Anthropic 工程师：他们到底怎么用 Claude 工作丨How I AI

Anthropic 工程师：他们到底怎么用 Claude 工作丨How I AI Anthropic 工程师：他们到底怎么用 Claude 工作丨How I AI Modified July 4 🔗 原文链接： https://mp.weixin.qq.com/s/RMvmPesW... 原创 Capihom Capihom 晚点再听LaterCast2026年7月3日 23:08 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "如果 AI 只是替你移动鼠标，那就是用得很差。" "工具的能力已经很强，缺口在于人们还没意识到几乎任何问题都能交给这些工具。" "我会在自己还没弄清楚到底要问什么的时候，选择 Opus。" 很多团队已经把 Cursor、Claude Code、原型工具接进日常工作，可真正卡人的地方常常不在模型参数。任务还是散落在邮件、日历、Slack、文件夹和脑子里，人还在手动搬数据、反复确认权限、盯着屏幕等 AI 跑完。Anthropic 工程负责人 Felix Rieseberg 在 How I AI 这期里谈的，正是这层转变：Claude Co work、Claude Code、Chrome 和桌面端正在让 AI 从聊天窗口，变成能读材料、搭小工具、接真实数据、请求权限的工作伙伴。 Felix 负责的是离用户很近的产品体验，所以这期对话没有停在“模型又变强了”。他反复给出的判断更像一条工作建议：别把 Claude 当成一个更聪明的输入框。把麻烦事拆出来，把上下文交给它，把一次性任务变成可复用的小系统，人再把精力留给判断、审美和取舍。 先别急着找唯一入口 Felix 说自己现在常介绍的工作范围包括 Claude Co work、Claude Code、Claude for Chrome，以及 macOS 和 Windows 的 Claude 桌面应用。主持人问他最常用哪个入口，他选了 Co work，因为身边很多人看到终端界面就紧张，第三个标签页已经让他们有压力。 他把今天的 AI 产品形态比作智能手机早期：有人在做带键盘的机器，有人试图把手机做成各种奇怪形状，还没人完全确定“玻璃板”会成为答案。Claude 现在给用户多个入口，也是在区分三类工作：快速问答、深度工作、工程工作。 "现在它能帮助我们知道，你是来快速得到答案，还是来做深入工作，还是来做工程工作。提前知道这一点，会让体验好很多。" 对工程师、PM、设计师来说，这个判断很实际。团队不需要先押注一个“终极 AI 工作台”，更该先把工作拆成不同状态：哪类只要答案，哪类需要持续读上下文，哪类需要能运行代码、改文件、接工具。入口的选择，本质上是在给任务选工作环境。 把任务往上抽一层 Felix 最近搬家，拿到一张房产中介给的户型图，图上没有单位。他把披露文件、贷款信息、户型图和房屋记录放进一个文件夹，交给 Claude Co work，让它找出户型图的单位并重新生成一张带尺寸的图。Claude 在文件里找到了车库许可，用车库尺寸推回整套房子的比例。 接下来的动作更能说明问题。Felix 原本想让 Claude 给几个室内设计方案，写到一半改口：他想要一个能拖动家具的交互式规划器。Co work 给 Claude 一台自己的虚拟电脑，它可以用 Python、读文件、生成软件。最后 Claude 分析二维平面图，做出一个 3D 房屋模型，Felix 可以在里面移动家具、切换视角、像游戏一样走进去看。 "我从来没有告诉 Claude：你应该给我做一个 3D 模型。我也不知道怎么把二维户型图变成可靠的三维方案。" Felix 最值得带走的动作，是没有停在“帮我量一下床多宽”。他先手动输入家具尺寸，随后意识到自己可以直接告诉 Claude 家里有哪些家具，再进一步让 Claude 去邮件里查购买记录。任务从填写表格，升级成搭一个能读取真实数据的个人工具。 主持人 Claire Vo 特意停下来强调这个场景：邮箱其实记录了一个人的个人库存。家具、地毯、衣服、搬家清单、购物收据，很多生活里的“数据库”早就存在，只是过去没人会把它当作可查询的数据源。Claude 进入这些地方后，微型工具的起点就从手动录入变成了让它自己去找。 模型选择看你有多清楚问题 在户型图任务里，Felix 用的是 Sonnet。他给出的判断很朴素：大多数日常任务，Sonnet 已经足够好。找公开网站上的户型图、识别单位、重新生成图纸，对模型来说并没有碰到能力天花板。 他会在另一种场景切到 Opus：人还没弄清楚自己到底想问什么。律师、会计、医生、创意顾问常做的一部分工作，是重新理解客户真正要解决的问题。模型也一样，任务越模糊，越需要它先替你重构问题。 团队可以按这个方法分工。已经有明确输入、输出、边界和验收标准的任务，可以交给更快、更稳的模型。还在探索阶段的需求、产品方向、客户问题、复杂调研，先用更强模型帮你界定范围，再把后续执行拆给更便宜、更快的工作流。 很多团队用 AI 时体感忽高忽低，常见原因是任务定义太混杂：团队把“想清楚要什么”和“执行一个清楚任务”塞进同一个提示里。Felix 的做法更像先定工作类型：探索期让模型多问、多重构；执行期给足材料、验收标准和权限边界。 数据源比提示词更改变结果 家具规划器只是一个入口。Felix 还提到一个“承诺追踪器”：越来越多人在 Twitter 上找他排查问题，他经常答应对方“把日志发我，我来看”。后来承诺散落在私信里，他就让 Claude 读取消息，记录自己答应过谁、什么时候该跟进，并且要求它别每次都重新读所有消息。 Claude 自己建了 SQLite 数据库，也建了一堆文本文件。Felix 没有细看这些实现细节，因为这个工具只服务他个人，只要能在两周后提醒他该兑现承诺，就已经完成工作。微型应用的评价标准不再是架构优雅，而是它能不能减少一个反复发生的小摩擦。 Live Artifacts 让这个思路更进一步。Felix 现场让 Claude 做一个个人日报仪表盘，接入 Spotify、Gmail、Calendar、Notion 等连接器。主持人 Claire Vo 提醒大家，魔法词是 live artifact，因为它能用同一个连接授权刷新数据。报告、仪表盘、演示文稿、Pitch Deck，都可以从静态文件变成会更新的工作界面。 "几乎任何你在电脑上折腾的事情，都可以问 Claude 能不能帮你做。" 对产品团队来说，这一节很像一个提醒：提示词技巧有用，但高质量上下文更能改变输出。日历、邮件、工单、客户记录、代码仓库、设计系统、销售进展，才是 AI 进入业务的真实入口。人要做的工作，是把数据源接进来，再把“每天都要重新整理”的动作做成可刷新界面。 Felix 举了一个创始人会懂的例子：Pitch Deck 每周都要更新，面对 60 个 VC 时，每个人关心的参照公司、最新注册数据、增长曲线都不同。Live Artifact 的价值在这里很直观：同一个核心叙事保留，数据和受众信息自动刷新，团队不用每周重新复制一遍表格。 他现场还让 Claude 把日报界面改成 2000 年代软件风格，Claude 自动想到 Winamp、桌面时钟和复古控件。这个细节很轻，但同一份数据确实可以被重塑成不同人愿意每天打开的工作界面。 别把等待当成失败 Co work 现场加载时，主持人顺势问 Felix：带延迟的 AI 产品怎样做得不烦人？他的回答来自 Slack 时代的经验。早期 Slack 发消息会立刻成功或立刻失败，网络稍微不稳就让用户看到错误。后来 Slack 改成先重试几次，过几秒仍失败再提醒用户。iMessage 也用类似策略，在隧道里发消息时，系统会自动稍后重试。 AI 工作流也需要这种异步感。Felix 说自己愿意多花一点时间换更好的结果。他希望用户不要坐在那里盯着 Claude 移动鼠标。AI 最适合承担的是那些烦人、重复、需要在后台完成的工作，让人空出创意和判断。 "我想让 AI 在后台做一堆烦人的事，把你的创造力释放出来。" 团队做 AI 产品时，也会遇到同样选择：把每一步都做成同步反馈，看似安全，实际容易让用户守在屏幕前。把任务拆成可检查的后台工作、清楚的中间状态、必要时的权限确认，才更接近 AI Agent 该有的形态。等待本身不可怕，用户真正需要的是知道它在干什么、何时需要自己出手。 权限可以变成一个按钮 全场最有画面感的部分，是 Felix 做了一个 19 美元的硬件小伙伴。它有屏幕、Wi Fi、Bluetooth 和一点存储空间。他把设备接到电脑上，告诉 Claude Code：我想让一个小 Claude 住在里面，每次我做得好时给我鼓励，每次 Claude 需要我批准操作时，把请求放到这个大按钮上。 Claude Code 一次就完成了。Felix 后来把代码开源，也看到很多人做了类似装置。现场演示里，他在 Claude 桌面端打开开发者模式，进入开发者菜单，连接 open hardware buddy，再让 Claude 创建一个 hello world.txt。需要写入磁盘时，硬件发出提示，他按下按钮，权限就通过。 "我想让小 Claude 住在这个设备里。每次需要批准 Claude 做什么，我希望它出现在这个大按钮上。Claude 一次就把这些全做出来了。" 小玩具背后是一条严肃的产品线索。Agent 真正进入工作场景后，权限、确认、失败反馈、运行边界都会变成体验的一部分。它们不一定只存在于弹窗里，也可以是实体按钮、桌面通知、审批队列、dry run、日志摘要。好的人机界面会让人放心离开屏幕，也知道什么时候该回来拍板。 出错时先调工作流 主持人最后问 Felix：Claude 走偏时，他会怎么提示？Felix 的做法很工程。他会把预期结果讲清楚，让 Claude 回溯自己在哪一步理解成了别的东西，再一起讨论下次如何防止同类问题。很多时候，问题出在数据源噪声、任务起点、提示结构或缺少 dry run。 他很少把结论停在“Claude 做不了”。更常见的收获是：换一种 harness，改一点 prompt，给更干净的数据，先跑一遍预演，或者让 Claude 自己提出改进方案。对团队也是一样，AI 出错后最该复盘的，往往是任务入口和反馈回路。 Felix 还提到一个细节：Anthropic 产品里的 thumbs up、thumbs down 反馈非常重要，它们会进入训练和产品改进。对企业内部工具来说，这也是一个可借鉴的机制。Agent 不是一次写完的自动化脚本，它需要持续接收人对结果的判断，慢慢把团队的偏好、边界和异常处理方式沉淀下来。 如果一次任务经常跑偏，下一轮可以先让 Claude 写执行计划，或者先做 dry run，只列出它准备读取哪些文件、改哪些地方、需要哪些权限。人工审批点提前出现，后台执行才会让人安心。Felix 的经验并不神秘：把错误当成改工作台的材料，而不是把它当成一次性的失败。 Felix 还提到孩子使用 Claude 的场景：有人把孩子手绘的小动物拍下来，交给 Claude 做成 jump and run 或 Flappy Bird；主持人的 9 岁孩子每天用 Claude，一边开终端一边研究网络安全。成年人记得太多电脑过去做不到的事，孩子直接问“能不能做”。团队也需要补这块肌肉：把需求说出来，再让工具证明边界。 写在最后 下次你发现自己在复制数据、整理材料、等待工具跑完，先别急着优化提示词。把问题往上抽一层：Claude 能不能读取正确上下文？能不能在后台跑？能不能把结果做成可复用界面？能不能在需要你判断时再叫你回来？这个动作练熟了，AI 才开始改变工作方式。 内容来源："How the engineer behind Claude Cowork actually uses Claude"丨How I AI 原视频：https://www.youtube.com/watch?v= tdNsYi8AXs No access c70367914571470ebb02414a7a00db31 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s/RMvmPesW... 🔗 原文链接： https://mp.weixin.qq.com/s/RMvmPesW... https://mp.weixin.qq.com/s/RMvmPesW... 原创 Capihom Capihom 晚点再听LaterCast2026年7月3日 23:08 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "如果 AI 只是替你移动鼠标，那就是用得很差。" "工具的能力已经很强，缺口在于人们还没意识到几乎任何问题都能交给这些工具。" "我会在自己还没弄清楚到底要问什么的时候，选择 Opus。" 很多团队已经把 Cursor、Claude Code、原型工具接进日常工作，可真正卡人的地方常常不在模型参数。任务还是散落在邮件、日历、Slack、文件夹和脑子里，人还在手动搬数据、反复确认权限、盯着屏幕等 AI 跑完。Anthropic 工程负责人 Felix Rieseberg 在 How I AI 这期里谈的，正是这层转变：Claude Co work、Claude Code、Chrome 和桌面端正在让 AI 从聊天窗口，变成能读材料、搭小工具、接真实数据、请求权限的工作伙伴。 Felix 负责的是离用户很近的产品体验，所以这期对话没有停在“模型又变强了”。他反复给出的判断更像一条工作建议：别把 Claude 当成一个更聪明的输入框。把麻烦事拆出来，把上下文交给它，把一次性任务变成可复用的小系统，人再把精力留给判断、审美和取舍。 先别急着找唯一入口 Felix 说自己现在常介绍的工作范围包括 Claude Co work、Claude Code、Claude for Chrome，以及 macOS 和 Windows 的 Claude 桌面应用。主持人问他最常用哪个入口，他选了 Co work，因为身边很多人看到终端界面就紧张，第三个标签页已经让他们有压力。 他把今天的 AI 产品形态比作智能手机早期：有人在做带键盘的机器，有人试图把手机做成各种奇怪形状，还没人完全确定“玻璃板”会成为答案。Claude 现在给用户多个入口，也是在区分三类工作：快速问答、深度工作、工程工作。 "现在它能帮助我们知道，你是来快速得到答案，还是来做深入工作，还是来做工程工作。提前知道这一点，会让体验好很多。" 对工程师、PM、设计师来说，这个判断很实际。团队不需要先押注一个“终极 AI 工作台”，更该先把工作拆成不同状态：哪类只要答案，哪类需要持续读上下文，哪类需要能运行代码、改文件、接工具。入口的选择，本质上是在给任务选工作环境。 把任务往上抽一层 Felix 最近搬家，拿到一张房产中介给的户型图，图上没有单位。他把披露文件、贷款信息、户型图和房屋记录放进一个文件夹，交给 Claude Co work，让它找出户型图的单位并重新生成一张带尺寸的图。Claude 在文件里找到了车库许可，用车库尺寸推回整套房子的比例。 接下来的动作更能说明问题。Felix 原本想让 Claude 给几个室内设计方案，写到一半改口：他想要一个能拖动家具的交互式规划器。Co work 给 Claude 一台自己的虚拟电脑，它可以用 Python、读文件、生成软件。最后 Claude 分析二维平面图，做出一个 3D 房屋模型，Felix 可以在里面移动家具、切换视角、像游戏一样走进去看。 "我从来没有告诉 Claude：你应该给我做一个 3D 模型。我也不知道怎么把二维户型图变成可靠的三维方案。" Felix 最值得带走的动作，是没有停在“帮我量一下床多宽”。他先手动输入家具尺寸，随后意识到自己可以直接告诉 Claude 家里有哪些家具，再进一步让 Claude 去邮件里查购买记录。任务从填写表格，升级成搭一个能读取真实数据的个人工具。 主持人 Claire Vo 特意停下来强调这个场景：邮箱其实记录了一个人的个人库存。家具、地毯、衣服、搬家清单、购物收据，很多生活里的“数据库”早就存在，只是过去没人会把它当作可查询的数据源。Claude 进入这些地方后，微型工具的起点就从手动录入变成了让它自己去找。 模型选择看你有多清楚问题 在户型图任务里，Felix 用的是 Sonnet。他给出的判断很朴素：大多数日常任务，Sonnet 已经足够好。找公开网站上的户型图、识别单位、重新生成图纸，对模型来说并没有碰到能力天花板。 他会在另一种场景切到 Opus：人还没弄清楚自己到底想问什么。律师、会计、医生、创意顾问常做的一部分工作，是重新理解客户真正要解决的问题。模型也一样，任务越模糊，越需要它先替你重构问题。 团队可以按这个方法分工。已经有明确输入、输出、边界和验收标准的任务，可以交给更快、更稳的模型。还在探索阶段的需求、产品方向、客户问题、复杂调研，先用更强模型帮你界定范围，再把后续执行拆给更便宜、更快的工作流。 很多团队用 AI 时体感忽高忽低，常见原因是任务定义太混杂：团队把“想清楚要什么”和“执行一个清楚任务”塞进同一个提示里。Felix 的做法更像先定工作类型：探索期让模型多问、多重构；执行期给足材料、验收标准和权限边界。 数据源比提示词更改变结果 家具规划器只是一个入口。Felix 还提到一个“承诺追踪器”：越来越多人在 Twitter 上找他排查问题，他经常答应对方“把日志发我，我来看”。后来承诺散落在私信里，他就让 Claude 读取消息，记录自己答应过谁、什么时候该跟进，并且要求它别每次都重新读所有消息。 Claude 自己建了 SQLite 数据库，也建了一堆文本文件。Felix 没有细看这些实现细节，因为这个工具只服务他个人，只要能在两周后提醒他该兑现承诺，就已经完成工作。微型应用的评价标准不再是架构优雅，而是它能不能减少一个反复发生的小摩擦。 Live Artifacts 让这个思路更进一步。Felix 现场让 Claude 做一个个人日报仪表盘，接入 Spotify、Gmail、Calendar、Notion 等连接器。主持人 Claire Vo 提醒大家，魔法词是 live artifact，因为它能用同一个连接授权刷新数据。报告、仪表盘、演示文稿、Pitch Deck，都可以从静态文件变成会更新的工作界面。 "几乎任何你在电脑上折腾的事情，都可以问 Claude 能不能帮你做。" 对产品团队来说，这一节很像一个提醒：提示词技巧有用，但高质量上下文更能改变输出。日历、邮件、工单、客户记录、代码仓库、设计系统、销售进展，才是 AI 进入业务的真实入口。人要做的工作，是把数据源接进来，再把“每天都要重新整理”的动作做成可刷新界面。 Felix 举了一个创始人会懂的例子：Pitch Deck 每周都要更新，面对 60 个 VC 时，每个人关心的参照公司、最新注册数据、增长曲线都不同。Live Artifact 的价值在这里很直观：同一个核心叙事保留，数据和受众信息自动刷新，团队不用每周重新复制一遍表格。 他现场还让 Claude 把日报界面改成 2000 年代软件风格，Claude 自动想到 Winamp、桌面时钟和复古控件。这个细节很轻，但同一份数据确实可以被重塑成不同人愿意每天打开的工作界面。 别把等待当成失败 Co work 现场加载时，主持人顺势问 Felix：带延迟的 AI 产品怎样做得不烦人？他的回答来自 Slack 时代的经验。早期 Slack 发消息会立刻成功或立刻失败，网络稍微不稳就让用户看到错误。后来 Slack 改成先重试几次，过几秒仍失败再提醒用户。iMessage 也用类似策略，在隧道里发消息时，系统会自动稍后重试。 AI 工作流也需要这种异步感。Felix 说自己愿意多花一点时间换更好的结果。他希望用户不要坐在那里盯着 Claude 移动鼠标。AI 最适合承担的是那些烦人、重复、需要在后台完成的工作，让人空出创意和判断。 "我想让 AI 在后台做一堆烦人的事，把你的创造力释放出来。" 团队做 AI 产品时，也会遇到同样选择：把每一步都做成同步反馈，看似安全，实际容易让用户守在屏幕前。把任务拆成可检查的后台工作、清楚的中间状态、必要时的权限确认，才更接近 AI Agent 该有的形态。等待本身不可怕，用户真正需要的是知道它在干什么、何时需要自己出手。 权限可以变成一个按钮 全场最有画面感的部分，是 Felix 做了一个 19 美元的硬件小伙伴。它有屏幕、Wi Fi、Bluetooth 和一点存储空间。他把设备接到电脑上，告诉 Claude Code：我想让一个小 Claude 住在里面，每次我做得好时给我鼓励，每次 Claude 需要我批准操作时，把请求放到这个大按钮上。 Claude Code 一次就完成了。Felix 后来把代码开源，也看到很多人做了类似装置。现场演示里，他在 Claude 桌面端打开开发者模式，进入开发者菜单，连接 open hardware buddy，再让 Claude 创建一个 hello world.txt。需要写入磁盘时，硬件发出提示，他按下按钮，权限就通过。 "我想让小 Claude 住在这个设备里。每次需要批准 Claude 做什么，我希望它出现在这个大按钮上。Claude 一次就把这些全做出来了。" 小玩具背后是一条严肃的产品线索。Agent 真正进入工作场景后，权限、确认、失败反馈、运行边界都会变成体验的一部分。它们不一定只存在于弹窗里，也可以是实体按钮、桌面通知、审批队列、dry run、日志摘要。好的人机界面会让人放心离开屏幕，也知道什么时候该回来拍板。 出错时先调工作流 主持人最后问 Felix：Claude 走偏时，他会怎么提示？Felix 的做法很工程。他会把预期结果讲清楚，让 Claude 回溯自己在哪一步理解成了别的东西，再一起讨论下次如何防止同类问题。很多时候，问题出在数据源噪声、任务起点、提示结构或缺少 dry run。 他很少把结论停在“Claude 做不了”。更常见的收获是：换一种 harness，改一点 prompt，给更干净的数据，先跑一遍预演，或者让 Claude 自己提出改进方案。对团队也是一样，AI 出错后最该复盘的，往往是任务入口和反馈回路。 Felix 还提到一个细节：Anthropic 产品里的 thumbs up、thumbs down 反馈非常重要，它们会进入训练和产品改进。对企业内部工具来说，这也是一个可借鉴的机制。Agent 不是一次写完的自动化脚本，它需要持续接收人对结果的判断，慢慢把团队的偏好、边界和异常处理方式沉淀下来。 如果一次任务经常跑偏，下一轮可以先让 Claude 写执行计划，或者先做 dry run，只列出它准备读取哪些文件、改哪些地方、需要哪些权限。人工审批点提前出现，后台执行才会让人安心。Felix 的经验并不神秘：把错误当成改工作台的材料，而不是把它当成一次性的失败。 Felix 还提到孩子使用 Claude 的场景：有人把孩子手绘的小动物拍下来，交给 Claude 做成 jump and run 或 Flappy Bird；主持人的 9 岁孩子每天用 Claude，一边开终端一边研究网络安全。成年人记得太多电脑过去做不到的事，孩子直接问“能不能做”。团队也需要补这块肌肉：把需求说出来，再让工具证明边界。 写在最后 下次你发现自己在复制数据、整理材料、等待工具跑完，先别急着优化提示词。把问题往上抽一层：Claude 能不能读取正确上下文？能不能在后台跑？能不能把结果做成可复用界面？能不能在需要你判断时再叫你回来？这个动作练熟了，AI 才开始改变工作方式。 内容来源："How the engineer behind Claude Cowork actually uses Claude"丨How I AI 原视频：https://www.youtube.com/watch?v= tdNsYi8AXs No access c70367914571470ebb02414a7a00db31 00:00 No access c70367914571470ebb02414a7a00db31 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣