Anthropic 团队如何使用 Claude Code

Anthropic 的内部团队正在用 Claude Code 改造他们的工作流程，使开发人员和非技术人员能够处理复杂项目、自动化任务，并弥补之前限制他们生产力的技能差距。

通过采访我们自己的 Claude Code 高级用户，我们收集了不同部门如何利用 Claude Code、它对工作的影响以及给其他考虑采用的组织的建议。

目录

Claude Code 用于数据基础设施

Claude Code 主要用例

数据基础设施团队为整个公司组织所有业务数据。他们使用 Claude Code 自动化日常数据工程任务、调试复杂的基础设施问题，并创建记录的工作流程，使技术和非技术团队成员能够独立访问和操作数据。

带截图的 Kubernetes 调试

当 Kubernetes 集群宕机且不调度新 pod 时，团队使用 Claude Code 诊断问题。他们将仪表板的截图输入 Claude Code，它会一步一步引导他们完成 Google Cloud UI，直到找到指示 pod IP 地址耗尽的警告。然后 Claude Code 提供创建新 IP 池并将其添加到集群的确切命令，无需让网络专家参与。

财务团队的纯文本工作流程

团队向财务团队成员展示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 中以获得完全自动化的执行。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 会执行整个工作流程，包括询问日期等必需输入。

新员工的代码库导航

当新的数据科学家加入团队时，他们被引导使用 Claude Code 导航庞大的代码库。Claude Code 读取 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，并帮助新成员了解哪些上游源馈入仪表板。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

团队要求 Claude Code 总结已完成的工作会话，并在每个任务结束时提出改进建议。这创建了一个持续改进循环，Claude Code 根据实际使用情况帮助完善 Claude.md 文档和工作流程指令，使后续迭代更有效。

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，他们在不同存储库中为不同项目打开 Claude Code 的多个实例。每个实例都维护完整的上下文，所以当他们在几小时或几天后切换回来时，Claude Code 准确记住他们正在做什么以及在哪里停止，实现真正的并行工作流程管理而不会丢失上下文。

团队影响

在没有专业知识的情况下解决基础设施问题 解决了通常需要系统或网络团队成员参与的 Kubernetes 集群问题，使用 Claude Code 诊断问题并提供确切的修复方案。

加速入职

新数据分析师和团队成员可以快速理解复杂系统，并在没有广泛指导的情况下做出有意义的贡献。

增强的支持工作流程

可以处理更大的数据量并识别异常（如监控 200 个仪表板），这是人类手动审查不可能完成的。

启用跨团队自助服务

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建议

编写详细的 Claude.md 文件

你在 Claude.md 文件中记录的工作流程、工具和期望越好，Claude Code 的表现就越好。这使得 Claude Code 在设置新数据管道等常规任务上表现出色，特别是当你有现有模式时。

使用 MCP 服务器而不是 CLI 处理敏感数据

他们建议使用 MCP 服务器而不是 BigQuery CLI，以便对 Claude Code 可以访问的内容保持更好的安全控制，特别是用于处理需要记录或有潜在隐私问题的敏感数据。

分享团队使用会话

团队举行会议，成员们相互展示他们的 Claude Code 工作流程。这有助于传播最佳实践，并展示了使用工具的不同方式，这些方式他们可能自己不会发现。

Claude Code 用于产品开发

Claude Code 主要用例

Claude Code 团队使用他们自己的产品来构建 Claude Code 的更新，扩展产品的企业功能和智能体循环功能。

具有自动接受模式的快速原型制作

工程师使用 Claude Code 进行快速原型制作，方法是启用"自动接受模式"（shift+tab）并设置自治循环，其中 Claude 编写代码、运行测试并持续迭代。他们给 Claude 他们不熟悉的抽象问题，让它自主工作，然后审查 80% 完成的解决方案，然后接管进行最终细化。团队强调从干净的 git 状态开始并定期提交检查点，这样当 Claude 偏离轨道时，他们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、风格指南合规性和适当的架构，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（尽管这不是优先级），最终实现中大约 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测试，并处理拉取请求审查中发现的简单错误修复。他们还利用 GitHub Actions 集成让 Claude 自动处理拉取请求注释，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 快速了解系统工作原理。他们不等待 Slack 响应，而是直接向 Claude 询问解释和代码引用，显著节省了上下文切换的时间。

团队影响

更快的功能实现

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

改进的开发速度

可以快速原型化功能并迭代想法，而不会陷入实现细节的泥潭。

通过自动化测试增强代码质量

Claude 生成全面测试并处理常规错误修复，在保持高标准的同时减少手动工作。

更好的代码库探索

团队成员可以快速理解 monorepo 中不熟悉的部分，而无需等待同事的回复。

Claude Code 团队的最佳建议

创建自足的循环

设置 Claude 以自动运行构建、测试和 lint 来验证自己的工作。这允许 Claude 更长时间自主工作并发现自己的错误，特别是当你要求 Claude 在编写代码之前生成测试时更有效。

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、原型制作）与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 独立工作而不会意外更改代码库的错误部分。

Claude Code 用于安全工程

Claude Code 主要用例

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。

复杂的基础设施调试

在处理事件时，他们将堆栈跟踪和文档输入 Claude Code，要求它跟踪整个代码库的控制流。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 中询问"这会做什么？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，减少开发过程中的瓶颈。

文档综合和运行手册

他们让 Claude Code 摄取多个文档源并创建 markdown 运行手册、故障排除指南和概述。他们使用这些浓缩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。

测试驱动的开发工作流程

他们现在不再采用之前的"设计文档 → 粗糙代码 → 重构 → 放弃测试"模式，而是向 Claude Code 询问伪代码，指导它进行测试驱动开发，并在卡住时定期检查以引导它，从而生成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（如用于安全批准工作流的 Web 应用程序"dependant"）做出贡献时，他们使用 Claude Code 编写、审查和执行以 markdown 编写并存储在代码库中的规范，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需要大约 5 分钟。

改进的安全审查周期

用于安全批准的 Terraform 代码审查发生得更快，消除了等待安全团队批准时的开发人员阻塞。

增强的跨职能贡献

团队成员可以在几天内有意义地为项目做出贡献，而不是几周的上下文构建。

更好的文档工作流程

从多个来源合成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建议

广泛使用自定义斜杠命令

安全工程使用了整个 monorepo 中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工作流程并加速了重复任务。

让 Claude 先说话

与其针对代码片段提出针对性问题，他们现在告诉 Claude Code "边走边提交你的工作"，让它自主工作并定期检查，从而产生更全面的解决方案。

利用它进行文档

除了编码之外，Claude Code 在综合文档和创建结构化输出方面表现出色。他们提供写作样本和格式化偏好，以获得可以立即在 Slack、Google Docs 和其他工具中使用的文档，以避免界面切换疲劳。

Claude Code 用于推理

Claude Code 主要用例

推理团队管理在 Claude 读取你的提示并生成响应时存储信息的内存系统。团队成员，特别是那些不熟悉机器学习的成员，可以广泛使用 Claude Code 来弥补知识差距并加速他们的工作。

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。他们没有手动搜索 GitHub 仓库，而是要求 Claude 找出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。

带有边缘情况覆盖的单元测试生成

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劳动的工作，就像一个他们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，团队成员依靠 Claude 来解释模型特定的功能和设置。原本需要一小时的 Google 搜索和阅读文档现在需要 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，他们解释要测试的内容，Claude 用所需语言（如 Rust）编写逻辑，无需为了测试目的而学习新语言。

命令回忆和 Kubernetes 管理

与其记住复杂的 Kubernetes 命令，他们不如向 Claude 询问正确的语法，如"如何获取所有 pod 或部署状态"，并接收其基础设施工作所需的确切命令。

团队影响

加速 ML 概念学习

研究时间减少了 80% - 原本需要一小时的 Google 搜索现在需要 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，而无需询问同事。

全面的测试覆盖

Claude 自动生成带有边缘情况的单元测试，减轻了脑力负担，同时保持代码质量。

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。

推理团队的最佳建议

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 搜索更快回答。如果它更快更准确，那么它对你的工作流程来说是一个宝贵的节省时间的工具。

从代码生成开始

给 Claude 具体指令并要求它编写逻辑，然后验证正确性。这有助于在将其用于更复杂任务之前建立对工具功能的信任。

将其用于测试编写

让 Claude 编写单元测试大大减轻了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 用于数据科学和可视化

Claude Code 主要用例

数据科学和 ML 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 使这些团队能够构建生产质量的分析仪表板，而无需成为全栈开发人员。

构建 JavaScript/TypeScript 仪表板应用

尽管"几乎不懂 JavaScript 和 TypeScript"，团队还是使用 Claude Code 构建了完整的 React 应用程序，用于可视化 RL 模型性能和训练数据。他们让 Claude 控制从零开始编写完整应用程序，如 5000 行 TypeScript 应用程序，而无需自己理解代码。这很关键，因为可视化应用程序的上下文相对较低，不需要理解整个 monorepo，允许快速原型制作工具以在训练和评估期间理解模型性能。

处理重复的重构任务

当面对合并冲突或半复杂的文件重构时，这些对于编辑器宏来说太复杂，但对于主要开发工作来说又不够大，他们像"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，要么在它不起作用时重新开始。

创建持久的分析工具而不是一次性笔记本

不再构建会被丢弃的一次性 Jupyter 笔记本，团队现在让 Claude 构建永久的 React 仪表板，这些仪表板可以在未来的模型评估中重复使用。这很重要，因为理解 Claude 的性能是"团队最重要的事情之一" - 他们需要理解模型在训练和评估期间的表现，这"实际上非常重要，简单的工具无法从查看单个数字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 收集上下文并在无需他们参与实际编码过程的情况下执行任务的能力。这允许在其专业领域之外的领域提高生产力，而无需花费时间学习新技术。

团队影响

实现 2-4 倍的时间节省

之前手动完成但乏味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，但创建了 5000 行 TypeScript 应用程序。

从一次性工具转向持久工具

不再使用一次性 Jupyter 笔记本，现在构建可重用的 React 仪表板用于模型分析。

直接的模型改进见解

第一手的 Claude Code 体验为更好的内存系统开发和未来模型迭代的 UX 改进提供了信息。

启用可视化驱动的决策

通过高级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 ML 工程团队的最佳建议

像对待老虎机一样对待它

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，而不是尝试纠正。重新开始通常比尝试修复 Claude 的错误有更高的成功率。

需要时为简单性打断

在监督时，不要犹豫停止 Claude 并问"你为什么这样做？尝试更简单的东西。"模型默认倾向于更复杂的解决方案，但对更简单方法的请求反应良好。

Claude Code 用于 API

Claude Code 主要用例

API 知识团队致力于 PDF 支持、引用和网络搜索等功能，这些功能将额外知识带入 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，花费大量时间理解对于任何给定任务要检查哪些文件，并在进行更改之前构建上下文。Claude Code 通过作为指南帮助他们理解系统架构、识别相关文件并解释复杂的交互来改善这种体验。

第一步工作流程规划

团队使用 Claude Code 作为任何任务的"第一站"，要求它识别要检查哪些文件以进行错误修复、功能开发或分析。这取代了开始工作之前手动导航代码库和收集上下文的传统耗时过程。

跨代码库独立调试

团队现在有信心解决代码库不熟悉部分的错误，而不是要求他人帮助。他们可以问 Claude"你认为你能修复这个 bug 吗？这是我看到的行为"，并且经常立即取得进展，考虑到所需的时间投资，这在以前是不可行的。

通过内部使用进行模型迭代测试

Claude Code 自动使用最新的研究模型快照，使其成为体验模型更改的主要方式。这为他们提供了在开发周期中模型行为更改的直接反馈，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

不再将代码片段复制并将文件拖到 Claude.ai 中，同时广泛解释问题，他们可以直接在 Claude Code 中提问，而无需额外的上下文收集，显著减少心理开销。

团队影响

提高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。

上下文收集中的显著时间节省

消除了将代码片段复制并将文件拖到 Claude.ai 中的开销，减少了心理上下文切换负担。

更快的轮转换职

轮换到新团队的工程师可以快速导航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。

增强开发者幸福感

团队报告感觉更快乐，生产力更高，日常工作流程中的摩擦减少。

API 知识团队的最佳建议

将其视为迭代合作伙伴，而不是一次性解决方案

与其期望 Claude 立即解决问题，不如将其作为你与之迭代的合作者。这比尝试在第一次尝试时获得完美的解决方案更有效。

用它来建立对不熟悉领域的信心

不要犹豫解决专业知识之外的错误或调查事件 - Claude Code 使独立工作在通常需要广泛上下文构建的领域变得可行。

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，而不是预先加载广泛的解释。

Claude Code 用于增长营销

Claude Code 主要用例

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 中构建绩效营销渠道。作为一个人的非技术团队，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智能体工作流程。

自动化 Google Ads 创意生成

团队构建了一个智能体工作流程，处理包含数百个现有广告和绩效指标的 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。使用两个专门的子智能体（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，而无需跨多个活动手动创建。这使他们能够大规模测试和迭代，这是以前需要大量时间才能实现的。

用于大规模创意制作的 Figma 插件

他们没有为付费社交广告手动复制和编辑静态图像，而是开发了一个 Figma 插件，该插件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，将原本需要数小时的复制粘贴减少到每批半秒。这实现了 10 倍的创意输出，使团队能够在关键社交渠道中测试更多的创意变体。

用于活动分析的 Meta Ads MCP 服务器

他们创建了一个与 Meta Ads API 集成的 MCP 服务器，直接在 Claude 桌面应用程序中查询活动绩效、支出数据和广告效果，无需在平台之间切换进行绩效分析，节省了关键时间，其中每一次效率提升都转化为更好的 ROI。

带有内存系统的高级提示工程

他们实施了一个基本的内存系统，该系统记录跨广告迭代的假设和实验，允许系统在生成新变体时将以前的测试结果引入上下文，创建一个自我改进的测试框架。这实现了系统的实验，手动跟踪是不可能的。

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，腾出时间用于战略工作。

创意产出增加 10 倍

团队现在可以通过自动化生成和 Figma 集成跨渠道测试更多的广告变体。

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。

战略重点转移

团队可以将更多时间花在整体战略和构建智能体自动化上，而不是手动执行。

增长营销团队的最佳建议

识别启用 API 的重复任务

查找涉及使用具有 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智能体

与其尝试在一个提示或工作流程中处理所有事情，不如为特定任务创建单独的智能体（如他们的标题智能体与描述智能体）。这使调试更容易，并在处理复杂要求时提高输出质量。

编码前彻底头脑风暴和提示计划

在前期使用 Claude.ai 花费大量时间思考整个工作流程，然后让 Claude.ai 创建全面的提示和代码结构供 Claude Code 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 用于产品设计

Claude Code 主要用例

产品设计团队支持 Claude Code、Claude.ai 和 Anthropic API，专门从事构建 AI 产品。即使是非开发人员也可以使用 Claude Code 弥合传统上设计与工程之间的差距，无需与工程师进行广泛的来回沟通即可直接实现其设计愿景。

前端优化和状态管理更改

不再创建大量设计文档并与工程师进行多轮视觉调整反馈（字体、颜色、间距），他们现在使用 Claude Code 直接实现这些更改。工程师指出他们正在进行"你通常不会看到设计师进行的大规模状态管理更改"，使他们能够实现他们设想的精确质量。

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，为他们持续的优化任务积压创建了无缝的错误修复和功能细化工作流程。

快速交互式原型制作

通过将模型图像粘贴到 Claude Code 中，他们生成功能完整的原型，工程师可以立即理解并迭代，取代了传统的静态 Figma 设计周期，这些设计需要广泛的解释和转换为工作代码。

边缘情况发现和系统架构理解

他们使用 Claude Code 绘制错误状态、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，而不是在开发后期发现它们，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，实时与法律协调更改，并实施更新 - 这个过程花费了两次 30 分钟的电话，而不是一周的来回协调。

团队影响

转变的核心工作流程

Claude Code 成为主要设计工具，80% 的时间都打开着 Figma 和 Claude Code。

执行速度快 2-3 倍

视觉和状态管理更改以前需要与工程师进行广泛的来回沟通，现在直接实现。

从数周到数小时的周期时间

像 GA 发布消息这样的复杂项目原本需要一周的协调，现在在两次 30 分钟的电话中完成。

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），而非技术用户获得"天哪，我是开发人员工作流程"（以前不可能的全新能力）。

改进的设计-工程协作

更好的沟通和更快的问题解决，因为设计师预先理解了系统约束和可能性。

产品设计团队的最佳建议

从工程师那里获得适当的设置帮助

让工程队友帮助初始存储库设置和权限 - 技术入门对非开发人员来说具有挑战性，但一旦配置，它就会改变日常工作流程。

使用自定义内存文件指导 Claude 的行为

创建特定的指令，告诉 Claude 你是一位几乎没有编码经验的设计师，需要详细的解释和更小的增量更改，显著提高 Claude 响应的质量，并减少其恐吓性。

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 - 它擅长阅读设计和生成功能代码，这对于将静态模型转换为工程师可以立即理解并基于其构建的交互式原型来说是无价的。

Claude Code 用于 RL 工程

Claude Code 主要用例

RL 工程团队专注于 RL 中的高效采样和整个集群的权重转移。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，采用包括频繁检查点和回滚的迭代方法。

具有监督自主权的功能开发

团队让 Claude Code 为中小型功能编写大部分代码，同时提供监督，例如为权重转移组件实现身份验证机制。他们以交互方式工作，允许 Claude 带头但在它偏离轨道时引导它。

测试生成和代码审查

他们自己实施更改后，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，结果不一 - 有时它会立即识别问题并添加相关测试，而有时它会努力理解问题，但总体上在有效时提供价值。

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 获取相关组件和调用堆栈的快速摘要，取代了手动代码阅读或广泛的调试输出生成。

Kubernetes 操作指导

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

开发工作流程影响

启用实验方法

他们现在使用"尝试和回滚"方法，经常提交检查点，以便他们可以测试 Claude 的自主实现尝试，并在需要时恢复，从而实现更多实验。

文档加速

Claude Code 自动添加有用的注释，大大节省了文档时间，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。

加速与局限性

虽然 Claude Code 可以在他们花费"相对较少时间"的情况下实现中小型 PR，但他们承认它在第一次尝试时仅在大约三分之一的时间内有效，需要额外的指导或手动干预。

RL 工程团队的最佳建议

自定义你的 Claude.md 文件以获取特定模式

将指令添加到 Claude.md 文件中，以防止 Claude 重复的工具调用错误，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。"这显著提高了一致性。

使用检查点密集的工作流程

在 Claude 进行更改时定期提交你的工作，以便你可以在实验失败时轻松回滚。这实现了更具实验性的开发方法，而没有风险。

首先尝试一次性，然后协作

给 Claude 一个快速提示，让它首先尝试完整实现。如果有效（大约三分之一的时间），你已经节省了大量时间。如果没有，那么切换到更协作、有指导的方法。

Claude Code 用于法律

Claude Code 主要用例

法律团队通过实验以及了解 Anthropic 的产品系列的愿望发现了 Claude Code 的潜力。此外，一名团队成员有一个与为家人创建无障碍工具相关的个人用例，并使用工作原型来展示该技术对非开发人员的强大功能。

为家庭成员定制的无障碍解决方案

团队成员为因医疗诊断而有说话困难的家庭成员构建了通信辅助工具。在短短一小时内，他们使用原生语音到文本创建了一个预测文本应用程序，该应用程序建议回复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中的空白。

法律部门工作流程自动化

他们创建了原型"电话树"系统，以帮助团队成员与 Anthropic 的合适律师联系，展示法律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

经理们构建了 G Suite 应用程序，自动化每周团队更新并跟踪跨产品的法律审查状态，允许律师通过简单的按钮点击快速标记需要审查的项目，而不是电子表格管理。

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），以在投入更多时间之前验证想法并识别现有解决方案。

工作风格和影响

在 Claude.ai 中计划，在 Claude Code 中构建

他们使用两步流程，首先使用 Claude.ai 进行头脑风暴和计划，然后移动到 Claude Code 进行实施，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 展示他们希望界面看起来像什么，然后根据视觉反馈迭代，而不是用文本描述功能。

原型驱动的创新

他们强调克服分享"愚蠢"或"玩具"原型的恐惧，因为这些演示激发其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 集成问题

作为产品律师，他们立即识别出深度 MCP 集成的安全影响，指出随着 AI 工具访问更敏感的系统，保守的安全态势将如何造成障碍。

合规工具优先级

他们主张随着 AI 能力的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。

法律部门的最佳建议

首先在 Claude.ai 中广泛计划

在移动到 Claude Code 之前，使用 Claude 的对话界面充实你的整个想法。然后要求 Claude 将所有内容总结为实施的分步提示。

逐步和直观地工作

要求 Claude Code 放慢速度，一次实施一个步骤，这样你就可以复制粘贴而不会感到不知所措。大量使用截图来展示你希望界面看起来像什么。

尽管不完美仍分享原型

克服隐藏"玩具"项目或未完成工作的冲动 - 分享原型有助于其他人看到可能性，并激发通常不互动的部门之间的创新。