Claude 动态工作流终极指南
本文深入介绍了 Anthropic 在 Claude Code 中推出的“动态工作流”功能。该功能通过编写 JavaScript 脚本，编排数十到数百个子智能体并行处理任务，实现了自动化的步骤拆解、执行与结果验证。文章详细解析了其工作原理、与 Skills 的区别、三种使用方式（自定义关键词、内置 /deep-research 及 UltraCode 模式），并展示了内容生产、市场调研等实际应用场景。
全部文档 / 标签: Claude
836 篇
一个指令，把垃圾素材做成高级 HTML 展示页吊打 PPT
本文指出直接使用 AI 根据 UI 设计稿生成 HTML 往往效果不佳，核心原因在于未能正确拆分任务。作者提出将 UI 还原分为结构、样式和资产三层，并通过 Prompt 指令将复杂的视觉资产（如插画、Logo）与代码逻辑分离。文章详细介绍了从视觉拆解、资产分离、骨架搭建、生成替换到浏览器截图对比修正的六步完整工作流，并分享了通过 Skill 自动化流程及 Codex 内置工具提升效率的技巧。
搭建本地知识库：Obsidian + Claude + Codex 实践
作者分享了周末搭建本地知识库的实战经验。为了解决飞书、微信收藏等信息分散的痛点，采用了 Obsidian 作为存储核心，结合 Claude 和 Codex 两大模型。文章详细介绍了七项具体工作：整理个人传记、萃取写作风格、打通微信同步与浏览器插件归档、训练标题 Skill 以及批量迁移飞书数据。最终实现了 AI 对作者风格的深度理解，强调了私有数据对 AI 效能提升的重要性，以及本地化方案的数据安全性。
用 Claude 开发 3D 实时语音游戏的实战复盘
作者记录了利用 Claude AI 辅助，花费两周时间和 800 美金开发“大唐长安” 3D 实时语音互动游戏的全过程。文章详细拆解了从 Three.js 场景搭建、游戏化交互设计、NPC 系统构建，到核心的 Agora 实时语音接入与 Agent 调试的实战经验，为普通开发者和创作者提供了一套可复用的 AI 辅助开发 Web3D 游戏的教程。
Obsidian 进阶指南：30个与 Claude 结合的工作流、插件与配置
本文介绍了如何将 Obsidian 与 Claude 深度集成，打造 2026 年最强大的个人知识系统。内容涵盖 10 个核心插件（如 Smart Connections、Templater）、10 个关键工作流（如每日综合、会议处理、研究摄入管线）以及 10 个高级设置（如将 Vault 作为持久化记忆）。文章旨在帮助用户突破基础笔记用法，通过 AI 实现知识的自动化管理、检索与深度连接。
如何用 Claude 和 Obsidian 构建 AI 第二大脑 (完整教程)
本文详细介绍了如何将 Claude 与 Obsidian 结合，构建一个真正可用的“第二大脑”知识库。文章对比了 Obsidian 与 Notion 等工具在 AI 集成上的优劣（基于 Markdown 文件的开放性），并提供了从建立 PARA 笔记结构、编写笔记习惯，到通过 Claude Code 或 MCP 服务器连接知识库，再到实施周报总结等 AI 工作流的完整步骤。
Claude 技能生态系统全景：精选 19 个核心 GitHub 仓库
文章指出，多数人仅将 Claude 视作聊天机器人，而高手已将其视为操作系统。作者深入研究了整个 Claude 生态，筛选出 19 个至关重要的技能仓库。这些资源涵盖了官方文档协作、前端设计、安全审计、自我改进、MCP 服务器构建、性能分析及外部应用集成（如 Gmail/Notion）等领域，旨在帮助开发者构建自动化的工作流工厂，实现从普通开发者到 AI 架构师的跨越。
构建四人 AI 智能体团队：在睡眠中交付功能的完整设置
本文介绍了一种由 Planner、Coder、Tester 和 Reviewer 组成的四阶段 AI 智能体流水线。通过自动化交接文件（如 spec.md 和 changes.md），这四个专门代理将模糊的需求转化为具体的代码、测试和审查报告。文章详细列出了每个代理的系统提示词和编排指令，实现了“一个命令，四个阶段，早晨完成功能”的高效工作流。
利用 Obsidian 和 Claude 替代高薪内容团队的实战指南
文章阐述了如何构建“四区域”知识库系统，通过 Obsidian 管理知识资产，利用 Claude 进行内容自动化生成。文中详细介绍了 3 个信息捕获面、5 个工作流引擎（如夜间处理器、简报生成器）以及包含 N8N、Cursor 在内的技术栈。核心观点在于从“只收集不产出”转变为以交付为导向的资产复用，将笔记转化为高价值的内容产品，从而实现个人商业收益的最大化。
构建2026年五层AI技术栈：Claude、Obsidian与Hermes Agent的深度集成实践
作者反对2026年依赖单一AI工具的趋势，提出了一套分层协作的AI技术栈。文章详细介绍了三个核心层：1. Claude作为推理层，利用200K上下文处理复杂任务；2. Obsidian作为记忆层，通过MCP连接为Claude提供持久化知识库；3. Hermes Agent作为本地自动化层。这种架构将单纯的对话界面转化为具备记忆、推理和执行能力的智能系统，大幅提升AI的实际杠杆率。
Claude Code Dynamic Workflows：把编排逻辑搬进代码的新原语
Anthropic 推出的 Claude Opus 4.8 引入了 Dynamic Workflows 功能，旨在解决大型代码库迁移和复杂任务编排的难题。该功能通过将编排过程生成本地 JavaScript 脚本，利用运行时管理逻辑，突破了传统 Agent 上下文窗口的限制，实现了对海量并行任务的高效处理。文章详细解析了其与 Subagent 和 Agent Teams 的区别、核心架构、脚本编写规范以及触发机制。
如何利用 AI 自动化实现月入万美元的 B2B 获客
本文详细介绍了如何利用名为 AutoGTM 的 AI 智能体系统，将繁琐的 B2B 销售线索开发、个性化邮件撰写及跟进流程完全自动化。作者对比了传统手动外拨的效率低下，展示了通过输入网站 URL 即可在 60 秒内生成精准销售线索和个性化邮件的技术方案，并分析了该模式如何替代高昂的人工 SDR，显著提升获客效率与营收潜力。
如何成为每家公司都想雇用的 AI 原生人才
文章分析了 2026 年职场的新趋势，指出 ClickUp 等公司正裁员并重金招募能利用 AI 产生高杠杆的“Agent-native”人才。作者认为，仅会用 ChatGPT 不够，真正的 AI 原生能力是建立个人 AI 系统，通过编写技能文件（skill.md）来训练智能体处理重复性任务，从而将个人工作流程规模化。
ZenMux 测评：一个入口，调度 200+ AI 模型
本文测评了 AI Gateway 工具 ZenMux，它支持在一个界面内统一调度 200+ 个模型。作者从 AI 内容创作者的视角出发，详细介绍了该工具在多模型对比、成本统一管理、智能路由及赔付保障方面的优势，认为其能有效降低多平台切换的心智成本，适合需要同时调用多个模型进行创作或开发的用户。
Adam's Law：为何高频表达能解锁 LLM 的最强性能
文章介绍了 FaceMind 团队提出的 Adam's Law（文本频率定律），即在语义不变前提下，使用预训练语料中频率更高的表达方式能显著提升 LLM 表现。该发现通过 100 种语言和四大核心任务得到验证，并指出当前数据工程忽视了“频率”这一关键维度。Anthropic 的 Claude Opus 4.7 更新间接验证了这一理论。
Anthropic 开源 22 个知识工作者插件，为 Claude 装上岗位技能包
Anthropic 官方开源了一套包含 22 个插件的 Claude 库，覆盖销售、产品、工程、财务等所有知识工作者角色。该插件库通过 MCP 连接器对接 Jira、Slack、HubSpot 等主流工具，将岗位技能打包为 Markdown 和 JSON，无需构建即可安装，旨在解决 Claude 缺乏具体业务领域上下文的问题。
Claude 官方宝藏仓库指南：一键安装生成 PDF/Word/PPT/Excel
文章介绍了 Anthropic 官方维护的 Claude Code Skills 插件仓库。通过安装该技能包，用户可以直接利用 Claude 调用 Python 库，一键生成格式完美的 PDF、Word、PPT 和 Excel 文件，不仅能处理数据汇总、图表制作，还能用于合同审查和简历处理。文中详细提供了安装命令、实际应用场景及避坑指南。
一人公司、零員工、AI Agents： 2 個月談下超過 400 萬台幣開發合約
作者分享了创立一人 AI 公司的经验，仅靠自身与 AI Agents 协作，在两个月内谈下超过 400 万台币的医疗影像与链上开发合约。文章探讨了 AI 在执行层面的优势，以及在处理复杂商业需求时的局限，指出现阶段核心在于“人机协作”而非“零人类参与”。作者利用自研的 TermHive 平台优化自动化流程，并强调人际沟通在建立客户信任中的不可替代性。
300 个 AI Prompts：将数小时工作转化为数分钟的库
文章介绍了一个包含 300 个 AI 提示词的库，旨在通过可复用的系统将 AI 从简单的聊天机器人转变为高级生产力工具。内容涵盖代码编写与调试、AI 工作流设计、研究与分析以及自动化系统四大类，帮助用户在编码、架构设计、数据分析及业务流程自动化等领域显著提升效率。
Hermes Agent 完全指南：从零到自进化的 AI 员工
这是一份 Hermes Agent 的深度实操指南，涵盖了安装、模型选择、平台配置及最佳实践。文章对比了 Hermes 与 OpenClaw、Claude Code 的差异，强调了其本地化记忆、自我改进能力和多平台支持优势。核心内容涉及通过 Cron 和 /goal 命令实现全天候自主任务执行，助你打造一个能持续进化的 AI 员工。
你的提示词都是在“许愿”——40个专家级提示词详解
文章指出大多数用户使用的只是“许愿”而非真正的提示词，并分享了40个经过在Claude、ChatGPT和Gemini上验证的专家级提示词。这些提示词包含角色、上下文、约束和示例，按场景分为写作（01-10）、分析与策略（11-20）等类别，旨在帮助用户通过精心设计的指令获得稳定、高质量的AI输出。
围绕代码智能体构建系统：八种失败模式与八大支柱
文章探讨了在使用 AI 辅助开发时，除了产品本身外，还需要构建一套支持智能体的“挽具”系统。作者将其定义为包含上下文、来源、能力、工作流等八个支柱的持久层，旨在解决 AI 缺乏项目知识、无法追溯原因、无法实际操作等常见问题，从而实现人机高效协作。
用 Obsidian 和 Claude 重构科研笔记全流程
作者分享了其用 Obsidian 和 Claude 替代 Notion、Readwise、ChatGPT 等五种工具的科研系统。新系统基于“单一仓库+AI 智能层”，通过 Telegram Bot 自动收集，结合 Claude Projects 进行跨笔记的每周综合与深度分析，有效解决了信息孤岛问题，显著提升了研究产出的质量和效率。
构建每日晨间简报的 Claude 研究助手
本文介绍了一个完整的构建方案，利用 Claude Desktop、N8N、Filesystem MCP 和 Brave Search 创建一个自动化研究助手。该助手每天早晨自动读取互联网信息，过滤噪音，并将结构化的 5 分钟简报存入 Obsidian，帮助用户节省时间并获取关键信息。
如何构建一个自我维护的第二大脑
文章介绍了一套结合 Obsidian 和 AI 的“自我维护第二大脑”系统。通过设置特定的文件夹结构、AI 提示词模板（CLAUDE.md）和五个核心工作流（摄入、查询、清理、热缓存），该系统能自动阅读资料、更新知识库并保持逻辑一致性，解决了 AI 对话历史丢失的问题，将外部 AI 转化为个人的全职图书管理员。
Claude Cowork 终极掌控指南 (2026年5月版)
文章详细介绍了 Claude 的全新功能 'Cowork' —— 一个从单纯的聊天窗口演变为自主 AI 劳动力的执行引擎。作者通过 80 多小时的实战经验，讲解了 Cowork 的核心概念、正确的设置方法（如全局指令）、插件市场的生态（涵盖法律、营销等垂直领域），以及如何通过连接器（M365, Slack, Notion 等）将 Claude 无缝接入实际工作流，从而实现真正的自动化任务处理。
如何让 Claude 穿越时空预测项目失败（事前验尸技能）
文章介绍了一种利用 Claude AI 进行的“事前验尸”技术，该方法通过模拟未来项目已失败的情境，帮助用户识别潜在风险和隐藏假设。作者详述了该技能的工作原理、背后的心理学依据以及具体的应用场景，旨在帮助用户在做出高风险决策前进行压力测试。
如何使用 Claude 构建真实的 AI Agent 系统（初学者完整指南）
这是一篇面向初学者的 AI Agent 构建指南。文章澄清了 AI Agent 的本质是具备角色、指令、工具和记忆的自动化系统，而非遥不可及的魔法。作者介绍了 AI Agent 的四大核心构建模块，并详细演示了如何使用 Claude + Cowork，在无需编写代码的情况下，从零开始构建一个“内容研究 Agent”以及多 Agent 协作的写作工作流。
自动化你的一整天：用 Claude Cowork 搭建个人工作流系统
本文介绍了一套基于 Claude Desktop 和 Cowork 功能的个人工作流自动化系统。文章详细讲解了从安装配置、连接邮件与日程工具，到创建每日晨报、中午批量任务处理和下午收工复盘的全过程。通过设置定时任务和手动模板，该系统能自动完成邮件摘要、会议准备及工作报告生成，旨在帮助用户每天节省 1-3 小时的重复性工作时间。
长任务 Agent 的最小工程闭环
本文针对长任务 Agent 容易出现的“带不住状态、估不准工作量、评不好输出”三大问题，提出工程化的解决方案。文章通过引入状态层、规划层和验证层，构建了一个包含监督机制的五层架构，旨在通过外部控制和证据链，而非单纯的 Prompt 优化，来实现稳定、可落地的 Agent 系统。
