claude Code 会执行整个工作流，包括询问所需的输入（如日期）。

为新员工提供代码库导航

当新数据科学家加入团队时，他们会被指导使用 Claude Code 来熟悉庞大的代码库。Claude Code 会读取他们的 Claude.md 文件（文档），识别特定任务的相关文件，解释数据管道的依赖关系，并帮助新人了解哪些上游数据源为仪表盘提供数据。这取代了传统的数据目录和可发现性工具。

会话结束时更新文档

团队在每项任务结束时会要求 Claude Code 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，Claude Code 根据实际使用情况帮助完善 Claude.md 文档和工作流指令，使后续的迭代更加有效。

跨多个实例并行管理任务

在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仓库中打开多个 Claude Code 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上次中断的地方，从而实现了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

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。

加速了入职流程

新的数据分析师和团队成员无需大量指导就能迅速理解复杂系统并做出有意义的贡献。

增强了支持工作流

Claude Code 能够处理更大的数据量并识别异常（例如监控 200 个仪表盘），这是人类无法手动审查的。

实现了跨团队自助服务

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。

来自数据基础设施团队的重要提示

编写详细的 Claude.md 文件

团队表示，在 Claude.md 文件中对工作流、工具和期望的文档写得越好，Claude Code 的表现就越出色。这使得 Claude Code 在拥有现有设计模式的情况下，能出色地完成建立新数据管道等常规任务。

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，特别是处理需要日志记录或有潜在隐私问题的敏感数据时。

分享团队使用会话

团队举行了成员间演示各自 Claude Code 工作流的会议。这有助于传播最佳实践，并展示了他们可能未曾发现的各种工具使用方法。

Claude Code 用于产品开发

Claude Code 产品开发团队使用自己的产品来构建 Claude Code 的更新，扩展产品的企业级功能和代理循环 (agentic loop) 功能。

主要 Claude Code 使用案例

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，让 Claude 编写代码、运行测试并持续迭代，从而使用 Claude Code 进行快速原型设计。他们将不熟悉的抽象问题交给 Claude，让它自主工作，然后在接手进行最终完善前审查已完成 80% 的解决方案。团队建议从一个干净的 git 状态开始，并定期提交检查点，以便在 Claude 跑偏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，提供带有具体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 键位绑定。他们要求 Claude 构建整个功能，最终实现中大约 70% 的代码来自 Claude 的自主工作，只需几次迭代即可完成。

测试生成和错误修复

团队在实现功能后使用 Claude Code 编写全面的测试，并处理在拉取请求 (pull request) 审查中发现的简单错误修复。他们还使用 GitHub Actions 让 Claude 自动处理格式问题或函数重命名等拉取请求评论。

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原理。他们不再等待 Slack 的回复，而是直接向 Claude 提问以获取解释和代码参考，从而节省了大量的上下文切换时间。

团队影响

更快的功​​能实现

Claude Code 成功实现了像 Vim 模式这样的复杂功能，其中 70% 的代码由 Claude 自主编写。

提高开发速度

该工具可以快速进行功能原型设计和想法迭代，而不会陷入实现细节的泥潭。

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的错误修复，在减少手动工作的同时保持高标准。

更好的代码库探索

团队成员可以迅速熟悉 monorepo 中不熟悉的部分，而无需等待同事的回复。

来自 Claude Code 团队的重要提示

创建自给自足的循环

设置 Claude 通过自动运行构建、测试和代码检查 (lints) 来验证自己的工作。这使得 Claude 能够更长时间地自主工作并捕捉自己的错误，在要求 Claude 在编写代码前生成测试时尤其有效。

培养任务分类的直觉

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，而核心功能则需要更密切的监督。

制定清晰、详细的提示

当组件具有相似的名称或功能时，务必在请求中极其具体。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。

Claude Code 用于安全工程

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 进行代码编写和调试。

主要 Claude Code 使用案例

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 (stack traces) 和文档，要求它在代码库中追踪控制流。这大大缩短了生产问题的解决时间，使他们能够在大约 5 分钟内理解问题，而手动扫描代码通常需要 10-15 分钟。

Terraform 代码审查与分析

对于需要安全审批的基础设施变更，团队将 Terraform 计划复制到 Claude Code 中，并询问“这会做什么？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变更，减少了开发过程中的瓶颈。

文档综合与操作手册 (runbooks) 创建

Claude Code 能整合多个文档源，并创建 markdown 格式的操作手册、故障排除指南和概述。团队使用这些精简的文档作为调试实际问题的上下文，创建了比在完整知识库中搜索更高效的工作流程。

测试驱动开发工作流

他们摒弃了以往“设计文档 → 蹩脚代码 → 重构 → 放弃测试”的模式，现在要求 Claude Code 提供伪代码，引导它进行测试驱动开发，并在其卡住时定期检查以进行引导，从而产出更可靠、更易于测试的代码。

上下文切换与项目上手

在为现有项目（如用于安全审批工作流的 Web 应用程序 "dependant"）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，从而能够在几天内做出有意义的贡献，而不是花费数周时间来建立上下文。

团队影响

缩短了事件解决时间

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。

改进了安全审查周期

用于安全审批的 Terraform 代码审查速度大大加快，消除了开发人员等待安全团队批准时的阻塞。

增强了跨职能贡献

团队成员可以在几天内为项目做出有意义的贡献，而无需花费数周时间建立上下文。

更好的文档工作流

从多个来源综合而来的故障排除指南和操作手册创建了更高效的调试流程。

来自安全工程团队的重要提示

广泛使用自定义斜杠命令

在整个 monorepo 中，安全工程团队使用了所有自定义斜杠命令实现的 50%。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的速度。

让 Claude 先说

他们不再通过提出针对性问题来生成代码片段，而是告诉 Claude Code “边做边提交你的工作”，让它在定期检查的情况下自主工作，从而得到更全面的解决方案。

利用它进行文档处理

除了编码，Claude Code 还擅长综合文档和创建结构化输出。团队提供写作样本和格式偏好，以获得可立即在 Slack、Google Docs 和其他工具中使用的文档，避免界面切换疲劳。

Claude Code 用于推理

推理团队管理着在 Claude 读取您的提示并生成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人，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 使用案例

代码库理解与入职

团队在加入复杂的代码库时，非常依赖 Claude Code 来快速理解其架构。他们不再手动搜索 GitHub 仓库，而是询问 Claude 哪些文件调用了特定的功能，在几秒钟内就能得到结果，而不是向同事求助或手动搜索。

包含边缘情况覆盖的单元测试生成

在编写核心功能后，他们会要求 Claude 编写全面的单元测试。Claude 会自动包含被遗漏的边缘情况，在几分钟内完成通常需要大量时间和精力的工作，就像一个可以由他们审查的编码助手。

机器学习概念解释

没有机器学习背景的团队成员依赖 Claude 来解释模型特定的功能和设置。以往需要一个小时谷歌搜索和阅读文档的工作，现在只需 10-20 分钟，研究时间减少了 80%。

跨语言代码翻译

在用不同编程语言测试功能时，团队向 Claude 解释他们想要测试的内容，Claude 就会用所需的语言（如 Rust）编写逻辑，从而无需为了测试目的而学习新语言。

命令回忆与 Kubernetes 管理

他们不再需要记住复杂的 Kubernetes 命令，而是向 Claude 询问正确的语法，比如“如何获取所有 pod 或部署状态”，然后就能收到他们基础设施工作所需的确切命令。

团队影响

加速了机器学习概念的学习

借助 Claude Code，他们的研究时间减少了 80%，历史上需要一个小时谷歌搜索的工作现在只需 10-20 分钟。

更快的代码库导航

该工具可以帮助团队成员在几秒钟内找到相关文件并理解系统架构，而无需依赖同事在几天内分享知识。

全面的测试覆盖

Claude 自动生成包含边缘情况的单元测试，在保持代码质量的同时减轻了精神负担。

消除了语言障碍

团队可以在不熟悉 Rust 等语言的情况下实现功能，而无需学习它。

来自推理团队的重要提示

首先测试知识库功能

尝试提出各种问题，看看 Claude 能否比谷歌搜索更快地回答。如果它更快更准确，那么它就是您工作流程中一个宝贵的时间节省工具。

从代码生成开始

给 Claude 具体指令，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。

用它来编写测试

让 Claude 编写单元测试可以极大地减轻日常开发工作的压力。使用此功能来保持代码质量，而无需花费时间手动思考所有测试用例。

Claude Code 用于数据科学与机器学习工程

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的语言和框架的专业知识。Claude Code 使这些团队能够在不成为全栈开发者的情况下，构建生产质量的分析仪表盘。

主要 Claude Code 使用案例

构建 JavaScript/TypeScript 仪表盘应用

尽管“对 JavaScript 和 TypeScript 知之甚少”，该团队仍使用 Claude Code 构建完整的 React 应用程序，用于可视化强化学习 (RL) 模型的性能和训练数据。他们让 Claude 控制从头开始编写完整的应用程序，比如一个 5000 行的 TypeScript 应用，而无需自己理解代码。这一点至关重要，因为可视化应用上下文相对较低，不需要理解整个 monorepo，从而可以快速原型化用于理解模型在训练和评估期间性能的工具。

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投入大量开发精力的半复杂文件重构时，他们会像使用“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，如果解决方案可行就接受，如果不行就重新开始。

创建持久性分析工具而非一次性笔记本

团队现在不再构建用完即弃的 Jupyter 笔记本，而是让 Claude 构建可复用的永久性 React 仪表盘，用于未来的模型评估。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，而这“实际上并非易事，简单的工具无法从观察一个单一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的编码过程。这使得他们在专业领域之外也能保持生产力，而不是花时间学习新技术。

团队影响

实现了 2-4 倍的时间节省

过去手动处理虽然可行但很繁琐的常规重构任务，现在完成得快多了。

用不熟悉的语言构建了复杂的应用程序

尽管 JavaScript/TypeScript 经验极少，却创建了 5000 行的 TypeScript 应用程序。

从一次性工具转向持久性工具

不再使用一次性的 Jupyter 笔记本，而是构建可重用的 React 仪表盘进行模型分析。

直接的模型改进见解

第一手的 Claude Code 使用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。

实现了可视化驱动的决策

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。

来自数据科学与机器学习工程团队的重要提示

把它当作老虎机来对待

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，而不是试图费力去修正。重新开始的成功率通常比试图修复 Claude 的错误要高。

必要时为了简化而中断

在监督过程中，不要犹豫，停下来问 Claude “你为什么这么做？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 用于产品工程

产品工程团队致力于 PDF 支持、引用和网络搜索等功能，这些功能将额外知识引入 Claude 的上下文窗口。在大型、复杂的代码库中工作意味着不断遇到不熟悉的代码部分，花费大量时间来理解特定任务需要检查哪些文件，并在进行更改前建立上下文。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 使用案例

第一步工作流规划

团队将 Claude Code 作为任何任务的“第一站”，要求它识别出用于错误修复、功能开发或分析需要检查的文件。这取代了传统的手动浏览代码库和在开始工作前收集上下文的耗时过程。

跨代码库独立调试

团队现在有信心处理不熟悉代码库部分的错误，而无需向他人求助。他们可以问 Claude “你觉得你能修复这个 bug 吗？我看到的行为是这样的”，并经常立即取得进展，这在以前由于需要投入大量时间是不可行的。

通过“吃自己的狗粮”(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。这为团队在开发周期中提供了关于模型行为变化的直接反馈，这是他们在之前的发布中没有体验过的。

消除上下文切换开销

他们无需将代码片段复制和文件拖拽到 Claude.ai 中并进行大量问题解释，可以直接在 Claude Code 中提问，无需额外的上下文收集，大大减少了心智负担。

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不熟悉代码库中的错误和调查事件。

在上下文收集中节省了大量时间

Claude Code 消除了将代码片段复制和文件拖拽到 Claude.ai 的开销，减少了心智上的上下文切换负担。

更快的轮岗入职

轮岗到新团队的工程师可以快速熟悉不熟悉的代码库并做出有意义的贡献，而无需与同事进行大量咨询。

提升了开发者幸福感

团队报告称，随着日常工作流程中摩擦的减少，他们感到更快乐、更有效率。

来自产品工程团队的重要提示

将其视为迭代伙伴，而非一次性解决方案

不要期望 Claude 能立即解决问题，而是把它当作一个你与之迭代的合作者。这比试图在第一次尝试中获得完美解决方案效果更好。

用它来建立在不熟悉领域的信心

不要犹豫去处理专业知识之外的错误或调查事件。Claude Code 使得在通常需要大量上下文建立的领域独立工作成为可能。

从最少的信息开始

从你所需要的最基本信息开始，让 Claude 引导你完成整个过程，而不是预先加载大量的解释。

Claude Code 用于增长营销

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。作为一个只有一人的非技术团队，他们使用 Claude Code 来自动化重复性的营销任务，并创建通常需要大量工程资源的代理工作流 (agentic workflows)。

主要 Claude Code 使用案例

自动化 Google Ads 广告创意生成

团队构建了一个代理工作流，该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，而这在以前需要花费大量时间才能实现。

用于批量创意制作的 Figma 插件

他们没有手动复制和编辑用于付费社交广告的静态图片，而是开发了一个 Figma 插件，该插件可以识别框架并通过交换标题和描述来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到每批半秒。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数量庞大的创意变体。

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 应用中查询广告系列效果、支出数据和广告效益，从而无需在不同平台之间切换进行效果分析，节省了关键时间，因为每一分效率的提升都转化为更好的投资回报率。

使用内存系统进行高级提示工程

他们实现了一个基本的内存系统，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纳入上下文，创建了一个自我改进的测试框架。这使得系统性的实验成为可能，而这手动追踪是无法做到的。

团队影响

在重复性任务上节省了大量时间

Claude Code 将广告文案创作时间从 2 小时减少到 15 分钟，让团队能够从事更具战略性的工作。

创意产出增加 10 倍

通过自动化的广告生成和与 Figma 的集成以获取最新的视觉设计元素，团队现在可以在各个渠道测试数量庞大的广告变体。

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大型开发任务。

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。

来自增长营销团队的重要提示

识别支持 API 的重复性任务

寻找涉及具有 API 的工具（如广告平台、设计工具、分析平台）的重复性操作的工作流程。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。

将复杂的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，而是为特定任务创建独立的代理（例如，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。

编码前进行彻底的头脑风暴和提示规划

前期花大量时间使用 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，要逐步进行，而不是要求一次性解决方案，以避免 Claude 因复杂任务而不堪重负。

Claude Code 用于产品设计

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 来弥合设计与工程之间的传统鸿沟，使他们能够直接实现其设计愿景，而无需与工程师进行大量的反复迭代。

主要 Claude Code 使用案例

前端润色和状态管理变更

团队不再为视觉调整（字体、颜色、间距）创建大量的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。工程师们注意到，他们正在进行“通常不会看到设计师做的大型状态管理更改”，这使他们能够实现他们所设想的确切质量。

GitHub Actions 自动化工单处理

利用 Claude Code 的 GitHub 集成，他们只需提交描述所需更改的问题/工单，Claude 就会自动提出代码解决方案，而无需打开 Claude Code，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。

快速交互式原型制作

通过将模型图粘贴到 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，后者需要大量的解释才能转化为工作代码。

边缘案例发现与系统架构理解

团队使用 Claude Code 来描绘错误状态、逻辑流程和不同的系统状态，使他们能够在设计阶段识别边缘案例，而不是在开发后期才发现，从根本上提高了他们初始设计的质量。

复杂的文案更改和法律合规

对于像在整个代码库中删除“研究预览”信息这样的任务，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，这个过程只用了两次 30 分钟的通话，而不是一周的来回协调。

团队影响

改变了核心工作流

Claude Code 成为一个主要的设计工具，Figma 和 Claude Code 在 80% 的时间里都是打开的。

执行速度提高 2-3 倍

以前需要与工程师进行大量反复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 Google Analytics 发布消息这样需要一周协调的复杂项目，现在只需两次 30 分钟的通话即可完成。

两种截然不同的用户体验

开发人员获得了“增强型工作流”（执行更快），而非技术用户则获得了“天哪，我竟然成了开发者的工作流”。

改善了设计与工程的协作

Claude Code 改善了沟通并加快了问题解决速度，因为设计师理解了系统的限制和可能性，而无需与工程师进行过于紧密的合作。

来自产品设计团队的重要提示

从工程师那里获得适当的设置帮助

让工程团队的同事帮助进行初始的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，它将彻底改变日常工作流程。

使用自定义内存文件来指导 Claude 的行为

创建具体指令，告诉 Claude 你是一个编码经验很少的设计师，需要详细的解释和更小、更增量的更改，这会极大地提高 Claude 响应的质量，并使其不那么令人生畏。

利用粘贴图片进行原型制作

使用 Command+V 将屏幕截图直接粘贴到 Claude Code 中。它在读取设计和生成功能代码方面表现出色，使其在将静态模型图转化为工程师可以立即理解和构建的交互式原型方面非常有价值。

Claude Code 用于强化学习工程

强化学习 (RL) 工程团队专注于 RL 中的高效采样和集群间的权重传输。他们主要使用 Claude Code 来编写中小型功能、进行调试以及理解复杂的代码库，采用一种包含频繁检查点和回滚的迭代方法。

主要 Claude Code 使用案例

有监督的自主功能开发

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认证机制。他们以交互方式工作，让 Claude 主导，但在其跑偏时进行引导。

测试生成与代码审查

在自己实现更改后，团队会要求 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在常规但重要的质量保证任务上节省了大量时间。

调试与错误调查

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，而其他时候则难以理解问题，但总体而言，在奏效时仍能提供价值。

代码库理解与调用栈分析

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 操作指导

他们经常向 Claude Code 询问 Kubernetes 操作，这些操作否则需要大量谷歌搜索或询问基础设施工程的同事，从而立即获得配置和部署问题的答案。

开发工作流影响

实验性方法的启用

他们现在使用一种“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，并在需要时进行回退，从而实现了更具实验性的方法。

文档加速

Claude Code 会自动添加有用的注释，这在文档编写上节省了大量时间，尽管他们指出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。

有局限性的提速

虽然 Claude Code 可以在他们投入“相对较少的时间”下实现中小型拉取请求 (PR)，但他们承认它仅在大约三分之一的情况下能一次成功，需要额外的指导或手动干预。

来自强化学习工程团队的重要提示

为特定模式定制你的 Claude.md 文件

在你的 Claude.md 文件中添加指令，以防止 Claude 重复犯同样的工具调用错误，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。”这显著改善了输出的一致性。

使用检查点密集的工作流

随着 Claude 进行更改，定期提交你的工作，以便在实验不成功时可以轻松回滚。这使得在没有风险的情况下可以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，让它先尝试完成整个实现。如果成功（大约三分之一的时间），你就节省了大量时间。如果不成功，则切换到更具协作性的、有指导的方法。

Claude Code 用于法务

法务团队通过实验和了解 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，这展示了该技术对非开发人员的强大能力。

主要 Claude Code 使用案例

为家人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人构建了沟通助手。仅用一小时，就有一人使用本地的语音转文本功能创建了一个预测性文本应用，该应用可以建议回复并使用语音库将其读出，解决了言语治疗师推荐的现有无障碍工具中的空白。

法务部门工作流自动化

团队创建了“电话树”系统原型，以帮助团队成员联系到 Anthropic 合适的律师，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。

团队协作工具

管理者构建了 G Suite 应用程序，可自动化每周团队更新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制作

他们使用 Claude Code 快速构建功能性原型，可以展示给领域专家（例如向加州大学旧金山分校的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。

工作风格与影响

在 Claude.ai 中规划，在 Claude Code 中构建

他们使用一个两步流程，首先在 Claude.ai 中进行头脑风暴和规划，然后转移到 Claude Code 中进行实现，要求它放慢速度并逐步工作，而不是一次性输出所有内容。

视觉优先的方法

他们频繁使用屏幕截图向 Claude Code 展示他们希望界面是什么样子，然后根据视觉反馈进行迭代，而不是用文本描述功能。

原型驱动的创新

他们强调要克服分享“傻傻的”或“玩具级”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 集成担忧

产品律师使用 Claude Code 立即识别深度 MCP 集成的安全隐患，并指出随着 AI 工具访问更多敏感系统，保守的安全态势将构成障碍。

合规工具的优先级

他们主张随着 AI 能力的扩展而迅速构建合规工具，认识到创新与风险管理之间的平衡。

来自法务部门的重要提示

首先在 Claude.ai 中进行详尽规划

在转到 Claude Code 之前，使用 Claude 的对话界面来充实你的整个想法。然后要求 Claude 将所有内容总结成一个分步的实现提示。

增量式和可视化工作

要求 Claude Code 放慢速度，一次实现一个步骤，这样你就可以复制粘贴而不会不知所措。大量使用屏幕截图来展示你希望界面是什么样子。

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，并在通常不互动的部门之间激发创新。

立即开始 使用 Claude Code。

原文：https://www.anthropic.com/news/how-anthropic-teams-use-claude-code