Author: Chimy

  • SurveyGO卷姬 – 清华联合面壁智能开源的AI论文写作工具

    SurveyGO是什么

    SurveyGO(卷姬) 是清华联合面壁智能团队开源的AI论文写作工具。支持根据用户输入的论文主题和描述,快速生成结构清晰、内容丰富的综述文章,帮助科研人员和学生高效完成文献综述部分。SurveyGO核心技术 LLMxMapReduce-V2 借鉴卷积神经网络原理,基于文本卷积算法聚合多篇参考文献,避免传统方法中信息丢失的问题。生成的文章逻辑严谨、引用可靠,长度和细节丰富。用户只需简单填写信息提交选题,支持在后台生成高质量的综述文档,大大提升科研写作效率。

    SurveyGO

    SurveyGO的主要功能

    • 快速生成综述文章:用户输入论文主题和描述后,快速生成结构清晰、内容丰富的综述,支持数万字长文输出。
    • 用户互动:基于点赞和评论功能,用户对写作需求和生成的文章进行反馈,系统根据用户反馈优化内容生成。
    • 多语言支持:提供中英文综述生成选项,满足不同用户需求。
    • 用户友好界面:操作简单,支持普通和专业模式,方便用户提交选题和查看结果。

    SurveyGO的技术原理

    • LLMxMapReduce-V2 技术:用文本卷积算法聚合多篇参考文献。类似于卷积神经网络(CNN)在图像处理中的应用,逐步将局部信息抽象为高级全局表示。模型首先关注部分引用文章(局部信息),基于多层卷积操作,将局部信息整合成更全面的结构化信息,例如文章的段落结构和主题。引入信息熵估计模块,指导卷积过程,确保在测试时缩放过程不断提升结果的信息含量。
    • 解决上下文长度限制:传统的检索增强生成(RAG)方法基于检索与查询最相关的文本片段来生成内容,容易忽略一些虽然与主题相关但无法直接匹配语义相似度的重要内容。基于聚合多篇文献,而不是简单检索,充分用所有参考文献的信息,避免信息丢失。
    • 高质量内容生成:基于多层卷积操作,提取文献中的关键信息,整合成结构化的输出,确保生成文章的逻辑性和连贯性。自动引用相关的文献和资料,确保生成内容的可信度和专业性。
    • 评估基准:为科学评估生成文章的质量,创建高质量的调查写作基准 SurveyEval,是计算机科学领域首个将调查与完整参考文献相结合的可扩展评估基准。

    如何使用SurveyGO

    • 访问网站:访问SurveyGO 的官方网站。按照提示完成注册和登录。
    • 选择模式
      • 普通模式:适合初学者或对生成内容要求不高的用户。
      • 专业模式:适合对综述内容有更高要求的用户。
    • 填写信息
      • 论文标题:输入你想要生成综述的主题。
      • 论文描述:简要描述你的研究方向或需要重点关注的内容。
      • 语言选择:选择生成文章的语言(中文或英文)。
    • 提交选题:填写完信息提交后,系统自动开始生成综述文章。
    • 查看生成结果:生成完成后,查看生成的文章。

    SurveyGO的项目地址

    SurveyGO的应用场景

    • 科研论文写作:帮助科研人员快速生成文献综述部分,节省查找资料和整理思路的时间。
    • 学术报告准备:在准备学术报告时,快速提供相关主题的背景信息和研究进展,帮助用户快速搭建报告框架。
    • 课程论文撰写:对于学生来说是撰写课程论文综述部分的有力工具,提供清晰的逻辑结构和丰富的参考内容。
    • 行业研究与分析:用在生成特定行业的研究报告,分析市场趋势、技术发展等,为商业决策提供参考。
    • 学习与知识拓展:快速了解新领域的核心观点和研究动态,拓展知识面。
  • ByeCode – AI无代码开发平台,拖拽式操作构建应用

    ByeCode是什么

    ByeCode 是新一代 AI 无代码平台,帮助企业快速构建数字名片、网站、小程序、App 和内部管理系统等,无需繁琐的编码和开发。ByeCode基于可视化界面和拖拽式操作,让非技术用户能轻松上手,深度集成 AI 大模型,支持智能交互和数据分析功能。ByeCode 提供从构建、部署、管理到应用分析的全方位支持,助力企业高效实现数字化升级,提升运营效率和用户体验。

    ByeCode

    ByeCode的主要功能

    • 可视化开发环境:用户基于拖拽组件(如文字、图片、按钮、表单等)快速搭建页面,无需编写代码。
    • 丰富模板库:提供多种免费应用模板,涵盖数字名片、企业官网、小程序、内部管理系统等场景。
    • 快速搭建与部署:支持一键部署到云平台或本地服务器,快速上线应用,大大缩短开发周期。
    • 深度集成 AI 大模型:支持与 Deepseek、通义千问等 AI 大模型集成,用户在应用中直接调用 AI 功能,如智能客服、内容推荐、智能表单填写等。
    • 智能交互设计:提供语音交互、智能问答、自动文本生成等 AI 驱动的交互功能,提升用户体验。
    • 数据分析与可视化:提供可视化数据分析工具,实时监控应用的浏览次数、独立访客、流量来源等数据,助力运营决策。

    如何使用ByeCode

    • 注册与登录:访问 ByeCode的官方网站,按照提示完成注册和登录。
    • 选择项目类型:根据需要选择项目类型。如数字名片、企业官网、小程序、内部管理系统等。
    • 以制作个人名片为例
      • 选择数字名片模板:登录后进入模板库,选择“名片”类别。从模板资源中选择喜欢的模板,例如团队名片、销售名片、设计师名片等。如果不满意模板,选择从零开始搭建。
      • 复制模板:点击“复制模板”按钮,将选中的模板复制到个人空间中。
      • 修改内容
        • 修改文本内容,输入个人基本信息(如姓名、职位、联系方式等)。
        • 更换头像图片,添加个人社交媒体链接(如抖音、小红书、视频号等)。
        • 如果需要,添加更多组件(如按钮、数据视图等),调整颜色、字体和图标,增加个性化元素。
      • 预览与发布:在编辑过程中随时预览名片效果。制作完成后点击“发布”,将名片分享到各个渠道。

    ByeCode的应用场景

    • 企业官网与内部管理:快速搭建企业官网、数字名片和内部管理系统,提升企业形象与运营效率。
    • 电商平台与营销:构建电商网站、小程序,集成会员管理和智能推荐,增强用户粘性和购物体验。
    • 教育与在线学习:搭建在线学习平台,管理数字教材,实现课程推荐与学习进度跟踪,提升教学效果。
    • 智能客服:集成智能客服,快速响应客户咨询。
    • 个人品牌与创意展示:制作个性化数字名片,搭建个人网站或小程序,展示作品集和创意项目,提升个人影响力。
  • Anthropic 推出 Claude Code 智能编程最佳实践指南(中文版)

    Claude Code Best practices for agentic coding

    Claude Code是用在智能编码(agentic coding)的命令行工具。本文涵盖了经过验证有效的技巧和方法,用于在各种代码库、语言和环境中使用Claude Code。

    我们最近发布了Claude Code,这是一个用于智能编码的命令行工具。作为研究项目开发,Claude Code为Anthropic工程师和研究人员提供了更原生的方式将Claude集成到他们的编码工作流程中。

    Claude Code特意设计为底层且不强制特定方式,提供接近原始模型的访问而不强制特定工作流程。这种设计理念创造了一个灵活、可定制、可编写脚本且安全的强大工具。虽然功能强大,但这种灵活性对于初次使用智能编码工具的工程师来说存在学习曲线——至少在他们形成自己的最佳实践之前。

    本文概述了经证明有效的通用模式,既适用于Anthropic内部团队,也适用于在各种代码库、语言和环境中使用Claude Code的外部工程师。此列表中的内容都不是一成不变或普遍适用的;请将这些建议视为起点。我们鼓励您进行实验,找到最适合您的方法!

    寻找更详细的信息?我们在claude.ai/code上的完整文档涵盖了本文提到的所有功能,并提供了额外的示例、实现细节和高级技术。

    1.自定义您的设置

    Claude Code是一个智能编码助手,会自动将上下文提取到提示中。这种上下文收集会消耗时间和token,但您可以通过环境调优来优化它。

    a.创建CLAUDE.md文件

    CLAUDE.md是一个特殊文件,Claude在开始对话时会自动将其提取到上下文中。这使其成为记录以下内容的理想位置:

    • 常用bash命令。
    • 核心文件和实用功能。
    • 代码风格指南。
    • 测试说明。
    • 仓库规范(例如分支命名、合并与变基等)。
    • 开发环境设置(例如pyenv使用、可用的编译器)。
    • 项目特定的任何意外行为或警告。
    • 您希望Claude记住的其他信息。

    CLAUDE.md文件没有固定格式要求。我们建议保持简介易读性。例如:

    Claude Code Best practices for agentic coding

    您可以将CLAUDE.md文件放置在多个位置:

    • 仓库根目录,或者您运行claude的任何位置(最常见用法)。将其命名为CLAUDE.md并提交到git,以便跨会话和团队共享(推荐),或者命名为CLAUDE.local.md并通过.gitignore忽略
    • 您运行claude的目录的任何父目录。这对monorepo特别有用,例如您可能从root/foo运行claude,同时在root/CLAUDE.md和root/foo/CLAUDE.md都有文件。这两者都会自动被提取到上下文中
    • 您运行claude的目录的任何子目录。这与上述情况相反,在这种情况下,当您处理子目录中的文件时,Claude会根据需求提取子目录中的CLAUDE.md文件
    • 您的主目录(~/.claude/CLAUDE.md)。这将应用到您所有的claude会话中,当您运行/init命令时,Claude会自动为您生成一个CLAUDE.md文件。

    b.调整您的CLAUDE.md文件

    您的CLAUDE.md文件会成为Claude提示词的一部分,因此应该像任何频繁使用的提示词一样进行优化。一个常见错误是添加大量内容而不迭代其有效性。花时间实验并确定怎样能让模型最好地遵循指令。

    您可以手动向CLAUDE.md添加内容,或者按#键给Claude一个指令,它会自动将其合并到相关的CLAUDE.md中。许多工程师在编码时经常使用#来记录命令、文件和风格指南,然后将CLAUDE.md的更改包含在提交中,这样团队成员也能受益。

    在Anthropic,我们偶尔会通过提示改进器运行CLAUDE.md文件,经常调整指令(例如用”重要”或”必须”添加强调)以提高遵循度。

    Claude Code Best practices for agentic coding

    c.管理Claude允许使用的工具列表

    默认情况下,Claude Code会对任何可能修改系统的操作请求权限:文件写入、大多数bash命令、MCP工具等。我们特意采用这种保守的设计来优先考虑安全性。您可以自定义允许列表来添加您确认安全的工具,或允许容易撤销的潜在不安全操作(如文件编辑、git提交)。

    管理允许工具有四种方式:

    • 在会话出现提示时选择”始终允许”。
    • 启动Claude Code后使用/allowed-tools命令添加或移除允许列表中的工具。例如:
    • 添加Edit以始终允许文件编辑。
    • 添加Bash(git commit:*)以允许git提交。
    • 添加mcp__puppeteer__puppeteer_navigate以允许使用Puppeteer MCP服务器导航。
    • 手动编辑.claude/settings.json或~/.claude.json文件(建议将前者纳入版本控制以便团队共享)。
    • 使用–allowedTools命令行参数设置会话特定权限。

    d.如果使用GitHub,请安装gh CLI Claude

    知道如何使用gh CLI与GitHub交互,包括创建issue、发起pull request、阅读评论等。如果未安装gh,Claude仍可通过GitHub API或已安装的MCP服务器进行交互。

    2.为Claude提供更多工具

    Claude可以访问您的shell环境,您可以像为自己创建一样,为它构建一组便捷脚本和函数。它还可以通过MCP和REST API利用更复杂的工具。

    a.将Claude与bash工具结合使用

    Claude Code继承了您的bash环境,使其能够访问您的所有工具。虽然Claude知道常见的实用程序如unix工具和gh,但如果没有指示,它不会知道您的自定义bash工具:

    • 1.告诉Claude工具名称及使用示例。
    • 2.让Claude运行–help查看工具文档。
    • 3.在CLAUDE.md中记录常用工具。

    b.将Claude与MCP结合使用

    Claude Code既可作为MCP服务器也可作为客户端。作为客户端时,它可以通过三种方式连接任意数量的MCP服务器以访问其工具:

    • 在项目配置中(在该目录下运行Claude Code时可用)。
    • 在全局配置中(在所有项目中可用)。
    • 在已提交的.mcp.json文件中(对代码库中的任何人都可用)。例如,您可以将Puppeteer和Sentry服务器添加到您的.mcp.json中,这样每个在您仓库工作的工程师都可以开箱即用这些工具。 在使用MCP时,使用–mcp-debug标志启动Claude也有助于识别配置问题。

    c.使用自定义斜杠命令

    对于重复的工作流程——调试循环、日志分析等——将提示模板存储在.claude/commands文件夹中的Markdown文件中。当您键入/时,这些命令会出现在斜杠命令菜单中。您可以将这些命令提交到git中,使其对团队其他成员可用。

    自定义斜杠命令可以包含特殊关键字$ARGUMENTS,用于从命令调用中传递参数。

    例如,这里有一个斜杠命令,您可以用来自动拉取并修复Github问题:

    Claude Code Best practices for agentic coding

    将上述内容放入.claude/commands/fix-github-issue.md文件中,即可在Claude Code中使用/project:fix-github-issue命令。例如,您可以使用/project:fix-github-issue 1234让Claude修复问题#1234。同样,您可以将个人命令添加到~/.claude/commands文件夹中,以便在所有会话中使用这些命令。

    3.尝试常见工作流程

    Claude Code不会强制使用特定工作流程,您可以灵活地按需使用。在这种灵活性下,我们的用户社区已经形成了几种高效使用Claude Code的成功模式:

    a.探索、计划、编码、提交

    这个多功能的工作流程适用于许多问题:

    • 让Claude阅读相关文件、图像或URL,可以提供一般性指引(”读取处理日志的文件”)或具体文件名(”读取logging.py”),但要明确告诉它暂时不要编写任何代码。 这是工作流程中应该考虑大量使用子代理的部分,特别是对于复杂问题。
    • 告诉Claude使用子代理来验证细节或调查它可能有的特定问题,特别是在对话或任务的早期阶段,有助于保持上下文的可用性,而不会在效率方面造成太大损失。 让Claude制定解决特定问题的计划。我们建议使用”think”这个词来触发扩展思考模式,这会给Claude更多的计算时间来更彻底地评估替代方案。这些特定短语直接对应系统中逐渐增加的思考预算级别:”think” < “think hard” < “think harder” < “ultrathink”。每个级别都会分配更多的思考预算供Claude使用。 如果这一步的结果看起来合理,您可以让Claude创建一个文档或GitHub问题来记录其计划,以便在实现(第3步)不符合您的要求时可以回到这一点。
    • 让Claude用代码实现其解决方案。这也是一个好时机,要求它在实现解决方案的各个部分时明确验证其解决方案的合理性。
    • 让Claude提交结果并创建一个pull request。如果相关,这也是一个好时机,让Claude更新任何README或变更日志,解释它刚刚做了什么。

    第1步到第2步至关重要——没有它们,Claude往往会直接跳到编写解决方案代码。虽然这正是您想要的,但让Claude先进行研究和计划可以显著提高深入思考问题的性能。

    b.编写测试、提交;编码、迭代、提交

    这是Anthropic最喜欢的工作流程,适用于可以通过单元测试、集成测试或端到端测试轻松验证的更改。测试驱动开发(TDD)在智能编码中变得更加强大:

    • 让Claude根据预期的输入/输出对编写测试。明确说明您正在进行测试驱动开发,这样它可以避免创建模拟实现,即使对于代码库中尚不存在的功能也是如此。
    • 告诉Claude运行测试并确认它们是否失败。明确告诉它在这个阶段不要编写任何实现代码通常很有帮助。 当您对测试满意时,让Claude提交测试。 让Claude编写通过测试的代码,命令它不要修改测试。
    • 告诉Claude继续直到所有测试通过。通常需要几次迭代,Claude才能编写代码、运行测试、调整代码并再次运行测试。在这个阶段,要求它用独立的子代理验证实现是否过度拟合测试可能会有所帮助
    • 让Claude提交代码,当您对更改满意时。

    当Claude有一个清晰的目标进行迭代时,它的表现会更好。这个目标可以是视觉草图、测试案例或者是任何具体的目标。这意味着,如果有一个明确的目标或方向,Claude能更好地发挥其潜力,提供更好的结果或解决方案

    c.编写代码、截图结果、迭代

    与测试工作流程类似,您可以为Claude提供视觉目标:

    • 为Claude提供一种截取浏览器截图的方法(例如使用Puppeteer MCP、 iOS simulator MCP 服务器或手动将截图复制/粘贴到Claude中)。
    • 通过复制/粘贴或拖放图像,或给Claude图像文件路径,为Claude提供一个视觉模拟。
    • 让Claude用代码实现设计,截取结果的截图,并迭代直到其结果与模拟匹配。
    • 当您满意时,让Claude提交。

    像人类一样,Claude的输出在迭代后会显著改善。虽然第一个版本可能不错,但经过2-3次迭代后,通常会好得多。为Claude提供查看其输出的工具以获得最佳结果。

    Claude Code Best practices for agentic coding-website2

    d.YOLO安全模式

    您可以使用claude –dangerously-skip-permissions绕过所有权限检查,让Claude不受干扰地工作直至完成,而不需要监督。这种方式特别适合修复lint错误或生成样板代码等工作流程。

    但请注意,允许Claude运行任意命令存在风险,可能导致数据丢失、系统损坏甚至数据泄露(例如通过提示注入攻击)。为最大限度降低这些风险,请在没有网络连接的容器中使用–dangerously-skip-permissions。您可以参考这个使用Docker开发容器的实现方案

    e.代码库问答

    当接触新代码库时,可以使用Claude Code进行学习和探索。您可以向Claude提出与结对编程时向项目其他工程师询问的同类问题。Claude能够主动搜索代码库来回答诸如以下的一般性问题:

    • 日志系统是如何工作的?
    • 如何创建新的API端点?
    • foo.rs文件第134行的async move{…}是做什么的?
    • CustomerOnboardingFlowImpl处理了哪些边界情况?
    • 为什么在第333行调用foo()而不是bar()?
    • baz.py第334行的Java等价实现是什么?

    在 Anthropic,以这种方式使用 Claude Code 已成为我们核心的入职工作流程,显著缩短了新员工的适应时间,并减轻了其他工程师的工作负担。无需特别提示!只需提问,Claude 就会探索代码以找到答案。

    Claude Code Best practices for agentic coding

    f.使用Claude进行git操作

    Claude能高效处理多种git操作。Anthropic的许多工程师90%以上的git交互都使用Claude:

    • 搜索git历史记录来回答诸如”v1.2.3版本包含了哪些变更?”、”这个特定功能是谁负责的?”或”为什么这个API要这样设计?”等问题。明确提示Claude查看git历史记录来回答这类查询会很有帮助。
    • 编写提交信息。Claude会自动查看您的变更和近期历史记录,综合考虑所有相关上下文来撰写提交信息。
    • 处理复杂的git操作,如还原文件、解决rebase冲突、比较和移植补丁等。

    g.使用Claude进行GitHub交互

    Claude Code可以管理多种GitHub交互:

    • 创建pull request,Claude理解”pr”缩写,会根据diff和周边上下文生成合适的提交信息。
    • 实现简单代码审查意见的一次性修复:只需告诉它修复PR上的评论(可选提供更具体的指令),完成后会推送回PR分支
    • 修复失败的构建或linter警告。
    • 通过让Claude遍历 GitHub 上的未解决问题来对这些未解决问题进行分类和筛选。

    这既免去了记忆gh命令行语法的需要,又自动化了常规任务。

    h.使用Claude处理Jupyter笔记本

    Anthropic的研究人员和数据科学家使用Claude Code读写Jupyter笔记本。Claude能解读包括图像在内的输出,为数据探索和交互提供了快捷方式。虽然没有强制要求的提示或工作流程,但我们推荐的工作流程是在VS Code中打开Claude Code和.ipynb文件。

    您还可以让Claude在向同事展示前清理或美化Jupyter笔记本。特别告诉它让笔记本或其数据可视化”美观大方”,有助于提醒它这是在优化人类观看体验。

    4.优化您的工作流程

    以下建议适用于所有工作流程:

    a.指令要具体明确

    Claude Code的成功率会随着指令的具体程度显著提高,特别是在首次尝试时。预先给出明确指示能减少后续修正的需要。

    例如

    Claude Code Best practices for agentic coding

    Claude能推断意图,但无法读取思维。明确的指令能带来更好的预期对齐效果。

    Claude Code Best practices for agentic coding

    b.为Claude提供图像

    Claude通过以下几种方式能出色处理图像和图表:

    • 直接粘贴截图(专业技巧:在macOS上按cmd+ctrl+shift+4可将截图存入剪贴板,再按ctrl+v粘贴。注意这不是mac常用的cmd+v粘贴方式,且远程操作时不可用)。
    • 将图像直接拖拽至提示输入框。
    • 提供图像文件路径。

    这在以下场景特别有用,将设计稿作为UI开发的参考标准,以及使用可视化图表进行分析调试。即使不添加视觉素材到上下文中,明确告知Claude最终结果的视觉美观度要求仍然很有帮助。

    Claude Code Best practices for agentic coding

    c.明确指定需要Claude查看或处理的文件

    使用Tab键自动补全功能快速引用代码库中的任意文件或文件夹,帮助Claude准确定位或更新目标资源。

    Claude Code Best practices for agentic coding

    d.为Claude提供URL链接

    在提示词中粘贴特定URL,Claude将自动获取并阅读内容。为避免重复请求相同域名(如docs.foo.com)的权限,可使用/allowed-tools命令将域名加入允许列表。

    e.及时修正与频繁调整

    虽然自动接受模式(通过shift+tab切换)能让Claude自主工作,但通过主动协作引导Claude通常能获得更好结果。最佳实践是在任务开始时向Claude完整说明需求,但您也可随时进行以下修正操作:

    四项核心修正工具:

    • 预先规划:要求Claude先制定计划,明确指示其未经确认不得开始编码。
    • 即时中断(按Esc键):可在Claude思考、调用工具或编辑文件时暂停当前操作,保留上下文以便调整指令。
    • 历史回溯(双击Esc键):回退至历史节点,修改先前提示以探索不同方案。
    • 撤销变更:常与第2项配合使用,要求Claude撤回更改并尝试新方案。

    虽然Claude Code偶而能首次就完美解决问题,但配合这些修正工具通常能更快获得更优解决方案。

    f.使用/clear保持上下文聚焦

    在长时间会话中,Claude的上下文窗口可能积累无关对话、文件内容和命令,从而影响性能或导致分心。建议在不同任务间频繁使用/clear命令重置上下文窗口。

    g.使用检查清单和草稿板处理复杂工作流

    对于多步骤任务或需要详尽解决方案的场景(如代码迁移、修复大量lint错误、运行复杂构建脚本),可通过让Claude使用Markdown文件(甚至GitHub issue!)作为检查清单和工作草稿板来提升效率:

    例如修复大量lint问题时,可执行以下操作:

    • 1.让Claude运行lint命令并将所有错误(含文件名和行号)写入Markdown检查清单。
    • 2.指导Claude逐个处理问题,在修复验证后标记完成再继续下一项。

    h. 向Claude传递数据

    有几种方法可以向Claude提供数据:

    • 直接复制粘贴到提示中(最常用的方法)。
    • 通过管道输入Claude Code(例如cat foo.txt | claude),特别适用于日志、CSV和大数据。
    • 告诉Claude通过bash命令、MCP工具或自定义斜杠命令获取数据。
    • 让Claude读取文件或获取URL(也适用于图片) 大多数会话会结合使用这些方法。例如,您可以通过管道输入日志文件,然后让Claude使用工具获取额外的上下文来调试日志。

    5.使用无头模式自动化基础设施

    Claude Code包含无头模式,适用于CI、预提交钩子、构建脚本和自动化等非交互式场景。使用-p标志和提示来启用无头模式,并使用–output-format stream-json获取流式JSON输出。

    请注意,无头模式不会在会话之间保持。您必须在每个会话中触发它。

    a.使用Claude进行问题分类

    无头模式可以支持由GitHub事件触发的自动化,例如当您的存储库中创建新问题时。例如,公共Claude Code存储库使用Claude在新问题出现时检查它们并分配适当的标签。

    b.使用Claude作为linter

    Claude Code可以提供超出传统lint工具检测范围的主观代码审查,识别诸如拼写错误、过时的注释、误导性的函数或变量名称等问题。

    6.通过多Claude工作流升级

    除了单独使用外,一些最强大的应用场景涉及并行运行多个Claude实例:

    a.让一个Claude编写代码,另一个Claude验证

    一个简单但有效的方法是让一个Claude编写代码,同时另一个审查或测试它。类似于与多个工程师合作,有时保持独立的上下文是有益的:

    使用Claude编写代码 运行/clear或在另一个终端启动第二个Claude 让第二个Claude审查第一个Claude的工作 启动另一个Claude(或再次/clear)来阅读代码和审查反馈 让这个Claude根据反馈修改代码 您可以用测试做类似的事情:让一个Claude编写测试,然后让另一个Claude编写代码使测试通过。您甚至可以让您的Claude实例通过给它们单独的工作草稿板并告诉它们哪个要写入和哪个要读取来相互通信。

    这种分离通常比让单个Claude处理所有事情产生更好的结果。

    b.创建仓库的多个检出

    Anthropic的许多工程师不是等待Claude完成每一步,而是这样做:

    • 在单独的文件夹中创建3-4个git检出。
    • 在每个终端标签页中打开每个文件夹。
    • 在每个文件夹中启动Claude执行不同的任务。
    • 循环检查进度并批准/拒绝权限请求。

    c.使用git worktree

    这种方法适用于多个独立任务,提供了比多个检出更轻量级的替代方案。Git worktree允许您将同一仓库的多个分支检出到单独的目录中。每个worktree都有自己的工作目录和隔离的文件,同时共享相同的Git历史和reflog。

    使用git worktree可以让您同时在项目的不同部分运行多个Claude会话,每个会话专注于自己的独立任务。例如,您可能让一个Claude重构您的认证系统,而另一个构建完全不相关的数据可视化组件。由于任务不重叠,每个Claude都可以全速工作,无需等待另一个的更改或处理合并冲突:

    • 创建工作树:git worktree add ../project-feature-a feature-a。
    • 在每个worktree中启动Claude:cd ../project-feature-a && claude。
    • 根据需要创建额外的worktree(在新终端标签页中重复步骤1-2)。

    一些技巧:

    • 使用一致的命名规范。
    • 每个worktree保持一个终端标签页。
    • 如果您在Mac上使用iTerm2,设置通知当Claude需要关注时。
    • 为不同的worktree使用单独的IDE窗口。
    • 完成后清理:git worktree remove ../project-feature-a。

    d.将无头模式与自定义工具结合使用

    claude -p(无头模式)以编程方式将Claude Code集成到更大的工作流中,同时利用其内置工具和系统提示。使用无头模式主要有两种模式:

    • 1.分散处理适用于大规模迁移或分析(例如分析数百个日志的情感或分析数千个CSV):
      • 让Claude编写一个脚本来生成任务列表。例如,生成需要从框架A迁移到框架B的2k个文件列表。
      • 循环处理任务,以编程方式为每个任务调用Claude,并给它一个任务和一组可以使用的工具。例如:claude -p “将foo.py从React迁移到Vue。完成后,如果成功必须返回字符串OK,如果失败返回FAIL。” –allowedTools Edit Bash(git commit:*)”
      • 多次运行脚本并优化您的提示以获得期望的结果。
    • 2.管道集成将Claude集成到现有的数据/处理管道中
      • 调用claude -p “<您的提示>” –json | your_command,其中your_command是您处理管道的下一步 就是这样!
      • JSON输出可以帮助提供结构以便于自动化处理。

    对于这两种使用场景,使用–verbose标志调试Claude调用可能会有帮助。我们通常建议在生产环境中关闭详细模式以获得更清晰的输出。

    致谢

    由Boris Cherny撰写。这项工作借鉴了整个Claude Code用户社区的最佳实践,他们的创造性方法和工作流程不断激励着我们。还要特别感谢Daisy Hollman、Ashwin Bhat、Cat Wu、Sid Bidasaria、Cal Rueb、Nodir Turakulov、Barry Zhang、Drew Hodun和许多其他Anthropic工程师,他们对Claude Code的宝贵见解和实际经验帮助塑造了这些建议。

    原文链接https://www.anthropic.com/engineering/claude-code-best-practices

  • RockFlow – AI投资理财平台,提供实时AI交易建议

    RockFlow是什么

    RockFlow(奇运证券)是AI投资理财平台,基于AI 技术为全球年轻投资者提供简单有趣的AI投资交易体验。基于自研AI架构,RockFlow提供1美元起投的碎股交易、实时AI交易建议(交易GPT)、简化期权交易等功能,支持美股、港股、ETF等多种资产。平台操作便捷、个性化服务和资金安全保障为特色,降低投资门槛。

    RockFlow

    RockFlow的主要功能

    • AI交易建议:基于交易GPT提供个性化的投资机会和持仓管理建议。
    • 简化投资流程:支持1美元起投的碎股交易,1分钟快速开户,多种订单类型。
    • 创新交易功能:Copy Trading跟单牛人,简化期权交易,多维股单(如星座股单)。
    • 安全保障:账户由SIPC保险保障,资金由第三方银行托管,隐私数据加密。
    • 用户体验:个性化界面设计,多语言支持,多渠道客服。

    如何使用RockFlow

    • 下载与安装:访问RockFlow的官方网站,进入下载页面,根据操作系统下载对应版本。
    • 注册与开户:按照提示按成注册和开户。
    • 资金存入:RockFlow支持多种存款方式,包括银行卡转账、电子钱包等。根据提示完成资金存入操作,最低存款金额为1美元。
    • 选择投资产品
      • 美股:投资苹果、特斯拉、微软等知名公司的股票。
      • 港股:购买腾讯、阿里巴巴、美团等热门股票。
      • ETF和基金:提供多种指数基金和ETF,适合分散投资。
      • 期权:基于“Baby Bull & Baby Bear”等简化期权产品,轻松体验期权交易。
    • 使用AI交易建议:基于“交易GPT”获取AI推荐的交易机会,根据建议进行投资。
    • Copy Trading:找到合适的投资牛人,一键跟单交易策略。
    • 管理投资
      • 查看持仓:在“我的持仓”页面查看所有投资的实时状态。
      • 调整投资:根据AI建议或市场变化,调整持仓或设置止损、止盈。
      • 跟踪股单:基于RockFlow的多维股单(如星座股单、热点股单)跟踪市场动态。
    • 资金提取
      • 选择提现方式:根据RockFlow支持的提现方式(如银行卡、电子钱包)进行操作。
      • 提交提现申请:输入提现金额,确认提现信息后提交申请。

    RockFlow的应用场景

    • 新手入门:低门槛(1美元起投)和碎股交易,适合新手轻松开始投资。
    • 全球资产配置:投资美股、港股、ETF等,实现多元化配置。
    • AI投资决策:基于TradeGPT提供交易机会和分析建议。
    • 移动投资:移动端应用支持实时交易,方便随时随地操作。
    • 策略复制:基于CopyTrading功能,用户复制专业交易者策略。
  • 破次元恋人 – 网易推出的 AI 社交应用

    破次元恋人是什么

    破次元恋人是网易推出的AI社交应用。破次元恋人基于“跨次元情感陪伴”为核心,支持用户与各种虚拟角色(如霸道总裁、绿茶男宠等)进行文字或语音互动,AI根据角色的性格标签生成回应,带来沉浸式体验。角色由专业画师设计精美立绘,搭配羁绊值系统,解锁专属故事和私密内容。应用融入类似QQ的社交功能,如日记、留言、送礼物等,满足用户的情感陪伴需求。

    破次元恋人

    破次元恋人的主要功能

    • 虚拟角色互动:支持用户与多种性格的虚拟角色进行文字或语音交流,角色根据自身性格做出回应。
    • 羁绊值系统:基于互动提升羁绊值,解锁角色秘密日记、专属礼物等隐藏内容。
    • 24小时陪伴:虚拟角色支持24小时在线,随时陪伴用户。
    • 社交功能:设有通讯录、日记、留言等,支持与其他用户的虚拟分身互动。
    • 个性化体验:用户自定义自己的虚拟形象,包括外貌、服装等,提升代入感。

    如何使用破次元恋人

    • 下载与安装:访问破次元恋人的官方网站,根据系统类型选择下载和安装。
    • 注册与登录:安装完成后,按提示完成注册和登录。
    • 完善信息:注册成功后,按照提示完善个人资料,如昵称、头像等。
    • 选择角色:根据自己的喜好选择虚拟角色进行互动。
    • 对话:点击与虚拟角色的对话框,基于语音或文字进行交流。
    • 提升羁绊值:基于持续的互动,如聊天、送礼物、完成特定任务等,提升与虚拟角色的“羁绊值”。

    破次元恋人的应用场景

    • 情感陪伴:倾诉心事,缓解孤独,获得温暖回应。
    • 社交互动:结交朋友,拓展社交圈,增进交流。
    • 娱乐消遣:与虚拟角色互动,打发闲暇时间,增添乐趣。
    • 情感模拟:体验不同情感关系,满足好奇心,探索情感需求。
    • 自我提升:锻炼沟通能力,学习情感表达,促进个人成长。
  • Yuxi-Know – 基于大模型 RAG 知识库的 AI 知识图谱问答平台

    Yuxi-Know是什么

    Yuxi-Know(语析)是基于大模型RAG知识库与知识图谱技术构建的智能问答平台。Yuxi-Know支持多种知识库文件格式(如PDF、TXT、MD、Docx),支持将文件内容转换为向量存储,便于快速检索。Yuxi-Know集成基于Neo4j的知识图谱问答能力,能处理复杂的知识关系查询。平台支持多模型适配,包括OpenAI、国内主流大模型及本地部署的vllm、ollama等。语析具备智能体拓展功能,支持开发者编写自定义智能体代码,进一步提升系统的灵活性和功能性。

    Yuxi-Know

    Yuxi-Know的主要功能

    • 多模型支持:支持多种大模型平台,包括OpenAI、国内主流大模型平台,及本地部署的vllm和ollama。
    • 灵活的知识库管理:支持PDF、TXT、MD、Docx等多种格式的文档上传。
    • 知识图谱集成:基于Neo4j的知识图谱问答能力,支持用户上传jsonl格式的知识图谱文件。
    • 智能体拓展:支持用户编写自定义智能体代码,进一步拓展系统的功能。
    • 推理模型支持:支持Deepseek-R1等推理模型,提供更智能的问答体验。
    • 网页检索:支持网页内容检索和展示。
    • 可视化配置:提供丰富的可视化配置功能,用户方便地管理和优化系统设置。

    Yuxi-Know的技术原理

    • RAG架构:基于向量模型将知识库中的文本转换为向量,存储在向量数据库中。当用户提出问题时,系统从向量数据库中检索与问题最相关的文档片段。将检索到的文档片段与用户问题一起输入到大语言模型中,生成准确的答案。
    • 知识图谱技术:Neo4j作为知识图谱的存储和查询引擎。知识图谱用节点和关系的形式存储知识,用户基于图谱进行复杂的知识关系查询。知识图谱的构建和管理基于网页界面完成,用户能方便地上传和更新图谱数据。
    • 多模型适配:基于配置文件(如models.yaml),系统支持多种大模型平台的API调用。用户根据需要选择不同的模型,系统自动适配调用相应的API。
    • 向量模型与重排序模型:向量模型将文本转换为向量,支持多种向量模型,如BAAI/bge-m3等。重排序模型优化检索结果的顺序,提高问答的准确性和效率。
    • 前端与后端技术栈:前端基于VueJS,提供用户友好的交互界面。后端基于FastAPI,提供高效的服务端处理能力。数据库用Milvus-Standalone作为向量数据库,Neo4j作为知识图谱数据库。
    • Docker容器化部署:Docker进行容器化部署,方便开发和生产环境的快速搭建和管理。支持开发环境的自动更新和后台运行。

    Yuxi-Know的项目地址

    Yuxi-Know的应用场景

    • 企业知识管理:构建企业知识库,员工可快速查询资料,提升工作效率。
    • 教育领域:辅助在线学习,为学生提供智能辅导和知识解答。
    • 客户服务:作为智能客服,快速回答客户咨询,提升客户满意度。
    • 医疗健康:提供医学知识查询和患者初步咨询,辅助医疗决策。
    • 科研与学术:支持文献检索和知识图谱构建,助力科研工作。
  • MagicJobs – AI简历优化平台,自动解析职位描述和简历

    MagicJobs是什么

    MagicJobs 是AI简历优化平台,通过精准解析职位描述(JD),提取关键要求和技能,根据信息优化求职者的简历内容,提升简历与职位的匹配度,提高求职者获得面试机会的概率。 核心功能包括智能JD解析、精准匹配度分析、AI智能优化、专业优化建议以及ATS友好设计。MagicJobs 能自动生成高匹配度的简历版本,突出求职者的优势,提供具体可操作的修改建议,帮助求职者打造专业且符合招聘方需求的简历。

    MagicJobs

    MagicJobs的主要功能

    • 智能职位解析:MagicJobs 能自动解析职位描述(JD),精准提取关键技能、经验要求和隐性需求,确保求职者完全理解招聘方的期望。
    • 精准匹配分析:平台会将求职者的简历与职位要求进行深度对比,量化匹配分数,清晰展示求职者的优劣势,帮助求职者了解简历与目标职位的契合度。
    • AI 智能优化:基于匹配分析结果,MagicJobs 会自动生成高匹配度的简历版本,优化语言表达,突出关键技能和经验,使简历更具吸引力。
    • 专业优化建议:MagicJobs 提供具体且可操作的修改建议,从技能描述到项目经验呈现,帮助求职者进一步完善简历,提升整体专业度。
    • ATS 友好设计:优化后的简历结构清晰、关键词精准,专为通过企业招聘系统(ATS)筛选而设计,确保简历能顺利进入招聘方视野。
    • 隐私安全保障:MagicJobs 严格保护用户数据安全,确保求职者的简历和职位信息保密,让求职者放心使用。

    MagicJobs的官网地址

    MagicJobs的应用场景

    • 求职简历优化:求职者在申请工作时,需要针对每个职位定制简历。MagicJobs 通过 AI 技术解析职位描述,提取关键技能和经验要求,根据这些信息优化简历内容,生成与职位高度匹配的简历版本。
    • 求职准备与模拟:在求职过程中,求职者可以通过 MagicJobs 的功能提前了解职位要求,根据优化后的简历内容准备面试。
    • 应届毕业生求职:对于缺乏工作经验的应届毕业生,MagicJobs 的 AI 简历生成和优化功能可以帮助他们快速创建专业且符合招聘需求的简历。
    • 职业转换者求职:对于那些希望转换职业方向的求职者,MagicJobs 能帮助他们重新定位简历内容,突出与新职位相关的技能和经验。
    • 远程求职与国际求职:MagicJobs 的简历优化功能支持多种语言,优化后的简历符合 ATS(招聘系统)的要求,适合远程求职和国际求职场景。
  • Markable AI – AI电商营销助手,内容创作与自动化营销一站式服务

    Markable AI是什么

    Markable AI 是AI电商创作营销助手,为创作者提供一站式变现工具。基于图像与视频识别技术,Markable AI能识别照片和视频中的商品,将用户导流至电商平台。Markable AI平台支持亚马逊、Target 和沃尔玛等联盟营销链接,配备自动化消息、拼贴构建、推广服务等功能,帮助创作者提升效率和收入。Markable 基于 AI 优化推广策略,助力创作者实现高达 5-20 倍的收入增长,助力内容走红。

    Markable AI

    Markable AI的主要功能

    • 智能深度链接:支持为亚马逊、Target 和沃尔玛等平台创建联盟短链接,链接支持在零售商原生应用中打开,转化率提高3倍。
    • 深度链接数据库:提供全面的深度链接管理功能,支持按产品名称、零售商、URL 或关键词搜索,提供实时点击分析。
    • 亚马逊商店集成:自动同步亚马逊的 Boards、Idea Lists 和产品,简化深度链接创建流程。
    • AI 拼贴生成:基于 GenAI Collage 快速生成可购物的拼贴图,节省时间。
    • AI 自动更新购物网站:创建个人 Bio Page,展示最新内容、热门产品和畅销商品,方便在社交媒体上分享。
    • 热门产品发现:提供亚马逊按类别分类的畅销商品工具,方便创作者选择推广产品。

    Markable AI的官网地址

    Markable AI的应用场景

    • 创作者内容推广:帮助创作者将内容快速传播提升曝光率。
    • 电商营销:为创作者提供与电商平台(如亚马逊、沃尔玛等)的深度链接,助力商品销售和收入增长。
    • 粉丝互动与私信管理:增强创作者与粉丝之间的互动,提升粉丝参与度。
    • 视觉内容创作:创作者轻松制作吸引人的视觉内容,提升内容吸引力。
    • 数据分析与优化:提供详细的数据分析工具,帮助创作者了解内容表现,优化推广策略,提升整体运营效率。
  • Interview Coder – AI面试工具,支持截图捕捉面试题目自动解析

    Interview Coder是什么

    Interview Coder 是专为技术面试设计的 AI 辅助工具,支持帮助求职者在编程面试中快速解决难题。Interview Coder支持截图功能捕捉面试题目,基于 AI 技术生成解决方案,提供详细注释帮助用户解释代码逻辑。工具支持多种编程语言和面试平台,如 LeetCode、HackerRank 等,基于隐蔽性设计避免被面试官发现。

    Interview Code

    Interview Coder的主要功能

    • 截图功能:用户基于快捷键(如 ⌘ + H)快速截图面试题目,AI自动解析题目内容。
    • 多平台兼容:支持多种在线面试平台,包括 LeetCode、HackerRank、CodeSignal、CoderPad 等。
    • AI 解题:基于 AI 技术快速生成高质量的代码解决方案,提供详细的逻辑解释和代码注释。
    • 多种语言支持:支持 Python、Java、JavaScript、C++ 等主流编程语言。
    • 性能优化:提供代码优化建议,帮助用户降低时间复杂度和空间复杂度。

    Interview Coder的官网地址

    Interview Coder的应用场景

    • 在线编程面试:帮助求职者在 LeetCode、HackerRank 等在线平台的面试中快速生成代码解决方案。
    • 远程视频面试:在 Zoom、Google Meet 等视频面试场景中,提供隐形辅助,帮助解决编程问题。
    • 算法问题解决:针对复杂算法问题,快速生成优化后的代码,节省面试时间。
    • 代码调试与优化:在面试过程中,对生成的代码进行调试和优化,确保代码的准确性和高效性。
    • 面试准备:在面试前,基于模拟面试场景,帮助求职者熟悉面试流程,提升应对能力。
  • WriteHERE – 开源的AI长文写作框架,单次生成超长文本

    WriteHERE是什么

    WriteHERE是Jürgen Schmidhuber领衔的团队开源的AI长文写作框架。WriteHERE基于异质递归规划(Heterogeneous Recursive Planning)技术,动态分解写作任务为检索、推理和写作三种异构任务,基于有向无环图(DAG)管理任务依赖关系,实现自适应执行。WriteHERE能单次生成超过4万字、100页的专业报告,适用于小说创作、技术报告生成等多种场景。WriteHERE完全开源,支持开发者自由调用异构Agent,有望重塑AI写作的天花板。

    WriteHERE

    WriteHERE的主要功能

    • 单次生成超长文本:支持生成超过4万字、100页的专业报告,满足复杂写作需求。
    • 创意与技术内容生成:生成创意故事、小说、技术报告等。
    • 动态信息检索:在写作中实时搜索相关信息。
    • 风格一致性:保持一致的写作风格和内容连贯性。
    • 写作过程可视化:基于任务依赖图展示写作流程。

    WriteHERE的技术原理

    • 异构任务分解:将写作过程解构为检索(Retrieval)、推理(Reasoning)和写作(Composition)三种异构任务。每种任务具有独特的信息流模式,例如检索任务从外部获取信息,推理任务进行逻辑分析,写作任务生成文本。任务基于递归分解为子任务,直至分解为可直接执行的原子任务。
    • 状态化层次调度算法:任务依赖关系用有向无环图(DAG)表示,每个任务具有激活、挂起、静默三种状态。系统根据任务状态动态调整执行顺序,确保任务按逻辑顺序完成,支持实时反馈和调整。
    • 数学形式化框架:将写作系统抽象为五元组,Agent内核、内部记忆、外部数据库、工作空间和输入输出接口。基于数学形式化定义写作规划问题,确保每个任务的可执行性和最终目标的达成。

    WriteHERE的项目地址

    WriteHERE的应用场景

    • 小说创作:生成情节完整、角色丰富的长篇小说,支持创意写作和动态调整情节。
    • 技术报告:撰写结构化的技术报告,整合数据和逻辑推理。
    • 行业分析:生成涵盖行业趋势、市场分析的专业报告。
    • 学术论文:辅助撰写学术论文,整合文献并生成规范结构。
    • 政策文件:撰写政策文件和白皮书,生成权威性和逻辑性强的文本。