KeyFrame內部研究專用

Learn 97% of Claude in Under 12 Minutes

Jack Roberts·6月22日週一·11 min英文

三句話摘要

掌握Claude的七個進階層級,從基礎聊天升級到自動化操作系統,解鎖原本被忽視的95%潛力。 掌握Claude的七層使用法,可以把效率提升5-10倍,從被動查詢升級為主動執行自動化系統。 界面與模型的正確搭配:大多數人停留在Chat階段,實際應使用Claude Code獲得完整功能。模型選擇上,Opus 4.8適合複雜工作(最高智能),Sonnet 4.6是日常多用途工具,Haiku 4.5用於輕量任務。這決定了回答品質與成本比。

重點整理

重點
  • 1

    界面與模型的正確搭配:大多數人停留在Chat階段,實際應使用Claude Code獲得完整功能。模型選擇上,Opus 4.8適合複雜工作(最高智能),Sonnet 4.6是日常多用途工具,Haiku 4.5用於輕量任務。這決定了回答品質與成本比。

  • 2

    提問方式決定答案深度:直接提問只得到表面回答(如「50米遠應該走路」)。正確做法是先陳述目標意圖,邀請Claude提問澄清細節,才能獲得具體、可執行的建議。對話中最重要的是第一個問題。

  • 3

    給Claude「雙手」執行實際工作:通過連接Gmail、Google Drive、Firecrawl等第三方服務,Claude升級為工作執行者而非思考者。Firecrawl尤其高效,能節省約80%的token成本,自動從網頁抽取核心信息而非全部HTML。

  • 4

    並行處理與決策系統:子代理讓多項任務同時進行(如同時研究4家AI公司),Ultra Code則運行多代理辯論驗證系統,大幅提升效率且提高決策品質。

實用技巧與重點

乾貨
  • 模型層級
  • Opus 4.8:最強性能,複雜工作
  • Sonnet 4.6:日常多用途
  • Haiku 4.5:快速輕量任務
  • 核心連接器與工具
  • Gmail、Google Drive、Databricks、CRM
  • Firecrawl:網頁信息抓取(節省80% token)
  • Graphify:代碼庫關係圖生成
  • 效率提升數字
  • 子代理可提升5-10倍輸出
  • Firecrawl節省約80%成本
  • Anthropic官方技能倉庫:153,000星
  • 七個層級
  • 使用方式選擇(Chat/Co-work/Code)
  • 正確提問方法
  • 連接第三方工具
  • 子代理與Ultra Code
  • 技能系統
  • 權限與合規管理
  • Claude Code操作系統
  • 操作步驟
  • 添加連接器:點擊+號→connectors→add connectors→搜尋服務
  • 設定權限:Manage Connectors→區分自動執行與需批准項目
  • 激活技能:輸入「/」或敘述功能需求
  • 查詢技能:Google搜尋「[功能] skill GitHub」
  • 實際案例
  • 尋找商業合作夥伴(OpenAI/Anthropic/Grok/DeepSeek同時研究)
  • 使用Firecrawl抓取Glido.com品牌信息與logo
  • 多代理辯論決定34歲人士最佳居住地

結論

結論

掌握Claude的七層使用法,可以把效率提升5-10倍,從被動查詢升級為主動執行自動化系統。

完整解析

詳細

在過去千小時的Claude實驗中,講者Jack發現一個根本性的誤區:大多數人把Claude當Google搜尋引擎用,實際上只發揮了5%的能力。他系統性地介紹了七層使用法,從基礎到自動化。

第一層是選擇正確的使用界面。Claude提供三種方式:Chat用於快速提問但無法觸及文件;Co-work可以操作文件但功能受限;Claude Code提供完全控制權限。講者強調不要被「Code」這詞嚇阻,它其實是最強大的建築工具。同時在模型選擇上,Opus 4.8是性能最強的(比喻為愛因斯坦),Sonnet 4.6是日常多用途工具,Haiku 4.5則用於簡單任務。

第二層的關鍵是掌握提問藝術。講者引用AI專家Andrew Karpathy的例子說明:直接問「車洗50米遠,開車還是走路?」只會得到表面答案「走路,只需30秒」。但如果先表述你的實際目標(如「我在規劃YouTube頻道策略」),邀請Claude反問以澄清細節(頻道內容、現況、成功定義),就能得到針對性的深度建議。這體現了「對話中最重要的問題是第一個」的原則。

第三層是給Claude執行工具。單靠思考的能力有限,需要連接Gmail、Google Drive、Databricks、CRM等第三方服務,讓它從純思考者升級為實際執行者。特別值得關注的是Firecrawl,它專門抓取網頁信息,不必抓取全部HTML,因此能節省約80%的token成本。操作方式簡單:點擊+進入connectors搜尋服務即可自動連接。

第四層帶來效率的指數級提升。傳統做法是逐個提問(高速公路上只用1條車道),但Claude支持生成子代理並行工作(5條車道同時運行),能實現5-10倍的輸出增長。例如研究四家AI公司時,Claude同時生成四個子代理分別深度研究。更進階的Ultra Code運行多代理辯論與驗證系統,適合複雜決策。此外Graphify能創建代碼庫的關係圖,讓Claude更快理解項目結構,提升回答速度與準確性。

第五層是技能系統。GitHub上有大量預製技能供導入(如網頁設計、圖像生成),用戶只需搜尋「[功能] skill GitHub」複製鏈接即可。或者將常用的工作流程轉換為可重用技能。這大幅擴展了Claude的應用範圍。

第六層強調安全與合規,遵循「最小權限」原則,只授予Claude完成任務所需的最低權限。在connectors設置中可區分自動執行與需人工批准的操作(如寄送郵件)。

最後一層是Claude Code操作系統,它不僅追蹤成本和所有連接目標,更會主動根據歷史對話「夢想」與推薦——自動建議未使用的技能或成本節省方案。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。