Claude平台与模型基础

界面1：概述

模块介绍·5分钟

大多数使用Claude的专业人士最初只学习它的一两项擅长功能。这种方法适用于简单任务。

对于重复性工作、团队项目和需要经受审查的交付物，在编写提示词之前对Claude的功能决策决定了会话输出的质量上限。

本模块构建了四个核心决策框架：选择入口点、激活能力特性、选择模型以及管理会话上下文。这四个决策决定了会话是能延续前期工作成果还是需要不断重新设置。

学习目标

• 1为专业任务选择合适的Claude入口点和功能集
• 2通过能力特征和任务适配性区分Haiku、Sonnet和Opus模型
• 3根据质量、速度和体量权衡匹配模型与任务需求
• 4管理上下文限制并运用记忆功能保持跨会话连续性

四个决策决定每个Claude会话的质量上限：入口点、能力层、模型和上下文管理。本模块为这四者构建框架。后续所有模块都假定您能自主做出这些决策而无需回看。

我们设计这个初级课程模块1《Claude平台与模型基础》旨在帮助您用Claude完成实际工作，请将其视为教育内容。它不构成法律、财务或其他专业建议，请根据自身情况调整所学。我们的产品和服务迭代迅速，部分内容可能存在错误或过时；请务必在Anthropic官网或文档中核实。课程中的案例和场景均为说明性质且多为虚构。若课程提及某公司或产品，不代表Anthropic对其认可、对方认可Anthropic或存在关联。同时请注意，您对Anthropic产品和服务的受我们的条款、政策和文档约束；如与课程内容冲突，以前者为准。

---

界面2：生成式AI的行为特性

教学·Claude行为模式·6分钟

在选择入口点和模型前，有五个行为特性适用于所有Claude功能。在构建工作流前理解它们，能避免最常见的挫败感和预期偏差。

点击每张卡片查看特性说明。

响应具有可变性

向Claude提出相同问题两次，您将得到两个不同答案。两者可能都有用，但都不应视为"唯一正确答案"。这是生成式AI的工作原理：输出基于概率产生，而非从固定数据库检索。在任何依赖稳定输出的工作流中规划容差空间，并将审核纳入流程。

自信语气不等于准确性

无论答案正确与否，Claude都能保持流畅表达。编造的统计数据与已验证数据读起来同样确信。模块3将建立验证习惯；没有这些习惯时，流畅度不能作为准确性的信号。

上下文是有限预算

每个Claude对话都有工作记忆限制。当对话接近限额时，claude. ai会自动摘要早期消息以继续会话（在启用代码执行的付费计划中）。摘要会压缩细节，因此两小时会话初期遵循的指令可能在后期失效。第6课将介绍管理策略：何时重启、何时摘要、何时持久化。

知识存在训练边界

Claude的训练数据存在截止日期。该日期后的信息不属于Claude的可靠知识范畴，除非您连接当前来源、开启聊天中的网络搜索或使用研究模式。这影响近期事件、现行法规和最新市场数据。当相关性重要时，请核实或连接来源。

配置流程仍会产生差异输出

设置为每次执行相同流程的Skill可以减少输出差异，但无法消除。即使配置完善的工作流每次运行也会产生不同输出。无论Skill构建得多精细，审核环节必须保留。虽然配置能减少变异，但不能免除检查输出的需要。

---

界面3：聊天、项目、产物、研究模式

教学·核心入口点·10分钟

Claude虽然只有一个界面，但提供四个独立工作入口：聊天、项目、产物和研究模式。在开始工作前选择正确的入口点，决定了会话运行效率以及构建的上下文能否延续到后续工作。

聊天是默认入口点，属于非结构化对话。聊天会保存至历史记录并可后续继续，记忆功能和过往聊天搜索能将关键上下文带入新会话；但聊天不具备项目的持久性、固定指令和精选知识库。将聊天用于一次性问题、快速草稿、探索性提示以及不会重复的任务。任何在该会话中开始和结束的工作都适合聊天。但当您发现自己在新聊天中反复粘贴相同的背景段落时，说明该工作流已超出聊天范畴。

项目是持久化工作区。一个项目包含三要素：

• 固定指令：Claude在该空间内每个对话中应持续掌握和执行的内容
• 知识库：一次性上传的文档、政策和参考文件，无需每次会话重新上传
• 对话历史：每个项目维护独立的对话列表，与全局聊天历史分开。项目内的对话共享项目指令和知识库，但彼此不共享上下文。

项目解决了AI辅助专业工作中最常见的效率损耗：每次会话重复解释相同背景。在项目的固定指令和知识库中设置一次上下文，后续每个对话开始时都已具备该上下文。

任务重复出现，背景上下文稳定，输出格式一致。只要满足其中两个条件，项目节省的时间就将超过构建成本。

产物是当结果为交付物而非对话回复时的正确输出格式。当Claude生成产物时，它会作为独立可编辑区块出现在聊天旁，而非融入对话线程。将产物用于草案文档、数据表格、格式化报告和代码。将对活内采取行动的回答使用行内回复。

研究模式支持深度多源综合（付费计划可用）。常规聊天可以进行网络搜索：所有Claude计划在聊天输入栏提供每会话切换的网页搜索；在团队和企业计划中，工作区所有者或主所有者需先在组织能力设置中启用网页搜索，成员才能切换。官方文档未明确默认开启或关闭。研究模式更进一步：跨多个来源执行多步搜索并综合结果。当任务需要跨范围来源的深度调查，或超出快速查询的当前信息综合时使用研究模式。

选择逻辑

任务类型 | 入口点 --- | --- 一次性问题或快速任务，无复用计划 | 聊天 具有稳定上下文需求的重复性工作 | 项目 输出是收件人将打开阅读的交付物 | 产物 需要深度多源调查或综合（快速当前信息查询使用聊天中的网页搜索） | 研究模式

---

界面4：实例对比

教学·核心入口点·续·10分钟

某项目协调员每周起草团队状态报告。每周一她开启新聊天并输入相同开场白：项目名称、团队结构、利益相关方列表、报告格式要求和上周未结事项。Claude能生成合格报告，但会话耗时40分钟，其中约12分钟用于加载上下文。

她构建了一个项目。项目背景、团队结构和利益相关方列表放入知识库。报告格式和关于升级阈值的固定指令放入项目设置。周一她打开项目并粘贴本周更新。上下文已就位，会话仅需25分钟。

报告质量相同，但入口点决策消除了每周的设置成本。

判断是否值得构建项目的三问

• 该任务是否重复出现？
• 各会话的背景上下文是否相同？
• 输出格式是否一致？

若有两个以上答案为"是"，则构建项目。设置时间将在两三个会话内收回。

---

界面5：技能与代码执行

教学·能力层·12分钟

入口点决定工作场所。能力层决定Claude在该场所中能做什么。

三个特性以专业工作相关的方式扩展Claude的默认文本生成行为：用于一致流程的技能、用于验证计算的代码执行，以及用于跨会话连续性的记忆。

四层模型

各层关系如下：

项目承载上下文

该工作流适用的背景知识和固定指令。

技能定义流程

特定任务应如何每次一致地执行。

代码执行验证计算

当结果必须正确而不仅是合理时。

记忆保持连续性

相关事实无需重复输入即可跨会话延续。

各层独立。根据任务需求使用任意组合。一次性问题可能都不需要，而重复性分析工作流可能四者全用。

技能是可复用流程。Anthropic为常见专业任务提供内置技能：创建、编辑和分析Excel电子表格、Word文档、PPT演示稿和PDF。可通过设置添加自定义技能实现任务特定工作流。技能存在于账户层级而非单个项目内，Claude会在任何相关对话中自动调用它们，无论是否在项目内。项目自身配置是其固定指令和知识库；激活的技能告诉Claude对该类任务始终遵循定义流程。

关于技能需注意两点：

首先，技能减少变异但不消除。以一致格式生成周报的技能每次运行时仍会产生不同文本。无论技能配置多完善，审核环节必须保留。

其次，技能需要信任评估。技能有权访问会话中您授予Claude的权限。启用第三方技能前，请审查其来源和请求的权限。Anthropic提供的技能和组织批准的技能是较低风险的起点。模块6将完整介绍此评估。

代码执行是Claude的沙盒计算环境。Claude内部编写并运行代码后返回结果。您无需自行编写代码。

为何这个区别重要：Claude通过生成最可能的后续文本来产生散文。这对语言任务很有效。对于计算，它会产生看似合理但未必准确的数字。代码执行通过运行计算产生验证结果。

在以下情况使用代码执行而非让Claude计算：

• 任何数字输出将被使用或报告（计算、预测、数据摘要）
• 数据需要转换或清洗（日期标准化、去重、字段格式化）
• 输出需为图表或可视化
• 输出需为真实可下载文件（. xlsx、. pptx、. docx、. pdf）

---

界面6：记忆

教学·能力层·记忆·12分钟

记忆跨会话保留工作相关事实，避免每次重复输入相同上下文。专业人士存储在记忆中的典型内容包括：重复角色背景、输出格式偏好、常用协作者姓名、跨项目适用的固定约束。

记忆管理

主动维护时记忆最有用。上季度准确但未复查的记忆可能产生误导。应计划：

• 定期复查存储的记忆，活跃用户至少每月一次
• 删除或更新已失效条目
• 保持存储集专注于真正跨会话重复的信息

项目范围记忆为每个项目保持独立记忆上下文。客户A的上下文不会出现在客户B的会话中。为不同工作流设立独立项目；记忆将遵循相同边界。隐身模式使会话不进入记忆和聊天历史（适用于项目外的独立聊天）。将其用于敏感对话或不应出现在历史和记忆中的机密输入探索。注意它不会覆盖组织的基础数据保留策略。

从其他AI平台导入记忆是截至2026年6月的实验性功能。记忆导入在免费、专业、Max和团队计划中有文档说明（企业版除外）。如果账户中无自动导入路径，文档建议的备用方案是通过记忆设置手动添加关键事实，而非将其导入项目知识库。

---

界面7：月度报告如何同时提速与提质的案例

场景·能力层 （说明性场景）

某业务分析师每月制作监管跟踪报告。任务固定：获取当月监管更新，识别适用于投资组合的部分，总结影响并按定义模板格式化输出。任务高风险，但结构可重复。

前两个月她在聊天中运行工作流。每次会话都需上传监管文件、重新粘贴投资组合上下文、重输格式指令。她对每个数字执行验证步骤。第一个月发现两处错误，第二个月一处，均在报告发出前捕获。

第三个月她使用能力层重建工作流。投资组合上下文和固定格式指令放入项目，前期报告放入知识库，为报告输出格式启用技能，数字计算改用代码执行。

单次会话时间从65分钟降至30分钟，验证步骤依然保留。第三至第八个月未发现错误。

重建前分析师的自问

问题 | 指向的层级 --- | --- 该任务哪些部分每次相同？ | 固定指令+技能 哪些参考资料跨会话重复？ | 知识库 哪些输出需要"计算正确"而不仅是"听起来合理"？ | 代码执行 哪些上下文希望跨会话延续而无需重输？ | 记忆

---

界面8：检查点

检查点·能力层·5分钟

某个重复性合同审查工作流包含五个组件。为每个组件选择所属能力层：固定指令、知识库、技能或代码执行。每个层级至少使用一次。

点击卡片选择，再点击桶放置。点击已放置卡片可放回池中。

---

界面9：Haiku、Sonnet、Opus

教学·选择模型·8分钟

能力层决定Claude做什么。模型决定做得有多好，以及速度成本。

Claude家族的不同模型层级覆盖从高效快速到全面强大的光谱。将层级与任务匹配，既能避免对常规工作过度设计，也能防止对高利害分析投入不足。

Haiku是Claude家族中最快速高效的模型。它擅长结构化任务：分类、提取、格式化、直接摘要以及速度重要而错误成本低的高频常规工作。当任务需要连续处理数百个项目时，Haiku的速度优势会叠加。

Sonnet是平衡层级。它能专业处理各类任务：起草、综合、分析、研究协助和文档审查。对多数知识工作，Sonnet是理想起点。若复杂任务质量不足，可升级至Opus。若速度和体量是主要需求且任务结构化，则考虑Haiku。

Opus是更高能力层级，提供比Sonnet和Haiku更先进的性能。将其用于需要微妙判断、复杂多步推理、需解释的模糊输入，或任何质量优先于速度的工作。面向客户的交付物、复杂文档分析、战略规划和多源高利害综合是典型Opus用例。

决策逻辑

任务特征 | 模型 --- | --- 常规、结构化的批量提取或分类 | Haiku 多数专业起草、综合和分析 | Sonnet 复杂判断、高利害输出、模糊或多层输入 | Opus

Opus在复杂任务上产出更优，代价是速度较慢。对多数知识工作，Sonnet表现良好。将Opus留给真正需要质量上限的工作。在体量和速度为主要需求且任务结构清晰时使用Haiku。

另需注意：在计量或用量预算计划（包括API访问）中，这种速度与能力的权衡也转化为每次调用的成本权衡。Opus等高能力层级每次调用消耗的用量比Haiku或Sonnet多，因此在这些计划中"效率"意味着成本和速度。在标准claude. ai订阅界面，将效率（速度和用量余量）视为成本的实用代理；上述选择逻辑不变。

模型选择器阵容、默认模型和自动切换行为因计划和时间而变化；发布前请在产品中核实三者。无论您可使用哪些层级，上述决策逻辑均适用。

---

界面10：上下文限制、对话卫生与记忆管理

教学·上下文管理·8分钟

模型选择和能力配置决定Claude在会话中能做什么。上下文管理决定能持续良好工作多久。每个Claude对话都有有限的工作记忆预算，随着对话增长预算逐渐耗尽。审慎的上下文管理使会话在长时间或复杂工作中保持连贯。

实际应用中的上下文窗口

每个对话都有工作记忆限制。随着消息和上传文档累积，Claude的上下文窗口逐渐填满。接近限额时，claude. ai会自动摘要早期消息腾出空间（在启用代码执行的付费计划中），完整历史仍可供参考。实际表现：在长会话中，前10分钟给Claude的详细指令可能在90分钟后不被遵循，这不是因为Claude忽略它们，而是因为早期上下文被摘要时会压缩细节。

需要干预的迹象：

• Claude停止遵循同一会话早期正确执行的指令
• 回复仅针对最近交流而不提早期决定或上下文
• 准确性下降且表现符合缺失早期上下文特征

上下文退化时的三种应对

重启。开始新对话。项目的固定指令和知识库会自动延续。对话线程不会。当当前会话已偏离至无法恢复，或您在同一工作流中开始真正的新任务时，重启是正确的选择。

摘要。在开始新对话前，让Claude生成当前状态摘要：已做决定、进行中的工作和开放问题。将该摘要粘贴为新对话的起始上下文。这能在不将退化的上下文窗口带入下个会话的情况下保持线程连续性。

持久化。对于应在所有未来会话中可用的信息，将其保存至记忆或更新项目知识库。在正确时刻保存正确信息比反复重新输入更高效。维护良好的项目与最新知识库条目能减少单个会话上下文限制的影响。

记忆维护

保持更新时记忆最有效。三个月前准确但未复查的记忆条目可能产生积极误导。将记忆视为工作文件。定期复查，删除过期条目，更新变更事实。存储记忆的准确性比数量更重要。

用量限制

Claude的用量限制运作在多个时间窗口：短期滚动会话窗口，以及付费计划中跨模型应用的周限制（最高模型层级另有单独周配额）。具体窗口和配额因计划而异且会变化；发布前请在帮助中心核实当前限制。在高阶模型上的长会话可能在工作完成前达到限制。对密集型任务，提前规划比中断后补救更高效：将大任务拆分为段，将中间进度保存至知识库，从摘要重启而非无限延长单个会话。

---

界面11：练习·为工作选择正确功能

练习·平台选择·5分钟

本模块的选择决策需协同应用。入口点、能力层、模型层级和上下文策略是针对同一任务的四个关联选择。本练习训练综合识别能力。

六个专业场景，六张配置卡片。将每个场景与匹配的配置连线。每张卡片使用一次。完成后检查结果。预计耗时约五分钟。

卡片 | 配置 | 理由 --- | --- | --- A | 项目+技能·Sonnet | 重复性结构化任务，稳定上下文，固定输出格式 B | 研究模式·Sonnet | 当前信息任务；时间窗口晚于可靠训练数据 C | 代码执行·Haiku或Sonnet | 定义数据集上的计算；结果必须准确 D | 项目(知识库)+产物·Opus | 微妙的多源分析，模糊输入，高利害交付物 E | 聊天+产物·Sonnet | 一次性起草任务；无需能力层 F | 项目+代码执行+技能·Sonnet | 带有验证数字输出和一致格式的重复工作流

第二部分·论证一个配置

将场景与卡片匹配显示您能识别正确配置。此步骤要求您为一个场景辩护。以场景S3（基于四份上传报告撰写的15页董事会分析）为例。在下方框中输入您选择的模型，并用一句话解释该选择背后的权衡：选择带来的收益与成本。然后揭晓标准答案，比较您的推理而不仅是选择。

某战略顾问正在根据四份上传报告起草15页董事会分析，需要对模糊信号进行微妙解读。

在下方框中输入您选择的模型，并用一句话解释该选择背后的权衡、带来的收益与成本。然后揭晓标准答案，比较您的推理而不仅是选择。

---

界面12：模块1测验·平台与模型选择

测验·模块1·5分钟

五个场景式问题。每个呈现一个专业情境，选择最符合本模块选择框架的应对方式。预计耗时约五分钟。

---

界面13：贯穿本模块的五个要点

总结·五个收获·3分钟

在编写提示前选择入口点

聊天处理一次性工作。项目处理具有稳定上下文的重复工作。产物处理交付物输出。研究模式处理需要当前多源信息的任务。入口点决策塑造会话中的每个后续选择。

四个能力层，四个不同问题

项目承载上下文。技能定义可重复流程。代码执行验证计算。记忆保持连续性。根据任务需求独立或组合使用它们。

模型层级反映速度与能力的权衡

Haiku高效处理结构化大批量任务。Sonnet覆盖多数专业工作。Opus处理质量优先于速度的复杂高利害任务。使层级与任务需求匹配。

上下文是有限预算

长对话会随上下文填满而退化。重启、摘要或持久化。主动管理上下文比在偏离累积后补救更高效。

变异是固有的；审核是结构性的

每个Claude功能（包括配置的技能）每次运行都会产生不同输出。模块3建立评估这些输出的规范再让其离开您手中的纪律。本模块的框架决定正确入口点和能力层。模块3的框架决定如何处理输出。

所有产品行为描述基于截至2026年6月的claude. ai功能。功能可用性和行为应以发布时Anthropic最新文档为准。

• Claude帮助中心：项目、技能、记忆、文件创建、用量限制 support. claude. com
• Anthropic文档：提示工程概述、模型比较 platform. claude. com/docs
• 模型层级特征：发布前在产品中核实当前模型阵容、名称、默认模型和能力描述
• 记忆导入（实验性）：在定稿第4课内容前确认正式发布状态和账户层级的可用性
• 代码执行：在定稿第4课内容前确认当前文件输出类型和沙盒出口控制

---

界面14：恭喜！您已完成本模块

模块完成·初级路径·2分钟

您现在能为任何任务识别正确的Claude入口点、模型层级和能力层。选择正确工具，Claude将成为可靠伙伴而非猜谜游戏。

M1：产品与模型选择 为给定任务选择正确入口点、模型和功能

M2：提示工程 构建结构化提示并适配任务类型

M3：输出评估 验证输出并识别不可协商的人工审核环节

M4：工作流集成 根据委托标准映射工作流并安全地重新设计

M5：配置 配置和维护项目、指令与知识库

M6：治理 负责任地应用用例、数据、政策和道德判断

M7：故障排除 诊断性能不足并在结果不达标时优化工作流

M8：课程总结与后续步骤 回顾学习历程，准备考试，并认识向开发者和架构师轨道升级的边界

模块1完成

<! -- 提取14个界面，28328字符 -->