在快速发展的今天，人工智能（AI）正在以前所未有的速度渗透到各个行业。Anthropic 团队如何利用 Claude Code 便是这场技术革命的一个生动例证。Claude Code 作为一个 agentic 编码工具，不仅极大地提高了开发人员的工作效率，还通过自动化重复性任务和简化复杂编程项目，为各行各业带来了创新。本文将深入探讨 Anthropic 内部团队如何利用 Claude Code，揭示其在实际应用中的多种可能性。
代码库导航与理解：加速新员工融入和知识共享
对于任何一家技术公司而言，代码库都是其核心资产。然而，庞大而复杂的代码库常常让新员工望而却步，甚至资深员工也需要花费大量时间才能理解特定模块的功能和依赖关系。Anthropic 的数据科学家团队利用 Claude Code 解决了这个问题。
新加入基础设施团队的数据科学家们，通过将整个代码库导入 Claude Code，能够快速了解代码的结构和功能。Claude Code 能够读取代码库中的 CLAUDE.md 文件，识别关键文件，解释数据管道的依赖关系，并展示数据流向上游的来源，从而取代了传统的数据目录工具。这种方式极大地缩短了新员工的学习曲线，让他们能够更快地投入到实际工作中。
产品工程团队也将 Claude Code 作为解决编程任务的首选工具。无论是修复 Bug、开发新功能还是进行代码分析，他们都会首先咨询 Claude Code，以确定需要检查的文件。这种方式避免了手动收集上下文信息的繁琐过程，从而节省了大量时间。
测试与代码审查：自动化提升代码质量
软件开发过程中，单元测试和代码审查是保证代码质量的关键环节。然而，这两项任务通常非常耗时且容易出错。Agentic 编码工具在自动化这两项任务方面表现出色，受到了广泛欢迎。
Anthropic 的产品设计团队利用 Claude Code 为新功能编写全面的测试。他们通过 GitHub Actions 实现了 Pull Request 评论的自动化，Claude Code 能够自动处理格式问题和测试用例重构。这种方式不仅提高了测试效率，还保证了测试的全面性和准确性。
安全工程团队则通过 Claude Code 彻底改变了他们的工作流程。过去，他们的工作流程是“设计文档 -> 粗糙的代码 -> 重构 -> 放弃测试”。现在，他们首先向 Claude Code 询问伪代码，然后在 Claude Code 的引导下进行测试驱动开发，并定期进行检查。这种方式能够生成更可靠、更易于测试的代码。
此外，Agentic 编码还可以用于将测试翻译成其他编程语言。例如，当推理团队需要在不熟悉的语言（如 Rust）中测试功能时，他们只需解释他们想要测试的内容，Claude Code 就能用代码库的本地语言编写逻辑。这种方式极大地提高了跨语言开发的效率。
调试与故障排除：实时分析加速问题解决
在生产环境中，问题需要快速解决。然而，在压力下分析不熟悉的代码常常会导致延误。Anthropic 的许多团队都利用 Claude Code 分析堆栈跟踪、文档和系统行为，从而加速诊断和修复。
在发生事故时，安全工程团队会将堆栈跟踪和文档输入 Claude Code，以跟踪代码库中的控制流。过去需要 10-15 分钟手动扫描的问题，现在可以以三倍的速度解决。这种方式极大地缩短了故障排除时间，减少了系统中断的影响。
借助 Claude Code，产品工程团队更有信心解决不熟悉代码库中的 Bug。他们会向 Claude Code 提问：“你能修复这个 Bug 吗？这是我看到的情况”，并在不需要其他工程团队协助的情况下审查建议的解决方案。这种方式提高了问题解决的自主性，降低了对其他团队的依赖。
有一次，当 Kubernetes 集群停止调度 Pod 时，数据基础设施团队使用 Claude Code 诊断问题。他们将仪表板屏幕截图输入 Claude Code，Claude Code 引导他们逐个菜单地浏览 Google Cloud 的 UI，直到他们发现 Pod IP 地址耗尽。然后，Claude Code 提供了创建新 IP 池并将其添加到集群的确切命令，从而在系统中断期间节省了他们 20 分钟的宝贵时间。这种方式展示了 Claude Code 在实时故障排除中的强大能力。
原型设计与功能开发：加速创新周期
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 支持快速原型设计，甚至完整的应用程序开发，让团队能够快速验证想法，而无需考虑其编程专业知识。
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，让 Claude Code 编写新功能的代码、运行测试并不断迭代。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。有一次，他们让 Claude 为自己构建 Vim 键绑定，而无需太多人工审查。这种方式极大地提高了原型设计的效率。
借助 Claude Code，产品设计团队发现了一个意想不到的用途：绘制错误状态、逻辑流程和系统状态，以在设计期间识别边缘情况，而不是在开发中发现它们。这从根本上提高了他们最初的设计质量，并节省了他们以后数小时的调试时间。这种方式展示了 Claude Code 在设计阶段的价值。
尽管不精通 TypeScript，数据科学家们使用 Claude Code 构建整个 React 应用程序，以可视化 RL 模型性能。在沙盒环境中进行一次性提示后，该工具可以从头开始编写整个 TypeScript 可视化，而无需理解代码本身。鉴于任务的简单性，如果第一个提示不够，他们会进行细微调整并重试。这种方式降低了技术门槛，让更多的人能够参与到应用程序开发中。
文档与知识管理：构建可访问的知识库
技术文档通常分散在 Wiki、代码注释和团队成员的脑海中。Claude Code 通过 MCP 和 CLAUDE.md 文件将这些知识整合为可访问的格式，使每个人都能获得专业知识。
没有机器学习背景的推理团队成员依靠 Claude 来解释特定于模型的功能。过去需要一个小时的 Google 搜索现在只需 10-20 分钟，研究时间减少了 80%。这种方式提高了知识获取的效率，降低了学习成本。
安全工程团队让 Claude 摄取多个文档来源，以创建 Markdown 运行手册和故障排除指南。这些简明扼要的文档成为调试实际生产问题的上下文，这通常比搜索完整的知识库更有效。这种方式提高了问题解决的效率，降低了对知识库的依赖。
自动化与工作流程优化：定制化解决方案
Agentic 编码工具可帮助团队构建传统上需要专门的开发人员资源或昂贵的软件才能实现的自定义自动化。
增长营销团队构建了一个 agentic 工作流程，该工作流程处理包含数百个广告的 CSV 文件，识别效果不佳的广告，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，可以在几分钟内生成数百个新广告，而不是几个小时。这种方式极大地提高了广告生成的效率。
他们还开发了一个 Figma 插件，该插件通过交换标题和描述来识别帧并以编程方式生成多达 100 个广告变体，从而将数小时的复制粘贴减少到每个批次广告半秒。这种方式展示了 Claude Code 在自动化营销任务中的潜力。
在一个特别独特的用例中，法律团队创建了原型“电话树”系统，以帮助团队成员与 Anthropic 的合适律师联系，这表明各部门无需传统的开发资源即可构建自定义工具。这种方式展示了 Claude Code 在非技术领域的应用。
释放 Claude Code 的新可能性
这些故事揭示了一种模式：当您专注于它可以增强的人工工作流程时，Claude Code 的效果最佳。最成功的团队将 Claude Code 视为思想伙伴，而不是代码生成器。
他们探索可能性、快速制作原型并在技术和非技术用户之间分享发现。人与 AI 之间的这种协作方式创造了我们才刚刚开始理解的机会。
