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。
相关文档
Claude Code 的 Mod、Hook 和 Skill 怎么选：什么时候才需要 Mod
本文介绍 Claude Code 2.1.287 新增的 Mod（模组）机制，对比其与 CLAUDE.md、skill、settings hook、MCP server 的区别，给出选型顺序：多数需求用已有机制即可，只有在需要改写模型请求参数、绘制交互面板等运行时能力时才需要 Mod。文章通过三个实战案例展开：按任务难度自动选择思考力度的 effort-by-task、量化回答可读性的 readable、测试未通过时暂停提交的 tests-gate，并分析各自实现原理与局限。最后强调 Mod 无沙箱、以用户权限运行，安装前需检查来源与代码安全。
效率提升100%！分享我的 AI Coding 大杀器：SDD 工作流
本文介绍了规范驱动开发（SDD）工作流，旨在解决 AI 编程中常见的“左右脑互搏”问题。作者分析了问题根源，包括上下文注意力衰减、历史决策丢失和缺乏统一规则，并提出了 SDD 的解决方案。文章详细阐述了 SDD 的核心概念、最简开发流程、规范分类与管理方法，并推荐了开源的 agents-spec Skill 工具，帮助开发者自动化规范审计和目录治理，提升 AI 编码效率。
分享一个适合小团队的Agent协作方案：Tutti·VM
作者分享了小团队多Agent协作中版本不一致、上下文不同步的痛点，并介绍了工具 Tutti·VM。它将本地Agent（如Codex、Claude Code）虚拟化进云端协作空间Room，实时同步Agent的工作过程、文件变化和对话，让多个Agent和成员站在同一项目现场协作，避免反复传文件和版本混乱，还支持共享Agent额度与对外演示分享。目前仅支持Mac M芯片设备，仍在小范围测试。
How to Build Your First AI Agent Team With Claude Code in 30 Minutes
本文介绍了如何在30分钟内使用Claude Code构建一个由三个专业智能体（规划者、执行者、审查者）组成的AI智能体团队。文章详细阐述了团队协作优于单一智能体的原因，并提供了从定义目标、设计角色、配置CLAUDE.md到创建和运行智能体团队的分步指南。通过并行工作和独立审查，该团队能提高任务执行的质量和效率，减少用户的来回干预。
Claude Code 的会话能跨窗口私聊了
Claude Code v2.1.224 版本引入了跨会话消息功能，允许不同窗口、项目和机器间的会话通过SendMessage和ListAgents工具互相通信。官方提供改动预警、答案传递和长任务进度同步三个场景。该功能仅限信息对齐，无权批准权限或修改配置。作者提出多会话协作协议，强调当存在两个及以上相互依赖的会话时才适用，并需人为制定分工、模板与冲突协调规则。
Claude Code 和 Codex 到底有什么区别？我测试 30 天后的真实答案
文章基于30天的测试对比了Claude Code和Codex的区别。Claude Code擅长从零创造、快速原型和内容创作，适合从想法到产品的实现；Codex则擅长代码分析、优化和自动化执行，适合项目维护和流程完善。作者主张根据任务阶段组合使用两者，以构建高效的AI工作流。
AIGC 博主张咋啦最新演讲：AI Native 时代的六个反常识工作方式
本文总结了 AIGC 博主张咋啦关于 AI Native 工作方式的六个核心观点：1. 停止人工整理知识库，将会议作为 AI Agent 的输入流；2. 将 Agent 视为团队成员以提升组织效率；3. 为上下游同事定制 Skills 以突破协同瓶颈；4. 利用 AI 提升审美和可视化沟通能力；5. 将产品嵌入用户的高频场景中；6. Builder 最核心的素质是主观能动性、品味和分发能力。
如何使用 Claude Code 创建循环工作流
本文提出了一种通过“循环”机制优化 Claude 工作流的方法，旨在解决传统一次性会话在重复性任务中效率低下的问题。作者定义了包含触发、上下文、行动、验证、状态更新和决策的六步循环结构，并详解了由 TASK.md、PROGRESS.md、LOOP_INSTRUCTIONS.md 和 outputs 组成的四文件系统，以实现状态持久化和流程自动化。
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。
Claude Code 工程化指南：高效组织 .claude/ 目录
本文旨在探讨如何像管理代码一样管理 Claude Code 的配置目录 .claude/。文章首先指出了混乱的目录结构会随着项目增长导致维护困难，随后提出了一套包含 CLAUDE.md、settings.json、rules/、hooks/、commands/、skills/ 和 agents/ 的标准化目录蓝图。接着，文章详细阐述了核心原则，包括顶层设计的轻重分离、规则模块化、自动化脚本与复用工作流的区别，以及团队与个人配置的边界。最后提供了从简单到复杂的渐进式成长路径，帮助开发者构建可预测、可维护且易于团队协作的 AI 辅助开发环境。
不用写代码，三招把日常经验沉淀为 AI Skill
本文指出 Skill 的本质是将个人工作经验固化为 Agent 的操作手册。文章分析了为什么直接套用他人 Skill 往往失效，并提出了三种将个人经验转化为 Skill 的实用方法：拆解并改造他人 Skill、复盘成功的 AI 协作过程、利用 skill-creator 搭建骨架。作者强调通过持续迭代，Skill 能让 AI 越用越像自己，从而实现工作流的自动化和个人知识的资产化。
如何构建一个在你睡眠时运营整个业务的 Obsidian Vault
本文介绍了一种基于 Obsidian 的商业操作系统架构，旨在解决知识工作者因行政协调工作而效率低下的问题。该架构通过知识层、智能层和自动化层的结合，利用 Obsidian、Claude Code 和 N8N 构建了一个能自动处理任务、生成简报和管理项目的异步工作流。文章详细讲解了 Vault 结构、核心配置文件 CLAUDE.md 的编写，以及客户智能和项目运营两大系统的具体实现，帮助业主从琐事中解放，专注于核心决策。
