从对话到系统：掌握Claude Projects、Skills与Artifacts构建高效工作流

大多数人把Claude用成了升级版搜索引擎。问一句，答一句，然后说“也就那样”。

这不是模型的问题，是用法的问题。Claude 的能力早就不仅是聊天了。市面上每篇教程都在堆砌功能清单，看完反而更乱，让你感觉什么都该学，结果什么都没用上——那都是无用的信息噪音。

这篇文章只做一件事：帮你找到自己的位置，根据你的需求把 Claude 连接进你需要的工作流入口。

先做两件事

在进入具体用法之前，有两件事要先做。

① Memory（记忆）

去 Settings → Capabilities → Memory，看看Claude记住了什么。它已经对所有用户开放了跨会话记忆，会从你的历史对话里提取信息带入下次。但它记住的不一定是对的，如果背景信息已经过时，它会一直用错误的前提理解你。

进去看一眼，删掉不准确的，补上它该知道的。这件事做一次，后面每次对话都在受益。

② 模型选择

然后搞清楚模型选择，算好你的 Token 账。日常工作无脑用 Sonnet 4.6，快、够聪明、不贵。只有在做极其复杂的深度分析时才切 Opus 4.6。

别一上来就把 100 万上下文的 Opus 4.6 当草稿纸用，90%的场景 Sonnet 就够了，别一开始就用 Opus 然后抱怨配额消耗太快。

进行内容创作

每次打开新对话都要重新介绍自己是谁、风格是什么——这是大多数创作者用Claude最低效的地方。

Projects 解决这个问题。它是Claude里的持久化工作间，配置一次，之后所有对话自动共享同一套背景。

操作路径：左侧边栏点 Projects，新建一个，进去之后上传你的素材。

具体丢什么进去：

• 三篇风格不同的代表作，让Claude读懂你的语感；
• 一段人设说明，写清楚你的受众是谁、平台是哪个、你的语气倾向；
• 再加一个你惯用的输出格式，比如公众号文章的常用结构。

第一次配置花30分钟，后面每篇文章都在复用你自己。你不是在用Claude写作，你是在用Claude的算力，跑你自己的风格。

配合 Research Mode 效果更好。 不要一上来就让它“帮我写一篇关于XX的文章”，只会得到水文。

换一种问法：“帮我整理这个话题的三个主流观点、当前最大的争议点、可以引用的具体案例。”

复杂话题让它自己跑30分钟，你去喝杯咖啡，回来它已经替你省下了4个小时的枯燥检索。

Skills 解决重复动作的问题。 写完长文要改发推文或小红书？别每次重新提要求，把指令存成固定的 Skill。

一个可以直接用的例子：“把这篇文章改写成三条X推文，每条结构是一句钩子开头加核心结论加一个引发互动的问题，总字数控制在280字以内。”存好之后下次一秒调用。

但这里有一个内行人的避坑忠告：不要给 Claude“喂毒”。

很多人发现 Projects 和 Skills 用久了，Claude 越来越笨。这是因为你堆了太多互相冲突的指令，导致它“规则中毒”。顶级玩家每周都会让 Claude 自己给自己做一次“规则排毒”。记住，在这套元技能里，少即是多。

还有一个很多人没发现的功能叫 Artifacts。 Claude不只能写字，还能在对话右侧直接生成可以实时预览的网页、交互图表、SVG图形。

写完一篇数据分析的内容，直接让它生成一个配套的数据可视化，截图就能用。现在的门槛，已经从“会不会写代码”变成了“会不会提需求”。

把这几个功能串起来，一套完整的工作流是这样的：用 Research Mode 整理素材，在 Projects 里写初稿，写完用 Skill 一键生成多平台分发版本，需要配图就用 Artifacts 生成。

这不是碎片化的工具，是一条能跑通的流水线。在技术文档中深入理解这类系统化工具的设计思想，能帮你更好地构建自己的工作流。

快速信息分析并决策

你每天面对的问题不是信息太少，是有价值的信息被噪音淹没、没时间看完。

你需要的是 长上下文 + Research Mode 的组合。

Claude现在支持100万token的上下文窗口，换算成中文大概是75万字。一份完整的行业报告、一个项目的所有历史文档、一家公司过去一年的财报，可以一次性全部扔进去，不需要摘要，不需要分批处理。

问法决定回答

光有长文本没用，问法决定了你得到的是“信息”还是“决策依据”。光问“这个项目最大的风险是什么”太宽。

换一种更有穿透力的问法：“这个项目成立的核心前提假设有哪些？哪些假设是最脆弱的、一旦不成立整个逻辑就垮掉的？”

或者：“这份白皮书里，哪些数据是经过验证的，哪些是预测性的，哪些来源不明？”这类问题问出来，你得到的不是信息，是判断框架。

整合进工作流

Connectors 可以把效率再往前推一步。绑定 Google Drive 之后，不需要手动上传文件，直接对Claude说“去我Drive里把关于XX项目的最新文档调出来，结合本周相关信息总结出三个核心风险点”，它自动拉取整合，你直接看结论。

数据打通之后，信息差本身就是你的护城河。这背后是智能 & 数据 & 云能力对工作流程的根本性重塑。

有一点要说清楚： Claude给你的是分析角度，最终判断还是你来做。用它来加速信息处理是对的，用它来替代你的判断是错的。

处理大量重复任务

你的时间被重复任务吃掉了。每周的报告、每天的信息整理、每次的格式转换——这些事不难，但加起来能占掉你一天里最清醒的几个小时。你需要的不是“更快做”，而是让这些事情不再需要你一直在场。

你需要的是 Cowork + 定时任务。

去下个桌面版Claude，打开 Cowork。它不是在对话框里给你出主意，它是直接接管你的本地文件夹，读取、修改、干活。

前提只有一个：你得用人话把标准操作流程写清楚。

输入是什么、做哪些步骤、输出什么格式、存在哪里——这四件事写清楚，Claude就能跑。

如果不知道怎么描述任务，有个简单方法：在提示里加上 "Start by using AskUserQuestion"。Claude会反过来问你一系列结构化问题，给你生成选项，你只需要选，不需要从头组织语言。

需要注意的是：Cowork 对文件夹有真实的读写权限，建议单独给它开一个工作文件夹，不要指向整个 Documents 或桌面。第一次使用时全程监督，确认无误后再开定时任务。

定时任务可以进一步把这件事自动化。设置好之后，每周一早上七点，Claude自动运行、自动整理、自动保存。你醒来打开电脑，东西已经在那里了。原来需要两个小时的固定动作，变成你不在场也能完成的事。

变现或开发

大多数公司已经在为AI工具付费，但问题不在工具本身，而在用法。真正有价值的能力，不是“会用Claude”，而是能看清一家企业的工作流。

哪里是输入，哪里是处理，哪里在做重复的低价值动作，然后把这些环节用Claude重新连接一遍。这件事不依赖技术背景，更依赖对业务结构的理解。

Claude Code 是另一个方向。它跑在终端里，安装用原生命令：

macOS / Linux / WSL：

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell：

irm https://claude.ai/install.ps1 | iex

安装完成后进入项目文件夹，输入 claude，它就能访问整个代码库，读文件、写代码、跑测试、提交 Git，全部都行。

如果之前用 npm 装过旧版，先运行 npm uninstall -g @anthropic-ai/claude-code 再重装即可。

现在的 Claude Code 早就不是一个“代码补全工具”了，它是一个“全职 AI 程序员队伍”。在项目里建好 .claude 文件夹，配置好 CLAUDE.md，你一开 PR，它就能自动派出一个 Agent 团队帮你找 Bug、做测试、迁移代码，甚至直接点击 DOM 元素修改前端。哪怕你不是程序员，现在的 “零代码自动化”门槛也降到了冰点。

中小企业需要定制内部工具——数据看板、客户管理界面、流程自动化——但请不起全职开发者，付不起一万以上的项目费。但他们愿意付1500到3000美元，给一个能在一周内用 Claude Code 交付一个基础可用工具的人。

不要停留在“我知道可以这样做”的阶段。如果你在某个垂直行业摸索出了一套成熟的Claude使用方法，可以把它打包成标准化服务，不只是自己用，而是复制给同行业的其他人或公司。一次开发，多次变现。这实际上是一种高效的开源实战思维，将解决方案产品化。

选一个今晚就能试的事

功能本身不值钱，你把它接进自己工作流的那一刻才值钱。今晚就动手：

• 如果你是自媒体人：去新建一个 Project，把你的三篇代表作传进去。
• 如果你要做研究：把一份你一直没时间看完的报告扔给 Research Mode。
• 如果你是打工人：描述一个你每周都在重复的任务，让 Cowork 帮你跑一遍。
• 如果你想赚钱：找一家你熟悉的本地企业，想想他们哪个流程最低效。

明天你就会发现：Claude 终于不再是“也就那样”了。

想探索更多AI与开发实战技巧，欢迎来 云栈社区 与大家一起交流。