Claude
Anthropic 开发的 AI 助手，擅长长文档理解、严谨写作、代码协作和复杂任务拆解。
通用助手 长文本编程分析写作
适合谁
- 经常阅读长文档、审查方案或整理复杂材料的用户
- 重视结构化写作与代码协作的个人和团队
核心能力
长材料理解
适合围绕较长的文档或代码持续提问，提取结构、矛盾与关键信息。
写作协作
能根据受众和语气反复调整文稿，适合方案、说明和研究内容的打磨。
代码分析
可用于理解代码库、审查实现和讨论改动边界，强调先理解上下文。
任务拆解
面对复杂目标时可以先形成计划，再按约束逐步推进和复核结果。
使用场景
- 01阅读长文档并梳理核心论点
- 02审查代码或方案中的风险与遗漏
- 03把零散材料整理成结构化文稿
- 04拆解复杂任务并迭代执行步骤
开始步骤
- 1上传或粘贴需要处理的材料，并说明材料来源、目标读者和最终用途。
- 2先让它复述任务边界和关键上下文，确认理解一致后再生成结果。
- 3要求标出不确定项和需要人工判断的位置，并逐项完成核验。
相关教程
全部教程 →Claude Code 实战入门：让 AI 先读代码再动手
把 Claude Code 当作结对开发助手使用：先理解项目，再提出小范围改动，最后用 Git 和测试确认结果。
生成式 AI 入门：从模型概念到第一个应用
不追求一次学完所有术语，先建立模型、提示、检索和应用之间的基本关系，再完成一个可运行的小项目。
MCP 入门：做一个只暴露一个工具的本地服务
用最小 MCP Server 理解工具声明、参数校验和客户端连接，先让模型安全调用一个确定能力。
n8n AI 工作流：做一个带人工检查的自动摘要流程
用 n8n 把触发、数据清洗、AI 摘要和人工审核串起来，先做可观察的运营自动化，而不是黑盒 Agent。
相关文章
全部文章 →使用前注意
- 长上下文并不等于内容一定准确，关键结论仍要回到原始材料定位和确认。
- 涉及敏感资料时先检查组织的数据政策，不要把未授权内容直接提交给外部服务。