Anthropic官方分享：Claude Code内部最佳实践

Anthropic 各个团队都在使用 Claude Code，从调试生产环境问题、导航陌生代码库，到构建自定义自动化工具，应用无所不包。以下是他们如何做的。

类似 Claude Code 这样的 Agent 编码工具帮助开发者加速工作流、自动化重复性任务，并应对复杂的编程项目。随着领域的演进，我们每天都从用户那里学到新的应用方式，包括我们自己的员工。

为了深入了解，我们与 Anthropic 各部门的员工进行了交流，以理解他们在工作中如何使用 Claude Code。

虽然他们的许多用例是可预测的——调试、导航代码库、管理工作流——但其他一些用例让我们感到惊讶。律师构建了电话树系统。营销人员在几秒钟内生成了数百个广告变体。数据科学家创建了复杂的可视化，而不需要懂 JavaScript。

一个明确的模式浮现了出来：Agent 编码不仅仅是在加速传统开发。它正在消除技术与非技术工作之间的界限，让任何能够描述问题的人都能构建解决方案。

以下是我们的发现。

代码库导航和理解

公司各个团队使用 Claude Code 来帮助新员工甚至资深员工快速上手我们的代码库。

基础设施团队的新数据科学家将整个代码库输入 Claude Code 以快速提高生产力。Claude 读取代码库的 CLAUDE.md 文件，识别相关文件，解释数据管道依赖关系，并显示哪些上游源输入到仪表板中，取代了传统数据目录工具。

产品工程团队将 Claude Code 称为他们处理任何编程任务的"第一站"。他们要求它识别哪些文件需要检查以进行错误修复、功能开发或分析，消除了在构建新功能之前手动收集上下文的耗时过程。

测试和代码审查

Agent 编码工具特别受欢迎，因为它们能够自动化两项关键但繁琐的编程任务：编写单元测试和审查代码。

产品设计团队使用 Claude Code 为新功能编写全面的测试。他们通过 GitHub Actions 自动化了 Pull Request 注释，由 Claude 自动处理格式化问题和测试用例重构。

安全工程团队将他们的工作流从"设计文档 → 糙代码 → 重构 → 放弃写测试"转变为要求 Claude 生成伪代码、通过测试驱动开发指导它，并定期检查。这样做出来的代码更可靠、更可测试。

Agent 编码也可以用来将测试翻译成其他编程语言。例如，当推理团队需要用 Rust 等陌生语言测试功能时，他们解释想要测试什么，Claude 就用代码库的本地语言编写逻辑。

调试和故障排查

生产问题需要快速解决，但在压力下试图理解陌生代码往往会导致延迟。对于公司的许多团队来说，Claude Code 通过实时分析堆栈跟踪、文档和系统行为来加速诊断和修复。

在事件处理期间，安全工程团队向 Claude Code 提供堆栈跟踪和文档，以追踪代码库中的控制流。以前通常需要 10-15 分钟手动扫描的问题现在快了 3 倍。

使用 Claude Code，产品工程团队获得了在陌生代码库中解决错误的信心。他们问 Claude："你能修复这个错误吗？这是我看到的行为"，然后审查建议的解决方案，而不需要依赖其他工程团队的帮助。

在一个实例中，当 Kubernetes 集群停止调度 pod 时，数据基础设施团队使用 Claude Code 诊断了问题。他们将仪表板的屏幕截图输入其中，Claude 在 Google Cloud 的 UI 中逐菜单指导他们，直到他们找到了 pod IP 地址耗尽的原因。Claude 随后提供了创建新 IP 池并将其添加到集群的确切命令，在系统中断期间为他们节省了 20 分钟的宝贵时间。

原型设计和功能开发

传统上，构建新功能需要深厚的技术知识和大量的时间投入。Claude Code 支持快速原型设计，甚至完整的应用程序开发，让团队能够快速验证想法，无论他们的编程专业知识如何。

产品设计团队成员将 Figma 设计文件输入 Claude Code，然后建立自主循环，其中 Claude Code 编写新功能的代码、运行测试并持续迭代。他们给 Claude 抽象问题，让它自主工作，然后在最终完善之前审查解决方案。在一个案例中，他们让 Claude 为自己构建 Vim 键盘绑定，只需最少的人工审查。

使用 Claude Code，产品设计团队发现了一个意外的用途：在设计阶段而非开发阶段映射出错误状态、逻辑流和系统状态，以识别边缘案例。这从根本上提高了他们初始设计的质量，并为他们节省了后续调试的数小时时间。

尽管不熟悉 TypeScript，数据科学家使用 Claude Code 构建了完整的 React 应用程序，用于可视化强化学习模型的性能。在沙箱环境中进行一次提示后，该工具从头开始编写整个 TypeScript 可视化，而不需要自己理解代码。考虑到任务的简单性，如果第一次提示不够充分，他们会进行轻微调整并重试。

文档和知识管理

技术文档通常分散在 wiki、代码注释和团队成员的脑海里。Claude Code 通过 MCP 和 CLAUDE.md 文件将这些知识整合成易于访问的格式，让需要的人都能获得专业知识。

推理团队中没有机器学习背景的成员依靠 Claude 来解释特定于模型的函数。通常需要一小时谷歌搜索的事现在只需 10-20 分钟——研究时间减少了 80%。

安全工程团队让 Claude 摄入多个文档来源，以创建 markdown runbook 和故障排查指南。这些精简文档成为调试真实生产问题的上下文，通常比搜索完整知识库更高效。

自动化和工作流优化

Agent 编码工具帮助团队构建自定义自动化，而传统上这需要投入专门的开发资源或昂贵的软件。

增长营销团队构建了一个 Agent 工作流，处理包含数百个广告的 CSV 文件，识别表现不佳的广告，并在严格的字符限制内生成新的变体。使用两个专门的子 Agent，该系统在数分钟内生成数百个新广告，而非数小时。

他们还开发了一个 Figma 插件，可以识别框架并以编程方式生成多达 100 个广告变体，通过交换标题和描述，将数小时的复制粘贴工作减少到每批广告半秒钟。

在一个特别独特的用例中，法律团队创建了原型"电话树"系统，帮助团队成员与 Anthropic 的合适律师建立联系，展示了各部门如何在没有传统开发资源的情况下构建自定义工具。

用 Claude Code 解锁新的可能性

这些故事揭示了一个模式：Claude Code 在关注它能增强的人类工作流时效果最好。最成功的团队把 Claude Code 当作思维伙伴而不是代码生成器。

他们探索可能性、快速原型设计，并在技术和非技术用户之间分享发现。这种人类与 AI 之间的协作方式创造了我们才刚开始理解的机会。

在企业中构建可信的 AI

Anthropic 关于基于真实案例和最佳实践启动、扩展和成功的指南

开始使用 Claude Code。

通过 Claude 转变你的组织运营方式

获取开发者通讯

产品更新、操作指南、社区亮点等更多内容。每月发送到你的收件箱。