Anthropic 内部团队如何使用 Claude Code：十个部门的实战经验

快速阅读

Anthropic 近期披露了一份内部报告，揭示了其公司内十个不同部门是如何将 Claude Code 深度融入日常工作流的。这份报告打破了“AI 编程工具仅为核心开发者准备”的刻板印象。报告指出，对于数据、安全和产品等技术团队，Claude Code 能够接管从编写测试用例、自动化重构到深层架构排错的大量繁杂工作，实现开发速度 2-3 倍的提升；而对于市场、设计和法务等非技术团队，Claude Code 更像是一个无所不能的“技术合伙人”，帮助他们零基础开发自动化系统（如广告生成工作流、Figma 插件和内部自动化审批工具）。无论是作为解决复杂问题的“老虎机”，还是作为跨越知识盲区的“翻译官”，Claude Code 正在全面重塑企业内部的运转模式。

1. 数据基础设施团队 (Data Infrastructure)

数据团队负责管理全公司的数据，他们利用 Claude Code 处理自动化数据工程任务和极其复杂的基建问题。

  • 排查 Kubernetes 故障：当 K8s 集群宕机时，团队直接将控制台截图喂给 Claude Code，它一步步引导团队在 UI 中找到了 IP 资源耗尽的问题，并给出了精准的修复命令，免去了跨部门求助网络专家的沟通成本。
  • 业务团队自助服务：让没有编程经验的财务人员用纯文本描述数据需求（如“查询这个面板并输出 Excel”），Claude Code 即可直接生成并执行自动化脚本。
  • 团队建议：详尽编写 Claude.md 配置文件能大幅提升 Claude Code 抓取上下文的准度；处理敏感数据时建议使用 MCP Server 而非直接命令行操作以保障安全。

2. 产品开发团队 (Product Development)

开发 Claude Code 自身的团队正在用这套工具“自己写自己”。

  • 自动接受模式 (Auto-accept mode)：对于不熟悉的抽象问题，工程师开启自动运行模式，让 Claude 自己写代码、跑测试、持续迭代，完成 80% 的工作后再由人工接手微调。比如极受欢迎的“Vim 模式”功能，有 70% 的代码是 Claude 自动完成的。
  • 生成测试与修复：PR 审查中遇到的小 Bug 修复及测试用例编写，全部抛给 Claude 自动处理。
  • 团队建议：给 Claude 搭建一个“自给自足”的闭环（让它自己能跑构建、测试和代码格式化），这样它就能在自治模式下工作更久并自己纠错。

3. 安全工程团队 (Security Engineering)

  • 复杂链路排错：遇到线上事故，直接丢给它堆栈报错和文档。原本需要人肉排查 10-15 分钟的代码流，Claude 5 分钟就能理清。
  • 基础设施代码审查：在审批 Terraform 变更前，安全人员会把代码粘贴进去问“这会产生什么影响？我们会后悔吗？”，大幅加速了安全审查周期。
  • 团队建议：放开手脚让 Claude 先“说”（先写代码并提交），通过定期审查来引导它的走向，而不是挤牙膏式地让它提供代码片段。

4. 推理团队 (Inference)

负责管理 Claude 提示词和生成记忆系统。

  • 跨语言无缝切换：团队成员无需精通所有语言。只需解释需求，Claude 就能用完全陌生的语言（如 Rust）精准写出测试逻辑。
  • 扫盲与上手：对机器学习底层不熟悉的新人，通过问询 Claude，将原先需要 Google 搜索一小时的概念学习时间压缩到了 10-20 分钟。

5. 数据科学与可视化团队 (Data Science and Visualization)

  • 跨界全栈开发：只懂皮毛前端知识的数据科学家，让 Claude 从零构建了一个 5000 行的 TypeScript/React 模型分析监控面板。
  • “老虎机”重构法：面对繁琐的合并冲突和文件重构，团队会先保存代码状态，然后让 Claude 自己跑 30 分钟。跑赢了就接受，跑歪了就放弃重来——这比手动修 Bug 效率高得多。

6. API 知识团队 (API Knowledge)

  • 消除上下文切换阻力：面对庞大且陌生的代码库，工程师不再需要人工检索文件，而是把 Claude 作为任务的“第一站”，让它找出需修改的目标文件。团队成员由此获得了在未接触过的底层代码中自主修复 Bug 的底气。

7. 增长营销团队 (Growth Marketing)

这是极具代表性的非技术团队案例。作为单兵作战的团队，他们用 Claude Code 实现了不可思议的自动化。

  • 全自动广告生成：通过调用两个专门的子 Agent，分析含有成百上千条文案的 CSV 文件，在严格的字符限制下自动筛选并生成新一轮的 Google 广告。
  • 批量生成的 Figma 插件：让 Claude Code 写了一个 Figma 插件，实现了静态广告图中文案的程序化替换，将一小时的复制粘贴工作压缩到了 0.5 秒。
  • 团队建议：非技术人员要善于把复杂工作流拆分为多个“专精的小 Agent”，并在写代码前先用 Claude.ai 头脑风暴理清步骤。

8. 产品设计团队 (Product Design)

设计团队彻底改变了“画图 -> 交接给前端”的传统流程。

  • 直接下场改前端：设计师直接通过 Claude Code 调整字体、间距和状态管理。工程师惊呼他们做出了通常只有资深前端才会做的深层逻辑修改。
  • 图片生成原型：将设计图截图贴入 Claude Code，瞬间就能输出带交互的可运行代码原型，成倍降低了沟通成本。

9. 强化学习工程团队 (RL Engineering)

  • 试错工作流：采用了“尝试-回滚”模式。RL 团队将小型到中型功能交给 Claude，频繁利用 Checkpoint（检查点）提交代码，一旦发现它走偏了就迅速回滚。这使得开发过程变得非常轻量且富有实验性。

最令人意想不到的 AI 使用者。法务团队不仅在研究 Anthropic 的产品，还在用它开发无障碍工具。

  • 给家人的无障碍应用：一名法务只花了一小时，就为存在发声困难的家人开发了一个带预测文本和语音播报功能的无障碍应用，填补了现有医疗软件的空白。
  • 内部自动化系统：开发了一套 G Suite 自动化应用来追踪跨产品的法务审查状态。
  • 团队建议：先用 Claude.ai 在网页端进行充分的对话设计和任务分解，然后再将详细的需求粘贴到 Claude Code 中分步骤执行。别害怕展示“玩具般”的简陋原型，快速分享往往能激发跨部门的创新火花。

🔗 原文链接：How Anthropic teams use Claude Code