如何学习 Claude：从入门到精通的完整指南

过去几个月，我一直在持续使用 Claude。从在浏览器里写一些简单、含糊的提示词，到构建并托管能连接并分析多数据源以做出决策的复杂代理。我搭建了能帮助我完成工作的工作流，也做了不少我在工作之外会用到的工具。 

学习 Claude 花了我时间、坚持和大量试验。但我相信任何人都可以（也应该）学习如何使用 Claude 及类似工具。它们正在改变人们的工作方式、生产力的样貌，以及技术和非技术人群所能实现的可能性。 

在本指南中，我将带您从零开始学习 Claude：从设置与了解不同模式和模型的基础知识，到构建您的第一个项目，再到 Claude 的一些高级功能。 

在过程中，我会链接一些相关课程和资源，帮助您动手实践每一步。我也会提供一些我自己使用 Claude 的示例，以及一个带时间线的上手路线图。 

如果您想直接进入课程，最好的起点是我们的Claude 101 课程。

要点速览：如何学习 Claude

如果您时间紧张，以下是开始学习 Claude 的要点： 

• Claude 不仅是一个聊天机器人，它是一个涵盖多种模式（Chat、Cowork、Code、Design）的生态，覆盖从研究写作到构建代理和自动化的一切。
• 一天之内您就能用 Claude 做到有用；在中级功能上建立熟练度需要每天使用大约 4-6 周
• 早期最重要的技能是提示工程。越精准地描述您想要什么、期望的输出格式以及为什么需要它，输出就会越好。
• 学习路径：提示基础与环境设置，其次是模型与模式，然后是代理与 Projects，最后是 API、MCP 和 RAG
• 在真实的个人任务上日常使用，比单靠课程与教程更能快速建立直觉。

什么是 Claude？ 

对很多人而言，提到 Claude，首先想到的是大型语言模型聊天机器人，类似 ChatGPT 或 Gemini。虽然这没错，但还远不止于此。 

实际上，“Claude”是一个由不同人工智能工具、模型和模式组成的生态系统，使您能够在多种语言处理任务中进行查询、研究、规划、编码和构建。Claude 是一个能帮助您完成多种任务的 AI 助手。 

如何学习 Claude：入门概念与开始使用

学习 Claude 的第一步，是了解它究竟是什么，以及它能做什么。 

完成设置：网页、桌面端、移动端 

您可以通过多种方式访问 Claude 开始学习。我建议先从网页界面入手，这是最快上手的方法。 

前往claude.ai创建一个账号。

您会发现可以选择的方案有好几种。对于入门部分，免费账号完全足够。

不过先提醒一下，随着我们深入 Claude 学习计划，某些功能和模式需要付费方案，起价为每月 17-20 美元。我建议使用 Pro 账号，但仅当您觉得已准备好使用这些功能时再升级。

您可以在下方查看完整定价： 

目前先使用免费账号并登录即可。 

如果您愿意，等更熟悉之后，也可以下载 Claude 的桌面端或移动端。

如今，我基本都在桌面应用里使用 Claude，偶尔也会通过浏览器登录。

学习提示：如何与 Claude 沟通 

刚开始学习使用 Claude 时，或许最重要的一项技能就是如何为它编写提示词。

有效表达您的需求，决定了结果是“不错”还是“出色”。这门技巧就叫做提示工程，我建议在用 Claude 做任何重要事情之前，先学习其基础知识。 

您可以在我们的完整指南中了解什么是提示工程，并通过入门友好的课程Understanding Prompt Engineering开始学习。Anthropic 也提供了Claude 提示最佳实践指南，也推荐阅读。 

简单说，提示工程的要义不在“魔法词汇”，而在清晰沟通。Anthropic 的指南表述得很好：把 Claude 当作一位有能力但不具备您上下文的新同事来对待。 

您越是明确说明自己要什么、为什么要，以及“好结果”是什么样，Claude 的表现就越好。

值得尽早养成这三种习惯： 

• 具体说明您期望的输出格式，
• 告诉 Claude 您请求背后的理由（不仅是任务本身）
• 使用示例。

一个选得好的示例，展示您想要的结构或语气，比一段抽象的说明更有效。

下面是一个简短示例： 

含糊的提示会得到通用的结果：

Explain machine learning to me.

结构良好的提示会更有用：

Explain machine learning to a marketing analyst who understands Excel 
and basic statistics, but has no coding background. 
Focus on the intuition behind how a model "learns" from data, not the 
maths. Use a real-world analogy from marketing or customer behavior. 
Keep it under 200 words.

第二个提示明确了受众、切入角度、示例领域和篇幅限制。Claude 无需对这些再做猜测。

了解模型，以及如何为您的需求选择合适的模型

无论是在浏览器还是桌面应用，使用 Claude 时您往往会看到一个选项：您正在与哪个模型交互。 

可选模型有几个，乍看名字并不直观。目前（撰文时），您大概率会看到 Fable、Opus、Sonnet 和 Haiku 等选项。这代表什么？ 

您可以将这些模型视为不同“版本”的 Claude，各自针对略有不同的任务而优化，各有优缺点。有些在编码任务和创建 AI 代理方面很出色，但响应更慢、运行成本更高；另一些则便宜、快速，但深度与精确度稍逊。

我强烈建议阅读以下几种模型及其适用场景（同样以撰文时为准）： 

• Fable 5：您可能在新闻里听过。它是最先进的 Claude 模型。运行成本高，但在构建复杂项目时提供极强能力范围。
• Opus 4.8或5：同样是高性能模型，擅长编码、AI 代理等。但在大规模使用时成本仍较高。
• Sonnet 5：非常优秀的全能型。虽不及前两者的惊艳表现，但快速高效，输出稳健。
• Haiku 4.5：如果您需要快速得到答案，这是最佳选择。速度极快、成本很低，但会牺牲一定深度与质量。

学会为不同任务选择合适模型，是学习 Claude 的关键部分。起步阶段，我建议使用默认模型，目前为 Sonnet 5。 

但当您进入更高级的任务时，Opus 或 Fable 可能更适合。

了解不同的 Claude 模式：Chat、Cowork、Code、Design

此时，您或许已经在浏览器或桌面应用中四处探索，看到有不少不同选项（特别是当您订阅了付费版时）。 

即使在免费层，也值得知道 Claude 提供了多个专用模式可选。主要有三个模式加一个“加分项”，它们分别针对不同任务：Claude Chat、Claude Cowork、Claude Code 和 Claude Design。 

作为免费用户，您只能访问 Chat，这在学习基础用法时完全足够。但若想更进一步访问 Cowork、Code 和 Design，您需要 Pro 订阅。 

目前，您只需要了解它们的区别。如下所示： 

• Claude Chat：默认聊天机器人。可用于研究、头脑风暴、文档分析和通用问题求解。
• Claude Cowork：为知识型工作者设计的助手。可直接连接您的本地文件、文件夹和应用，创建自动化、批量整理文件、处理数据等。
• Claude Code：能与命令行交互的 AI 代理。面向开发者，可读取与创建项目目录、重构代码库，并从终端执行测试。
• Claude Design：可视化创作工具，允许您与 Claude 协作创建与编辑设计、制作演示文稿，并通过自然对话构建交互式原型。

随着学习的深入，您无疑会针对具体目的选择不同模式。目前，我建议先通过以下资源了解各模式的基础功能： 

• Claude 101 课程
• 什么是 Claude Design？ 
• Claude Cowork 教程
• Claude Code 教程

了解上下文窗口与 Token

区分不同模型的关键因素之一，叫作上下文窗口。 

本质上，上下文窗口是 Claude 在保持良好性能的前提下，能一次处理的信息量。上下文窗口越大，您就能进行越长的对话，而不至于让 Claude 遗忘上下文或在生成回答时耗尽工作记忆。

它的工作原理很像人的短期记忆，用来存储手头任务所需的信息。

通常，这以Token来衡量，即您提供给 Claude 的文本、图像和其他输入的组成部分。比如，当您在 Claude 中输入提示时，这段序列会被切分成更小的部分（Token），以便 LLM 更好地理解人类输入，因为小块更易分析。 

对于更高级的 Claude 模型，如 Fable 和 Opus，上下文窗口大约为 100 万 Token。较小的模型如 Haiku，则约为 20 万。

换个角度看，100 万 Token 约等于 75 万词。

这听起来很多，但当您开始添加图像、视频、音频、文档、代码等内容时，很快就会接近上限。而且，您与 Claude 的对话越多，用于记忆的 Token 也就越多。

若想进一步了解上下文窗口与 Token，我推荐以下资源： 

• Tokenization 指南
• 什么是上下文窗口？  

了解 Artifacts

使用 Claude 时，您需要了解的一个元素是 Artifacts。我们将在后文详细介绍，但在当前阶段，了解基础即可。 

Artifacts 是您与 Claude 交互时生成的交互式输出。这包括文档、代码片段，甚至是可以在 Claude 中预览的迷你 Web 应用。

Artifacts 的妙处在于，您可以在同一工作区预览 Claude 的输出，然后与 Claude 对话进行修改并查看结果。这有助于在项目中持续迭代。

建议阅读Claude Artifacts 全面介绍以了解更多。

开展您的第一个 Claude 项目

当您走到 Claude 学习计划的这一步，应该已熟悉 Claude 的基本工作方式以及如何与不同模型交互。 

现在，是时候用一个项目把所学付诸实践了。 

（注意：此处我指的是“项目想法”，并非 Claude 的“Project”功能，我们将在下一节介绍）

在这个阶段，我非常建议您将项目与自身经历结合。无论在工作还是生活中，您有哪些痛点或每次都要手动执行的流程？ 

可能是像规划旅行行程这么简单，或是总结一份文档。无论是什么，都与 Claude 一起构建它。从一个扎实的提示开始，审阅输出，并据此调整。

就我而言，我经常想自己多久能退休（剧透：至少还有 20 年）。每次想到这点，我就得算清目前存了多少、不同情景意味着什么，以及基于各类因素我需要多少生活费。所以，与其手动计算与维护，我请 Claude 帮我构建了一个带可调滑块与输入项的实时仪表板。

对您来说，项目可能完全不同。此时学习计划的主要目的，是通过使用来发现它的能力与局限。

如何学习 Claude：中级概念 

到现在，您应当已经熟悉了 Claude 的基础与部分功能。接下来路线图上的内容，是一些较新且更高级的功能。 

在我看来，这是您真正开始做出“酷东西”的阶段，让 Claude 从一个有用的聊天机器人，进化为一个定制化助手。

了解代理（agents） 

过去一年里，AI 代理一直是热门话题。AI 代理是一种系统，旨在感知环境、从输入中学习，并为达成特定目标而做出复杂的自动化决策。

代理与标准 AI 聊天机器人有多方面不同。也许最重要的一点是：代理可以自主决定实现目标所需的工具与集成，并调用它们执行计划。 

学习 Claude 时，掌握Claude Cowork很重要。它是结果导向的代理，能够在您电脑上的文件、文件夹和应用之间执行多步骤工作流。

我在此推荐几个资源： 

• LLM 代理详解 博文
• AI Agent Fundamentals 技能路径
• Claude Cowork 教程 

用 Artifacts 构建 

在入门部分，我们提到 Artifact 会自动弹出——当 Claude 创建它们时，您可在侧边栏查看。

下一步是开始创建您自己的 Artifacts。这意味着明确提示 Claude 生成可视、可交互的输出，以达成您的目标。

例如，在 DataCamp 的编辑团队，我们有一个共享的 Artifact，用于跟踪多项数据输入以了解内容表现。它能提供清晰、实用的概览，团队成员均可访问。

当然，我们为此做了不少迭代，才让它真正变得有用，但这正是与 Claude 协作的优势。即使是非技术背景的专业人士，也能与它协同产出优秀成果。

学习 Claude Artifacts，我建议： 

• 查看Claude Artifacts 指南 

了解用于 Projects 与 skill files 的系统提示词

现在我们来到真正定制 Claude 的环节，让它了解您是谁，以及您的期望。

与 Claude 互动一段时间后，您会注意到它做事与回答问题有一套相当通用的方式。这是因为 Claude 有系统提示词——一组定义 Claude 身份与行为边界的“主指令”。  

理解这些提示是学习 Claude 的一部分，它让您有机会突破这些略显通用的基线，打造更专业、更个性化的 Claude。 

这在两个方面尤其适用——Claude Projects 与 skill files： 

• Projects 让您创建接近自定义系统提示词的设置。您可以编写一组自定义指令，提供上下文、语气与输出偏好，并应用于该项目中的每次对话。
• Skill files 是您可以创建的模块，包含实现特定结果的分步骤指令。它为 Claude 提供执行特定任务的上下文。很适合创建模板或语气规则等。

以下资源可帮助您掌握这些概念： 

• 关于Claude 系统提示词的信息
• 项目章节介绍（出自我们的 Claude 课程）
• Claude skills 深入教程
• 创建 Claude skills 网络研讨会
• Introduction to Agent Skills 课程

深入研究 

Claude 最有用的功能之一是 Research 工具。与许多 LLM 一样，Claude 的默认知识取决于模型开发时的训练数据。这一限制意味着它的知识会有空白，尤其是对最新动态。

Research 通过“代理式”地查找与分析信息来解决这个问题。开启后，当您提问，Claude 会使用多个代理执行彼此递进的搜索，并决定下一步研究什么。

Claude 会自动且系统地从多个角度探索您的问题，给出准确、最新的答案，并附带引用来源供您核查。

我建议将此功能纳入您的 Claude 学习路径。它在我调研最新 AI 动态时极为有用。 

也推荐观看此网络研讨会，帮助您使用 Claude Cowork 构建竞品调研机器人。  

如何学习 Claude：高级功能

走到学习之旅的这一阶段，您应当已相当了解 Claude 及其能力。您能使用聊天功能，并在 Claude Cowork 中开展研究、规划与可视化各类项目。 

现在，是时候更进一步了。 

用 API 与 SDK 构建

到目前为止，您一直通过 Claude 的网站或桌面应用完成工作。但如果您想把 Claude 的“大脑”直接带进现有的应用、表格或系统呢？这就需要 API 与 SDK。

API（应用程序编程接口）本质上是一座“数字桥梁”，让两段软件彼此通信。通过使用 Anthropic API，您可以向 Claude 发送指令并自动获取回答，而无需打开聊天界面。

SDK（软件开发工具包）则是便捷的“入门包”，以 Python 或 TypeScript 等主流语言提供，能更轻松地搭好这座桥。

即使您并非资深程序员，学习 API 基础也是重要里程碑。比如，与其每周手动把 DataCamp 的内容指标复制粘贴给 Claude，我可以用一个简单脚本与 API 自动发送数据，每周一早上就能拿到总结。

这会把 Claude 从“手动助手”变为“自动引擎”。

要开始使用 Claude API，我推荐查看： 

• Claude API 指南
• Python 版 Claude API 速查表
• Claude Code in Action 课程
• Anthropic 官方 API 文档

连接 MCPs 

MCP 是 Claude 真正“变聪明”的地方。到目前为止，我们讨论的是让 Claude 读取本地文件、运行 shell 命令并探索您提供的数据。

MCP 则让您访问外部工具与数据。它有点像给 AI 加了一个 USB 接口。就像您可以通过 USB 把电脑连到不同设备一样，模型上下文协议（MCP）为 Claude 提供了一个标准化方式，以连接外部应用与数据源。

如果您想访问大量不同数据流，而不想手动从各个应用和数据库下载再一一添加给 Claude，这将非常有用。您可以让 Claude 实时读取并与工具交互。

要掌握 MCP，推荐以下资源： 

• MCP 指南
• Introduction to Model Context Protocol (MCP) 课程
• Claude Code MCP 教程

了解提示缓存（prompt caching） 

在入门部分，我们提到了 Token 与上下文窗口。这些特性与 Claude 的效率和成本高度相关，尤其当您开始扩大项目规模时更为重要。

Claude 有一项名为提示缓存的功能，可保存大量背景信息（如大型数据集、长文档或复杂指令），从而使 Claude 在您每次发送新消息时，无需从头完整重读它们。

通常，当您就同一数据点（例如一份大型 PDF）多次提问时，Claude 会为每个问题重读整份文档，占用 Token 用量与上下文窗口空间。

提示缓存允许 Claude 将关键信息“钉”在短期记忆中，减少 Token 用量，从而降低成本。我发现这在使用 API 或构建需要大量迭代的大型应用与工作流时尤其有用。

以下资源可帮助您深入了解： 

• Claude 关于提示缓存的文档
• 提示缓存指南 
• Claude Opus 5 API 教程（涵盖提示缓存）

构建 RAG 系统

当我对使用 Claude 感到很熟练时，我总想给它更多数据。可最终，我发现单次提示所能包含的量还是有上限。

这时 RAG（检索增强生成）就非常有用了。尽管名字不够优雅，但 RAG 的概念很直观：它是面向特定数据的“智能搜索引擎”，可以接入 Claude。

与其一次性把整个公司 Wiki 或多年的数据和文档都给 Claude，RAG 系统会先在数据库中检索最相关的信息，再让 Claude 基于此形成高准确度的回答。

值得学习 RAG，如此一来 Claude 就能理解您的内部数据，您也能打造真正懂业务语境的 AI 代理与助手。

开始学习 RAG，我推荐： 

• 什么是 RAG？指南
• 使用 LangChain 的 RAG 课程
• Agentic RAG 教程
• 构建与评估 RAG 流水线 网络研讨会

了解 Computer Use 的工作方式

我们之前看到，Claude Cowork 是能帮助您处理多项任务的 AI 代理。但如果您想创建自己的 Cowork，让它自动操作您的电脑呢？ 

借助 Claude Computer Use，您正可以做到这点。Computer Use 赋予 Claude 查看您的屏幕、移动光标、点击按钮、自动输入文本的能力。

这是 Claude 生态中特别酷的一部分，值得了解其工作原理及如何在自己的工作流中使用。它确实偏高级且面向开发者，但充满可能性。

了解更多方式如下： 

• Anthropic Computer Use 指南
• Claude Computer Use 文档

融会贯通

至此，我们已经走过学习 Claude 的各个阶段：从最基础到最先进的功能。 

学习旅程的最后一步，是把您学到的一切串联起来。

我再次建议选择一个个人项目，以便看到各部分如何配合。可以从一个相对简单的问题入手，然后开始迭代与扩展，引入新工具、编写 skill files、连接 MCP 等。

学习 Claude 的最佳方式，就是不断使用并测试它的能力。很多时候，唯一的边界就是您的想象力。

为什么要学习 Claude？ 

这个问题听上去有点怪，但确实合理：学习 Claude 值得您投入时间与精力吗？ 

我当然认为值得。自 ChatGPT 首次发布以来，这大概是（与Cursor一起）对我每周工作产生最大实际影响的工具。

重复性任务从需要数小时，缩短到几分钟。我的分析与报告能力更强了。我能构建工作流、仪表板与应用，这在过去需要我花上数月时间，哪怕只是学习如何去构建。 

而且，并非只有个人轶事能说明学习使用如 Claude 这类工具的重要性。在最近一篇TechCrunch 文章中，我们提到，“Claude”已成为 DataCamp 站内搜索量最高的词条，甚至超过了“AI”。

人们迫切想要学习如何使用 Anthropic 的工具。仅在 6 月，我们就看到相关搜索量增长了 18 倍。

我们的工作方式正在以前所未有的速度改变，Claude 这样的工具正是推动力之一。这些并非“未来技能”；它们是您现在就需要的技能。 

学会 Claude 需要多久？ 

当然，我相信您迫不及待想开始，但也许会想：要多久我才能创建高度专业、互联的 AI 代理？ 

并没有确切答案。随便探索一天就能掌握不少用法。真正熟练大概需要 4-6 周，取决于您的使用频率。实际上，您可以持续学习几个月而不缺新东西可尝试。

这取决于您的目标。如果目标是用 Claude Chat 做研究与写作，一个下午的试验就能完成大半目标。如果目标是构建自定义代理、连接外部数据源并使用 API，那现实的时间框架是 2-3 个月。

我会这样划分：

Claude 学习计划示例

截至目前，本文勾勒了从入门到高级的 Claude 使用进阶。

以下是把它变成实际日程的方式。

该计划假设每天 30-60 分钟。如果您每周只能抽出数小时，请延长时间范围；阶段不变，只是节奏不同。

第 1-2 周：入门基础

• 创建 Claude 账号，并花一小时无任务式地探索界面
• 学习Claude 101 课程
• 用同一提示写 5 个版本，从含糊开始，每次增加具体性。您会立刻感受到差异。
• 阅读 Anthropic 的提示最佳实践指南
• 关注XML 标签与 Chain-of-Thought 提示，这是 Claude 表现尤其出色的两种技巧。
• 完成 Understanding Prompt Engineering 课程

第 3-4 周：第一个项目

• 找出一个真实工作流——您反复手动执行的事，并请 Claude 帮您改进或自动化
• 尝试上传一份复杂文档（例如 PDF 报告或图表截图），并请 Claude 综合提炼要点。
• 预期至少迭代 5 次才能达到理想效果——这完全正常。
• 阅读Claude Artifacts 指南，并试着创建可视输出。

第 5-6 周：中级功能

• 为一个重复性任务设置 Claude Project，并写入自定义指令
• 对您熟悉的主题使用 Research 功能，以便评估其准确性
• 完成Introduction to Agent Skills 课程
• 完成AI Agent Fundamentals 技能路径

第 7-8 周：高级功能入门

• 获取 Anthropic API 访问并运行一个基础脚本
• 将一个 MCP 连接到您已在用的工具
• 开始学习Software Development with Claude Code 课程

第 9 周及以后

此时，计划将变得个性化。您会有足够经验知道 Claude 在您的工作流中最有用的地方，下一步也会自然显现。

我的建议：选一个略超出您当前能力边界的项目，并朝着它努力。您所在的位置与目标之间的差距，正是学习最快的地方。

结语

撰写这份指南花的时间比我想的要长。我也许没意识到，过去几个月里有这么多内容需要学习、也学了这么多。而且我仍在学习中。还有新功能等着探索，也有我想做的新项目。

在工作中，我常会遇到效率不高或需要改进的工作流。有一些工具我觉得能让我把工作做得更好。在生活中，也有我想做的项目，以及我想教给他人的东西。

这都源自我过去几个月几乎每天都在用 Claude。在那之前，我主要只用到了一些基础功能。

希望这份指南已清晰展示了如何学习 Claude。资源会为您指路，但真正起决定作用的，是您愿不愿意跳进去，去尝试这些功能。

祝您顺利，别忘了，Claude 101 课程是我会推荐的起点。