Anthropic 自己内部的人，到底怎么用 Claude Code？这个问题终于有了官方答案。Anthropic 发布了一份 22 页的内部报告，详细记录了 10 个团队使用 Claude Code 的真实场景、工作流和使用建议。不是营销话术，是工程师、设计师、营销甚至律师们的日常。

这份报告最有意思的地方在于：它不是在说"Claude Code 能做什么"，而是在说"我们的人拿它做了什么"。从安全工程到法务，从数据科学到增长营销，覆盖的角色远超你对"编程助手"的想象。

22 页的 PDF，覆盖 10 个团队，每个团队都有具体用例、影响评估和使用建议。

我读完了完整的 PDF，挑了最有冲击力的案例和细节，聊聊这份报告里藏着的信息量。

不会 TypeScript 的数据科学家，写出了 5000 行的 React 应用

这可能是整份报告里最让人意外的案例。

Anthropic 的数据科学团队，主力语言是 Python，对 TypeScript 自称"知之甚少"。但他们需要可视化工具来理解 RL 模型在训练和评估中的表现——而这件事"其实非常不简单，光看一个数字往上涨是拿不到太多信号的"。

他们的做法是：把需求描述给 Claude Code，让它从零开始写完整的 React 应用。不是写个 demo，是 5000 行 TypeScript 的完整应用，能跑、能用、能交付。

更关键的转变是：以前他们用 Jupyter Notebook 做一次性分析，用完就扔。现在他们让 Claude Code 构建可复用的 React 仪表盘，未来每次模型评估都能直接用。从"一次性笔记本"到"持久化工具"，这个思路的升级比技术本身更值得学。

他们还有个有趣的方法论——把 Claude Code 当"老虎机"用：先 commit 当前状态，让 Claude 自主跑 30 分钟，结果好就接受，不好就 rollback 重来。“重新开始的成功率往往比试图纠正 Claude 的错误更高。”

这件事的意义不在于"AI 帮你写代码"，而在于它正在模糊技术栈的边界。你的核心能力是理解问题和定义需求，具体用什么语言实现，变成了次要问题。

安全团队的调试速度提升了 3 倍，但更大的变化是工程文化

安全工程团队的变化很有代表性。

以前他们分析一个堆栈跟踪，定位问题大概需要 10-15 分钟。现在把报错信息和文档丢给 Claude Code，让它追踪代码库中的控制流，大约 5 分钟就能搞定。

但更有意思的是他们工作方式的转变。这个团队以前的开发流程是：写设计文档 → 写一版烂代码 → 重构 → 写到一半放弃测试。现在他们直接用 Claude Code 做测试驱动开发（TDD），先让 Claude 写伪代码，再引导它写测试，最后实现功能。

他们还有个很实际的用法：Terraform 代码审查。基础设施变更需要安全团队审批，他们把 Terraform plan 贴给 Claude Code，问一句"这会做什么？我会后悔吗？"——反馈循环变得更紧密，开发者不用干等安全团队排期。

一个数据点：这个团队贡献了整个 monorepo 里 50% 的自定义 slash commands。他们是真的在深度使用。

一个工具改变了一个团队的工程文化，这比"提效 3 倍"更值得关注。

把 Figma 设计稿喂进去，让它自己跑

产品设计团队的用法很硬核。

他们把 Figma 的设计稿截图直接粘贴到 Claude Code（Command+V），然后设置 auto-accept mode（shift+tab），让它进入自主循环：写代码 → 跑测试 → 看结果 → 继续迭代。人只需要在关键节点做判断。

报告里有个细节很打动人：设计师们现在在做"大型状态管理变更——这种事你通常不会看到设计师去做"。他们不只是画图了，而是直接参与代码层面的实现。

他们还发现了一个意外收获：在让 Claude Code 实现设计稿的过程中，它会自动映射错误状态和逻辑流程，帮设计师在开发之前就发现边缘情况。这原本是需要设计评审才能暴露的问题。

还有个效率数据：以前需要一周协调的 GA 发布文案变更（涉及法务审核），现在两个 30 分钟的电话会议就搞定了。

报告里对设计师的体验有个精准的总结：开发者得到的是"增强型工作流"（做得更快），而非技术用户得到的是"天哪，我变成开发者了"（全新的能力）。

数据基础设施团队：教财务写纯文本，Claude 自动执行

数据基础设施团队的用法很接地气。

遇到 Kubernetes 集群问题——pod 无法调度，他们直接把 Google Cloud 仪表盘截图喂给 Claude Code。它一步步引导他们在 UI 菜单中找到了 pod IP 地址耗尽的警告，然后给出了创建新 IP 池并添加到集群的精确命令。整个过程绕过了网络专家的介入。

但最让我印象深刻的是他们教财务团队的做法：让完全不会写代码的财务人员用纯文本描述工作流——“查询这个仪表盘，获取信息，运行这些查询，生成 Excel 输出”——然后把这个文本文件加载到 Claude Code，它就能自动执行整个流程，包括主动询问需要的输入参数（比如日期）。

他们还有个很聪明的实践：每次会话结束时，让 Claude Code 总结完成的工作并建议改进，用这些反馈更新 Claude.md 文档，形成持续改进的循环。下一次使用时，Claude Code 就更懂你的工作流了。

营销团队用两个 AI Agent，几分钟生成数百个广告变体

这个案例跳出了"写代码"的范畴。

增长营销团队只有一个人，但他构建了一个 agentic 工作流：读取包含数百条现有广告及其效果数据的 CSV 文件，识别表现不佳的广告，用两个专门的子 agent（一个负责标题，一个负责描述）生成符合严格字符限制（标题 30 字符，描述 90 字符）的新变体。几分钟内生成数百个广告。

他们还开发了一个 Figma 插件，自动识别画框并批量替换标题和描述，每批 0.5 秒生成 100 个广告变体。广告文案创作从 2 小时缩短到 15 分钟，创意产出提升了 10 倍。

更进阶的是，他们还搭建了一个 Meta Ads MCP 服务器，直接在 Claude Desktop 里查询广告效果数据，不用在平台之间来回切换。还实现了一个简易的"记忆系统"，记录每次广告实验的假设和结果，下次生成新变体时自动参考历史数据。

当一个人的非技术团队开始用 Claude Code 构建自己的 agentic 工作流，"谁需要编程助手"这个问题的答案就彻底变了。

法务团队：一小时做出无障碍辅助工具

法务团队的案例最出乎意料。

一位团队成员的家人因为疾病导致说话困难。他用 Claude Code 在一小时内做出了一个预测文本应用——使用原生语音转文字技术，能建议回复并用语音库朗读出来，填补了语言治疗师推荐的现有工具的空白。

他们还用 Claude Code 创建了"电话树"系统帮团队成员找到对口律师，用 G Suite 应用自动化每周团队更新和法律审查状态追踪。

他们的工作方法也很有参考价值：先在 Claude.ai 里充分讨论和规划想法，让 Claude 把所有内容总结成一个分步骤的 prompt，然后再到 Claude Code 里执行实现。规划和执行分离，效率更高。

产品开发团队：70% 的 Vim 模式代码由 Claude 自主完成

Claude Code 团队自己用自己的产品来开发 Claude Code——这大概是最硬核的 dogfooding 了。

他们实现 Vim 快捷键绑定功能时，开启 auto-accept mode 让 Claude 自主工作，最终 70% 的代码是 Claude 自主完成的，只需要几轮迭代就交付了。

他们总结出一个很实用的任务分类框架：

异步任务（开 auto-accept 让 Claude 自己跑）：外围功能、原型开发、探索性工作。给它一个抽象问题，让它自主工作，回来审查 80% 完成的方案，再接手最后的打磨。

同步任务（实时监督）：核心业务逻辑、关键修复、需要严格遵循代码规范的工作。给详细的 prompt，实时监控过程，确保架构和代码风格符合要求。

他们强调一个关键习惯：从干净的 git 状态开始，频繁 commit checkpoint，这样 Claude 跑偏了随时可以 revert。

一些可以直接用的思路

看完这份报告，有几个实践模式是你今天就能试的：

代码库快速上手：新加入一个项目？让 Claude Code 先读一遍代码库，然后问它架构设计、核心模块、数据流向。比翻文档快得多。

Read through this codebase and give me a high-level overview of the architecture, key modules, and data flow.

测试驱动开发：先描述你要实现的功能，让 Claude Code 写测试用例，然后再写实现代码。

I need to implement [功能描述]. Write comprehensive test cases first, then implement the code to pass all tests.

调试加速：把报错信息、堆栈跟踪直接贴给它，让它分析原因并给出修复方案。

Here’s the error stack trace: [粘贴报错]. Analyze the root cause and suggest a fix.

设计稿转代码：截图 Figma 设计稿，让 Claude Code 实现前端组件，开启 auto-accept mode 让它自主迭代。

Here’s a screenshot of the design. Implement this as a React component. Run the tests, check the visual output, and iterate until it matches the design.

自主循环模式：让 Claude Code 自己验证自己的工作——跑构建、跑测试、跑 lint，形成自我纠错的闭环。

Implement this feature. After each change, run the build, tests, and linter. Fix any issues before moving on. Commit your work as you go.

写好 Claude.md：这是报告里几乎每个团队都提到的建议。把你的工作流、工具、代码规范、常见模式写进 Claude.md，Claude Code 的表现会显著提升。

这份报告最核心的信息其实就一句话：Claude Code 在 Anthropic 内部已经不是"程序员的工具"，而是"所有人的工具"。从工程师到设计师，从营销到法务，每个团队都找到了自己的用法。

工具的价值不取决于它能做什么，取决于你拿它做什么。

---

以上是精华概述，完整 PDF 共 22 页，包含 10 个团队的详细用例、团队影响评估和使用建议。

在公众号回复「Claude Code」，获取 Anthropic 官方完整 PDF 文档。

参考链接：

• Claude 官方博客原文
• PDF 原文（22 页完整版）