博主头像

👤 同一博主

按发布时间查看该博主的全部资讯要点

查看全部博主 →
博主头像

🎬 GPT-6 Astra 25分钟速成教程(含5个实用案例)

(原标题:GPT-6 Astra Crash Course in 25 Minutes (5 Practical Use Cases)) 🧠 核心概述 GPT-6 Astra 被视为实现了通用人工智能(AGI),在智力任务上可匹敌或超越人类,具备自主执行复杂多步骤工作流的能力,包括跨平台操作、代码生成及视觉内容创作,显著降低了专业任务的技术门槛。 📊 基准测试与能力跃升 ARC AGI 3 突破:该模型在 ARC AGI 3 基准测试中得分接近 100%,远超 Claude Opus 5 的约 30% 以及此前最佳模型的 1.5%,标志着流体智力和科学推理能力的非线性跃升。 智力水平对比:GPT-6 Astra 在多项智力任务中展现出匹敌或超越人类的表现,特别是在需要复杂逻辑推理和视觉细节控制的场景中。 🤖 多智能体协作与自动化 子代理协同工作:演示了多个子代理团队的协同能力,例如“礼物研究员”自动浏览 Amazon 并下单,“开发者”构建并部署网站,“创意代理”生成电子贺卡。 端到端计算机操作:模型能够自主完成从填写税务表格到构建 Power BI 仪表盘和 PCB 布局的全过程,无需人工干预中间步骤。 文档自动化处理:利用计算机使用功能自动格式化法律租赁协议,检索安大略省官方来源插入租户保险条款,并保持格式一致性。 🎬 创意媒体与多模态整合 视频编辑集成:通过调用 Google Flow 生成 B-roll 素材,并在 Tella 平台中自动移除停顿、添加背景音乐以完成视频剪辑。 并行执行能力:系统能够并行操作多个软件,如同时打开 Google Flow 生成提示词(如“生成一段5秒的电影级风景视频”),并在 Teller 中同步接收和处理该视频素材。 精确指令响应:用户要求将机器人视频扩展为全屏,并设定前2秒显示人脸、后续播放视频的逻辑;系统准确执行了时长调整及画面尺寸优化。 多模态编排:AI 自主选取音乐并添加至时间轴,同时处理视觉内容,实现了音频与视频的自动化编排,从素材生成、上传、时间轴编辑到最终渲染全程由 AI 驱动。 🔬 专业领域应用实例 科学建模与教育动画:成功创建锂电池电化学的 3D 教育动画,准确展示锂离子扩散及电子流向;构建了名为 CellScope 的交互式电池建模 Web 应用,包含三种数学模型。 生产力提升潜力:该工具被视为能解锁全新想象与创造力的“纯魔法”,通过端到端的工作流简化,使单人具备替代十人团队的生产力潜力,涵盖演示文稿构建、数据分析及视频制作等领域。 🚀 结论 GPT-6 Astra 的性能优势不仅体现在基准测试分数上,更反映在实际工作流中对复杂逻辑、视觉细节及多工具集成的精准控制能力。它显著降低了专业任务的技术门槛,支持个体创作者高效完成原本需要团队协作的任务,实现了从创意构思到最终交付的全流程自动化。

博主头像

🎬 什么是智能体插件

(原标题:What is an Agent Plugin?) 📦 核心定义与构成 Agent Plugin(智能体插件)是将技能(Skills)、连接器(Connectors)、斜杠命令(Slash Commands)和子智能体(Sub-agents)打包成针对特定职能的一体化方案。 创建插件无需技术知识,其本质是高级技能集合,旨在将公司特定部门(如人力资源、法务、财务)的知识蒸馏并自动化。 插件包含四大核心要素: 技能集合:多个 Markdown 格式的技能文件,赋予智能体扩展能力。 连接器:通过 MCP(Model Context Protocol)协议连接外部世界,如邮件、日历、Slack、Google Drive 等。 斜杠命令:嵌入人类预设的工作流(如数据清洗、可视化、建模),实现结构化任务执行。 子智能体:由主智能体管理的专门处理特定任务(如写报告、调试代码)的智能体团队。 🏢 平台现状与对比 Anthropic 在插件领域处于领先地位,提供了大量现成插件,涵盖营销、数据分析、财务、销售、生产力、法务及小型企业管理等。 Microsoft Copilot Cowork 目前也提供插件功能,但内容相对较少,主要包含内置技能(如 PDF、Word、Excel、PowerPoint)及少量特定插件(如 Harvey 法律助手)。 视频指出 Copilot Cowork 的插件生态正在追赶 Anthropic,用户可参考 Anthropic 的插件设计思路,或在 Copilot Cowork 中尝试借用相关概念。 🛠️ 实践案例与操作 Meridian Finance Toolkit:视频计划演示在 Copilot Cowork 中创建自定义插件,包含多个技能,并支持在组织内共享。 Anthropic 插件示例: 数据插件:包含 `/analyze`(数据分析)、`/build dashboards`(构建仪表盘)等命令,支持连接 Snowflake、Databricks 等数据库。 法务插件:提供 `/review contract`(合同审查)、`/meeting brief`(会议简报)、`/legal risk assessment`(法律风险评估)等功能。 小型企业插件:辅助管理利润率分析、竞争对手价格检查、税务季准备,支持连接 HubSpot、QuickBooks、PayPal 等工具。 操作路径:在 Copilot Cowork 中,通过左侧“Customize”下的“Plugins”标签页浏览和选择插件;在 Anthropic 桌面应用中,通过“Customize”下的“Plugins”浏览并启用。 ⚠️ 注意事项 插件的核心价值在于将复杂工作流标准化,减少重复解释成本,提升自动化程度。 不同平台的插件生态发展速度不同,Anthropic 目前提供更丰富的开箱即用选项,而 Copilot Cowork 侧重于与 Microsoft 365 生态的集成。 创建自定义插件时,需明确技能组合、连接器配置及斜杠命令的工作流逻辑,以确保插件能准确执行特定职能任务。

博主头像

🎬 你并未错过AI——现在入场还太早(附2张图表)

(原标题:You're Not Late to AI — You're Way Too Early (2 Charts)) 📊 核心观点 AI 应用尚处早期阶段,当前用户群体远未触及技术潜力上限。 物理交互领域(如建筑、农业)因缺乏机器人及物理 AI 支持,理论覆盖率极低。 🔍 关键事实 Anthropic 数据显示,商业金融等高价值领域的实际使用率远低于理论覆盖范围。 全球约 68 亿人从未使用过 AI;仅 13 亿人(约 16%)使用免费基础模型。 付费用户占比极低,其中每月支付 20 美元者约占 0.3%,使用高级编码代理工具者仅 200 万至 500 万人。 🚀 结论 早期采用者可利用 AI 将数周工作量压缩至几小时。 建议掌握技能插件及智能体部署,以在技术普及前建立竞争优势。

博主头像

🎬 Copilot Cowork 如何借助 Opus 5 准备会议——整合邮件、日历与 PowerPoi

(原标题:How Copilot Cowork Preps My Meetings — Emails, Calendar & PowerPoint Slides (Opus 5)) 🎯 核心观点 Copilot Cowork 作为智能协作工具,通过连接 Outlook、OneDrive 和日历,能够自动整合多源信息以辅助会议准备。 利用 Opus 5 模型强大的上下文处理能力,可以跨邮件附件、日程邀请及历史消息“连接点”,生成结构化的会议背景摘要。 结合 PowerPoint 技能插件,AI 能直接将整理好的要点转化为符合特定格式要求的演示文稿,实现从信息检索到内容产出的闭环。 📋 关键事实与步骤 环境配置:工具需预先授权访问 Outlook、OneDrive 及日历权限;用户可选择 GPT 5.6 Terra 或 Claude Opus 5 等模型,本例选用 Opus 5。 信息整合逻辑:系统自动识别下一场会议(Gemtech AI Bootcamp),提取组织者 David Chen、参会人、议程及附件中的课程大纲与学习目标。 交互流程:AI 首先展示会议基础信息(如时间从上午 11 点调整至 12 点的记录),随后通过提问确认用户角色(主讲人)、需讨论议题及潜在阻碍,最后生成包含背景、关键参会者及谈话要点的摘要。 文档生成细节:调用 PowerPoint 技能后,AI 设定 16:9 比例及教育类配色方案,经过 26 次编辑操作,输出两页幻灯片,涵盖会议背景、时间变更确认及实验室演示准备事项。 💡 结论与适用建议 效率提升:该工作流显著减少了手动查阅邮件和整理笔记的时间,适合需要频繁处理复杂会议信息的职场人士。 定制化能力:用户可通过上传公司模板确保输出内容符合品牌规范;虽然本例限制为两页以节省 Token,但系统支持生成更长篇幅的完整演示文稿。 局限性提示:生成的幻灯片可能存在加载延迟,需刷新查看;对于高度个性化的决策场景,仍需人工复核 AI 提取的关键细节与时间变更逻辑。

博主头像

🎬 如何使用 Copilot Cowork 管理你的电子邮件

(原标题:How to Use CoPilot Cowork to Manage Your Email) 🎯 核心观点 Copilot Cowork 通过集成 GPT 5.6 Sol 模型,实现了基于用户邮件和日历数据的自动化任务处理与智能分诊。 该工具支持“人在回路”机制,允许用户在 AI 执行关键操作(如发送邮件或接受邀请)前进行人工审核,以平衡效率与安全。 📋 关键事实/论据 模型与连接:演示选用 GPT 5.6 Sol 作为基础大语言模型;系统已连接 Outlook、Teams、Word、Excel、PowerPoint 及 OneDrive。 功能预设:提供“整理收件箱”、“赢单分析”、“健康仪表盘”等预设提示词,可自动审查过去 24 小时的邮件并生成摘要。 执行逻辑:AI 代理读取邮件内容后,根据规则对垃圾邮件进行删除、非重要邮件归档、会议邀请处理及紧急事项回复起草。 交互流程:在演示中,AI 识别出来自 David Chen 的三封邮件,包括一份带附件的课程大纲、一个会议邀请以及一项关于将周四课程从上午 9 点改至 10 点的日程变更请求。 操作验证:用户选择保留第一封邮件,接受第二封会议邀请(状态同步更新为已接受),并批准第三封邮件中的时间调整建议。AI 随后起草回复邮件,经用户确认后发送至 David Chen 的账户。 💡 结论与注意事项 适用场景:适用于需要高效管理大量邮件、日程及跨应用文档的专业人士,能显著减少重复性行政工作。 操作前提:需确保 Copilot Cowork 已正确授权访问 Outlook 邮箱及相关 Microsoft 365 应用数据。 风险提示:鉴于大语言模型技术尚处于早期阶段(文中提及约一两个月前发布),建议保持“人在回路”设置开启,务必在 AI 发送外部邮件或执行不可逆操作前进行人工复核,以避免误发或错误决策。

博主头像

🎬 Copilot Cowork 教程:整理 OneDrive 文件并生成 Excel 报表

(原标题:Copilot Cowork Tutorial: Organize OneDrive Files and Build Excel Reports) 🎯 核心观点 Copilot Cowork 利用 Microsoft 365 生态的原生集成优势,无需额外认证即可直接操作 OneDrive、Outlook 等应用。 通过指定高性能模型(如 Opus 5)并配合自然语言指令,AI 代理能自主拆解任务、调用工具并执行复杂的文件管理与数据处理工作。 📂 关键事实与步骤 环境前提:确保 OneDrive 登录账号与 Copilot Cowork 使用的账号完全一致,否则无法访问文件。 数据准备:在 OneDrive 的“Cowork”文件夹下新建子文件夹(如 small business live),上传包含收据、发票和协议的混合文档集。 任务执行:复制该文件夹链接并粘贴至 Copilot Cowork,输入指令要求按类别整理文件并生成 Excel 汇总报表。 权限管理:AI 代理在创建文件夹或移动文件时会请求用户批准,可选择“Approve all”以自动化后续操作。 动态更新:通过语音或文本指令要求将 USD 转换为 CAD,AI 自动检索实时汇率、重写数据并保留 Excel 公式结构。 ⚠️ 结论与注意事项 AI 代理具备自我纠错能力,能在执行过程中识别错误并重新生成命令以完成任务。 生成的 Excel 报表包含嵌入式公式而非静态数值,且能智能识别混合货币(USD/CAD)并提示汇率差异风险。 OneDrive 中文件的同步存在延迟,用户需等待片刻后方可打开新生成的 Excel 文件查看最终结果。

博主头像

🎬 OpenAI Codex 新手教程

(原标题:OpenAI Codex Tutorial for Beginners) 🎯 核心观点 Codex 是 OpenAI 推出的智能体(Agentic AI)能力平台,允许用户通过自然语言设定目标,由多个 AI 智能体协同完成复杂的知识型工作。 该工具能够自主执行包括数据分析、文档创建、网页开发及品牌设计在内的多步骤任务,显著减少人工干预时间。 视频旨在展示 Codex 在构建完整商业项目(如咖啡店品牌与官网)中的自动化潜力,作为后续详细教程的预览。 📊 关键事实/论据 功能演示:通过输入特定提示词,Codex 部署了三个专用智能体: 研究员智能体:自动打开浏览器检索多伦多(Toronto)现有的咖啡店竞品,分析其品牌声音及竞争策略。 设计师智能体:基于调研结果创建品牌标识、配色方案、英雄图像(Hero Image)及咖啡杯包装设计。 前端开发智能体:生成包含嵌入图像和品牌标语的完整 HTML 落地页。 案例细节:演示中构建的品牌名为“Pura Vida”(源自哥斯达黎加,意为纯粹生活),最终产出了可交互的网页原型及全套视觉资产。 操作逻辑:用户只需复制课程包中的预设提示词并点击运行,系统将在数分钟内自动执行分析、设计与编码流程。 💡 结论与适用建议 前提条件:需下载并配置 Codex 环境;具体设置步骤将在后续主课程中详细讲解,本片段仅为快速演示。 学习路径:完整教程将涵盖插件(Plugins)、技能(Skills)开发、端到端工作流自动化及自定义 AI 智能体构建。 适用场景:适合希望利用 AI 代理团队处理重复性知识工作、快速原型设计或全栈内容生成的用户,无需具备深度编程背景即可通过自然语言驱动复杂任务。

博主头像

🎬 我停止编写提示词了:AI现在替我做(详解元提示)

(原标题:I Stopped Writing Prompts. AI Does It For Me Now (Meta Prompting Explained)) 🧠 核心观点 Meta-prompting(元提示)是一种利用 AI 辅助生成高质量提示词的技术,旨在提升构建智能体及与生成式模型协作时的生产力。 该方法通过让 AI 扮演特定专家角色并设定详细目标,将基础指令转化为结构化、数据驱动的复杂提示。 📊 关键事实/论据 以特斯拉 Model Y 的 SWOT 分析为例,基础提示仅产生通用且宽泛的品牌描述。 元提示生成的新指令要求 AI 扮演麦肯锡高级汽车战略顾问,明确评估范围、数据源及竞争基准表(如价格区间、充电速度)。 执行该优化后的提示,模型进入思考模式并检索公开数据,输出包含执行摘要、84/100 的战略评分及具体优劣势分析。 ✅ 结论 相比直接提问,元提示能显著细化分析维度,使 AI 从简单罗列转向深度战略评估。 该技术适用于需要高精度、结构化输出的场景,能有效弥补基础提示在专业深度和数据支撑上的不足。

博主头像

🎬 Obsidian 详解:个人 AI 智能体的基础

(原标题:Obsidian Explained: The Foundation of Your Personal AI Agent) 🧠 核心观点 Obsidian 本质上是一个私有的 Wiki 系统,其核心价值在于将分散的笔记转化为相互连接的知识网络,避免信息孤立存在。 该系统允许用户在一个统一的界面中可视化所有个人信息,随着时间推移,Wiki 内容会不断生长并构建起完整的个人知识图谱。 Obsidian 仅作为可视化工具(Viewer),负责展示底层数据;真正的智能逻辑和链接维护由外部代理(如 Cloud Code)完成。 📂 关键事实与论据 文件结构:Obsidian 的底层是本地优先的 Markdown 知识库,所有页面均为计算机上的 `.md` 文件,通过标签和链接建立关系。 可视化机制:系统中的每个节点(Dot)代表一个 Wiki 页面,包含人物、角色或目标等实体。点击节点可查看该页面的描述及关联信息。 代理协作模式:AI 代理负责编辑页面并维护链接,记录用户的研究成果、偏好及观点(例如对 Tesla Cybertruck 的情感分析)。Obsidian 仅实时浏览这些由代理生成的内容。 数据管理:所有关于个人、业务及交互对象的数据均存储在名为 "Vault" 的文件夹中,Obsidian 通过指向该文件夹实现可视化展示。 🚀 结论与建议 Obsidian 本身不具备复杂的智能处理能力,其功能局限于将 Markdown 文件转化为可视化的知识图谱。 用户需从官网 obsidian.md 免费下载适用于 Windows 或 macOS 的应用程序。 在构建个人 AI Agent 或操作系统时,Obsidian 充当展示层,而 Cloud Code 等工具作为“程序员”负责底层数据的生成与维护,两者结合形成完整的个人知识管理体系。

博主头像

🎬 我用Claude Code打造了自己的AI智能体,这是完整蓝图!

(原标题:I Built My Own AI Agent with Claude Code, Here's the Blueprint!) 🧠 核心观点 构建个人 AI Agent 的核心在于通过多层级 Markdown 文件实现深度定制,使通用模型具备个性化特征与特定行为逻辑。 架构设计旨在解决通用 AI 输出过于泛化的问题,通过注入个人风格、业务规则及外部数据连接,打造更智能且贴合用户需求的数字助手。 🛠️ 关键事实/论据 基础模型选择:Agent 由 Claude Code 驱动,可选用 Opus 4.7 或 Haiku 模型,后者在速度与成本上更具优势。 交互模式:利用 Anthropic 发布的 Dispatch 功能(Beta 版),用户可通过手机直接向计算机发送指令并启动进程。 个性化配置层级: `soul.md`:定义用户的写作风格、关注点及 Agent 的人格设定(如命名为 Clio)。 `claude.md`:作为主行为规则文件,规定工作流逻辑、错误处理机制及 Vault 存储位置。 外部连接与标准化:通过 MCP (Model Context Protocol) 将 Agent 接入 Gmail、Notion 和 Google Calendar,实现类似 USB-C 即插即用的数据交互。 品牌一致性控制:建立 `brand` 文件夹存放 Logo、Excel 示例及 PowerPoint 模板,确保生成的文档符合特定视觉标准而非通用 AI 风格。 动态知识库(Vault):使用 Obsidian 可视化个人 Wiki,记录会议决策、人物关系及项目进展,使 Agent 的知识库随交互时间推移而增长。 技能与自动化扩展:通过 Skills 文件增强前端设计、PPT 及 Excel 处理能力;利用 Plugins 整合连接器与斜杠命令。 模块化工作流:在 `work` 文件夹中部署 10 个独立自动化任务,每个任务配备独立的局部 `claude.md` 以覆盖根目录的主指令。 📌 结论 该蓝图通过结合人格定义、行为规则、外部数据接入及动态知识库,构建了一个可自我进化的个人 AI Agent 系统。用户需保留此架构概览以便后续在 Claude Code 中具体填充各配置文件内容。

博主头像

🎬 你需要知道的7个Claude Code斜杠命令

(原标题:7 Claude Code Slash Commands You Need to Know) 🎯 核心观点 Claude Code 最初作为开发者在 VS Code 中使用的侧边项目起步,后由 Anthropic 推出桌面应用以提升易用性。 尽管桌面应用功能日益完善,但部分插件、特定开发环境偏好及构建个人 AI Agent 所需的稳定性控制,仍使 VS Code CLI 成为必要工具。 Slash commands(斜杠命令)是触发 Claude Code 内部动作的快捷方式,通过结构化指令替代长文本请求,实现工作流自动化与效率提升。 🛠️ 关键事实与操作 环境配置:在 VS Code 中打开文件夹并启动 CLI,需授权访问权限;VS Code、桌面应用及 Claude Cowork 若指向同一文件夹,均具备读写权限。 模型切换:使用 `/model` 命令可在 Opus 4.7(默认,100万上下文)、Sonnet 4.6(日常任务)及 Haiku(快速响应)间切换;通过方向键调整扩展思考力度(如 High、X-High)。 状态监控:`/usage` 显示 Token 消耗与配额(如当前会话 3%,本周 Sonnet 0%);`/status` 检查账户连接;`/diff` 审查文件变更。 上下文管理:`/compact` 命令用于总结对话以释放上下文窗口空间,防止在复杂开发中耗尽 Opus 4.7 的 100万 Token 限制。 持久化记忆:`/init` 生成 `claude.md` 文件作为“剧本”,记录项目背景与开发者信息,确保新会话能加载历史上下文,避免重复解释。 💡 结论与建议 对于构建个人 AI Agent 或需要精细控制开发环境的用户,建议坚持使用 VS Code CLI 而非仅依赖桌面应用。 `claude.md` 文件对维持长期项目的一致性至关重要,后续需重点定制其内容以符合最佳实践。 开发者应熟练运用 `/skills`、`/context` 等命令管理可用技能与资源消耗,以适应不同复杂度的开发任务需求。

博主头像

🎬 Claude Cowork 彻底改变了我们的工作方式!

(原标题:Claude Cowork Just Changed How We Work Forever!) 📊 核心观点 Claude Cowork 结合 Data Plugin 彻底改变了数据处理流程,用户无需编写复杂代码或长提示词即可实现数据探索与可视化。 该工具将传统需要 Python 技能的数据分析工作自动化,通过预构建的工作流直接生成包含质量检查、统计摘要及交互式仪表板的完整报告。 🛠️ 关键事实/论据 数据源:演示使用 SaaS 月度指标 CSV 文件,涵盖月份、地区(北美、欧洲、APAC、MENA)、订阅计划(Basic, Pro, Enterprise)及新订阅者、流失用户等字段。 核心指标:包含 MRR(月经常性收入)、NRR(净收入留存率)、营销支出、支持工单数量及 NPS(净推荐值)。 操作流程:在 Claude Cowork 中安装 Data Plugin,授权访问本地文件夹后,使用 `/explore data` 命令自动识别文件并执行分析。 功能表现:系统自动检测数据质量(如营销支出重复、企业版零流失异常),生成增长快照,并可一键构建包含 KPI 卡片和区域筛选功能的 HTML 仪表板。 🎯 结论 Data Plugin 显著降低了数据分析门槛,使非技术人员能快速获取专业级洞察。 相比早期仅输出纯文本或 Markdown 文件,新版本提供了“活”的可视化界面,支持实时交互与多维数据过滤。 该自动化流程验证了 AI 代理在处理结构化商业数据时的效率,为后续创建自定义自动化工作流奠定了基础。

博主头像

🎬 如何在 VS Code 终端中安装 Claude Code:新手分步指南

(原标题:How to Install Claude Code in VS Code Terminal CLI (Step-by-Step for Beginners) 🚀) 🛠️ 环境准备与安装步骤 前提条件:需访问 `code.visualstudio.com` 下载并安装 Visual Studio Code(VS Code),支持 Windows 和 macOS 系统,安装时保持默认设置即可。 工作区配置:在桌面创建名为 "Claude Code Testing VS Code" 的空文件夹,通过 VS Code 的“文件”菜单打开该文件夹,并在提示时选择信任作者以建立安全工作环境。 核心安装指令:访问 `code.claude.com/docs` 的快速入门页面,根据操作系统(Windows 或 macOS)复制对应的终端命令,粘贴至 VS Code 内置终端并执行,等待系统完成原生构建与安装。 ⚙️ 初始化配置与模型选择 启动验证:安装完成后必须开启新终端窗口,输入 `claude` 并回车以启动程序;首次运行需确认信任当前文件夹权限。 模型参数设置:使用斜杠命令 `/model` 进入配置界面,可选择默认模式、Claude Sonnet(含 100 万上下文窗口版本)或 Haiku 等模型。 推理力度调节:支持通过方向键调整推理努力程度(Effort),如低、中、高,示例中选择了 Opus 4.6 配合中等努力度进行测试。 💻 实战测试与功能验证 任务执行案例:输入提示词要求构建名为 "Wealth Path" 的个人财务落地页,指定输出为单个 HTML 文件,包含英雄页面、站点摄入及仪表盘模块。 权限管理:在执行过程中,Claude Code 会请求写入文件或访问资源的权限,用户需按数字键 `1` 批准操作以跳过后续重复确认。 成果交付:系统生成 `wealthpath.html` 文件,包含收入(5K)、支出(3K)及储蓄(10K)等模拟数据展示,以及投资建议和免费咨询预约功能,验证了端到端自动化工作流的有效性。

博主头像

🎬 新手教程:如何在桌面应用中设置 Claude Code

(原标题:How to Set Up Claude Code on Desktop App (For Beginners)) 📱 核心观点 本教程演示如何在桌面端安装并配置 Claude Code,使其与 Claude Chat 及 Claude Co-work 集成运行。 用户无需编写代码,仅通过自然语言描述即可生成完整的单文件网页应用(如 HTML 落地页)。 Claude Code 支持在本地文件夹中直接操作,能够执行端到端的任务流程,包括创建 Excel 文件或 PowerPoint 演示文稿。 ⚙️ 关键事实与步骤 安装前提:需访问 code.claude.com/docs 获取桌面应用安装包,支持 macOS 和 Windows 系统;登录时需升级至 Pro 计划(每月 $20),若 Token 耗尽则需升级至 Max 计划。 模型配置:在界面中选择运行模型,示例中选用 Opus 4.6(1 million context window);可设置推理努力程度为“medium”,并开启“plan mode”或“auto accept edits”。 执行流程: 在桌面创建名为“Claude Code Testing App”的空文件夹。 在应用中通过“Select Folder”功能授权 Claude Code 访问该目录。 输入提示词要求生成名为 WealthPath.html 的个人理财辅导服务落地页,包含收入、储蓄及黄金等评估模块。 点击运行并信任工作区权限,系统自动开始思考并调用技能生成代码。 功能验证:生成的页面包含交互式表单(如输入月收入 $5,000、支出 $4,000、储蓄 $10,000),提交后显示正确的储蓄率计算及个性化建议,证明逻辑功能正常。 💡 结论与注意事项 Claude Code 桌面版能有效将自然语言指令转化为可运行的前端代码,适合快速原型开发或无需编程基础的用户创建工具类网页。 生成过程消耗 Token,需关注账户额度;预览功能允许用户在应用内直接查看运行效果,文件最终保存在指定的本地文件夹中。

博主头像

🎬 Claude Code 新手教程

(原标题:Claude Code Tutorial for Beginners) 🛠️ Claude Code 核心定义与能力 工具定位:Claude Code 是一款代理式 AI 编码工具,能够读取代码库、编辑文件、执行命令并自主解决问题。 主要功能:支持构建应用程序和落地页;通过安装“技能”(Skills)赋予其特定超能力,实现多智能体协作。 性能表现:在 Opus 4.6 模型支持下,能力显著提升。前沿实验室开发者反馈约 90% 的代码由 Claude Code 生成。 适用平台:支持终端、VS Code、Antigravity 及 Cloud Desktop 应用,本教程主要基于 VS Code 演示。 📋 工作流模式与操作逻辑 标准工作流:包含探索(读取文件)、规划(设计实现方案)、实施(编写代码、运行测试)和提交(推送至 GitHub 并创建 PR)四个阶段。 操作模式: Normal Mode:默认模式,具备读写和执行命令权限。 Auto Accept:跳过权限提示,无人工干预自动执行所有操作。 Plan Mode:仅进行探索和规划,不进行代码编辑,适用于多文件变更或范围不明确的新项目。 切换方式:通过 `Shift + Tab` 键在 Normal、Auto Accept 和 Plan 模式间循环切换。 💻 VS Code 环境配置步骤 前置准备:安装 VS Code 应用及 Claude Code 扩展插件。 启动流程: 点击左上角 `File` -> `Open Folder`,选择目标工作文件夹(如空文件夹)。 在终端输入 `Claude` 并回车启动。 确认信任该文件夹权限(按数字键 1)。 状态检查:使用 `/status` 命令查看版本、会话 ID、账户类型及 MCP 服务器状态;使用 `/model` 命令切换底层大语言模型。 📝 实战案例:构建商业落地页 项目目标:为名为“Sugar and Bloom”的烘焙店构建单文件 HTML 落地页,包含英雄区介绍、交互式蛋糕选择问卷、六项菜单列表、客户评价及联系表单。 执行步骤: 创建空文件夹并指定为工作目录。 复制结构化提示词(包含背景、指令、输入数据和输出要求)。 在 Claude Code 终端粘贴提示词并回车执行。 生成结果:Claude Code 在约 2 分 16 秒内生成了约 700 行代码的完整 HTML 页面,无需外部依赖。 对比计划:后续将引入前端设计技能(Skill),使用相同提示词重新构建页面,以对比无技能与有技能状态下的输出质量差异。

博主头像

🎬 Claude.md 详解:让 Claude 理解项目的唯一必需文件

(原标题:Claude.md Explained: The Only File Claude Needs to Understand Your Project) 📝 核心观点 Claude.md 本质:位于项目根目录的 Markdown 文件,作为 AI 助手的“永久简报”,确保每次新会话启动时自动加载项目背景、品牌语调及用户身份,避免重复解释。 上下文管理策略:受限于上下文窗口(如 100 万 token),该文件必须遵循“高信号、低噪音”原则,仅保留贯穿整个项目的永久性关键信息,而非完整文档或临时任务清单。 AI 入职指南定位:将其视为新开发者的入职简报,明确技术栈、代码规范及领域术语,使 AI 能像资深员工一样理解项目逻辑与业务语境。 🛠️ 关键事实与论据 文件结构要素:包含技术栈(如 Python、Pandas、Matplotlib)、特定模型版本(Claude Sonnet 4.6)、运行命令、依赖项及目录结构说明。 编码风格约束:强制要求函数包含 Docstring,变量命名需匹配业务术语(如使用 `current_ratio` 而非 `cr`),并定义领域专有名词以防 AI 产生幻觉或误用预训练数据。 工作流规范:规定新功能开发流程为“先写计划确认、测试驱动开发(TDD)、实施功能、验证通过”,并要求在发现新模式时更新 Claude.md 文件。 安全与限制:明确禁止修改原始数据,严禁在代码或 GitHub 中泄露 `.env` 文件中存储的 API 密钥,防止产生巨额账单或安全风险。 ⚠️ 结论与建议 最佳实践标准:保持文件长度在 200 行以内,仅包含关键命令、领域术语及首选工作流;避免写入仅适用于局部场景的指令,以免干扰全局执行。 常见误区规避:不要将 Claude.md 用作 Wiki、长文档或任务追踪器;不应重复 AI 可从代码中自行推断的信息,也不应让文件随项目迭代无限膨胀而挤占上下文空间。