Anthropic 团队如何使用 Claude Code
来源: Claude.com Blog
发布日期: 2026-03-06
类型: 产品更新
概述
Anthropic 官方博客发表了一篇深度文章，详细介绍了 Claude Code 在 Anthropic 内部各团队中的实际应用情况。这篇文章通过对公司内部多个部门的访谈，揭示了智能编码工具如何不仅加速传统开发流程，更在消除技术与非技术工作之间的界限。
文章指出，Claude Code 在 Anthropic 内部已被广泛应用于从调试生产环境问题和导航陌生代码库，到构建自定义自动化工具等各种场景。产品工程团队将其称为任何编程任务的”第一站”；数据科学团队利用它快速理解整个代码库和数据管道依赖关系；安全工程团队则将其用于事件响应和运行手册编写。
最引人注目的是，Claude Code 的使用已超越了传统的工程团队。法律团队构建了原型”电话树”系统来帮助成员联系合适的律师；增长营销团队开发了能够每分钟生成数百个广告变体的智能工作流；产品设计师通过 Figma 插件自动创建广告变体，将数小时的手动复制粘贴工作减少到每批次半秒钟。
文章强调了一个核心观点：当团队将 Claude Code 视为思考伙伴而非单纯的代码生成器时，效果最佳。这种人机协作方式正在创造我们刚刚开始理解的机遇，将任何能够描述问题的人转变为能够构建解决方案的人。
本文内容翻译自 Claude.com Blog 官方博客。
核心内容
代码库导航与理解
Anthropic 公司各个团队都使用 Claude Code 来帮助新员工甚至长期员工快速熟悉代码库。
基础设施团队的数据科学家会将整个代码库输入 Claude Code 以快速进入工作状态。Claude 会读取代码库的 CLAUDE.md 文件，识别相关文件，解释数据管道依赖关系，并展示哪些上游数据源接入到仪表板中，从而替代了传统的数据目录工具。
产品工程团队将 Claude Code 称为任何编程任务的”第一站”。他们会询问 Claude 应该检查哪些文件来进行错误修复、功能开发或分析，从而省去了在构建新功能之前手动收集上下文的耗时过程。
测试与代码审查
智能编码工具在自动化两个关键但繁琐的编程任务方面特别受欢迎：编写单元测试和审查代码。
产品设计团队使用 Claude Code 为新功能编写全面的测试。他们通过 GitHub Actions 自动化了拉取请求（Pull Request）评论，让 Claude 自动处理格式问题和测试用例重构。
安全工程团队彻底改变了他们的工作流程。从过去的”设计文档 → 粗糙代码 → 重构 → 放弃测试”转变为向 Claude 请求伪代码，引导它完成测试驱动开发，并定期检查进度。这种转变产生了更可靠、更可测试的代码。
智能编码还可以用于将测试翻译成其他编程语言。例如，当推理团队需要在 Rust 等不熟悉的语言中测试功能时，他们只需解释想要测试的内容，Claude 就会用代码库的原生语言编写测试逻辑。
调试与故障排除
生产环境事件需要快速解决，但在压力下试图理解不熟悉的代码往往会导致延误。对于公司内部的许多团队来说，Claude Code 通过实时分析堆栈跟踪、文档和系统行为，加速了问题诊断和修复过程。
安全工程团队在事件处理过程中，会将堆栈跟踪和文档输入 Claude Code，以追踪代码库中的控制流程。通常需要 10-15 分钟手动扫描才能解决的问题，现在能够以 3 倍的速度快速解决。
有了 Claude Code，产品工程团队获得了处理不熟悉代码库中错误的信心。他们会询问 Claude：”你能修复这个错误吗？这就是我看到的异常行为”，然后在不需要依赖其他工程团队协助的情况下审查提出的解决方案。
数据基础设施团队曾遇到一个典型案例：Kubernetes 集群停止调度 Pod。他们使用 Claude Code 诊断问题，向其提供仪表板截图，Claude 引导他们逐个菜单地浏览 Google Cloud 的 UI，直到发现 Pod IP 地址耗尽的问题。随后 Claude 提供了创建新 IP 池并将其添加到集群的精确命令，在系统中断期间为他们节省了 20 分钟的宝贵时间。
原型设计与功能开发
传统上，构建新功能需要深厚的技术知识和大量的时间投入。Claude Code 使得快速原型设计甚至完整的应用程序开发成为可能，让团队能够快速验证想法，而不受编程专业知识的限制。
产品设计团队的成员会将 Figma 设计文件输入 Claude Code，然后设置自主循环：Claude Code 编写新功能代码、运行测试并持续迭代。他们向 Claude 提出抽象问题，让它自主工作，然后在最终完善之前审查解决方案。在一个案例中，他们让 Claude 为自己构建 Vim 键位绑定，几乎不需要人工审查。
产品设计团队还发现了 Claude Code 的一个意外用途：在设计阶段就绘制出错误状态、逻辑流程和系统状态，以便识别边缘案例，而不是在开发过程中才发现这些问题。这从根本上提高了他们的初始设计质量，并节省了后续数小时的调试时间。
尽管数据科学家不熟悉 TypeScript，他们仍使用 Claude Code 构建完整的 React 应用程序来可视化强化学习模型的性能。在沙盒环境中进行一次提示后，工具会从头编写整个 TypeScript 可视化代码，而他们自己并不需要理解代码。鉴于任务的简单性，如果第一次提示不够充分，他们会稍作调整后重试。
文档与知识管理
技术文档通常分散在 Wiki、代码注释和团队成员的头脑中。Claude Code 通过 MCP 和 CLAUDE.md 文件将这些知识整合成易于访问的格式，让需要专业知识的人都能获取。
推理团队中没有机器学习背景的成员依赖 Claude 来解释模型特定的函数。通常需要一小时谷歌搜索的工作现在只需 10-20 分钟——研究时间减少了 80%。
安全工程团队让 Claude 整合多个文档来源，创建 Markdown 格式的运行手册和故障排除指南。这些浓缩文档成为调试实际生产问题的上下文依据，通常比搜索完整知识库更高效。
自动化与工作流优化
智能编码工具帮助团队构建自定义自动化流程，而这些流程传统上需要专门的开发人员资源或昂贵的软件。
增长营销团队构建了一个智能工作流，能够处理包含数百个广告的 CSV 文件，识别表现不佳的广告，并在严格的字符限制内生成新的变体。该系统使用两个专门的子代理，能够在几分钟内生成数百个新广告，而不是花费数小时。
他们还开发了一个 Figma 插件，可以识别框架并通过编程方式生成多达 100 个广告变体，通过交换标题和描述，将数小时的手动复制粘贴工作减少到每批次广告半秒钟。
法律团队则创建了一个独特的用例：原型”电话树”系统，帮助团队成员联系到 Anthropic 的合适律师。这展示了各部门如何在没有传统开发资源的情况下构建自定义工具。
关键要点总结
代码库导航效率提升：通过阅读
CLAUDE.md文件和自动分析依赖关系，新员工可以快速理解复杂代码库，无需人工指导。测试驱动开发成为可能：即使是非工程团队（如产品设计、安全工程）也能通过 Claude Code 实现完整的测试驱动开发流程。
事件响应速度提升 3 倍：安全工程团队在生产事件中将问题诊断时间从 10-15 分钟缩短到 3-5 分钟。
跨语言能力壁垒消除：推理团队可以在不熟悉的编程语言（如 Rust）中编写测试，数据科学家可以构建 TypeScript 应用而无需学习该语言。
研究时间减少 80%：推理团队成员通过 Claude 解释模型函数，将原本需要 1 小时的研究工作缩短到 10-20 分钟。
营销自动化效率显著：增长营销团队从数小时的手动工作缩短到几分钟自动生成数百个广告变体。
非技术团队也能构建工具：法律团队构建电话树系统、营销团队开发 Figma 插件，展示了技术与非技术工作界限的模糊化。
个人评价
这篇文章展示了 Claude Code 在真实企业环境中的多样化应用场景，具有重要的参考价值：
技术价值层面：
- 文章通过具体案例（如 Kubernetes IP 池问题、Rust 测试编写）展示了 Claude Code 在复杂技术场景中的实际能力，而非泛泛而谈
- 80% 研究时间减少、3 倍诊断速度提升等量化指标为评估 AI 编码工具的投资回报提供了参考依据
- CLAUDE.md 文件作为知识管理核心的设计理念值得其他团队借鉴
组织影响层面：
- 法律、营销等非技术团队能够构建自定义工具，这意味着组织内部的技术能力民主化正在加速
- “思考伙伴”而非”代码生成器”的定位反映了人机协作的成熟理解
- 测试驱动开发在非工程团队的普及，有助于提升整体代码质量文化
局限性与思考：
- 文章主要展示成功案例，对于 Claude Code 的局限性（如复杂场景下的错误处理、安全性考虑）着墨较少
- Anthropic 作为开发者，其内部使用场景可能不能完全代表其他企业的情况
- 对于大型组织中代码审查流程、合规性要求等方面的讨论不够深入
总体而言，这篇文章为考虑在企业内部引入 AI 编码工具的组织提供了宝贵的实践经验，尤其是展示了如何将 AI 工具深度整合到日常工作流程中，而非仅作为辅助工具使用。