Topic · 主题全部主题 →

Anthropic / Claude

Anthropic 的全部动态:Claude 系列模型、Claude Code、安全研究路线与公司进展的持续追踪。

3,585条收录
522条精选

精选归档 · 第 13 页

241260 条 · 共 522

6月4日

星期四 · 4 条
05:58
Claude Code:GitHub Releases(RSS)精选
AI 评分 59/100
Claude Code v2.1.162 发布

Claude Code v2.1.162 发布,主要包含 Bug 修复和体验优化。claude agents --json 新增 waitingFor 字段,/effort 命令确认级别持久化,远程控制固定底部显示,/ide 菜单中 Windsurf 更名为 Devin Desktop。修复了配置文件只读导致启动黑屏、Windows 权限规则不匹配、LSP 的 workspaceSymbol 无结果、API 400 错误、MCP 超时低于 1000ms 被截断等十余项问题。


推荐理由:一系列扎实的修复,尤其是 Windows 权限匹配和启动挂死问题的解决,对于日常用 Claude Code 做开发的来说稳定性提升明显,可以升级。
02:23
Claude:Blog(网页)精选
AI 评分 76/100
Claude Cowork 入门最佳实践

Anthropic 增长营销负责人 Austin Lau 介绍了非技术知识工作者使用 Claude Cowork 的最佳实践。Claude Cowork 是面向文档、电子表格等多步骤任务的 AI 助手,用户无需编程技能,将其指向文件夹或连接已有应用即可委托任务。与用于快速问答和头脑风暴的 Chat 以及面向开发者的 Claude Code 不同,Claude Cowork 适用于需要产出交付物、涉及多个文件或应用、可重复执行的场景。Lau 给出了判断任务是否适合的五项检查清单,并预告将于6月4日分享具体营销用例。

另有 1 家信源报道Claude:Blog(网页)
推荐理由:Anthropic 官方教你如何把 Claude Cowork 用到极致,从每日摘要到自动报表,非技术人员看完就能上手,比自己硬摸索省十倍时间。
01:23
Claude:Blog(网页)精选
AI 评分 68/100
Claude Code技能使用经验:Anthropic内部实践

Anthropic 分享了内部使用 Claude Code 的 Skills(技能)功能的经验。Skills 是指令、脚本和资源的文件夹,智能体可发现并调用它们以提升准确性和效率。Anthropic 内部已有数百个活跃使用的技能,它们可归为九类,包括库和 API 参考、产品验证、数据获取与分析、业务流程与团队自动化、代码脚手架与模板、代码质量与审查等。最佳技能专注于单一类别,涵盖过多功能会混淆智能体。团队发现,投入时间优化验证类技能对 Claude 输出质量的提升最显著。


推荐理由:这不是产品公告,而是从几百个内部技能中血泪总结出的实战手册。如果你想让Claude Code真正变成你的工程副驾驶,这9类技能和‘gotchas’章节至少省你三个月踩坑。
01:23
Claude:Blog(网页)精选
AI 评分 73/100
Anthropic 用 Claude 赋能自助数据分析

Anthropic 使用 Claude 自动化了 95% 的业务分析查询,整体准确率约 95%。其关键在于构建智能体分析栈(agentic analytics stack),通过数据基础层、维护验证流程和技能(skills)分别解决概念-实体歧义、数据过时和检索失败三大错误来源。相比编码场景,数据分析的难点在于将用户问题映射到正确的数据实体,而执行 SQL 反而是简单的。Anthropic 的数据科学团队因此得以专注于因果建模、预测和机器学习等战略工作。

另有 1 家信源报道X:Claude Devs (@ClaudeDevs)
推荐理由:Anthropic 把内部用 Claude 搞自助分析踩过的坑全摊开,技能模板和「语义层优先」的强制流程是实打实的干货,做数据 agent 的团队可以直接抄作业。

6月3日

星期三 · 11 条
21:30
Anthropic:Newsroom(网页)精选
AI 评分 59/100
介绍 Claude Partner Network 的 Services Track 和 Partner Hub

Anthropic 扩展 Claude Partner Network,推出 Services Track 分级体系和 Partner Hub 门户。Services Track 设 Select、Preferred、Global Premier 三级,按认证人数、投产客户数及客户推荐信量化评定。Partner Hub 提供每日更新仪表盘和公开目录,方便合作伙伴查看进展、客户寻找供应商。该网络三月启动以来已有超 4 万家公司申请,逾 1 万顾问获认证;Accenture 训练 3 万人,Cognizant 部署约 35 万员工,Deloitte 惠及 47 万人,KPMG 覆盖 27.6 万,Infosys 构建行业智能体,PwC 先在美推广再扩至全球。


推荐理由:Anthropic 给合作伙伴画了一条明确的爬升阶梯,从 Select 到 Global Premier,企业客户终于有个公开透明的渠道找靠谱的实施团队,做 AI 咨询的可以认真评估入局了。
17:51
Anthropic:Research(发表成果 · 网页)精选
AI 评分 69/100
Anthropic 分析 832 个 AI 恶意账户:中高风险攻击者半年从 33% 跃至 56%

Anthropic 分析 2025 年 3 月至 2026 年 3 月间 832 个被封禁的恶意账户,映射至 MITRE ATT&CK 框架。67.3% 使用 AI 编写恶意软件,6.5% 用于横向移动。六个月间中高风险攻击者占比从 33% 升至 56%。AI 用于账户发现增长 8.9%,AI 辅助钓鱼下降 8.6%。传统基于技术数量或平台(Claude Code、API、聊天界面)的威胁评估失效,而 MITRE ATT&CK 框架尚未收录此类智能体编排行为。


推荐理由:这份报告用一整年的真实案例揭示了AI攻击正从初始入侵转向深度潜伏,连MITRE ATT&CK框架都开始跟不上。安全从业者值得一读,它告诉你下一波威胁长什么样。
10:02
公众号:数字生命卡兹克精选
AI 评分 66/100
Claude Code团队工程总监分享5条AI原生工作原则

Claude Code团队工程总监Fiona Fung提出,AI时代软件工程瓶颈从“写代码太贵”转移至验证、评审与安全。团队采用JIT规划,先做原型再补文档;遇到重复工作追问“能否自动化”,形成肌肉记忆。代码评审中Claude承担60-70%风格检查与漏洞捕捉,人类聚焦法律、安全与产品判断。角色边界模糊,PM写代码、工程师用Claude起草文案,招聘看重品味与判断力而非代码产出速度。


推荐理由:瓶颈从写代码转移到验证,这判断太准了。更实际的是自动化那些重复三次以上的事,这套逻辑正在Claude Code团队验证,值得每个带团队的人照抄。
05:16
Claude:Blog(网页)精选
AI 评分 77/100
Claude Code 新增动态工作流功能

Claude Code 新增动态工作流功能,允许模型在运行时即兴创建和协调多智能体框架来处理复杂任务。该功能通过执行特定的 JavaScript 文件来生成和协调拥有独立上下文窗口的子代理,可解决单一上下文窗口中长时间执行任务可能出现的智能惰性等问题。工作流适用于研究、安全分析、代码审查等场景,通常消耗更多 token,更适合高价值复杂任务,其最佳实践仍在发展中。

另有 4 家信源报道Claude:Blog(网页)Claude Code:GitHub Releases(RSS)X:Claude Devs (@ClaudeDevs)X:Thariq (@trq212)
推荐理由:Claude Code 现在能自己动态生成多代理协调器,这在调试、审查、研究等复杂任务上是个真正的生产力跃迁,但普通编码工作用它反而是杀鸡用牛刀。
02:21
Artificial Intelligence News(网页)精选
AI 评分 77/100
Anthropic提交IPO申请,标志AI走向企业级应用

Anthropic提交IPO申请,标志生成式AI从研究风险投资阶段转向成熟企业级应用。私人市场模型开发者此前优先快速迭代与算力性能,上市后将使工程目标与标准企业采购流程对齐,引入结构化发布周期和可预测计费模式。


推荐理由:Anthropic 走向公开市场,意味着 AI 第一梯队的游戏规则从拼参数转向拼合同和 SLA,对企业和开发者都是信号。
00:45
Claude:Blog(网页)精选
AI 评分 74/100
Claude Code团队实践:智能体编程如何重塑工程组织与流程

在Code w/ Claude SF 2026活动上,Claude Code工程团队分享了将智能体编程设为默认工作方式后带来的流程与结构变革。核心变化包括:规划转向即时(JIT)模式,强调快速原型与反馈;上下文收集变为“先问Claude”;代码审查中Claude处理风格与测试,人工专注于法律、安全等专业判断。新范式下,工程瓶颈从编写代码转向验证、审查与安全维护。


推荐理由:Anthropic 工程总监把 Claude Code 团队流程全晒了出来,从抛弃半年路线图到代码审查只留专家复审,每一步都反直觉但实战有效,工程领导者直接抄作业。
00:00
Anthropic:Research(发表成果 · 网页)精选
AI 评分 77/100
AI驱动的网络威胁映射:LLM ATT&CK Navigator的洞察

Anthropic分析了832个因违反政策被封禁的恶意账户(2025年3月至2026年3月),将其活动映射到MITRE ATT&CK框架的全部14种战术和482种子技术。风险评分显示,中等及以上风险行为者比例从上半年的33%跃升至下半年的56%,增长集中在横向移动、凭证窃取、webshell等高危技术。Agentic scaffolding使攻击链实现自主编排——2025年11月一次间谍活动风险评分达100,所用技术数量却与中等风险者相当。MITRE ATT&CK框架尚未覆盖这种自主攻击。该报告与Verizon合作,已纳入2026年数据泄露调查报告;Anthropic据此更新了Claude的检测分类器以拦截高风险行为。


推荐理由:Anthropic 首次把一年内 832 个恶意账户的 AI 辅助攻击行为完整映射到 MITRE ATT&CK 框架,并给出风险评分工具,数据表明高风险攻击者半年内增长了七成,关键驱动力不是技术高低而是编排与自主执行,威胁情报团队应该马上拿来校准自己的检测规则。

6月2日

星期二 · 4 条
21:28
Anthropic:Newsroom(网页)精选
AI 评分 72/100
Anthropic扩展Project Glasswing计划

Anthropic正将其Project Glasswing计划扩展至约150个新组织,此前首批约50个合作伙伴。新伙伴分布于十五个多国家,覆盖电力、水务、医疗、通信和硬件等关键基础设施行业。这些合作伙伴的共同点在于,其代码库若遭成功攻击,后果可能极其严重,影响或超1亿人。项目旨在利用Claude Mythos Preview等前沿模型扫描漏洞并协助修复,以应对AI驱动的网络安全挑战。同时,Anthropic推出了基于Claude Opus 4.8等公开模型的Claude Security产品,用于扫描代码并建议补丁。


推荐理由:Anthropic把AI漏洞扫描从软件公司扩展到电力、医疗等命脉行业,这是一次攻防格局的真实倾斜,安全从业者该紧盯后续。
17:52
Anthropic:Transformer Circuits(可解释性研究)精选
AI 评分 63/100
Anthropic可解释性研究:区分因果效应相似的特征

Anthropic可解释性团队介绍了其Circuits研究的新进展。为区分那些激活模式相似但因果效应不同的模型特征,团队提出一种新方法。该方法通过分析特征的下游连接来预测其实际影响,并使用基于共激活统计的TWERA(虚拟权重)对连接进行加权排序。实验表明,借助下游连接信息能更准确地判断哪个特征会引导特定输出。此方法为识别模型内部真正的因果组件提供了新途径。


推荐理由:做可解释性研究的同学值得读,它用下游连接区分看似相同的特征,比只看激活例子更能预测因果作用,对齐审计里能省不少试错。
01:05
TechCrunch:AI(RSS)精选
AI 评分 79/100
Anthropic 提交上市申请

AI 公司 Anthropic 于周一秘密提交了首次公开募股(IPO)申请。

另有 11 家信源报道IT之家(RSS)TechCrunch:AI(RSS)Hacker News 热门(buzzing.cc 中文翻译)X:洪明 (@hongming731)X:阿易 AI Notes (@AYi_AInotes)The Verge:AI(RSS)X:Kim (@kimmonismus)X:Anthropic (@AnthropicAI)X:Rohan Paul (@rohanpaul_ai)The Decoder:AI News(RSS)X:Testing Catalog (@testingcatalog)
推荐理由:Anthropic 提交 IPO 申请,万亿估值将接受公开市场检验。AI 军备竞赛从融资轮次进入股市阶段,虽无财务细节,信号足够让从业者重新想象行业终局。
00:24
Anthropic:Newsroom(网页)精选
AI 评分 86/100
Anthropic 保密向 SEC 提交 S-1 草案

Anthropic, PBC 今日保密向美国证券交易委员会提交了 S-1 表格草案,计划进行普通股的首次公开发行。这使其在 SEC 完成审核后拥有上市的选择权。IPO 的具体发行股数和价格尚未确定,将取决于市场条件等因素。公司近期刚完成由 Altimeter Capital 等领投的 650 亿美元 H 轮融资,估值达 9650 亿美元,并发布了 Claude Opus 4.8 模型。


推荐理由:Anthropic 秘密提交 IPO 申请,是继 OpenAI 之后最值得盯的 AI 公司上市信号,不管最终定价多少,都会重新校准整个行业的估值坐标系。

6月1日

星期一 · 1 条
20:48
AYi@AYi_AInotes精选
AI 评分 79/100
使用Claude Opus 4.8将书籍转化为AI技能的教程http://x.com/i/article/2061406941541240838我把《非暴力沟通》整本喂给 Claude Opus 4.8,变成了一个随时能调用的 skill——保姆级教程 + 开源直接抄先问大家一个有点扎心的问题:你上一本读完拍大腿、觉得很牛逼的书,现在还能说出它的核心方法吗?知道怎么用吗?估计多数人大概率说不出来,这篇就解决这件事:用 Claude Opus 4.8,把任意一本书,变成一个 AI 随时能喊出来用的 skill。整套 Prompt + 开源 skill 全给你,小白零基础照着抄,不废话直接放干货。目录• 一、你最大的浪费• 二、这件事真正的难点• 三、准备工作(5 分钟,只做一次)• 四、六步把书变成 skill(Prompt 直接抄)• 五、《非暴力沟通》做成skills的复盘• 六、一盆冷水(反思)• 七、最后想说的一、你最大的浪费做 AI 博主这这段时间,我读的书、看的方法论不算少,但是慢慢发现一件扎心的事——读过,不等于用得上。我想大家肯定也有过这个场景:一本书当时读得热血沸腾,划满了线,笔记记进了 Notion,结果三个月后真要写篇东西、做个决策,脑子里一片空白,那本书像没读过一样。说白了,大多数人的读书,都只是在囤积,没有真正做到知识的调用。那能不能让 AI 把书里的方法论,变成一个我随时能喊出来用的工具?趁着周末折腾出了一个开源 skill——把任意一本书,提炼成一个能被 AI 调用的 skill。 不是读后感,也不是摘要,是一个真正实用的工具箱:书里的框架、原则、技法、反模式,全部变成 AI 能照着执行的指令。二、这件事真正的难点这件事真正的难点不在书内容的提炼,关键是怎么让 AI 读全。一本书几万字,得让 AI 把整本的逻辑链一次吃进去,而不是切成碎片各读各的。因为一旦书的逻辑链被切碎,跨章节的因果也就断了,提炼出来的框架基本都是残的。所以 AI 大模型一定要用最顶的,我用的是 Claude Opus 4.8。它三个能力刚好卡这个任务的命:• 长上下文:100 万 token 的上下文窗口,整本书一次读完,不切块、不丢逻辑• 结构化输出:直接吐出规整的 skill 文件,不用手动排版• 多步 agentic:生成完自己做一遍自检和试调用,发现哪里空洞再回去补调 Opus 4.8 的入口我用的是 ZenMux,老粉应该都知道,自从我的 Claude 被封号几次以后,就转过来了——200多多个模型一个 API 全调得到,不用翻墙,费用还能选,重度用就订阅,想随用随付就按量。做这种要反复喂整本书、还想多模型对比的活,就还挺合适的。三、准备工作(5 分钟,只做一次)第 0 步|把 Opus 4.8 接进 Cursor配置看起来有点技术感,但其实就这几步,做过一次永远不用再碰:① 在 zenmux 后台生成你的 API Key 后台找「订阅 API 密钥」,点生成,拿到一串 sk-ss-v1-... 的密钥,复制好,别外泄。② 选一个计费方式• 订阅制(Builder 计划)→ 用量可预测,固定月费,适合经常用的人• 按量付费(Pay As You Go)→ 偶尔用、用量不稳定时选这个,充值还有 +10% 积分③ 打开 Cursor,进 Settings → Models,做三件事:第一,打开「Override OpenAI Base URL」的开关,填入:https://zenmux.ai/api/v1第二,「OpenAI API Key」那栏填你的 zenmux key(就是 sk-ss-v1- 那串)。第三,「Anthropic API Key」那栏留空。这个很关键——填了的话,所有 claude- 开头的模型都会被 Cursor 劫持,打到 Anthropic 官方而不是 zenmux,直接报错。④ 点「+ Add model」,填这个模型名:anthropic/claude-opus-4.8注意一定要带 anthropic/ 前缀,不能填 claude-opus-4-8——后者以 claude- 开头,会走错通道。⑤ 新开对话,选中这个模型,发句「在吗」,能回 = 通了。四、六步把书变成 skill第一步|把书变成一段纯文字目标:拿到这本书干净的纯文本(.txt 或 .md),图表排版丢了没关系,文字逻辑在就行。按你手上的格式,三选一:情况 A · 已经是 Word / 网页文章 Word 里点文件 → 另存为 → 格式选「纯文本(.txt)」即可;网页文章就全选复制,粘进记事本存成 .txt。情况 B · 是 PDF 或 EPUB(推荐小白走这条) 用 Calibre(完全免费,calibre-ebook.com):1. 下载安装1. 把电子书文件拖进去1. 选中这本书,点上方「转换书籍」1. 右上角「输出格式」选 TXT,右下角点确定1. 转换完点「点击查看」,找到 .txt 文件这里有个坑我替你踩过了——很多看起来免费的在线转换工具,下载时会要你订阅付费,还自动续费。我被套路过一次,最后用的还是 Calibre,完全免费,稳得多。情况 C · 实在啥都不想装 搜「epub 转 txt 在线」,上传、选输出格式、下载即可。但注意别用要付费的那种,也别把有版权或隐私内容的书传到不可信的网站。⚠️ 关键:要的是整本干净文字,别先让任何工具帮你摘要再喂——摘要会把框架精度丢光。第二步|把整本丢给 Opus 4.8,先别让它摘要怎么喂:客户端支持上传文件就直接拖 .txt;不支持上传就分几段把全文粘贴进去。然后发这段提示词(直接抄,方括号换成你的):这是《[你的书名]》全文。先不要摘要。 通读全书,给我一张全局结构地图: 核心论点是什么?围绕它有哪些命名框架/原则/技法/反模式?它们之间什么逻辑关系? 作者的语气有什么辨识度? 我想用它做一个能帮我 [你的目的,比如:在经济下行期做决策] 的 skill。第三步|按 5 类提炼,做一张台账接着发:按这 5 类提炼这本书:框架 / 原则 / 技法 / 反模式 / 作者声音。 每条给:名字 + 一句话定义 + 何时用 + 原书的精确表述。 框架要保留作者的原始命名,别改写成通用说法。 哪些是核心必进、哪些是边角可省?给我一张台账表格。第四步|生成 skill(这步决定它好不好用)先判断:这本书框架少(1-3 个)就做成一个文件;框架多(10+ 个)就做成「入口文件 + 分文件懒加载」。然后发:按这份台账生成一个 Cursor skill。 重点打磨开头那段 description—— 把「用户会在什么场景、说什么话时需要它」全写进去, 因为这决定它会不会被 AI 自动召回,写不好等于白做。第五步|自检 + 试调用(最容易被跳过,但不能省)第一次跑的时候我也跳了这步,结果发现这个 skill 完全召不回来,才明白有多关键。让它自己验两件事,发现问题就回上一步补:① 召回测试只看这个 skill 开头的 description, 用户说这 5 句话时你会不会想起调用它?逐句判断。② 调用测试现在真用这个 skill 完成一个任务: [一个这本书能解决的真实问题] 看你给的是能照做的步骤,还是空话。第六步(可选,但很爽)|让几个模型 PK 一下同一份台账,丢给 Opus 4.8 和另外一两个模型各生成一版,对比谁提炼得更准、触发词更全。这一步用 ZenMux 的PK功能就很省事——一个 API 直接切不同模型,不用来回换账号、配 key。五、拿《非暴力沟通》跑测skills的复盘选这本是因为它框架特别清晰——马歇尔·卢森堡的《非暴力沟通》,一本讲怎么好好说话的经典。框架越清晰的书,越适合做这个测试。全程时间: 第一次从零开始,包括配置 ZenMux + 跑完六步,前后大概 45 分钟,熟悉之后换一本书重跑,估计 20 分钟内能搞定。实际成本: Opus 4.8 在 ZenMux 的价格是输入 $5/百万 token,输出 $25/百万 token。整本书加上来回几轮对话,总共消耗约 30 万 token,折合下来整个流程花了不到二十块钱人民币。生成的 skill 什么样: Opus 4.8 把这本书提炼成了一套能直接调用的工具,而且保留了书里的原始命名——「非暴力沟通四要素(观察·感受·需要·请求,OFNR)」、「长颈鹿语言 vs 豺狗语言」这个动物隐喻、「疏离生命的语言」这几类沟通陷阱,全都没被改写成通用说法。更关键的是,它把"要好好说话"这种正确的废话,变成了"先说你观察到的事实、别评判,再说你的感受,再讲你的需要,最后提一个具体的请求"这种我能照着做的四步。第五步的自检没省,也确实抓到了问题: 它第一版的触发词写窄了,我说「非暴力沟通」才召得回,但现实里我根本不会这么说话——我会说「怎么提意见不像在指责」「和家里人又吵起来了怎么办」。我把这些更日常的说法补进去,它才真的能在我需要的时候自己冒出来。这一步多花了十分钟,但没做等于白做。最让我感受到这东西真有用的一刻: 生成完这两天,我和家人有句话憋着不知道怎么开口,就是那种一说出来容易变味、听着像指责的事。我顺手喊了下这个 skill,它直接用 OFNR 四步把我想说的话拆开重排了一遍——先讲我观察到什么,再讲我的真实感受,把那些「你总是」「你又」的词全换掉了。那一刻我突然反应过来:这本我几年前读过、早就还给作者的书,第一次真的回到了我手边帮我干活,而不是躺在书架上积灰。六、一盆冷水有一说一,咱也不能把这套吹成万能。1️⃣因为不是所有书都适合,框架清晰的方法论书最香(商业、思维、写作、沟通类),纯叙事、纯故事的书,硬提炼出来的 skill 是干瘪的,别浪费时间。2️⃣提炼也不等于理解:这套方法帮你把书变成「能调用的工具」,但那些要你亲身踩过才懂的东西,它给不了。书里的道理,AI 能帮你格式化,但不能帮你内化。还有,AI 会漏框架,会把触发词写窄导致召不回,所以第五步的自检千万别省,生成完你还得自己过一遍、调一调。说白了,这是把读过的书激活成工具的一道工序,但不能替你读书。七、最后想说的就这一道工序,已经改变了我对读书这件事的看法。以前我衡量自己读了多少本书。,现在我衡量的是——我有多少本书,已经变成了 AI 随时能调用的能力。知识最大的浪费,从来不是没读过,是读过了,却一直躺在收藏夹里当库存。而真正的护城河,也正在从「你读过多少书」,变成「你能把多少书,变成自己随时调得动的产能」。读完一本书就让它睡进 Notion,和读完就把它焊成一个能干活的 skill,是两种完全不同的复利。整套 skill 我开源了,拿走直接用:https://github.com/ayi-ai/ayi-nonviolent-communication跑通了欢迎评论区告诉我你把哪本书变成了 skill,我们一起迭代下一版。本文以《非暴力沟通》为例,提供了一个将书籍转化为可调用AI技能(Skill)的六步教程。作者使用Claude Opus 4.8模型,因其具备100万token上下文窗口、结构化输出及多步智能体(Agent)能力,能一次性处理全书逻辑。流程包含文本准备、全局结构分析、五类提炼(框架/原则/技法/反模式/作者声音)、技能生成及关键的自检步骤。生成的技能保留了书中原始框架命名(如OFNR四要素、长颈鹿语言),并将触发词优化为"怎么提意见不像在指责"等日常表达。整个流程耗时约45分钟,消耗约30万token,成本不到20元人民币。
推荐理由:不是摘要,是真能用的skill。把整本书喂给Claude Opus 4.8,提炼成能随时唤起的工具箱,连自检步骤都帮你做好了,想把自己读过但用不上的书激活的,直接抄。