KeyFrame內部研究專用

Claude基本功 EP01:一次搞懂 Claude 全生態:從聊天到全自動化寫程式

三師爸Sense Bar·3月28日週六·11 min中文

三句話摘要

Claude AI 的四種使用模式全解析——從聊天到命令行,找到適合你的工作流 選擇適合的 Claude 模式比學會所有功能更重要——從自己的實際工作出發,逐步進階能讓工作效率大幅提升。 Claude Chat 是雲端對話基礎:無法讀取本機檔案、不能控制電腦,但能輸出 Word、Excel、PDF、SVG 等多種格式檔案,內建 Office 文件處理能力強大。

重點整理

重點
  • 1

    Claude Chat 是雲端對話基礎:無法讀取本機檔案、不能控制電腦,但能輸出 Word、Excel、PDF、SVG 等多種格式檔案,內建 Office 文件處理能力強大。

  • 2

    Cowork 提供三層功能擴展:支援檔案操作(限 user 目錄內)、設定每日排程自動化任務(如每天早上整理 Gmail 和行事曆)、利用 Dispatch 遠程操控電腦和瀏覽器(需安裝 Claude 瀏覽器外掛)。

  • 3

    Claude Code Desktop 降低技術門檻:提供圖形化介面,新手用 Plan Mode 逐步引導、老手用 Auto Accept 加速、高手用 Bypass Permissions 全自動執行,支援截圖對話即時除錯。

  • 4

    Claude Code CLI 是終極工具但學習陡峭:功能最完整可直接控制檔案和系統,但須熟悉命令行操作,適合做自動登入、自動部署、自動化腳本等特殊需求。

實用技巧與重點

乾貨
  • 四種模式分類:Claude Chat、Cowork、Claude Code Desktop、Claude Code CLI
  • Claude Chat 輸出格式:Word、PPT、Excel、PDF、網頁、SVG
  • Cowork 檔案操作限制:只能控制 user 帳號目錄下的資料夾
  • Cowork 排程功能:可設定每日自動執行任務,建立行事曆通知
  • Dispatch 需求:必須安裝 Claude 瀏覽器外掛才能操控網頁
  • Claude Code Desktop 模式選項:Plan Mode(新手)、Auto Accept(老手)、Bypass Permissions(高手)
  • Claude Code CLI 安裝:在 cmd 或 powershell(以系統管理員身份)輸入 claude 命令
  • 學習進程建議:Chat → Desktop 版可處理 90% 工作需求 → CLI 版做完全自動化

結論

結論

選擇適合的 Claude 模式比學會所有功能更重要——從自己的實際工作出發,逐步進階能讓工作效率大幅提升。

完整解析

詳細

Claude 提供了四種遞進式的使用模式,適應不同使用者的技術背景和工作需求。最基礎的 Claude Chat 是大多數人熟悉的雲端對話介面,其優勢在於能輸出多種專業格式(Word、Excel、PDF、SVG 等),特別是 SVG 繪製圖表和幾何圖形的質量很高。但它的根本限制是所有工作都在雲端進行,無法直接讀取你的本機檔案或控制電腦。

當你需要與本機檔案系統互動時,就要升級到 Cowork 模式。Cowork 提供了三個層次的功能:第一是檔案操作,AI 可自動讀取、整理、轉換 user 目錄下的檔案(講者曾用它批量整理 30 多份學生互動記錄,並自動生成分類報告);第二是排程功能,讓 AI 每天固定時間執行任務,如每天早上 7 點自動整理 Gmail 和行事曆,並在行事曆建立提醒;第三是 Dispatch 遠程控制,安裝 Claude 瀏覽器外掛後,AI 就能自動打開瀏覽器執行網頁操作。

對於需要寫程式解決問題的使用者,Claude Code Desktop 版則是更友善的選擇。它提供圖形化介面,新手可選「Plan Mode」讓 AI 逐步擬定計劃、按部就班執行;老手選「Auto Accept」跳過大部分審核步驟加速工作;高手可設定「Bypass Permissions」實現全自動化。講者在此製作了兩個實用工具:一個基於本地 Ollama 模型的免費語音輸入工具,另一個是確保高準確率的影片字幕軟體,都是在 Claude 協助下完成的。

最後的 Claude Code CLI 是給專業工程師的終極工具。它需要在命令提示字元或 PowerShell 執行,雖然介面不友善但功能最全面,能直接操控檔案系統和整臺電腦,特別適合做自動登入、自動部署這類特殊需求。講者強調初學者應避開 CLI 版,而應先從 Chat 開始,通常到 Desktop 版就能處理日常工作的 90% 以上。

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

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
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。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。