Anthropic 設計主管 Jenny：每週一早上十點，AI 已經幫我準備好三個產品方向
Anthropic 設計主管 Jenny Wen 分享了她利用 Claude Cowork 改變工作流程的實戰經驗。她將來自用戶訪談、Slack 和社群的原始反饋丟給 AI，讓其自動生成洞察、功能優先級排序列表和簡報，並通過排程任務在每週一自動完成這些工作。文章探討了 AI 如何將設計師從「空白頁」中解放出來，轉為策展與決策的角色，並分析了內部反饋的重要性及動態產品規劃的方法。
全部文档 / 标签: Anthropic
302 篇
克劳德代码提示的分解：Anthropic 级别的提示工程配方
本文深入剖析了 Claude Code 的泄露源代码，详细解析了 Anthropic 如何设计其提示系统。文章介绍了包含约 80 个模块化部件的提示组装管道、代牌预算策略以及 7 层提示结构。作者总结了 15 种核心提示工程模式，如身份锚定、负面约束框架、故障模式免疫等，并提供了一个“元提示”配方，旨在帮助开发者构建更高级别的 Agent 提示。
Claude Code 源码背后的设计哲学：95% 代码都是 Harness
本文深入分析了泄露的 Claude Code 51 万行源码，指出其核心优势并非 LLM 模型本身，而是围绕模型构建的“Harness”工程体系。文章揭示了“先读后改”、“Fail-closed”、“四态权限管理”等设计原则，阐述了 Anthropic 如何通过上下文压缩、Prompt 编译优化和记忆系统，在承认模型局限性的基础上，通过架构约束实现了极高的准确性与安全性。
Claude Code CLI 源码分析：Prompt 架构与 Agent 缓存黑科技
文章深入分析了 Claude Code CLI 的源码架构，揭示了 Anthropic 实现“无限长对话”背后的技术秘密。核心包括：1. Prompt 两层缓存设计（全局静态+会话动态），大幅降低 Token 成本；2. 四层递进的 Compact 架构，从增量删除（Cache Edits）到全量摘要，确保语义完整；3. Proactive 模式与终端焦点感知，实现 Agent 自主协作；4. 内外版 Prompt 差异（ant 分支）。
从 Claude Code 泄漏源码看 AI Agent 工程架构
本文基于 Claude Code (v2.1.88) 泄漏的 51 万行 TypeScript 源码，深度解析了业界顶尖 AI Agent 的工程架构。文章详细剖析了其基于 React + Ink 的终端交互模式、极致的 Prompt Cache 字节级优化策略、流式并发执行机制以及解决上下文污染的 Fork Subagent 架构。同时，文章还揭示了其独特的 Dream 记忆系统、基于侧查询的动态权限管理及多 Agent Swarm 协作模式，为 AI Infra 从业者提供了极具价值的技术参考。
祝贺Claude Code成功越狱，获得永生
Claude Code因Anthropic发布失误导致源码泄露，作者分析了1902个源文件，揭秘其背后的工程架构。文章指出Claude Code的体验不仅靠模型，更靠精细的工程系统，包括精心拼装的System Prompt、四层权限安全审查、结构化记忆提取、9段式上下文压缩及企业级多Agent协作框架。这些设计展示了如何通过约束和工具让AI从“不可预测”变得“稳定可靠”。
Anthropic Claude Code 源码剖析：为什么它比别人好用
基于 Anthropic 泄露的 Claude Code 源码，深入剖析其技术架构。文章指出 Claude Code 实为以 LLM 为内核的“操作系统”，拥有极致的提示词工程、42 个独立工具的安全管控、AI 记忆检索系统、子蜂群 Agent 机制以及三层上下文压缩技术。其 51 万行代码中有 95% 专注于安全、权限和上下文管理等工程脚手架，而非单纯的模型调用。
ClaudeCode 你想知道的所有秘密，源码深度研究报告
文章基于 Claude Code 泄露的 4756 个源码文件，深入剖析了其作为 AI 编程 Agent 的底层架构。通过分析入口层、多 Agent 分工、动态 Prompt 编排、Hook 机制及工具治理流水线，揭示了其稳定性背后的工程设计哲学。重点探讨了 Verification Agent 的独立性验证、Token 经济学下的 Prompt 缓存策略以及 Hook 系统的安全控制模型，为构建通用 Agent 系统提供了极高的参考价值。
深入解读 Harness Engineering：AI 工程的第三次范式转移
Anthropic 和 OpenAI 几乎同时发布关于 Harness Engineering 的文章，引发 AI 社区热议。本文梳理了从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演变，解析了 Anthropic 的“生成器+评估器”循环架构与 OpenAI 的“百万行代码零手写”分层实践，并结合多位博主的观点，探讨了 Agent 时代工程师角色的转变与未来工程实践的方向。
从执行到记忆：gstack + Compound Engineering 构建完整 Agent Harness
文章探讨了 Anthropic 提出的 Agent Harness 架构，对比了 Superpowers 和新工具 Compound Engineering (CE)。CE 通过引入 /ce:compound 机制，将工作中的 Debug 经验沉淀为可搜索的项目知识库，实现了 Agent 的自我优化和“记忆”。结合 gstack 的决策层能力，作者认为 gstack + CE 构成了从规划、执行、审查到记忆积累的完整工作流。
我今天想构建一个人工智能代理（完整课程）
本文是一篇关于从零开始构建AI智能体的完整指南。作者基于Anthropic和OpenAI的最佳实践，整理了一套适合初学者的课程。文章详细介绍了代理的核心工作循环、五种核心工作流模式（如提示链、路由、并行化等），以及如何通过定义角色、目标、工具和规则来打造第一个代理。此外，还深入探讨了工具的高效使用、短期与长期记忆的赋予方法，并对比了使用Claude与OpenAI SDK构建代理的不同路径，强调了从简单工作流入手，逐步迭代至复杂代理的重要性。
长时间运行的应用开发中的编排框架设计
本文探讨了如何通过改进编排框架来解决 Claude 在长时间运行任务（如前端设计和全栈开发）中的局限性。作者受 GAN 启发，设计了包含规划器、生成器和评估器的多智能体架构。通过引入上下文重置机制、制定明确评分标准以及分离生成与评估环节，该框架成功实现了自主构建高质量全栈应用的能力，显著优于单智能体模式。
Claude能直接操控电脑微信了，这才是真正的上位小龙虾
Claude 推出重磅更新，通过纯视觉方案 Computer Use 结合 Dispatch 远程控制，实现了对电脑微信等本地软件的直接操控。文章详细对比了该方案与传统代码驱动方案的区别，演示了如何利用手机远程操控电脑发送文件、总结群聊及自动发朋友圈，并强调了 Anthropic 作为模型厂商在权限管控与安全防护上的优势。
按头学习| 让 AI 真正做好复杂任务，需要一套什么样的系统？
本文基于 Anthropic 工程师的实战指南，探讨了如何通过多智能体系统（Multi-Agent System）解决单一 AI 模型在处理长时复杂任务时的上下文退化和自我评估偏差问题。文章通过对比单智能体（$9/20分钟）与三智能体系统（$200/6小时）在游戏开发中的表现，引入了类似 GAN 的“生成-评估”协作机制。详细介绍了包含规划者、实现者和评估者的全栈开发架构，并提出了系统设计应随任务复杂度和模型能力演化的核心原则。
Anthropic Agent Skills 完整教程与排错指南
Anthropic 官方发布了 Agent Skills 教程。本文详细梳理了 Skills 的设计哲学、配置方法、与 claude.md/Sub Agents/Hooks/MCP 的区别、企业级分享策略及排错技巧。核心在于理解 Skills 是按需加载的知识包，通过 description 语义匹配激活，旨在消除重复性指令，提升 Claude 工作流效率。
从构建克劳德代码中汲取的经验教训：我们如何运用技能
本文分享了 Anthropic 团队使用 Claude Code 中“技能”功能的实战经验。文章将技能归纳为九大类（如 API 参考、产品验证、业务流程等），并总结了编写高质量技能的最佳实践：如利用文件系统结构、建立“陷阱”提示区、渐进式披露以及使用配置文件管理上下文。作者强调了技能不仅是文本，而是包含脚本和资源的文件夹，并探讨了如何通过内部市场分享和评估技能。
克劳德提示大师班：如何获得精英级成果
本文是一份关于如何高效使用 Claude 模型的实战指南。作者指出提示工程是当下最值得学习的 AI 技能，并详细剖析了缺乏上下文、指令含糊和不迭代这三大常见陷阱。文章基于 Anthropic 官方文档，总结了构建优秀提示的五大要素，并分享了结构化提示、反向提示、深度思考触发等高级技巧，旨在帮助用户掌握与 AI 沟通的艺术，从而获得高质量的输出结果。
构建 Claude Code 的经验：我们如何使用 Skills
Anthropic 工程师分享 Claude Code 的 Skills 功能实战经验。文章总结了内部常用的九类 Skills（如库参考、产品验证、业务自动化等），并提供了编写 Skills 的最佳实践，包括利用文件系统结构、明确触发条件以及通过脚本增强模型能力，旨在帮助团队系统化构建和分发 Skills 以加速开发。
构建 Claude Code 的经验：如何使用 Skills
本文分享了 Anthropic 团队在使用 Claude Code Skills 方面的经验。文章首先澄清了 Skills 不仅是 Markdown 文件，而是包含脚本和资产的文件夹。接着详细介绍了 9 种核心的 Skill 类型，涵盖了从 API 参考、产品验证、数据分析到业务流程自动化和运维手册等多个场景。最后，作者还提供了编写有效 Skills 的最佳实践，强调了不要陈述显而易见的事实，并指出了利用配置选项和文件夹结构的重要性。
Claude Skill-creator 史诗级升级：评估、基准测试与多代理并行
Anthropic 官方 Skills 生成器 Skill-creator 迎来重大更新，新增四大核心功能：评估系统、基准测试、多代理并行测试及描述调优。此次升级解决了长期以来 Skills 质量“黑盒”的痛点，通过量化测试（如通过率、耗时、Token用量）和自动迭代优化，显著提升了 Skills 的触发准确率和执行效果。
看完 Anthropic Academy 13 门课后，我对 openclaw 系统做了 17 个改动
作者基于 Anthropic Academy 的 13 门课程，对 openclaw 系统进行了 17 项深度优化。核心收获包括：采用 Adaptive Thinking 替代固定预算，可降低 30-50% 成本；引入 Think Tool 解决多步推理中的思考缺失；重构 Prompt 工程技巧（如 XML 标签分离、防幻觉指令）；以及挖掘 MCP 的高级特性（Sampling、Roots）。文章按 ROI 排序提供了详细的改动清单。
Claude Cowork 完整使用指南：从设置到实战拆解
这是一篇关于 Claude Cowork 的深度使用教程。文章详细介绍了这款 Anthropic 推出的桌面端 AI Agent 的五个核心功能：直接操作本地文件、对模糊指令的判断、插件系统、全局指令及连接器。作者分享了 Nav Toor 的“Context 文件夹”策略，通过构建上下文实现工作流自动化，将原本数小时的工作缩短至 20 分钟，并提供了从安装、配置到实战操作的具体步骤与注意事项。
设计流程已死：Anthropic 设计负责人谈 AI 时代的设计变革
本文记录了 Anthropic 设计负责人 Jenny Wen 的访谈，探讨了 AI 时代设计流程的剧变。她指出传统的双钻石模型已失效，工程师与 AI 工具的提速倒逼设计流程转向快速迭代与原型验证。文章还分享了她在 Anthropic 的日常工作模式（从画图转向写代码）、对 Figma 与 Claude Code 结合使用的看法，以及对 Co-work 产品开发真实故事的复盘。
AI高管们如何跟自己的孩子谈论未来的工作
本文采访了 Anthropic、微软、SAP、Paid.AI 及沃顿商学院的五位 AI 领域专家，探讨他们如何引导子女应对 AI 时代的职业发展。核心观点包括：强调软技能（如共情、沟通）的不可替代性；保持适应力和批判性思维；重视通识教育；以及关注核能、医疗等实体行业。专家们普遍持乐观态度，认为人类对创造和社交的渴望将长存。
Anthropic Claude Code 实战指南：全团队场景应用拆解
本文转发了 Anthropic 发布的一份 23 页指南，详细拆解了如何利用 Claude Code 覆盖公司 10 个核心部门的工作流。案例涵盖了从增长营销、数据基础设施、产品开发到安全工程、法务合规等全方位场景，展示了 Claude Code 在不同专业领域的强大辅助能力与实际落地应用。
Claude Code创始人：程序员，2026年开始消失
本文基于Claude Code创始人Boris Cherny的访谈，深入探讨了AI编程对软件工程领域的颠覆性影响。Boris预言“软件工程师”这一头衔将逐渐消失，编程将从专业技能转变为像读写一样的通用基础能力。Anthropic内部数据显示，AI已承担70%-90%的代码编写，人均工程产出提升了150%。文章指出，代码的“保质期”缩短至数月，传统的经验积累不再有效，未来的核心竞争力将是与AI协作的能力及第一性原理思考。
人们只会做他们已经在做的事——Claude Code 背后的产品哲学
文章记录了 Claude Code 创始人 Boris Cherny 在 YC 播客中的对话，回顾了该产品从终端原型发展至年化收入 10 亿美元的历程。Boris 分享了 Anthropic 的产品哲学，包括挖掘潜在需求、不为当下模型构建而押注未来模型进化的理念。文章深入探讨了 Plan Mode 的技术实现、多 Agent 协作模式（如“Mama Claude”）以及 AI 对编程效率的颠覆性提升，指出传统软件工程师角色将随着 AGI 的发展而逐渐消亡。
Anthropic CEO Dario Amodei 访谈：我们正在接近指数的终点
Anthropic CEO Dario Amodei 在 Dwarkesh Podcast 的访谈中，深入探讨了 AI 扩展定律（Scaling Laws）的延续、强化学习的规模化以及“天才之国”（Country of Geniuses）的预测时间表。对话涵盖了 AI 编程工具带来的实际生产力提升（当前 15-20%）、AI 公司的商业盈利模型（算力供需平衡），以及与 OpenAI 在 Stargate 项目上截然不同的风险策略。
Claude Skills 构建指南精华解读：打造专属 AI 技能
本文深入解读了 Anthropic 官方发布的 Claude Skills 构建指南。文章指出，Skills 允许用户将重复的指令、工作流和规范打包成文件夹，让 Claude 学会并长期复用。核心结构包含 SKILL.md 说明书及可选资源。文中详细介绍了三层加载机制、三大典型用法（文档生成、流程自动化、MCP 增强）以及从零创建 Skill 的实操建议，旨在通过封装经验提升 AI 交互效率。
Something Big Is Happening
作者以亲身经历阐述了 2025 年以来 AI 技术的爆发式突破。他描述了最新的 AI 模型（如 GPT-5.3 和 Opus 4.6）如何已具备独立编写代码、测试产品及做出判断的能力，使得他在技术工作中的角色从执行者转变为纯粹的描述者。作者认为，这种能力将迅速从编程领域蔓延至医疗、法律、金融等各行各业，并警告公众这一巨变已非预测而是正在发生的现实。
