Claude AI使用指南：技巧与最佳实践

“我想把文档翻译成多种语言。Claude Code 还是 Codex？”这个问题藏着陷阱：两者都不是翻译引擎——它们是智能体型的 CLI 工作环境，真正产出文本的是背后的模型。本文把问题拆为两个维度：工作环境（工具选择）和翻译质量（模型选择）。在工具一侧，Claude Code 凭借对本地文件的直接访问、1M token 上下文，以及强大的多文件一致编辑，适合仓库翻译；而 Codex（异步云端、PR 自动化、开源 CLI）适合放手批处理。在模型一侧，以 Anthropic 官方的各语言对英语相对分数（Sonnet 4.5 从西班牙语 98.2% 到印地语 96.7%，每种语言都高于 Haiku）作为一手数据，梳理出这些倾向：长文档语气一致性看 Claude，GPT 系列看自然度和惯用语，Gemini（Pro / Flash）系列看对低资源语言和方言的广度覆盖。文章还附上按语言/按用途的表格、翻译流水线的 5 条铁律（术语表、并行运行等），以及“基准不等于真实翻译质量”等诚实的注意事项——全部对应 2026 年的现状。

2026 年 5 月 28 日，Anthropic 在距前一代仅两个月时发布了 Claude Opus 4.8。这次的主角不是基准测试的提升，而是“变得更诚实”。本文基于 Anthropic 官方公告与 Transparency Hub，覆盖核心规格（claude-opus-4-8、1M tokens、128K 最大输出）、与 4.7 的正面基准对比（SWE-bench Pro 64.3 到 69.2%、Terminal-Bench 2.1 66.1 到 74.6%、GDPval-AA 1753 到 1890，但 Terminal-Bench 2.1 上 GPT-5.5 以 78.2% 仍更高）、价格（标准持平加上 fast mode 约快 2.5 倍、实际价格只有三分之一）、三项新功能（四级 effort 参数与自适应思考、可在研究预览中启动数十到数百并行子智能体的 dynamic workflows，以及 Messages API 中的 system 条目）、最大的跃升——诚实（放过代码缺陷的比率约为 4.7 的四分之一、未告知失败的比率仅 3.7%）——以及值得诚实说明的注意事项（终端操作 GPT-5.5 更高、计算机操作提升很小、抗提示注入能力持平于 0.4%），还有谁应该现在就升级。

你在 Claude Code 里刚完成一个功能，正要按下“Create PR”，却弹出一条红色横幅：“无法检查拉取请求的状态。此信息可能已过期。”这不是代码缺陷——只是 Claude Code 向 GitHub 请求获取最新 PR 状态时那一次失败了，通常只是无害的同步延迟。本文讲解这个错误的确切含义、按官方文档和 CHANGELOG 说明 Claude Code 如何获取 PR 状态（桌面应用以 gh 为前提，终端的 PR 徽标通常用 gh pr view）、6 个根本原因（未安装 gh、未登录或令牌被吊销、还没推送/PR、网络/代理、PAT 权限不足、临时性）、从 gh --version 和 gh auth status 开始的 4 步排查顺序、命令速查表（gh auth login/refresh/pr view 等）、如何判断“可能已过期”何时可忽略何时需处理、gh pr create 替代方案、防止再次发生的清单，以及 FAQ。原则：在怀疑代码之前，先怀疑与 GitHub 的连接。

在 Claude Code 工作时突然出现、之后无论输入什么都反复触发的错误:“API Error: 400 thinking or redacted_thinking blocks in the latest assistant message cannot be modified”。这是 Anthropic 官方仓库上有多个 issue 的已知缺陷,大多数情况并非用户用错。本文讲解错误含义、extended thinking 思考块与加密 signature 的机制、签名不匹配的五个主因(会话恢复缺陷、流式交错、修复逻辑失控、第三方代理、自建应用改动历史)、面向 Claude Code 用户的三种恢复方法(Esc×2/rewind、新会话 /clear、JSONL 修复工具)、最重要的永久性修复(更新到最新版)、面向 API/SDK 开发者的预防方法(把助手消息连同 thinking 块原样发回、历史只追加)、三种相似错误的区分,以及防止再次发生的检查清单。

⚠️ Claude Cowork 已于 2026 年 9 月 16 日与聊天合并，不再是独立的入口（功能本身仍在，如今在任何一段对话里都能用）。以下是对它内容的梳理。某个五人团队仅在文件整理与报告准备上每周就拿回了六到八小时；一位用户在二十分钟内清理了 2,200 个文件的 Downloads 文件夹。Claude Cowork 是 Anthropic 于 2026 年推出的 AI 工作空间，让 AI 直接接触你的文件、文件夹与应用，完整跑通“观察 → 计划 → 执行 → 引导”循环。从每月 20 美元的 Pro 起即可在 macOS 或 Windows 上使用。Cowork 通过官方连接器直接接入 Google Drive、Gmail、Slack、Jira 与 DocuSign，插件层让组织能嵌入部门知识。Enterprise 还提供 RBAC、支出上限与 OpenTelemetry。从 Pro 20 美元起即可接触 Cowork，但 Cowork 任务消耗的 token 是只提问时的 50–100 倍，因此日常使用时 Max 100 美元才是现实底线。本文以 2026 年 5 月的实战报告为依据，梳理 Cowork 做什么、为什么诞生、四步工作循环、主要连接器、插件与企业功能、真实成本分水岭，以及它在与聊天合并之后的定位。

知识工作者每天损失2到3小时在邮件上。借助AI草稿，每封5分钟的回复可缩短到30秒；厂商公布的更大节时数字多为自报，因此本文也给出个人的现实目标（每天30到60分钟）。本文通过三层模型（人工审核的草稿/语气调整/全自动），框定使用AI处理收件箱和聊天工作的高效方式，对比主要工具（Gemini in Gmail、Microsoft Copilot、Shortwave、Gmelius、MailMaestro、ChatGPT/Claude、Intercom Fin），给出三个可复制粘贴的10秒提示词模板（回复草稿、三行摘要、语气转换），涵盖Slack、Teams和LINE的聊天自动化，并阐明三条防止AI辅助破坏长期关系的运用规则。

2026年，顶尖模型在多模态基准MMMU-Pro上进入80%区间（GPT-5.5不使用工具为81.2%，Gemini 3.1 Pro为80.5%，均为各公司公布值）——图像理解已接近饱和。构建方式正从拼接式（串联独立模型）转向原生式（一个模型直接接收多种输入），但能在一个模型中接收文本、图像、音频、视频全部四种的只有Gemini、Qwen的Omni系列等部分模型；OpenAI的旗舰模型和Claude的API只到图像。本文涵盖什么是多模态AI（LMM/VLM/Omnimodal）、架构分水岭及其意义、各模态的强弱在技术上由什么决定（视频、音频、文档/UI、开放权重模型）以及2026年5月的对比快照、值得关注的四个基准（MMMU-Pro、Video-MMMU、DocVQA、AudioBench）、五种用例各自该依据什么标准来选，以及三条硬性局限（低质量图像的猜测、视频中段准确率、方言与术语音频）——以最新研究与实操经验为依据。

哈佛 2025 年 RCT 表明“使用 AI 辅导员的学生用更短的时间取得了超过线下课堂两倍的学习提升”，备考格局由此改变。全球尖子生已经处于把 AI 当作“第二位辅导员”的阶段。本文整理 AI 给备考带来的三大根本性转变、五大核心技巧（个性化真题解析 / 针对性同类题生成 / 自动单词卡 / 让 AI 当学生强化记忆 / 计划起草）、六大工具对比（ChatGPT/Claude/Khanmigo/NotebookLM/Quizlet/Anki/Photomath）、效率翻 10 倍的三步循环、三大陷阱，以及高考与升学、资格证、语言考试的实战示例——以全球视角通盘讲解。

每月 20 美元的 ChatGPT Plus 订阅，换成 API 可能只要 2 美元 —— 但反过来也可能飙升到 200 美元。AI API 是一个“按量付费”的世界。本文从新手视角出发，讲解网页对话与 API 的五个根本差异、什么是 token 以及计价方式、2026 年 9 月主要模型价格（Claude、GPT、Gemini 各档位以及 DeepSeek）、四类模型选择地图、每个新手都会掉进去的三个陷阱（历史堆积、系统提示过长、没设消费上限），以及 5 分钟搞定的 curl 和 Python 首次调用代码。

100 万令牌（1M）级别的上下文窗口，如今已是 Claude、GPT、Gemini 顶级模型的默认前提。但文档“装得进”容器，不等于模型把它“读完”了：在 OpenAI 公布的多针基准 MRCR 中，同一模型的输入越长得分越低，而下降幅度因模型和代际差异很大。本文介绍令牌、窗口与上下文的区别，规格表上要看的三个数字（输入上限、输出上限、计费方式），Lost in the Middle 与 Context Rot 的真实含义，如何用自己的文档测出有效范围，长输入会涨价与不涨价模型的费用试算，以及“切断会话”“发摘录”“末尾重述”“缓存”“明示地址”五条节省策略。

靠 MCP server 能赚钱吗？能。但 MCP 规范没有价格、支付、用量计量的标准，收钱的方式要在 MCP 之外选择。流传甚广的“12,000 个里不到 5% 变现成功”找不到发布方，本文不再使用。取而代之，依据本站对官方注册表的计数（截至 2026 年 9 月 30 日共 37,619 个）、规范原文，以及 MCPize（手续费 20%）、Apify Store（收入的 80% 减去运行费用）、Stripe 的条款和文档，整理 4 种收入模式、各平台的手续费与结算条件、如何核实有名有姓的成功案例、常见失败模式和个人开发者的实操手册。

2024 年 11 月，Anthropic 在 GitHub 上不动声色地发布了一份小规范叫 MCP（Model Context Protocol）。十六个月后，SDK 月下载从 200 万冲到 9700 万——增长 4750%。OpenAI、Google、Microsoft、AWS 全部采纳，2025 年 12 月 Anthropic 把所有权捐给了 Linux 基金会，MCP 不再是“Anthropic 的协议”而成了行业共享基础设施。本文讲清楚 MCP 的定义（“AI 时代的 USB-C”）、架构（Client/Server/Transport 三件套，跑在 JSON-RPC 2.0 上）、今天就能用的五个 server（filesystem/fetch/git/GitHub/Notion）、安装前要确认的五件事与在 Claude Code 中注册的步骤、30 行 Python 的自制最小实现、它为什么偏偏“赢”了（薄规范、早开源、Linux 基金会托管），以及安全风险、提示词注入、“什么都塞进 MCP”的诱惑等真实边界。开门见山地说：MCP 是 2020 年代后半期最重要的基础设施，地位和 HTTP、OAuth、WebSocket 同级。