18 个把 Claude 从 10% 用到 100% 的实操步骤
“原文来自 @cyrilXBT,这套方法对 Codex、Gemini、DeepSeek、GLM 同样适用。
🔥 先说实话吧
你每个月花 20 美元订阅 Claude,可能真的只用到了它 10% 的能力。
不是模型不够强。是我们打开方式不对。
Claude 不是那种"后面接了个 AI"的聊天框。它是一个推理引擎。配置对了,它能像个 24 小时在线的智能同事一样帮你干活。
但问题是,大模型就像火箭引擎——马力超强,可大多数人搭的"脚手架"呢?玩具车级别。火箭引擎驱动玩具车,90% 的推力全空转了。
这 18 个步骤,是我这一个月试下来,觉得真正能把"玩具车"升级成正经航天器的实操方法。
🧱 第一周:先把地基打实(上下文)
步骤 1:每个项目写一个 CLAUDE.md
这可能是性价比最高的一件事了。
花个半小时写一份,之后每次对话都在给你省钱。内容不用多,这几块够了:
我们在做什么:一句话讲清楚项目 技术栈:版本号要精确,别写"用 Python",写"Python 3.11 + FastAPI 0.104" 已经定死的架构决策:哪些东西不能动 代码规范:命名、风格、测试要求 现在在搞什么:当前重点 红线:没明确确认前,Claude 绝对不能做的事
“💡 模糊输入只会换来模糊输出。你给得越具体,Claude 越像那个已经跟你共事半年的 senior。
步骤 2:给写作任务建个"语气档案"
通用 Claude 写出来的东西,读起来就是——嗯,通用 AI 味。(你懂的)
如果你要让它帮你写重要的内容,先试这个:
分析我下面这 10 篇写作样本,提取出:
1. 我的平均句长,句式怎么变的
2. 我习惯怎么用大小写、怎么强调重点
3. 我开头和结尾通常怎么处理
4. 我爱用什么词,从来不用什么词
5. 我观点之间怎么过渡的
6. 我收尾有什么 signature move
把提取出来的档案存进 CLAUDE.md。之后 Claude 写的东西,至少能蒙混过关说"这像是人写的"。
步骤 3:用 Claude Projects 存住记忆
单次对话(Session): Claude 转头就忘,只记得你今天说了啥。 项目空间(Project): Claude 永久记得你上传的所有东西。
任何会拖好几天的工作,都值得开个 Project。把 CLAUDE.md、参考文档、之前的输出、研究资料全丢进去。这样每次打开对话,都是从满血状态开始,不用重新 warm up。
步骤 4:复杂请求,先给上下文再上菜
大多数人的习惯是:先丢请求,再补上下文。反了。
试试这个结构:
CONTEXT:
- 我正在做 [具体东西]
- 主要限制是 [具体限制]
- 受众是 [具体画像]
- 我已经试过:[什么失败了,为什么失败]
- 已经锁死的决策:[不能改的东西]
REQUEST:
[你真正想要的结果]
OUTPUT FORMAT:
[你希望返回的具体格式]
上下文给够了,输出自然就结构化。你后期改稿的时间会少很多。
步骤 5:输出格式别靠猜
别让 Claude 自己"推断"格式。重要的请求都加上规格:
要什么格式(Markdown / JSON / 表格) 大概多长 必须包含哪些部分 要包含什么 / 排除什么 语气要求
⚡ 第二周:提示词要这么写(质量层)
步骤 6:给 Claude 一个"身份"
身份会改变分析框架,框架一变,输出深度完全不一样了。
❌ 普通问法:"审查一下我的商业计划。" ✅ 角色问法:"你是一位看过 2000 份融资 pitch 的 B 轮投资人。你的工作不是鼓励我,是找出这个计划会失败的所有理由。"
其他我常用的角色:
代码审查:"你是个只关心生产环境会不会炸的资深工程师。" 战略:"你已经经营这个业务 10 年了,别跟我讲虚的。" 写作:"你是 [具体出版物] 的编辑,按 [具体标准] 来改。"
步骤 7:重大输出前,先让它"自曝其短"
在 Claude 回答之前,逼它做一次 pre-mortem:
在回答之前,先告诉我:
1. 你的答案可能在哪儿出错(列出三种)
2. 你正在做但我还没确认的假设
3. 哪些额外信息会显…