原文：How Anthropic teams use 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都能够处理复杂的项目、自动化任务，并弥合以往限制生产力的技能鸿沟。
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（Inference） 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、它对其工作的影响，以及为其他考虑采用该工具的组织提供的建议。
Claude Code 在数据基础设施团队的应用 数据基础设施团队负责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。
主要使用场景 通过截图进行 Kubernetes 调试 当 Kubernetes 集群出现故障，无法调度新的 pod 时，团队使用 Claude Code 来诊断问题。他们将仪表盘的截图输入 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。随后，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 。为财务团队设计的纯文本工作流 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 中以实现完全自动化的执行。毫无编程经验的员工 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”等步骤，Claude Code 会执行整个工作流程，包括询问日期等必要输入。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 会阅读他们的 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，并帮助新人理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发现工具 。会话结束时自动更新文档 在每项任务结束时，团队会要求 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的循环，Claude Code 根据实际使用情况帮助优化 Claude.md 文档和工作流指令，使后续的迭代更加有效。跨多实例的并行任务管理 在处理长时间运行的数据任务时，团队会为不同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位置，实现了真正的无上下文丢失的并行工作流管理 。 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。加速了新员工的上手过程 ：新数据分析师和团队成员可以迅速理解复杂系统并做出有意义的贡献。增强了支持工作流程 ：Claude Code 能处理更大的数据量并识别异常（如监控 200 个仪表盘），这是人力无法完成的。实现了跨团队的自助服务 ：无编程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顶级技巧 编写详细的 Claude.md 文件 ：你在 Claude.md 文件中记录的工作流程、工具和期望越详细，Claude Code 的表现就越好。对敏感数据使用 MCP 服务器而非 CLI ：建议使用 MCP 服务器而不是 BigQuery CLI，以便更好地控制 Claude Code 的访问权限，特别是处理需要日志记录或有隐私问题的敏感数据时。分享团队使用经验 ：团队举办了交流会，成员们互相演示他们使用 Claude Code 的工作流程，这有助于推广最佳实践。 Claude Code 在产品开发团队的应用 Claude Code 产品开发团队使用自己的产品来构建 Claude Code 的更新，扩展其企业级功能和代理循环（agentic loop）能力。
主要使用场景 使用“自动接受模式”进行快速原型开发 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 ，从而进行快速原型开发。他们给 Claude 一些他们不熟悉的抽象问题，让它自主工作，然后在解决方案完成 80% 后接手进行最终的完善。核心功能的同步编码 对于涉及应用业务逻辑的更关键功能，团队与 Claude Code 进行同步工作，提供包含具体实现指令的详细提示。他们实时监控过程，确保代码质量、风格合规和架构正确，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 快捷键。他们要求 Claude 构建整个功能，最终实现的约 70% 来自 Claude 的自主工作 ，只需几次迭代即可完成。生成测试和修复错误 团队在实现功能后使用 Claude Code 编写全面的测试，并处理代码审查中发现的简单错误。他们还使用 GitHub Actions 让 Claude 自动处理 Pull Request 中的评论，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时，团队使用 Claude Code 快速了解系统的工作方式，直接向 Claude 提问，节省了大量上下文切换的时间。 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。提高了开发速度 ：能够快速进行功能原型设计和想法迭代，而不会陷入实现细节。通过自动化测试提高代码质量 ：能生成全面的测试并处理常规错误修复。更好的代码库探索 ：团队成员可以快速熟悉代码库的陌生部分，无需等待同事回复。 Claude Code 团队的顶级技巧 创建自给自足的循环 ：设置 Claude 通过自动运行构建、测试和代码检查来验证自己的工作。这让 Claude 能够更长时间地自主工作并发现自己的错误。培养任务分类的直觉 ：学会区分哪些任务适合异步处理（如边缘功能、原型设计），哪些需要同步监督（如核心业务逻辑、关键修复）。制定清晰、详细的提示 ：当组件名称或功能相似时，请求要极其具体。提示越好、越详细，你就越能信任 Claude 独立工作。 Claude Code 在安全工程团队的应用 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。
主要使用场景 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，要求它追踪代码库中的控制流。这将生产问题的解决时间从 10-15 分钟缩短到约 5 分钟 。Terraform 代码审查与分析 对于需要安全批准的基础设施变更，团队将 Terraform 计划复制到 Claude Code 中，并提问：“这会做什么？我会后悔吗？” 这创建了更紧密的反馈循环，使安全团队能够快速审查和批准变更，减少了开发过程中的瓶颈。文档整合与操作手册生成 Claude Code 能够吸收多个文档来源，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真实问题的上下文。测试驱动的开发工作流程 他们现在要求 Claude Code 提供伪代码，引导其进行测试驱动开发，并定期检查以在其卡住时提供指导，从而产出更可靠、更易于测试的代码。 团队影响 缩短了事件解决时间 ：基础设施调试时间从 10-15 分钟减少到约 5 分钟。改进了安全审查周期 ：Terraform 代码的安全审查速度大大加快。增强了跨职能贡献 ：团队成员可以在几天内对项目做出有意义的贡献，而不是花费数周时间来建立上下文。更好的文档工作流程 ：从多个来源整合的故障排除指南和操作手册创建了更高效的调试过程。 安全工程团队的顶级技巧 广泛使用自定义斜杠命令 ：安全工程团队使用了整个代码库中 50% 的自定义斜杠命令实现，以简化特定工作流程。让 Claude 主导对话 ：他们现在让 Claude “边工作边提交”，并让其自主工作，定期检查，而不是通过提问来生成代码片段。利用它来处理文档 ：除了编码，Claude Code 还擅长整合文档和创建结构化输出，可以直接用于 Slack、Google Docs 等工具。 Claude Code 在推理（Inference）团队的应用 推理团队管理着在 Claude 读取提示并生成响应时存储信息的内存系统。团队成员，特别是那些机器学习新手，可以广泛使用 Claude Code 来弥合知识差距并加速他们的工作。
主要使用场景 代码库理解与新员工上手 团队严重依赖 Claude Code 来快速理解复杂代码库的架构。他们直接问 Claude 哪个文件调用了特定功能，几秒钟内就能得到结果。生成覆盖边缘情况的单元测试 在编写核心功能后，他们要求 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。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。过去需要一个小时的 Google 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 在需要用不同编程语言测试功能时，团队向 Claude 解释他们想测试的内容，Claude 会用所需的语言（如 Rust）编写逻辑，无需为了测试而学习新语言。 团队影响 加速了 ML 概念的学习 ：研究时间减少了 80%。更快的代码库导航 ：几秒钟内就能找到相关文件并理解系统架构。全面的测试覆盖 ：自动生成包含边缘情况的单元测试，减轻了心智负担。消除了语言障碍 ：无需学习新语言（如 Rust）即可实现功能。 推理团队的顶级技巧 首先测试知识库功能 ：尝试问各种问题，看看 Claude 是否能比 Google 搜索更快地回答。从代码生成开始 ：给 Claude 具体指令，让它编写逻辑，然后验证其正确性。这有助于建立对工具能力的信任。用它来编写测试 ：让 Claude 编写单元测试可以极大地减轻日常开发的压力。 Claude Code 在数据科学与 ML 工程团队的应用 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他们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人员的情况下构建生产质量的分析仪表盘 。
主要使用场景 构建 JavaScript/TypeScript 仪表盘应用 尽管对 JavaScript 和 TypeScript “知之甚少”，团队仍使用 Claude Code 构建完整的 React 应用，用于可视化强化学习（RL）模型的性能和训练数据。他们让 Claude 从头开始编写完整的应用，例如一个 5000 行的 TypeScript 应用 ，而无需自己理解代码。处理重复性重构任务 当面临合并冲突或半复杂的文件重构时，他们会像玩“老虎机”一样 使用 Claude Code——提交当前状态，让 Claude 自主工作 30 分钟，如果解决方案可行就接受，否则就重新开始。创建持久的分析工具而非一次性笔记本 团队现在让 Claude 构建可重复使用的 React 仪表盘，而不是一次性的 Jupyter 笔记本。这很重要，因为理解 Claude 的性能是“团队最重要的事情之一”。 团队影响 节省了 2-4 倍的时间 ：常规的重构任务现在完成得更快了。用不熟悉的语言构建了复杂的应用 ：尽管经验最少，也创建了 5000 行的 TypeScript 应用。从一次性工具转向持久化工具 ：现在构建可重用的 React 仪表盘进行模型分析。推动了可视化驱动的决策 ：通过先进的数据可视化工具，更好地理解了 Claude 在训练和评估期间的性能。 数据科学与 ML 工程团队的顶级技巧 像玩老虎机一样使用它 ：在让 Claude 工作前保存你的状态，让它运行 30 分钟，然后要么接受结果，要么重新开始，而不是试图修正它的错误。必要时为了简化而中断 ：在监督时，不要犹豫，可以随时停下来问 Claude：“你为什么这么做？试试更简单的方法。” Claude Code 在产品工程团队的应用 产品工程团队致力于为 Claude 带来额外知识的功能，如 PDF 支持、引用和网络搜索。在大型复杂代码库中工作意味着经常遇到不熟悉的代码部分。Claude Code 通过充当向导，帮助他们理解系统架构、识别相关文件和解释复杂交互，改善了这一体验。
主要使用场景 工作流的第一步规划 团队将 Claude Code 作为任何任务的**“第一站”**，要求它确定要检查哪些文件以进行错误修复、功能开发或分析。跨代码库的独立调试 团队现在有信心处理不熟悉代码部分的错误，而不是向他人求助。他们可以问 Claude：“你觉得你能修复这个错误吗？这是我看到的行为”，并经常立即取得进展。通过“吃自己的狗粮”（内部测试）进行模型迭代测试 Claude Code 自动使用最新的研究模型快照，这成为他们体验模型变化的主要方式，为团队提供了开发周期中模型行为变化的直接反馈。 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。显著节省了收集上下文的时间 ：无需再复制粘贴代码和文件，减少了心智负担。更快的轮岗上手速度 ：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贡献。提升了开发者幸福感 ：团队报告称，随着日常工作流程摩擦的减少，他们感觉更快乐、更高效。 产品工程团队的顶级技巧 将其视为迭代伙伴，而非一次性解决方案 ：将其视为一个可以与之迭代的合作者，而不是期望它能立即解决问题。用它来建立在不熟悉领域的信心 ：不要犹豫去处理超出你专业范围的错误或事件。从最少的信息开始 ：从你需要的最基本信息开始，让 Claude 引导你完成整个过程。 Claude Code 在增长营销团队的应用 增长营销团队专注于构建付费搜索、社交、应用商店、邮件营销和 SEO 等效果营销渠道。作为一个只有一人的非技术团队 ，他们使用 Claude Code 来自动化重复的营销任务，并创建通常需要大量工程资源的自动化智能工作流（agentic workflows）。
主要使用场景 自动化 Google Ads 广告素材生成 团队构建了一个自动化工作流，可以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的新变体。该系统在几分钟内就能生成数百个新广告 。用于批量制作创意素材的 Figma 插件 他们开发了一个 Figma 插件，可以识别图层并程序化地生成多达 100 个广告变体 ，将需要数小时复制粘贴的工作缩短到每批次半秒钟。这使创意产出提高了 10 倍。用于广告活动分析的 Meta Ads MCP 服务器 他们创建了一个与 Meta Ads API 集成的 MCP 服务器，可以直接在 Claude 桌面应用内查询广告活动效果，无需在不同平台间切换。 团队影响 在重复性任务上节省了大量时间 ：广告文案创作时间从 2 小时减少到 15 分钟。创意产出增加了 10 倍 ：现在可以测试更多的广告变体。能像一个更大的团队一样运作 ：可以处理传统上需要专门工程资源的大型开发任务。战略重心的转移 ：可以将更多时间花在整体战略和构建自动化上。 增长营销团队的顶级技巧 识别可通过 API 实现的重复性任务 ：寻找涉及重复操作且工具提供 API 的工作流程（如广告平台、设计工具）。将复杂工作流分解为专门的子代理 ：为特定任务创建独立的代理（如标题代理 vs. 描述代理），这使得调试更容易，并提高了输出质量。编码前进行彻底的头脑风暴和提示规划 ：先花大量时间用 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。 Claude Code 在产品设计团队的应用 产品设计团队支持 Claude Code、Claude.ai 和 Anthropic API。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，从而直接实现他们的设计愿景。
主要使用场景 前端优化和状态管理变更 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 实现这些变更 。工程师注意到他们正在进行“通常不会看到设计师进行的大型状态管理变更”。GitHub Actions 自动化处理工单 通过 Claude Code 的 GitHub 集成，他们只需提交描述所需更改的工单，Claude 就会自动提出代码解决方案，无需打开 Claude Code。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和迭代。发现边缘案例和理解系统架构 团队使用 Claude Code 绘制出错误状态、逻辑流程和不同的系统状态，从而在设计阶段识别边缘案例。 团队影响 改变了核心工作流程 ：Claude Code 成为主要的设计工具，Figma 和 Claude Code 80% 的时间都开着。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变更现在可以直接实现。周期时间从数周缩短到数小时 ：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 ：开发者获得“增强型工作流”（执行更快），而非技术用户则获得“天哪，我成了开发者”的工作流。 产品设计团队的顶级技巧 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库设置和权限配置。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、更增量的变更。利用粘贴图片进行原型制作 ：使用 Command+V 将截图直接粘贴到 Claude Code 中。它非常擅长读取设计并生成功能性代码。 Claude Code 在 RL 工程团队的应用 RL 工程团队专注于 RL 中的高效采样和集群间的权重转移。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，并采用包含频繁检查点和回滚的迭代方法。
主要使用场景 在监督下的自主功能开发 团队让 Claude Code 在提供监督的情况下编写大部分中小型功能的代码，例如为权重转移组件实现身份验证机制。生成测试和代码审查 在自己实现更改后，团队要求 Claude Code 添加测试或审查他们的代码。调试和错误调查 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，但有时则难以理解问题。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。 开发工作流程影响 实现了实验性的方法 ：他们现在使用“尝试并回滚”的方法，频繁提交检查点，以便测试 Claude 的自主实现并根据需要回滚。加速了文档编写 ：Claude Code 自动添加有用的注释，节省了大量的文档编写时间。速度提升但有限制 ：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，它在第一次尝试时成功的概率大约只有三分之一 。 RL 工程团队的顶级技巧 为特定模式自定义你的 Claude.md 文件 ：在 Claude.md 文件中添加指令，以防止 Claude 重复犯错。使用重检查点的工作流 ：在 Claude 进行更改时定期提交你的工作，以便在实验不成功时轻松回滚。先尝试一次性解决，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，再切换到更具协作性的指导方法。 Claude Code 在法务团队的应用 法务团队通过实验和了解 Anthropic 产品的渴望，发现了 Claude Code 的潜力。此外，一名团队成员有一个个人用例，即为家人创建无障碍工具，这展示了该技术对非开发人员的强大能力。
主要使用场景 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 ，一个人就创建了一个预测性文本应用，该应用使用本地语音转文本功能，建议回复并使用语音库朗读出来。法务部工作流自动化 团队创建了原型“电话树”系统，帮助团队成员联系到 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，可以自动化每周的团队更新，并跟踪各产品的法律审查状态。 工作方式和影响 在 Claude.ai 中规划，在 Claude Code 中构建 ：他们采用两步流程，先在 Claude.ai 中进行头脑风暴和规划，然后转到 Claude Code 进行实现。视觉优先的方法 ：他们频繁使用截图向 Claude Code 展示他们想要的界面外观，然后根据视觉反馈进行迭代。原型驱动的创新 ：他们强调要克服分享“傻瓜式”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想到的可能性。 法务部门的顶级技巧 先在 Claude.ai 中进行充分规划 ：在转到 Claude Code 之前，使用 Claude 的对话界面充实你的整个想法。增量式和可视化工作 ：要求 Claude Code 慢下来，一步一步地实现，这样你就不会不知所措。大量使用截图来展示你想要的界面。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。