工作流集成与解决方案设计

屏幕一：工作流集成与解决方案设计

模块四介绍·4分钟

“我使用Claude”与“我们的工作流使用Claude”之间存在差异。

前者是个人生产力习惯，后者是由团队运行的可重复流程，Claude在其中每次执行特定步骤。只有当你刻意做出这种转变时，价值才会叠加，而当团队自动化了错误的步骤时，这种转变可能会出错。

考虑两个团队在合同审查流程中采用Claude的情况。第一个团队规划了工作流程，让Claude起草修订稿，而律师负责每一项最终决策；审查时间减少了一半，质量保持不变。第二个团队让Claude处理整个流程，并在无人监督的情况下批准低风险条款；一个月内，一个已批准的条款产生了无人察觉的义务，团队完全撤回了该工具。

相同的产品，相同的流程。区别在于每个团队选择委托的步骤。

本模块旨在帮助你做出明智的选择。AI流畅性框架中的核心能力是委托：为每个步骤决定工作是适合AI、保留给人类，还是协作完成。有意识的委托是将个人胜利转化为工作流价值的关键。

本模块结束时，你将能够：

• 1应用Claude分析需求和用例。

• 2利用Claude进行研究、规划和流程优化。

• 3使用Claude支持解决方案的设计、开发和迭代。

• 4将Claude集成到现有工作流中以增强或重新设计它们。

• 5准确地向利益相关者传达Claude的价值和局限性。

工作流价值来自于决定委托哪些步骤，而不是自动化一切。学习如何使用Claude分析需求，基于验证过的分析制定计划，迭代解决方案，根据委托标准映射工作流，并向利益相关者描述结果，而不夸大工具的能力。

我们构建了这门初级课程模块四：工作流集成与解决方案设计，以帮助你使用Claude完成实际工作。将其视为教育内容。它不构成法律、财务或其他专业建议，因此请将所学内容适应于你自己的情况。我们的产品和服务发展迅速，某些内容可能包含错误或已过时；请记得在Anthropic的网站或文档中验证。课程中使用的示例和场景是说明性的，通常是虚构的。如果课程材料提到某家公司或产品，并不意味着Anthropic认可它们，它们认可Anthropic，或我们有关联。此外，请注意你对Anthropic产品和服务的使用受我们的条款、政策和文档的约束；如果本课程中的任何内容与之冲突，以它们为准。

---

屏幕二：使用Claude分析需求和用例

教学需求分析·9分钟

大多数实际工作始于混乱的输入：一份长文档、一串未成形的电子邮件、口头请求。在构建任何东西之前，必须提取、结构化并压力测试需求。

Claude正是这种转换的强大伙伴，将原始输入转化为可测试的需求，供他人行动。Claude可以处理非结构化材料，并通过从文档中提取需求、组织它们并标记模糊或缺失的内容来返回结构。上传原始输入并要求Claude进行结构化分析，而不是叙事性总结。

将业务需求转化为任务定义

“我们需要更好的报告”这样的业务需求是不可操作的。Claude可以帮助将该业务需求转化为具体的任务定义：什么报告、为谁、频率、从什么数据中提取、以什么格式。每个都成为你可以构建并检查完成情况的需求。

工作示例：RFP响应工作流

一个提案团队响应客户的RFP。输入是一份40页的RFP文档和一系列分散的内部回答电子邮件。重复任务：将其转化为结构化的可回答需求列表。

提示

“从附件的RFP和电子邮件线程中，提取客户要求我们解决的每一个独特需求。对于每个需求，提供一个简短的标签、确切的RFP部分来源、我们的线程是否已有答案，以及任何需要澄清的模糊需求。以表格形式返回。”

输出：整个团队可以使用的需求表：每一行一个需求，追溯到其RFP部分，标记为已回答或未回答，模糊之处标记为需要向客户澄清的问题。

这是一个项目，而不是一次性的聊天。过去的成功提案存在于知识库中，技能携带格式化步骤，常驻指令保持提取格式。不需要技术构建。常驻指令和知识库存在于项目的配置中；技能存在于账户级别并适用于所有地方，包括此项目。模块五将深入介绍配置。

压力测试需求

提取是第一步；压力测试使输出值得信赖。让Claude挑战自己的列表：

“审查你提取的需求。哪些在书面表达上是模糊的？哪些可能被我们的提案团队解读为两种方式？哪些暗示了RFP仅间接陈述的需求？”

这揭示了隐藏的需求，那些埋藏在从句中或由评估标准暗示的需求，当被遗漏时会让团队失去投标。结构化列表加上压力测试通过，比单独任何一个都更强大，这是模块三中的辨别习惯在需求阶段的应用。

---

屏幕三：研究、规划与流程优化

教学研究与规划·10分钟

规划工作通常混合了Claude处理方式不同的两件事：合成，它擅长；计算，它必须被验证。

最强的规划工作流将Claude的合成与代码执行的分析配对，因此计划基于计算而非生成的数字。

研究与合成

Claude可以跨来源合成以制定计划：收集考虑因素，结构化选项，并列出权衡。对于训练后发布的当前信息，聊天中的网络搜索涵盖快速查找，研究提供更深层次的更新输入。合成是有用的，也是未验证声明可能进入的地方，因此模块三中的验证纪律贯穿始终。

代码执行以验证分析

当计划依赖于数字时，让Claude计算它们。上传数据集并使用代码执行运行计算，生成趋势图并处理文件。基于猜测的利用率构建的人员配置计划是猜测；基于代码执行的实际时间表数据分析构建的计划是计划。

工作示例：容量计划

一个运营负责人正在规划下个季度的人员配置。工作流：上传过去四个季度的工单量数据，使用代码执行计算趋势和每位分析师的处理量，然后让Claude从验证过的数字中合成人员配置建议。

提示

“使用代码执行对附件的工单数据，计算季度量增长和每位分析师的平均解决工单数。然后，从这些数字中，推荐保持当前解决时间所需的人员配置，并展示假设。”

建议的可信度仅取决于其下的数字。因为数字来自代码执行而非散文，计划可以逐行辩护。识别计划的哪些步骤基于数字，是你决定AI洞察影响答案的地方。

AI洞察改变计划的地方

并非规划工作流的每一步都同样受益于Claude。合成步骤，即许多考虑因素需要权衡和结构化，是它增加最多的地方。判断步骤，即一个人权衡风险偏好或政治现实，仍然由人类完成。快速扫描工作流的合成密集型步骤，告诉你应用Claude的地方和留给人类决策的地方。

对于容量计划，Claude的杠杆作用在于将四个季度的数据转化为可辩护的建议；招聘决策，基于预算和招聘冻结的现实，Claude无法看到，仍然由运营负责人决定。

---

屏幕四：解决方案设计、开发与迭代

教学解决方案设计与迭代·8分钟

Claude是设计协作者，而不是自动售货机。价值体现在一个明确的循环中：构思、原型、收集反馈、优化。

将其视为循环，并在迭代中保持设计上下文稳定，是产生解决方案而非一堆一次性草稿的关键。

迭代循环

构思产生选项；原型使一个具体化；反馈暴露错误；优化修复它；循环重复，直到解决方案成立。在项目中运行此循环保持上下文、约束和先前决策的稳定，因此每次迭代都建立在上一次的基础上，而不是重新开始。

工作示例：内部流程工具

一个业务分析团队需要一个小的内部工具来跟踪和可视化一组维护的指标。他们没有委托构建，而是让Claude生成一个Web工件，并通过提问进行迭代。

“构建一个简单的仪表板工件，显示附件数据中的这五个指标，每个指标一个图表。”Claude生成一个工作工件。

知道何时升级

工件有效是因为它服务于一个小团队的内部需求。当解决方案成为他人依赖的系统，具有正常运行时间、安全性或集成要求时，它已超出初级范围，属于开发人员或架构师的专业知识。

这种依赖性是升级信号：当人们将其视为基础设施时，构建不再是提示和迭代的练习。

---

屏幕五：委托映射：将Claude集成到工作流中

教学委托映射·12分钟

这是模块的核心技能。在围绕Claude重新设计工作流之前，逐步映射它，并为每个步骤决定谁拥有它：AI、人类或两者共同。

映射基于三个标准进行判断，正确与否决定了工作流是叠加价值还是悄悄积累风险。

三个步骤，三个标准

对于工作流中的每个步骤，将其分类为适合AI、保留给人类或协作，基于以下标准：

可逆性

如果Claude出错，该步骤可以撤销吗？可逆步骤容忍更多委托；不可逆步骤需要人类参与。

风险

此步骤错误的成本是什么？高成本步骤由人类拥有或人类审查。

责任

谁对此步骤的结果负责？责任不委托，即使起草委托。

构建重新设计

一旦映射，在每个AI步骤嵌入正确的功能：技能用于可重复的程序步骤，代码执行用于数据步骤。配置技能的一致性胜过依赖于每次记住正确措辞的英雄式提示。保留给人类的步骤成为明确的审查关口，而不是事后想法。

合同审查是业务团队常见的首次胜利工作流，因此值得完全映射。

两个工作映射，相同标准

工作流步骤

委托

原因

从合同中提取条款

适合AI

可逆，低风险，机械

标记与公司剧本的偏离

适合AI

可逆；技能携带剧本规则

起草修订稿和理由

协作

AI起草，人类判断每个编辑

批准或拒绝每个更改

保留给人类

高风险，责任不委托

计算罚金条款的财务风险

适合AI（代码执行）

数字；必须计算，而非估计

签署并发送

保留给人类

不可逆，外部，具有法律约束力

注意，AI在这里做实际工作，包括修订稿起草，而不仅仅是总结。人类拥有决策和不可逆步骤。这种分割是重新设计。

当风险和可逆性变化时，相同的三个标准会产生非常不同的结果。一个人力团队从模板生成录用信和入职包。

工作流步骤

委托

原因

从HRIS导出中提取新员工详细信息

适合AI（代码执行）

机械，可逆，必须准确

从批准的模板中起草录用信

适合AI

可逆草稿；技能携带模板

个性化欢迎信

协作

AI起草，招聘经理添加人情味

确认薪酬数字与批准的职位匹配

保留给人类

高风险，责任不委托

发送签署的录用信

保留给人类

不可逆，具有法律约束力

注意，模式与合同审查完全相同，尽管工作无关：机械和起草步骤委托，数字确认和不可逆行动保留给人类。标准决定分割。

识别过度委托

将超过风险概况证明的步骤交给AI是不正确的做法：因为Claude起草得好，就让它批准条款或发送合同。起草质量不是委托决策的许可证。当映射将不可逆或高责任步骤交给AI时，那就是过度委托，这正是介绍中第二个团队出错的地方。

常见映射错误

光环委托。一个步骤因为前一个步骤顺利而被交给AI。每个步骤都独立判断。

将协作折叠为自动化。“AI起草，人类审查”悄悄变成“AI起草”，当审查关口从未真正配备人员时。没有真正审查者的协作步骤是自动化步骤。

映射工具，而非工作。团队有时围绕他们喜欢的功能（他们构建的技能）映射，而不是实际的工作流步骤。先映射工作，然后调整功能。

---

屏幕六：向利益相关者传达价值和局限性

教学传达价值·8分钟

将Claude集成到团队工作流中意味着向未构建它的人描述：经理、客户、风险部门。

可信度来自于准确的声明，这意味着清晰地传达局限性以及价值。夸大能力是团队在第一次明显失误时失去利益相关者信任的方式。

准确描述能力

陈述Claude在用例中可以可靠地做什么，以及它不能做什么，既不夸大也不虚假谦虚。“Claude起草第一稿修订稿，由律师审查”是准确且可信的。“Claude处理合同审查”夸大并引发问题，你的第一次错误将糟糕地回答。

相同工作流，不同受众

考虑合同审查工作流，从不同角度解释：

高理解力。“Claude提取条款，标记剧本偏离，并起草修订稿。它不批准更改，该关口保留给你。已知故障模式：它可能遗漏间接暗示的义务，因此剧本偏离标记是你阅读的提示，而不是替代。”

结果导向。“审查时间大约减少了一半，保持相同的批准标准。每个更改在离开大楼前仍由律师批准。”

保证导向。“AI协助起草；合格的人类审查并批准每个条款。没有合同在没有人类签署的情况下发送。”

这是相同的工作流和相同的人类关口。变化的是每个受众需要信任的细节。

校准受众

将信息与受众的AI理解力匹配。技术利益相关者想要功能细节和故障模式；高管想要结果、到位的监督和风险姿态。你设定的期望应匹配能力边界，因此没有人后来感到惊讶。这是模块二中的描述能力向外应用：工具能做什么和不能做什么的精确规范，现在针对利益相关者而非Claude。

记录人类监督

命名保留的审查关口。“每个输出在发送给客户前都经过人类审查”是使工作流可辩护的控制措施。利益相关者更信任AI工作流，而不是更少，当人类检查点明确时。

好与坏的信息，并列

夸大

准确

“我们的新AI系统自动审查合同。”设定了一个工作流无法满足的期望，并隐藏了人类关口。

“Claude起草修订稿并标记剧本偏离；我们的法律负责人审查并批准每个更改，然后发送任何内容。团队的审查时间大约减少了一半，保持相同的批准标准。”价值和局限一口气说出。

“完全自动化”几乎从不真实，第一次可见错误暴露它。“Claude处理X”将人类关口从句子中折叠出去。“它基本上和人一样擅长Y”设定了一个工具最终会公开错过的标准。每次都用可辩护的、有界限的声明替换夸大的声明。修复方法每次相同：陈述工具做什么，然后识别人类检查点。

---

屏幕七：练习：使用委托标准重新设计工作流

练习重新设计工作流·7分钟

委托映射是更安全工作流集成的可重复方法。本练习让你从头到尾映射一个真实工作流，就像你在工作中重新设计一个之前那样。

以下是一个费用报告审批工作流。将每个步骤分类为自动化、人类或协作，并确定一个步骤最适合技能，一个最适合代码执行。提交答案后，模型解决方案将揭示每个步骤的推理。

工作流

在测验前回到此练习。测验场景使用你在此练习的相同委托映射决策。

---

屏幕八：模块四测验：工作流集成与解决方案设计

测验模块四·5分钟

五个情景式问题。每个呈现一个情况；选择最佳应用模块集成框架的响应。大约五分钟。

在前进前返回完成测验。

---

屏幕九：关键要点

模块四关键要点·5分钟

本模块中贯穿的五件事：

有意识地委托，不要不加选择地自动化。

工作流价值来自于选择Claude做什么步骤，而不是将一切都交给Claude。

Claude是需求分析伙伴。

给它混乱的输入，得到结构化、可追溯、可测试的需求，供他人行动。

基于验证过的数字制定计划。

将Claude的合成与代码执行配对，因此计划下的数字是计算的，而非生成的。

根据三个标准映射每个步骤。

可逆性、风险和责任决定步骤是适合AI、保留给人类还是协作。

清晰地传达局限性和价值。

准确的能力声明与明确的人类审查关口是赢得并保持利益相关者信任的关键。

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在发布时根据当前Anthropic文档验证：

• AI流畅性框架：委托能力

• Claude帮助中心：项目、技能、代码执行和工作流中的工件，support. claude. com

• Anthropic文档：使用Claude进行分析和规划，platform. claude. com/docs

---

屏幕十：恭喜！你已成功完成本模块。

模块完成初级路径·2分钟

你现在可以根据委托标准映射任何工作流并安全地重新设计它。有意图地集成：Claude在不增加风险的情况下增强你的团队。

M1：产品与模型选择

为任何给定任务选择合适的切入点、模型和功能。

M2：提示

构建结构化提示并适应任务类型。

M3：输出评估

验证输出并知道何时人类审查是不可协商的。

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它。

M5：配置

配置和维护项目、指令和知识。

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

诊断表现不佳并在结果不足时优化工作流。

M8：课程总结与下一步

回顾旅程，准备考试，并识别到开发人员和架构师轨道的升级边界。

模块四完成。

<! -- 提取10个屏幕，20910字符 -->