把 Claude Code 用上了

最新推荐文章于 2025-11-20 11:16:41 发布

原创最新推荐文章于 2025-11-20 11:16:41 发布 · 803 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #ApiHug #claude

ApiHug 同时被 2 个专栏收录

110 篇文章

订阅专栏

ApiSmart

72 篇文章

订阅专栏

https://mp.weixin.qq.com/s/rO2c56WUPadvQ70vyLpWfAhttps://mp.weixin.qq.com/s/rO2c56WUPadvQ70vyLpWfA

概述

一直在Cursor, Trae蹭用他们的模型，没有直接用Claude Code, 开始以为CLI 界面应该很丑陋，但是装完用上后，还是非常惊艳的，把CLI 做成这样和UI 其实没有什么差别，在和LLM 对话上更捷简，使用后大为惊艳！

先分享一些 Claude 最近资讯：

Claude 模型使用情况

文末有官方的详细数据和报告

7亿人每周狂发180亿条消息！OpenAI首次揭秘ChatGPT最火用途

Claude使用趋势（Anthropic）

• 用户规模与场景：
- • 39%的用户将完整任务交由Claude处理（较8个月前提升12%），软件开发是核心用途（36%）。
- • 自动化任务：指令式自动化占比从27%升至39%，企业用户中77%的API调用为自动化（远高于普通用户的50%）。
- • 细分领域：
  - • 计算机/数学任务占37-40%，教育指导类增长40%，物理与社会科学类增长33%。
  - • 企业用户侧重编程（44%）和行政任务，而普通用户更关注教育、艺术等。
• 地区与经济差异：
- • 全球分布：美国、印度、巴西、日本、韩国为使用主力，新加坡等小型高收入国家人均使用率突出。
- • 经济结构影响：高收入地区更倾向协作（如文档编辑、科研），低收入地区偏好直接自动化。
- • 美国州级差异：
  - • 华盛顿DC（人均使用率最高）、加州（技术密集）、纽约（金融）为三大中心。
  - • 夏威夷用户侧重旅游相关任务，马萨诸塞州科研需求突出，巴西用户语言学习需求为全球6倍。
• 企业级应用：
- • 付费API用户更“激进”：77%的任务自动化，5%流量用于AI系统开发与评估。
- • 成本与价值：企业更关注AI创造的价值而非成本，复杂任务使用率更高。

Claude Code 如何做产品

AI 原生组织怎么建：Claude Code 产品经理 Cat Wu 的起步顺序

核心理念：AI原生组织的起步顺序

AI原生组织的建立并非始于宏大的战略蓝图或部门重组，而是始于一个好用的工具。其成功的关键在于让工具在实际应用中证明其价值，通过用户的口碑和实际使用，形成自然的传播和生态，最终促使组织结构和工作流程随之改变。

四大核心步骤：

1. 工具先应用起来 (Start by Using)
- • 起点是实践而非规划： Claude Code的诞生源于一名工程师为解决个人效率问题而搭建的命令行工具，而非公司的战略决策。
- • 融入而非改变：成功的关键是让工具无缝融入用户现有的工作流，而不是要求用户改变习惯去适应工具。它“让自己变得容易被使用，而不是要求用户学会使用它”。
- • 从内部开始，自然扩散：工具首先在小范围（如工程师团队）被使用并证明价值，然后凭借口碑效应，自然地扩散到产品经理、设计师、数据科学家等更广泛的群体。
2. 功能靠反馈迭代 (Iterate on Feedback)
- • 用户驱动开发：新功能的产生和迭代并非源于详尽的产品路线图或PRD文档，而是源于用户在实际使用中产生的真实需求和反馈。
- • 快速原型与验证：团队采用“快速原型 -> 内部试用 -> 收集反馈 -> 快速改进”的轻量级循环。例如，/todo待办清单功能就是为解决模型任务执行不完整的问题而诞生。
- • 用行为而非言语衡量价值：判断一个功能是否值得保留的标准是用户是否“真的有人用”、“能重复使用”，而不是口头上的好评。
3. 变成组织的接口 (Become the Organization's Interface)
- • 个性化与适应性：工具设计为能适应不同角色（工程师、设计师、产品经理）的工作习惯。例如，通过Claude.md记忆文件，用户可以定义自己的“技术简历”，让AI助手更懂自己。
- • 开放扩展，赋能人人：工具提供SDK和自定义功能（如子代理、自定义触发器），允许用户（甚至是非技术人员）自行扩展和构建新能力，从而将工具从“黑箱”转变为“工具箱”。
- • 降低使用门槛：设计原则是“新功能不需要上手说明”，用户能凭借直觉和简洁的指令立即开始使用。
4. 从工具到生态 (From Tool to Ecosystem)
- • 工具箱思维：目标不仅是做一个代码助手，而是打造一个能帮助人们搭建各种AI代理（如法律、健康、财务助手）的通用平台。
- • 共建与赋能：通过提供SDK，鼓励外部公司和开发者基于Claude Code的基础能力，二次开发出满足特定场景需求的应用，从而构建一个繁荣的外部生态。
- • 核心是判断力：生态成功的前提是AI具备良好的判断力，能自主决定何时调用搜索、何时制定计划等，这需要通过端到端和触发式评估来持续优化。