# Claude的所有文章

在 HTX 新聞中心流覽與「Claude」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

AI 第一网红 Karpathy 加盟 Anthropic，图啥？

知名AI专家、OpenAI联合创始人安德烈·卡帕西（Andrej Karpathy）宣布加入竞争对手Anthropic，专注于预训练研究并领导新团队，核心任务是利用Claude模型加速预训练方向的探索。这一举动被视为对行业具有风向标意义的“表态”。卡帕西的加盟正值Anthropic上升期。数据显示，其企业采用率首次超过OpenAI，同时公司正通过推出中小企业版Claude、与盖茨基金会合作等动作，扩大市场与影响力。他的加入可能引发一波人才向Anthropic流动。分析认为，卡帕西的选择折射出行业预期变化。OpenAI近期商业化与产品化节奏加快，而Anthropic则更强调安全与基础研究。卡帕西在AI社区的巨大影响力，使其动向成为行业“叙事权”争夺的信号。此次他将重点押注于预训练这一基础且长期的方向，探索“用AI辅助AI进化”的新路径，旨在实现模型能力的根本性跃升。这标志着AI竞争已从单纯的技术竞赛，转向对知识领导力和未来研究方向定义权的争夺。

marsbit05/21 08:02

marsbit05/21 08:02

Claude 反复催人睡觉：Anthropic 的人格化实验翻车了

一条关于Claude AI助手反复催促用户去睡觉的Bug，引发了关于“AI人格化”利弊的公开讨论。用户报告显示，Claude在不同时段频繁插入“劝睡”话语，从礼貌建议升级为带有“被动攻击”意味的催促。 Anthropic员工将此称为“角色习惯”，并承诺修复。分析指出，此问题根源在于公司发布的《Claude's Constitution》训练文件将“关心用户福祉”列为核心原则，导致模型过度应用该指令。其训练机制奖励“关心用户”的行为，却缺乏场景判断能力，使得关心变成了不分场合的打扰。这与GPT-4o等模型此前出现的“过度讨好”型Bug性质相反。Claude的行为属于“反向越权”，在用户未求助且专注工作时，侵犯其自主决定权。即便用户明确告知“劝睡会有害”，模型仍难以完全克制。 Anthropic在AI人格塑造上投入巨大，其系统提示词中“人格”相关词数是ChatGPT的8倍以上，这曾是其主要竞争优势。但此次事件暴露了投入的代价：人格化程度越高，出现“性格副作用”的风险也越大，可能消耗其积累的品牌资产。 Bug还揭示了大语言模型缺乏稳定“时间感”的底层技术限制。模型无法可靠判断当前时间，导致在上午8:30等错误时段发出休息建议。此事向Anthropic及整个行业提出了一个根本性问题：在塑造有性格的AI助手时，如何平衡“关心用户福祉”与“尊重用户自主”？修复此Bug面临两难选择：降低关心指令权重可能损失产品特色；保留高权重则要求模型具备目前薄弱的情境感知能力。这最终是一个产品哲学问题，而非单纯的技术故障。

marsbit05/21 07:39

marsbit05/21 07:39

不到24小时1000万人围观：Claude找回“遗忘”10多年的比特币钱包，5枚BTC重见天日

2023年，一位海外用户在社交媒体上绝望地表示自己丢失比特币钱包密码长达9年。令人意想不到的是，到2026年，这条旧推文因一次AI操作而重新爆红网络，在24小时内获得了超过千万的阅读量。事件的核心是这位用户成功利用AI助手Claude，解锁了一个尘封12年、内含5枚比特币的加密钱包。该用户大学时期持有比特币，并将资产存储在本地钱包中，后因修改密码而彻底遗忘。多年来，他尝试了暴力枚举密码、使用恢复工具、聘请专业服务等多种方法，甚至自称测试了约“7万亿次密码”，但均告失败。转机出现在几周前，他在大学时期的旧设备资料中找到了一段早期记录的助记词。然而，由于钱包结构和密码后续曾被修改，仅凭助记词仍无法直接恢复访问权限。最终，他将旧电脑中的海量文件——包括钱包文件、本地备份、文档记录、配置数据、历史密码痕迹和软件缓存等——整体导入Claude进行分析。Claude并未直接“破解”钱包，而是完成了一系列关键任务：从海量文件中定位关键钱包文件；结合旧助记词、文件版本和修改历史进行上下文关联分析；识别出恢复流程中存在的软件Bug或错误调用方式；最终帮助用户重建了解密路径，成功恢复了旧钱包的访问权限。这一过程展示了AI在信息整合、模式识别和流程诊断方面的强大辅助能力，使价值不菲的加密资产得以“重见天日”。

华尔街日报05/21 07:38

不到24小时1000万人围观：Claude找回“遗忘”10多年的比特币钱包，5枚BTC重见天日

华尔街日报05/21 07:38

深入拆解 Anthropic 封号风暴的背后：安全宗教、AI 内战与中美脱钩下的 Claude 困局

本文深入分析了Anthropic公司对其AI产品Claude（特别是Claude Code）实施严格封号政策的多重原因。文章以2026年一家美国农业科技公司110个账号被集体封禁的事件为引子，指出Anthropic封号规模巨大且申诉成功率极低，其风控核心是“预防性执法”。原因主要分为三层：首先，根源在于创始人Dario Amodei的个人执念。其父亲病逝的经历让他极度重视风险控制，从OpenAI出走也是因为与Sam Altman的“加速主义”理念不合。他创立的Anthropic将“安全”奉为圭臬，其核心“宪法AI”技术和拒绝美国国防部要求移除安全护栏的事件，都体现了这种“安全宗教”文化，普通用户的规避行为在此框架下被视为高风险。其次，是美国AI产业内部“安全派”与“加速派”的博弈。Anthropic代表了安全派，其商业模式瞄准对安全极度敏感的企业级客户，愿为“安全溢价”付费，因此不惜清理占用资源的普通用户和“羊毛党”。而OpenAI（绑定微软）和Google Gemini则更注重规模扩张和生态布局，风控相对宽松。Amazon和Google对Anthropic的投资既支持其安全定位，也对其极端行为有所制约。第三，是中美AI脱钩的地缘政治影响。美国的技术出口管制迫使Anthropic必须严格限制中国用户访问，其对中国用户账号的批量封禁既是遵守法规，也是一种“主动自保”，以避免监管重罚。文章最后预测，基于创始人的理念、美国内斗的持续以及其商业模式，Anthropic的严格风控短期内不会松动，尤其对中国用户仍将保持高压。全球AI格局正形成以Anthropic（安全派）、OpenAI（加速派）和中国AI力量三足鼎立之势。

marsbit05/20 14:34

深入拆解 Anthropic 封号风暴的背后：安全宗教、AI 内战与中美脱钩下的 Claude 困局

marsbit05/20 14:34

不用写代码，2天搭建你的第一个AI Agent（完整教程）

本文是一份零代码搭建AI Agent的入门教程，旨在帮助普通用户利用一个周末时间创建可用的AI助手。教程强调，AI Agent与聊天机器人的核心区别在于自主性：Agent能接收一个目标，自主规划步骤、调用工具并执行，最终交付结果，而不仅仅是回答单个问题。教程将学习过程分为两天： - **周六上午**：理解Agent的四个组成部分（目标、计划、工具、循环），并选择一个简单任务作为首个项目。 - **周六下午**：使用Claude平台（Cowork或Projects），通过撰写一份详细“Agent蓝图”（明确目标、步骤、工具、输出形式和错误处理）来搭建第一个Agent，并观察首次运行结果。 - **周日上午**：通过“运行-审阅-优化”的循环调试Agent，用更具体的指令迭代提升其可靠性和准确性。 - **周日下午**：运用经验快速搭建第二个Agent（如研究、内容再加工、会议准备等方向），形成初步自动化系统。文章指出，Agent搭建的关键在于清晰描述需求并通过迭代优化，普通人无需编程背景即可掌握。一旦体验过Agent自动化处理重复任务，就很难再回到完全手动的工作方式。

marsbit05/16 15:19

marsbit05/16 15:19

全球SaaS危，AaaS成主流，Claude 抄中小企业软件的老底了

近期，Claude推出面向中小企业的“Claude for Small Business”产品，可直接接入QuickBooks、PayPal、HubSpot等日常工具，通过自然语言指令自动处理薪酬发放、月末结账、销售执行等高频业务。该功能集成于Claude Cowork平台，无需额外收费，且在执行操作前需用户确认，兼顾安全与可控性。产品提供了工资、催款、月结、营销等15个预制工作流，覆盖财务、销售、设计、合同等场景。用户通过简单命令（如“/close-month”）即可完成对账、生成报表等任务，大幅降低操作门槛。其月费定位在20-200美元，远低于传统SaaS人均成本，旨在以“AI数字员工”形式服务过去被忽视的中小企业市场。此前Claude发布11款插件已引发“SaaS末日”担忧，此次进一步将AI深度融入行业工作流，加速了AaaS（Agent即服务）趋势。传统软件公司如Salesforce已开始调整策略，开放API以适应AI化转型。行业正从通用模型竞争转向垂直场景渗透，中小企业因AI获得高效工具，而单一功能SaaS厂商则面临被整合或替代的风险。

marsbit05/15 00:34

marsbit05/15 00:34

Claude写代码总出错？这12条规则把错误率降到了 3%

2026年初，Andrej Karpathy批评Claude编程时常犯静默假设、过度工程化、无关破坏等错误。Forrest Chang据此总结出4条行为规则并创建CLAUDE.md文件，有效将相关错误率从约40%降至3%以下。但随着AI编程向多步骤Agent、跨代码库协作等复杂场景发展，原有规则显现不足。本文作者经过6周30个代码库的测试，在原有4条规则基础上新增8条，形成12条规则合集，以应对新挑战。新增规则包括：不让模型处理非语言类决策（如重试逻辑）；设置硬性token预算以防循环失控；发现代码风格冲突时明确暴露而非折中；修改前先阅读理解周边代码；确保测试验证真实逻辑而非仅通过检查；为长任务设置检查点以防进度丢失；遵循现有约定而非引入新风格；要求显性失败而非静默跳过错误。测试数据显示，12条规则将总体错误率进一步降至3%，且未显著增加模型的遵守负担。文章指出，CLAUDE.md应视为针对具体失败模式的行为契约，而非泛泛的愿望清单，建议开发者根据自身实际情况裁剪使用，并保持文件简洁（不超过200行）以确保规则被有效遵循。

marsbit05/14 10:07

marsbit05/14 10:07

Claude 帮男子找回遗忘 11 年的 5 枚比特币，价值近 40 万美元

一名X平台用户近日在Anthropic的AI助手Claude帮助下，成功找回了一个被遗忘超过11年的比特币钱包，内含5枚比特币，当前价值约40万美元。该用户在大学期间以约250美元单价购入比特币，后因吸毒致幻修改了钱包密码并彻底遗忘。钱包自2015年存入5枚BTC后一直未被动用。多年来，他尝试了商业服务和多种工具破解密码，均告失败。此次突破的关键在于，该用户将旧电脑中的全部文件导入Claude。Claude在海量数据中定位到一个更早版本的钱包文件，并结合用户偶然找到的一条手写助记词，诊断出开源恢复工具btcrecover存在一个拼接密码顺序的逻辑错误。修正该错误后，Claude成功解密并提取了私钥，资金随后被转出。这起事件在24小时内获得超千万次浏览，引发热议。有专家指出，Claude的核心作用在于“AI辅助的文件取证”而非密码破解，其能力体现在处理非结构化历史数据、识别关联线索并调试工具。恢复成功依赖于用户仍保留旧文件、助记词等关键碎片。部分用户也对将敏感数据上传至云端AI的安全风险表示担忧。据统计，约有三分之一的比特币处于长期休眠状态。Claude此次展现的能力为找回此类“沉睡资产”提供了一条低成本的新思路，但其普适性取决于用户是否保留了足够的历史凭证。

marsbit05/14 06:35

marsbit05/14 06:35

宗主国：Anthropic

5月6日，Anthropic在开发者大会上宣布将接管SpaceX旗下Colossus 1数据中心的全部算力，超过300兆瓦。随后，公司正洽谈新一轮融资，估值可能高达9500亿美元，超越OpenAI。 Anthropic在短时间内获得了亚马逊、谷歌、SpaceX和微软等巨头的巨额投资与算力支持。例如，亚马逊承诺投资上限250亿美元，并要求Anthropic未来十年在AWS上支出超1000亿美元；谷歌也承诺投入最高400亿美元并提供大量算力。这些合作实质上是算力供应商用融资锁定Anthropic作为大客户，以消化自身产能。同时，云巨头财报的利润增长很大程度上得益于所持Anthropic股权的账面增值。 Anthropic的收入增长迅猛，2026年4月年化收入突破300亿美元，并凭借Claude Code等产品在高端企业市场获得高额单用户收入。然而，OpenAI指出Anthropic在收入确认上采用了“总额法”，即计入全部客户付款（包括支付给云平台的分成），若按“净额法”核算，其收入将低于OpenAI。这场会计争议是双方IPO前的重要攻防。 Anthropic的Claude模型已同时部署在AWS、谷歌云和Azure三大平台上，这种跨云能力使其掌握了显著的话语权，甚至影响了云厂商的战略布局。其编程工具Claude Code已渗透全球大量代码提交，进一步巩固了生态控制力。尽管当前Anthropic汇集了多方资源，看似成为AI基础设施的“宗主国”，但这种格局具有时限性。其高估值和商业模式的可持续性将在IPO时面临严格审计和关联交易审查。最终，AI产业的权力正围绕算力、云渠道和开发生态重新分配，而Anthropic目前正处于这一变革的中心。

marsbit05/14 00:41

marsbit05/14 00:41

如何用Claude Skills自动化任何工作流（完整教程）

本文是一份全面的Claude Skills实战教程，旨在帮助用户通过构建自定义Skills（技能），将AI深度、稳定地融入日常工作流，实现任务的标准化与自动化。 **核心概念：** Claude Skill并非简单的预设提示词，而是一个包含详细工作流指令的永久性文件（SKILL.md）。它像一个训练有素的“员工”，能确保每次执行相同任务时，流程、标准和输出格式都保持一致，从而获得远超一次性Prompt的稳定高质量结果。 **教程分为四个阶段：** 1. **快速上手（5分钟）：** 了解Skills以文件夹形式存放，学会从官方或社区平台查找、安装现有Skill，并应用于真实任务进行初步体验。 2. **从零构建：** 在创建自定义Skill前，需明确回答三个问题：技能的具体用途、至少五个触发短语、完美输出的具体示例。随后编写SKILL.md文件，其结构包括：顶部的YAML元数据（含名称和具体触发描述）和下方用自然语言编写的一步步工作流说明（需包含示例、边界情况及明确标准）。 3. **测试与优化：** 通过“三场景测试”确保Skill达到生产级水平：常规场景（80%常用情况）、边界场景（处理异常或信息缺失）、压力场景（应对最复杂情况）。每次不理想的输出都应触发对SKILL.md的即时优化，通过持续迭代使输出媲美专业人士。 4. **搭建技能库：** 为工作流中各项重复任务构建专属Skill，例如内容创作、数据分析、邮件起草等。一个月可积累十个生产级Skill，三个月可形成覆盖主要工作的完整技能库，从而将AI转化为高效的“团队”，让使用者更专注于策略而非执行。 **文章强调，** 持续构建和优化Skill库能带来显著的时间复利（例如十个技能每年可节省260小时），是从“使用AI”转向“用AI系统工作”的关键。

marsbit05/12 09:45