最近看了一期 How I AI 播客，嘉宾是 Teresa Torres，她在节目里展示了自己怎么用 Claude Code 管理工作和生活。说实话，看完之后我非常震惊。 Teresa 不是程序员，但她把 Claude Code 用到了极致！从任务管理到学术研究，从写作辅助到信息整理，基本上把整个工作流都搬到了终端里。更关键的是，她的方法特别实用，完全不需要你有什么技术背景。这期节目让我收获了很多，我边看边记笔记，把其中最核心的几个方法整理出来。1️⃣ 用 Markdown 文件管理待办事项Teresa 之前用 Trello 管理任务，但慢慢发现了一个问题：所有笔记都锁在第三方工具里，想导出数据特别麻烦。而且她是那种喜欢边做事边记笔记的人，Trello 的搜索功能根本不够用。于是她想，能不能让 Claude 帮忙搞定这件事？结果就是现在这套系统。她每天早上打开电脑，在 Claude Code 里输入一个斜杠命令 slash today，然后 Claude 就会自动生成当天的待办清单。这个清单不是简单的任务列表，会告诉你今天要做什么，哪些任务过期了，甚至还会从你的想法库里挑几个长期项目提醒你。更厉害的是，因为所有任务都是 Markdown 文件，Claude 可以直接读取，你可以问它：我的销售漏斗现在什么情况？Claude 会马上给你生成一个清单。不用打开浏览器，不用点十几个按钮，不用在日期选择器里翻来翻去。直接在 Claude 里打几个字，新任务就创建好了。而且因为是纯文本，搜索起来特别快，就算你记不清当时用的什么词，Claude 也能帮你找到。2️⃣ 每天自动收集学术论文，再也不怕错过重要研究Teresa 有个特别的爱好：她想跟上学术界的最新研究。但问题是，谁有时间每天去搜索论文啊？于是她又让 Claude 帮忙，搭了一个自动化的研究助手。这个系统每天早上会自动搜索 arXiv 和 Google Scholar，根据她预设的关键词找新论文。然后把结果整理成一份研究摘要，直接出现在她的待办清单里。如果她看到感兴趣的论文，就下载 PDF 保存起来。第二天，Claude 会自动生成这些论文的详细总结。这些总结会重点分析研究方法、效应大小这些关键信息，因为 Teresa 需要自己判断这个研究靠不靠谱，值不值得深入阅读。她分享了一个有意思的故事。有一天她在研究摘要里看到一篇关于购买意向的论文，Claude 生成的总结让她发现了研究方法的问题。第二天她在 LinkedIn 上看到有人分享这篇论文，就写了一篇详细的批判性分析。结果那条帖子成了她表现最好的内容之一。自动化不是让你变懒，而是让你能更快地参与到重要对话中。当别人还在慢慢读论文的时候，你已经完成分析并发表观点了。3️⃣ 用小而精的上下文文件，让 AI 真正懂你Teresa 有个很重要的发现：给 AI 太多上下文和给太少一样糟糕。一开始她把所有信息都塞进 Claude 的配置文件里，结果发现 Claude 每次都要加载一大堆无关内容。比如她问狗狗吃了什么东西会不会有事，Claude 根本不需要知道她的营销渠道是什么。所以她改变了策略，把信息拆成很多小文件，有商业档案、个人档案、写作风格指南、产品信息等等。然后在主配置文件里建了一个索引，告诉 Claude 什么时候该用哪个文件。这样做的好处是什么？你可以特别懒地提问，比如直接说：Claude，帮我看看这篇博客。Claude 会自动加载你的写作风格指南、目标受众信息，然后给出针对性的反馈。Teresa 强调，这些上下文文件也不是她自己写的。每次和 Claude 完成一个任务，她就问：我们今天学到了什么？应该记录下来吗？然后让 Claude 去更新这些文件。这个方法其实解决了一个很多人都遇到的问题：怎么让 AI 记住你的偏好和习惯？答案不是反复解释，而是建立一个结构化的知识库，让 AI 自己去查阅。4️⃣ Claude 是写作伙伴，不是代笔工具Teresa 很明确地说，她不让 Claude 替她写东西，但 Claude 是她最重要的写作伙伴。她的工作流程是这样的：在 Obsidian 里写作，旁边开着 Claude Code。写完一段就问 Claude：这个说法有证据支持吗？或者：这个开头的吸引力够不够？Claude 会去搜索资料，或者根据她的写作风格指南给出建议。因为有详细的风格指南，Claude 的反馈特别精准。它知道 Teresa 想写给谁看，想达到什么效果，应该用什么语气。AI 工具的门槛其实没那么高。你不需要会编程，不需要懂技术，只要愿意花时间和 AI 对话，慢慢建立起适合自己的工作流程。Teresa 的方法给了我们几个启发。第一，个性化很重要，不要勉强自己适应别人的系统。第二，自动化应该服务于你真正在意的事情，而不是为了自动化而自动化。第三，好的 AI 协作需要你投入时间建立上下文，但这个投资是值得的。2026 年才刚开始，也许过不了多久，我们每个人都会有一套专属的 AI 工作流。到那时候，工作效率的差距可能不在于你用什么工具，而在于你怎么用。