Claude团队，你是懂“写教程”的！

最近，Claude 官方发布了一篇实打实的案例报告，标题相当直白：

《Anthropic 团队是怎么用 Claude Code 的？》

标题越朴素，内容越干货。看上方的“Case Study （案例研究）”标注就知道——这不是草草列出的使用心得，而是一份带着强烈Claude学术风格的CC研究报告。

这个报告是咋写的呢：他们通过走访内部的数据基础设施、产品开发、安全工程、推理（Inference）、数据科学与可视化等多个工程团队，甚至连法务部门这种“非技术团队”怎么使用Claude Code也进行了详细调查。

每一部分都讲述了他们是怎么用 Claude Code 的、解决了哪些问题，还附带了针对其他组织的迁移建议和实操技巧。

目前关于CC的各种开发者个人分享其实不少，但这种“跨部门 × 实战导向 × 官方亲述”的资料肯定是第一份，信息密度极高，值得每一个技术人认真读一读。

例如，报告中提到的几个操作建议，就非常值得借鉴：

写好 Claude.md 文档：Claude 就能稳稳执行流程任务越详细，越高效，特别适合处理重复性的数据管道搭建工作。并行多项目不中断：Claude 实例上下文独立保存多个 Claude Code 实例并行执行，哪怕几天后切回，也能准确衔接上次的上下文。提示越具体，Claude 越能独立完成任务模块名相近时尤其要写得细致，否则 Claude 可能“改错地儿”。

当然，并非所有建议都没有争议。比如机器学习团队的一条经验就引发了热议：

面对重复性 refactor，别试图修 Claude 的错，直接当“老虎机”用：让它跑 30 分钟，不满意就重来一轮，命中率更高。

有网友当场回怼：

“这话说得轻松，反正又不是你自己付 Claude Code 的账单。”

但争议的背后，其实也说明了这篇报告的一个现实价值：没有只讲成功故事，而是把“AI coding 在组织内部真实表现”讲透了。

毕竟Claude Code的实力是得到广泛用户认可的：自从 Claude 4（Opus / Sonnet）推出后，Claude Code 的活跃用户量暴涨 300%，年化收入翻了 5.5 倍。

Dario 更在多个场合表示：

“未来 3–6 个月，AI 将负责 90% 的代码编写。”

而在 Claude 开发者日上，他还透露：

“目前 Anthropic 内部约 70% 的 PR 都由 Claude Code 完成。”

所以说，这份“内部实录 + 操作清单 + 使用建议”的报告，不仅信息量大、覆盖范围广，更关键的是能帮你在 AI coding 的热潮提供一个新的视角，为找到真正适合你/你的团队的使用方式一些参考。

一句话总结：这份保姆级教程，值！得！一！看！

话不多说，来看这份报告：

Claude Code 在产品开发团队的应用

作为 Claude Code 的构建团队，他们用 Claude 来开发 Claude 本身，主要拓展企业功能和 agentic loop（自主循环）能力。

主要应用场景

快速原型开发：自动接受模式（auto-accept mode） 工程师开启自动模式（Shift+Tab），让 Claude 自动生成代码、运行测试、持续迭代。Claude 会对抽象问题做出 80% 的解决方案，工程师再接手做收尾。建议从干净的 Git 状态出发，并定期提交检查点，避免 Claude 跑偏。

同步协作编写关键功能 业务核心逻辑部分，团队会详细提示 Claude 写法，实时监控其执行，以确保代码质量、符合风格规范、架构合理。Claude 负责重复性高的部分。

异步实现 Vim 模式 Claude 自主完成 Vim 快捷键功能的 70%，团队只需做少量修正。这是最成功的异步项目之一。

测试生成与修复 PR 评论 在功能开发后，Claude 负责写全面测试用例，也会处理 PR 审查中提出的简单 bug（如格式问题、函数重命名等），并结合 GitHub Actions 实现自动修复。

快速理解陌生代码库 无需等待 Slack 回复，直接用 Claude 问 API 或 monorepo 中的结构和用法，显著节省上下文切换时间。

团队成效

自动完成 70% 的复杂功能代码（如 Vim 模式） 大幅加快产品迭代速度 自动生成测试与修复 bug，保障代码质量 降低新成员理解代码库的时间成本

使用建议

设置自检循环机制：让 Claude 自动运行 build、测试、lint，以便独立完成更多任务并及时纠错。学会任务分类直觉：外围功能或原型开发可异步，核心逻辑需同步指导。形成清晰的提示结构：模块名相似时要特别具体，以防 Claude 改错地方。提示越详细，Claude 越能独立完成任务。

Claude Code 在数据基础设施团队的应用

数据基础设施团队负责组织公司所有业务数据，服务于各个团队。他们使用 Claude Code 自动化日常的数据工程任务、排查复杂的基础设施问题，并创建可供技术与非技术人员独立访问和操作数据的流程文档。

主要应用场景

Kubernetes 故障排查 + 截图辅助 当 Kubernetes 集群宕机且无法调度新 pods 时，团队将仪表盘截图输入 Claude Code，由其逐步引导点击 Google Cloud UI 的菜单，最终定位问题是 pod IP 地址耗尽。Claude 随后提供精确指令，帮助新建 IP 池并将其添加至集群，无需网络工程师介入。

为财务团队构建纯文本流程 工程师教会财务人员如何用自然语言描述数据处理步骤，并交由 Claude Code 执行。即使是不会编程的员工，也可以写下“查询此仪表盘、获取信息、运行查询、导出 Excel”等步骤，由 Claude 全自动完成，甚至还能主动询问所需参数如日期。

帮助新员工理解代码库 新加入的数据科学家可使用 Claude Code 阅读 Claude.md 文档，快速定位关键代码文件、理解数据管道依赖，以及仪表盘的上游数据来源。Claude 在这方面替代了传统的数据目录和发现工具。

自动生成阶段性工作总结 每项任务完成后，团队会让 Claude Code 总结本次会话内容、提出改进建议，从而持续优化 Claude.md 与操作流程，逐步提升文档实用性。

跨项目并行工作不中断 在进行多个长任务时，团队会为不同项目开多个 Claude Code 实例，各自保留上下文。即使几天后切回，也能无缝继续上次的工作，实现真正的并行处理而不丢失上下文。

团队成效

无需专家即可解决集群问题 加速新员工入职理解系统 自动监控海量数据仪表盘，识别异常 非技术团队实现自助数据处理

使用建议

编写详实的 Claude.md 文档：记录越清晰，Claude Code 的表现越出色。尤其适合处理重复性任务或构建新数据管道。处理敏感数据时优先用 MCP 服务器而非 BigQuery CLI，安全控制更可靠。组织团队内部分享会：相互演示 Claude 使用技巧，有助于发现新的使用方式。

Claude Code 在安全工程团队的应用

安全工程团队专注于软件开发生命周期安全、供应链安全与开发环境的防护。他们广泛使用 Claude Code 编写与调试代码。

主要使用场景

调试复杂基础设施问题处理故障时，将堆栈跟踪与文档输入 Claude Code，请其追踪代码库中的控制流。这将原本需手动阅读 10–15 分钟代码的问题解决时间缩短到约 5 分钟。Terraform 安全审查与分析基础设施变更需安全批准时，团队将 Terraform 计划复制到 Claude 中提问“这个改动会造成什么后果？我会不会后悔？”——极大加快了安全审查反馈，减少开发流程瓶颈。文档合成与运行手册生成Claude 可以整合多个文档来源，生成 markdown 格式的操作手册、排错指南与概览，用于实际问题调试，效率远高于传统的知识库检索。测试驱动开发（TDD）过去流程是“写设计文档→写勉强能跑的代码→重构→放弃写测试”，现在是让 Claude 先生成伪代码，再指导其通过测试驱动方式逐步完成，更可靠、可测试性更强。快速熟悉项目上下文如贡献名为 "dependant" 的安全审批 Web 项目，团队通过 Claude 阅读 markdown 规范并编写代码，使得成员几天内即可产生有效贡献，而非数周。

团队影响 显著缩短故障解决时间将基础设施问题的排查时间从十几分钟降至五分钟内。加快安全审查流程Terraform 审查效率显著提升，开发者无需长时间等待安全批准。提升跨团队贡献能力团队成员无需长时间建立上下文，也能迅速参与项目。更高效的文档工作流文档整合产出更清晰的排错指南，助力问题快速定位。

使用建议 广泛使用自定义斜杠命令（slash commands）安全部门贡献了整个 monorepo 中约 50% 的自定义命令，实现特定流程自动化，加快重复任务。让 Claude 主动“说话”与其精准提问生成代码片段，不如让 Claude 自主逐步提交工作，中间定期检查，最终得到更完整的解决方案。将其用作文档生成器除编程外，Claude 在合成文档方面同样强大。团队会提供格式样例与偏好，让 Claude 生成可直接用于 Slack 或 Google Docs 的文档，避免界面切换疲劳。

Claude Code 在推理（Inference）团队的应用

该团队负责 Claude 的内存系统，即模型在读取用户输入与生成响应过程中用到的内部记忆系统。许多成员缺乏机器学习背景，因此广泛使用 Claude Code 弥补知识空缺，加速工作节奏。

主要使用场景

理解代码结构，快速上手项目刚加入项目时，Claude 可直接指出调用某功能的文件，取代了手动在 GitHub 搜索或问同事的低效流程。生成包含边界条件的测试用例实现核心功能后，用 Claude 写全面单测，特别是自动补全可能被遗漏的边缘情况，从而节省大量脑力和时间。解释机器学习概念没有 ML 背景的成员可让 Claude 解释模型函数或配置参数，将原本需查阅一小时文档与搜索的过程缩短为 10–20 分钟。跨语言代码翻译需要用 Rust 等语言测试功能时，让 Claude 写出对应代码逻辑，无需自己学习该语言。命令记忆与 Kubernetes 管理忘记复杂的 K8s 命令时，直接向 Claude 询问即可获得精确用法，大幅提升基础设施操作效率。

团队影响 ML 概念掌握速度提升 80%查资料的时间从一小时缩短为 10–20 分钟。快速熟悉代码结构秒级获取关键代码位置，不再依赖同事解答。测试覆盖更完整自动生成带边界条件的单测，减轻开发负担。跨语言能力解锁能在不熟悉语言下完成需求，无需重新学习语法。

使用建议 先测试知识问答能力多问 Claude 几个概念类问题，评估其是否优于 Google 搜索。若快又准，即可成为流程中节省时间的利器。从生成代码开始使用提示清晰逻辑让 Claude 写出代码并验证正确性，有助于建立信任后开展更复杂任务。让它帮你写测试将写测试交给 Claude 能显著减压，也确保了质量。

Claude Code 在数据科学与机器学习工程团队的应用

这类团队需要构建可视化工具来评估模型效果，但往往不精通前端语言和框架。Claude Code 让他们在不成为全栈工程师的前提下，开发出可用于生产的分析仪表盘。

主要使用场景

构建 JavaScript/TypeScript 可视化应用虽然对 JS/TS 不熟，他们用 Claude 构建完整的 React 应用来可视化 RL 模型训练表现。Claude 可自主生成五千行的 TS 应用，团队只需提需求，无需理解代码细节。处理重复的代码重构合并冲突或复杂文件重构时，Claude 像“老虎机”一样投入当前状态，30 分钟后产出一个版本，满意就用，不满意就重来。替代 Jupyter 笔记本，构建持久化工具不再依赖一次性 notebook，转向持久的 React 可视化面板，以便未来复用。任务全权委托对陌生语言/代码库，团队可完全交由 Claude 执行实现，无需参与。

团队影响 时间节省 2–4 倍重复性重构从“手动还能做”变为“轻松完成”。在不熟悉语言中开发复杂应用尽管 JS/TS 水平有限，仍能构建五千行的可视化面板。转向可复用工具从临时 notebook 转向标准可复用 React 仪表盘。促进模型改进实际使用 Claude Code 的体验为记忆系统与产品 UX 提供反馈。实现以可视化为核心的决策机制训练与评估阶段对模型行为的理解更深入。

使用建议 像用老虎机一样用 Claude保存状态后让 Claude 自主工作，结果不理想就重来，重启往往比修 bug 更有效。需要时打断简化流程Claude 倾向复杂方案，适当提醒“可以更简单吗？”可得到更合适的解法。

Claude Code 在产品工程团队的应用

该团队负责为 Claude 添加 PDF 支持、引用功能与网页搜索等扩展知识能力。由于常常面对庞大代码库中的陌生模块，Claude Code 成为帮助理解架构、定位关键文件、解释复杂交互的首选工具。

主要使用场景

作为起点的任务规划助手每个任务开始前，先让 Claude 指出要看哪些文件，再着手修 bug、开发功能或做分析，省去大量摸索时间。独立调试陌生代码他们现在可以在陌生模块中自行排查问题，不再求助他人。只需向 Claude 描述行为异常，即可获得初步修复建议。通过“狗食测试”（Dogfooding）验证模型更新Claude Code 自动使用最新研究模型版本，因此是团队第一手体验模型变动的平台。相比过往发布流程，他们能更早获取反馈。 （编者注：Dogfooding为产品开发领域术语，指的是内部员工在正式发布前，先行使用产品）减少上下文切换负担无需复制代码段拖入 Claude.ai，直接在 Claude Code 提问并获得帮助，减轻心理负担。

团队影响 敢于调试陌生模块成员不再畏惧陌生代码，可独立发现与修复问题。节省理解代码上下文的时间避免重复拖文件、补充背景信息，精力更集中。加速团队轮换融入工程师换岗时可快速熟悉新代码库、快速贡献。提升开发者幸福感团队反馈称日常工作更顺畅、更高效，心情更好。

产品工程团队的实用建议 把 Claude 当作迭代伙伴，而不是一次性解决方案不要指望 Claude 一次就解决问题，而是像与同事协作那样逐步推进。这种方式比追求一次出结果更有效。用于构建陌生领域的信心面对自己不熟悉的代码区域，也别犹豫去处理 bug 或调查问题。Claude Code 让非熟悉模块的独立处理变得可行。从最小信息量开始只提供基本需求，让 Claude 引导你逐步展开，而不是一开始就提供大量背景信息。

强化学习工程团队的 Claude Code 实践

RL 工程团队专注于采样效率与权重在集群中的传递。他们用 Claude Code 编写中小型功能、调试 bug 与理解复杂代码，强调“试错+回滚”的迭代式开发方式。

核心应用场景

监督式自主开发中小功能例如实现身份验证机制时，由 Claude 编写主要代码，团队保持监督、及时纠偏。测试生成与代码审查实现功能后请 Claude 生成单元测试或审查代码，提升质量保障效率。错误调试与问题排查Claude 能定位问题并补充测试，有时表现出色，有时仍需手动干预，但整体提升效率。快速理解代码结构与调用栈Claude 可在数秒内总结组件关系与调用路径，替代人工查阅代码或调试日志。Kubernetes 配置与部署指导替代 Google 搜索或请教基础设施同事，Claude 可提供立即可用的配置与命令建议。

开发影响 促进实验式开发采用“尝试-回滚”策略，频繁提交检查点，测试 Claude 自动方案，出错即回退。文档生成自动化Claude 自动补充注释，节省编写时间，尽管偶尔注释位置奇怪、结构混乱。开发提速但非完美中小型 PR Claude 能快速完成，但首次成功率约 1/3，多数仍需额外指导或人工收尾。

RL 工程团队的实用建议 为特定模式自定义 Claude.md 文件在 Claude.md 文件中加入明确指令，防止 Claude 重复出现工具调用错误，比如：“使用pytest而不是run，不要随便切换目录，直接使用正确路径。” 这类规范能显著提升生成结果的一致性。使用“重检查点”工作流Claude 修改代码时频繁提交 checkpoint，方便在实验失败时快速回滚，支持更具实验性的开发流程而无需担心代价。先尝试一把式实现，再转向协作模式先给 Claude 简洁提示，让它尝试一次性实现完整功能。如果成功（约有三分之一几率），节省大量时间；若失败，再转向引导式协作开发。

增长营销团队的 Claude Code 实践

增长营销团队专注于投放渠道拓展：搜索广告、社交广告、应用商店投放、电邮营销和 SEO。该团队几乎无工程背景，仅由一人组成，但借助 Claude Code 实现了高效自动化和代理式工作流，原本需要大量开发资源的工作得以独立完成。

核心应用场景

Google Ads 创意文案自动生成构建代理型工作流处理包含广告文案和表现数据的 CSV 文件，识别效果差的广告并生成符合字符限制的新版本。借助“标题生成子代理”和“描述生成子代理”，实现分钟级生成数百条广告，替代传统人工迭代。Figma 插件实现批量创意生成不再手动复制粘贴社媒广告图，而是开发 Figma 插件识别画面并自动生成多达 100 套不同文案组合，每批仅需半秒，极大提高内容产出。Meta Ads MCP Server 构建广告分析系统搭建与 Meta Ads API 集成的 MCP Server，可在 Claude Desktop 中直接查询广告投放表现，省去多平台切换，提高分析效率。构建带记忆系统的高级提示工程日志系统会记录广告实验与假设，Claude 能将过往实验结果带入生成新创意的上下文，实现“自我优化”的测试循环。

团队影响 重复性任务大幅提速：广告文案制作时间从 2 小时压缩到 15 分钟。创意输出提升 10 倍：Figma 插件+自动文案生成，海量测试变得可行。小团队实现大团队能力：无需开发人员也能实现复杂系统构建。聚焦战略而非执行：时间转移到更高层次的自动化设计与策略制定。

实用建议 识别具备 API 的重复任务：寻找可与 Claude 集成的设计/广告/分析工具。将复杂任务拆分为多个子代理：如标题代理、描述代理分别处理，便于调试与优化。提前用 Claude.ai 梳理提示逻辑：在实际写代码前，花时间用 Claude.ai 设计工作流和结构。

产品设计团队的 Claude Code 实践

产品设计团队支持 Claude Code、Claude.ai 和 Anthropic API 的设计。他们即使没有开发背景，也能用 Claude Code 跨越设计与工程的鸿沟，直接实现自己的设计想法，无需频繁往返于工程协作。

核心应用场景

前端样式与状态管理修改无需撰写冗长文档与多轮反馈，设计师可直接使用 Claude Code 修改字体、颜色、间距等，甚至进行复杂的状态管理。GitHub Actions 自动生成任务只需在 GitHub 中提交问题描述，Claude 就可自动建议代码修改方案，无需打开 Claude Code，大幅加快修复流程。交互原型快速生成贴图设计图后，即可生成可运行的交互原型，开发工程师能一眼看懂，代替传统 Figma 静态图与手工说明。边界情况识别与系统逻辑建模Claude 可帮助设计师梳理逻辑流程、状态切换与错误场景，在设计阶段即识别问题，避免后期返工。大范围文案变更与法律协作如全局删除“研究预览”标语，仅花费两次 30 分钟会议便完成包含代码扫描、法律审核与最终实施的工作，效率远高于传统反复沟通。

团队影响 设计工具范式变化：Claude Code 与 Figma 同时打开时间占比高达 80%。执行速度提升 2-3 倍：无需等工程师处理，设计师可直接落地样式变更。项目交付从“周”变为“小时”：如 GA 项目消息部署，从一周协调缩短至两次 30 分钟会议。两类用户体验分化：开发者感到“执行更快”；设计师则是“我居然是开发者了！”优化设计与开发协作：设计师理解系统架构后，与工程配合更高效。

实用建议 请工程师协助初始配置：Git 权限与项目目录配置对非技术用户较难，需开发协助。使用自定义“记忆文件”：在 Claude.md 中写明“我是设计师、希望分步解释、不要大改”，效果更稳定。截图粘贴原型图：Command+V 粘贴设计图，Claude 可识别并生成前端代码，加快从设计到产品的转化过程。

法务团队的 Claude Code 实践

法务团队是在好奇心驱动和对 Anthropic 产品的探索过程中，逐步发现 Claude Code 的潜力的。其中一位成员还将其应用在个人项目中，为家人开发无障碍工具，并向其他非开发者展示了 Claude 的强大能力。

主要使用场景

为家人定制无障碍沟通工具有成员仅用一小时就开发出预测文本应用，结合原生语音转文本功能，并使用语音库朗读输出，协助因疾病无法说话的家人交流。该工具弥补了言语治疗师推荐的辅助工具中的功能空缺。法务工作流程自动化构建原型电话分流系统（“phone tree”），帮助员工快速联系到正确的法务人员，展示了无需传统开发资源也能自建法务支持工具的可能。团队协作自动化工具在 G Suite 中构建应用，实现每周更新自动收集、法务审查进度追踪等功能，律师仅需点击按钮即可标记需审查事项，无需维护复杂表格。快速原型验证思路用 Claude Code 快速构建功能原型并展示给专业人士（如 UCSF 的辅助工具专家），以验证构想与已有方案的差异，再决定是否深入开发。

工作风格与影响 Claude.ai 规划，Claude Code 实现采用“两步法”流程：先用 Claude.ai 对话完成思路规划，再在 Claude Code 中逐步实现，提醒 Claude 慢一点，一步一步来，而不是一次性输出全部代码。视觉导向型操作经常通过截图来展示界面预期，让 Claude Code 依据视觉反馈生成界面，而不是用文字描述功能。原型驱动型创新文化鼓励克服“不成熟就不好意思分享”的心理，即使是“小玩具”级别的原型，也能启发其他团队看到新的可能。

合规与安全意识 MCP 深度集成的风险识别产品法务人员使用 Claude Code 分析深度 MCP 集成带来的安全风险，认为企业若维持保守的安全策略，未来 AI 接入敏感系统将面临较高门槛。优先推进合规工具构建法务团队呼吁：随着 AI 能力不断增强，应尽早搭建合规支撑工具，在创新与风险控制间寻找平衡点。

法务团队的实用建议 先在 Claude.ai 中完整规划思路用 Claude 的对话界面梳理整个项目，再请它整理成 step-by-step 的提示语，交由 Claude Code 实现。逐步推进 + 强调视觉沟通要求 Claude Code 放慢速度、按步骤输出，便于逐句粘贴检查。用截图展示界面效果要优于文字描述。勇于分享不完美原型不要因原型“幼稚”就藏起来，展示它们能启发更多部门，看见跨团队协作与创新的新可能。

参考链接：

https://www.anthropic.com/news/how-anthropic-teams-use-claude-code

参考阅读

如何用AI Coding和Claude Code提升开发效率？看我的全流程复盘

研发排查问题的利器：一款方法调用栈跟踪工具

万字综述，讲一讲这两年大模型这整个领域到底发展了哪些方面

腾讯云TDSQL-C 全球数据库技术揭秘

服务器故障管理实践

技术原创及架构实践文章，欢迎通过公众号菜单「联系我们」进行投稿