博主 @cyrilXBT 分享了一套18个步骤的框架，来充分调用Claude的能力。
同理，用这套框架可以套用在Codex、Gemini、DeepSeek、GLM等都是同一个逻辑，大模型只是大脑，需要构建的系统来搭脚手架执行工作。大模型就像一个火箭的引擎，有超强的马力，脚手架系统的搭建暂时需要自己构建，搭出来可能是玩具车、小汽车、大型挖掘机等不同级别的构架，而用一个火箭的引擎驱动玩具车，意味着有极大部分的马力没有得到充分释放。试用这套框架，可以尽可能释放大模型的能力，保障任务的交付程度。
以下是具体步骤：
为什么 90% 没有被用起来
在进入步骤之前，先理解问题。
Claude 不是一个背后接了 AI 的聊天界面。
它是一个推理引擎。只要配置正确，它就能作为一个持续运行的智能系统来工作。
大多数人把它当成聊天界面来用，是因为 UI 看起来就是这样。
但 UI 不是产品。
配置好的系统才是产品。
大多数人使用的 10%，是聊天界面这一层。
他们错过的 90%，是当 Claude 拥有上下文、记忆、工具、约束，以及在你具体工作流中被明确定义的角色之后，所释放出来的全部能力。
这 18 个步骤，就是在构建这个系统。
基础步骤：上下文层
步骤 1：每个项目开始前都写一个 CLAUDE.md
你能做的、对 Claude 输出提升最大的一件事，只需要花 30 分钟，但会在之后每一次会话中持续回报你。
CLAUDE.md 是一个持久上下文文件。Claude Code 项目中的 Claude 会在每次会话开始前读取它。
没有它：Claude 每次会话开始时，对你的项目、标准和偏好一无所知。
有了它：Claude 每次会话开始时，就像一个已经和你共事数月的高级团队成员一样，了解所有关键背景。
# Project CLAUDE.md
## What We Are Building
[一句清晰描述]
## Tech Stack
[准确版本和技术选择]
## Architecture Decisions
[已经做出的关键架构决策，Claude 不应推翻]
## Standards
[代码风格、命名约定、测试要求]
## Current Focus
[当前正在推进的工作]
## Hard Rules
[没有明确确认时 Claude 绝不能做的事]每个部分都要写具体。模糊输入会产生模糊输出。具体输入会让 Claude 像已经在你的项目里工作了几个月一样运转。
步骤 2：为每个写作任务建立语气档案
通用的 Claude 内容，听起来就像通用 AI 内容。
精准配置过的语气档案，可以让内容听起来像是你在最佳状态下亲自写的。
在写任何重要内容之前，先运行这个提示词：
分析以下 [10] 篇我的写作样本，并提取：
1. 平均句长和句式变化模式
2. 大小写习惯和策略性强调方式
3. 我如何开启段落，以及如何结束段落
4. 词汇难度和我偏好的具体用词
5. 我从不说什么，以及我持续避免哪些表达
6. 我如何处理观点之间的过渡
7. 我标志性的收尾方式
[粘贴你最好的 10 篇写作样本]保存提取出的语气档案。把它加入内容项目的 CLAUDE.md 中。之后 Claude 基于这个文件写出的每一篇内容，都会更像你。
步骤 3：使用 Claude Projects 保持持久上下文
Claude Projects 可以跨会话保留上下文。
你上传到某个 Project 作为知识的所有内容，都会永久存在于这个 Project 中。该 Project 里的每一次对话，都可以访问这些知识。
Session 和 Project 的区别：
Session：Claude 只知道你今天告诉它的内容，除此之外什么都不知道。
Project：Claude 永久知道你曾经上传到这个 Project 的所有内容。
任何会持续多天的工作，都应该创建一个 Project。上传你的 CLAUDE.md、参考文档、之前的输出，以及相关研究资料。
这样，该 Project 中的每一次对话，都会从完整上下文开始。
步骤 4：复杂请求前先放上下文
大多数人先写请求，然后把上下文作为补充信息加在后面。
反过来。
先上下文，后请求。
CONTEXT:
- 我正在构建 [具体事物]
- 主要约束是 [具体约束]
- 受众是 [具体描述]
- 我已经尝试过：[失败了什么，以及为什么失败]
- 不能改变的决策是：[已锁定决策]
REQUEST:
[你真正想要的东西]
OUTPUT FORMAT:
[你希望返回的具体格式]结构化上下文会产生结构化输出。结构化输出需要更少编辑。
步骤 5：明确指定输出格式
当 Claude 在开始前就知道你到底想要什么格式时，它的输出会更好。
不要让格式靠推断。
每个重要请求都加上输出规格：
请按以下形式输出：
- [格式类型]
- [大致长度]
- [必须包含的具体部分]
- [需要包含什么]
- [需要排除什么]
- [语气]格式规格越具体，第一次输出就越接近你真正想要的结果。
提示词步骤：质量层
步骤 6：使用角色分配技巧
当 Claude 被赋予一个具体视角时，它的推理方式会不同。
普通提示词：
Review my business plan.
审查我的商业计划。角色提示词：
你是一位见过 2000 份融资 pitch 的 B 轮投资人。
你的工作不是鼓励我。
找出这个计划失败的所有理由。
具体指出整个计划所依赖的三个可能错误的核心假设。角色会改变分析框架。分析框架会改变输出深度。
为不同任务分配具体角色：
代码审查：
你是一名关注生产环境故障模式的高级工程师。战略：
你是一位已经经营这个具体业务 10 年的 CEO。写作：
你是 [具体出版物] 的编辑，遵循 [具体标准]。步骤 7：每个重大输出前都要求做事前剖析
在 Claude 生成任何重要输出之前，要求它先对自己的回答做事前剖析 pre-mortem。
在回答之前，先告诉我：
1. 你的答案可能出错的三种方式
2. 你正在做出、但我尚未确认的假设
3. 哪些额外信息会显著改变你的答案
4. 在什么场景下，你的答案会完全错误
然后再给我你的答案。这会迫使 Claude 明确暴露不确定性，而不是把不确定性藏在含糊措辞里，让你自己费力解读。
步骤 8：像使用正面例子一样使用反面例子
大多数人只给 Claude 看自己想要的例子。
给 Claude 看你不想要的例子，同样有用。
对于任何有质量标准的输出，加入一个反面例子：
这是我想要的输出示例：
[好例子]
这是我不想要的输出示例：
[坏例子]
这个坏例子具体错在：
- [具体问题 1]
- [具体问题 2]
- [具体问题 3]
现在请生成我需要的输出：
[请求]负面约束可以消除最常见的失败模式，而不需要 Claude 自己推断你不喜欢什么。
步骤 9：复杂任务使用提示词链
复杂任务被拆成链条时，输出通常比一次性请求更好。
一次性请求：
给我写一个完整的营销策略。链式请求：
步骤 1：分析目标客户。告诉我他们想要什么、害怕什么、相信什么。
步骤 2：基于你的客户分析，识别三个最强的定位角度。
步骤 3：把你排名最高的定位角度发展成完整的信息传达框架。
步骤 4：把这个信息传达框架转化为渠道策略。链条中的每一步都基于前一步，并携带完整上下文。最终输出会显著优于任何一次性生成。
步骤 10：让 Claude 提出相反观点
对于任何决策、战略或计划，在让 Claude 推荐之前，先让它为你的反方立场提出最强论证。
我计划 [决策]。
在你帮我执行之前，请先提出反对它的最强论证。
不是弱反驳。
而是那种会让聪明人选择相反方向的论证。
然后告诉我，如果你要捍卫我的立场，你会如何回应这个论证。
最后给出你的诚实建议。钢人化过程会迫使 Claude 面对真正的反对意见，而不是确认你已有的观点。
配置步骤：系统层
步骤 11：为每个重复任务建立 Skill 文件
Skill 文件是一套可复用工作流。你只需要写一次，以后可以一直调用。
每次你从零开始写同一个复杂提示词，都是在浪费时间，并且会产生不一致的输出。
Skill 文件格式：
# [SKILL NAME]
## Purpose
[这个 skill 用一句话说明做什么]
## Trigger
调用方式："Run [skill name] on [input]"
## Context Required
[运行这个 skill 前 Claude 应该读取什么]
## Process
[Claude 要执行的分步骤流程]
## Output Format
[输出到底长什么样]
## Quality Standard
[优秀输出和可接受输出分别是什么样]
## Edge Cases
[如何处理不符合标准模式的输入]每周为你最常重复的五类任务之一建立一个 Skill 文件。五周后，你会拥有一个库，消除工作中最昂贵的提示词编写成本。
步骤 12：为你的工具栈配置 MCP Server
大多数 Claude 用户，其实是在让 Claude 与自己真正使用的工具完全断开连接的状态下工作。
MCP Server 可以把 Claude 连接到你的真实环境。
对大多数操作者而言，价值最高的连接包括：
- Filesystem MCP：Claude 直接读写你的本地文件。
- GitHub MCP：Claude 在你的真实代码库中操作。
- Notion MCP：Claude 读取和更新你的项目管理系统。
- Supabase MCP：Claude 用自然语言查询你的真实数据库。
- Slack MCP：Claude 读取团队沟通，并发送更新。
每一个连接，都会消除一类手动传递上下文的工作。你不再需要每次都把数据库 schema 粘贴进会话里，Claude 可以直接读取真实 schema。你也不再需要描述项目状态，Claude 可以直接读取真实 Notion 数据库。
步骤 13：用 Claude Code 做自主多步骤工作
通过网页界面使用 Claude 时，每一步都需要你在循环里参与。
Claude Code 可以在你不参与每一步的情况下，自主执行多步骤工作。
/goal 命令让自主工作变得可靠。
你在会话开始时设定目标。Claude 在采取每个动作前，都会对照这个目标检查。它会持续推进，直到目标达成，而不会漂移到子问题里。
任何超过三个连续步骤的任务，都应该用 Claude Code 加 /goal，而不是网页界面。
Claude Code 的自主多步骤工作质量，相比网页界面不是一点点差别。
步骤 14：建立系统提示词库
大多数人为每个新用例从零开始写系统提示词。
建立一个经过测试、不断迭代的系统提示词库，会让你的输出质量自动复利。
值得建立的系统提示词类别：
- 研究分析师：深度研究，带来源引用标准和不确定性标记。
- 代码审查员：关注生产环境，检测具体故障模式。
- 战略顾问：唱反调式分析，明确暴露假设。
- 内容编辑：匹配语气，并遵循具体质量标准。
- 商业分析师：基于框架分析，并给出明确推荐格式。
你库里的每个系统提示词，都是把数小时迭代压缩成了一个可复用资产。
高级步骤：智能层
步骤 15：把参考资料上传为永久上下文
当 Claude 在一个 Project 中拥有你上传的参考资料时，它会基于这些资料推理，而不是只依赖通用训练数据。
这就像一个读过你研究资料的分析师，和一个没读过的分析师之间的区别。
值得上传到持久 Project 的资料包括：
- 你自己最好的作品：让 Claude 可以匹配模式的过往输出。
- 领域参考资料：定义你所在领域标准的书籍、论文和指南。
- 业务上下文：公司的历史、定位和战略决策。
- 个人框架：你持续使用的心智模型和决策框架。
每一次上传，都会复利提升该 Project 中之后每一次对话的智能水平。
步骤 16：重要决策使用 Extended Thinking
对于复杂决策，Claude 的 extended thinking 模式会产生质变级别的分析。
Extended thinking 给 Claude 更多空间，让它在给出答案前先充分推理。
适用于：
- 具有长期影响的架构决策
- 在真正不同路径之间做战略选择
- 正确答案并不明显的分析
- 任何你想看到推理过程，而不只是结论的决策
解锁 extended thinking 的提示词：
这个决策很重要，我希望你在回答前认真思考。
请一步步推演这个问题。
展示每一步的推理。
指出你在哪些地方不确定。
考虑那些你通常可能跳过的影响。
[你的问题]步骤 17：在每次会话中建立反馈循环
大多数人单向使用 Claude。他们提出请求，Claude 生成内容，然后他们接受或拒绝。
建立反馈循环，可以让每次会话都改善下一次会话。
在每次重要 Claude 会话结束时运行这个：
回顾你在本次会话中生成的输出。
告诉我：
1. 你的输出在哪里最强，为什么
2. 你的输出在哪些地方没有满足我的需求
3. 我提供哪些额外上下文会改善你的输出
4. 你从我的请求中发现了哪些模式，说明我应该如何调整提示词结构
把这保存为一份会话反思笔记。经过 30 次会话后，这个反馈循环会揭示你提示方式中的模式，而这些模式是在任何单次会话内部都很难看清的。
步骤 18：把配置当成复利资产
最后一步不是技巧，而是一种心态。
你写下的每一个 CLAUDE.md，都是一个资产。它会在之后每一次使用它的会话中回报你。
你建立的每一个 Skill 文件，都是一个资产。每次调用它，都会减少工作。
你打磨的每一个系统提示词，都是一个资产。它会改善它所生成的每一次输出。
你上传的每一份参考资料，都是一个资产。它会加深每一次引用它的对话分析。
大多数人把每一次 Claude 会话都当成孤立互动。
真正获得卓越结果的人，把自己的 Claude 配置当成一个会复利增长的资产组合。
CLAUDE.md 会在每次更新后变得更好。
Skill 文件会在每次运行并观察边界情况后变得更精确。
系统提示词会在你比较不同版本输出后变得更校准。
参考资料会在你把会话中表现良好的文档加入后变得更丰富。
这些都不需要你拥有非凡的提示词技巧。
它需要的是一种纪律：把你在每次会话中完成的工作，保存为下一次会话的资产。
按顺序应用这 18 个步骤
第一周，建立基础：
步骤 1 到 5：CLAUDE.md、语气档案、Projects、上下文结构、输出格式。仅这四项改变，就会在前三次会话中显著提升你的输出。
第二周，加入质量层：
步骤 6 到 10：角色、事前剖析、反面例子、提示词链、提出相反观点。每一个都针对一种具体的输出失败类型。
第三周，建立系统层：
步骤 11 到 14：Skill 文件、MCP 连接、Claude Code、系统提示词库。这一周会把孤立改进转化成一个连贯的生产系统。
第四周，激活智能层：
步骤 15 到 18：参考资料上传、extended thinking、反馈循环、复利心态。这一周会把你建立的系统变成一个会自动变好的东西。
四周。
18 个步骤。
Claude 的 10% 和 100% 之间的差距会被彻底关闭。
那些在接下来 30 天内建立这套配置的人，回头看自己过去的工作方式时，会感到陌生。
今天就从步骤 1 开始。
复利从第一个 CLAUDE.md 存在的那一刻开始。
Extracted Knowledge提取知识
Key Points要点
- Claude 的高质量使用并不只依赖单次提示词，而依赖可持续复用的上下文、配置、工具和流程。
- CLAUDE.md、Project、Skill 文件、MCP、系统提示词库，都是可以持续复利的工作资产。
- 高质量输出需要明确上下文、角色、输出格式、反面例子、预演失败和反馈循环。
Concepts Identified确定的概念
- [[Claude]] - 可被配置为持续智能系统的 AI 推理工具。
- [[提示词工程]] - 通过上下文、角色、约束和输出格式提升模型输出质量的方法。
- [[AI 工作流]] - 将 AI 工具嵌入真实任务、文件、代码库和知识库中的系统化流程。
Questions Raised提出的问题
- 当前 OrbitOS 是否应该为常用任务建立更细粒度的 Skill 文件？
- 哪些 Claude/AI 使用场景适合沉淀为 CLAUDE.md、系统提示词或 MCP 工作流？
- 哪些资料应该成为长期 Project 的永久上下文？
