← 新闻追踪

别再把同一批文件贴十遍了:我把数据养进 Claude 的「专案」,让它当场把东西做出来

来源:SY 視野 | 2026-09-30 05:19:22

作者:業州愚公

业州愚公去年底接了一个整理客户服务手册的案子,当时的做法是每次开新对话就重新上传相关文件和重新打要求,结果到第二个星期就开始搞混新旧版文件。后来他使用了 Claude 的「专案」功能,可以让数据在专案中累积,不需要每次都重新上传文件,从而提高了工作效率。这个案子让业州愚公体会到使用合适的工具可以带来显着的工作便利和效率提升。

编辑评论 / Editor's Note

近年来人工智慧工具的发展日新月异,让使用者能够更有效地管理和处理大量数据。通过将数据整理到专案中,使用者可以轻松地将数据转化为有用的信息,提高工作效率。这种创新的应用方式不仅节省时间,还能够帮助使用者发现新的洞察和机会。

菜鸟之友系列:《AI 工具实操与提示词》・工具篇作者:业州愚公

去年底我接了一个活:帮一家小公司整理客户服务手册。底稿三十多页,还有一套内部术语表。我的做法很「原始」——每次开新对话,就把相关文件重新上传一遍,再把要求重新打一遍。

一、先说一个我吃了半年的亏

头一个星期还行。到第二个星期,我开始搞混:这个对话里上传的是新版还是旧版?最崩溃的一次,我拿着 AI 写的段落交给对方核对,对方回了一句:「我们根本没有这个条款。」——因为那个对话里,我上传的是三个月前的旧稿。

问题的根源很简单:对话是一次性的,但我的数据不是。每一次新对话都是一间空屋子,我得把家具搬进去、摆好,然后这间屋子用完就拆了。后来我换了思路:把数据养在一个固定的「抽屉」里,而不是每次都往对话里塞。这个抽屉,在 Claude 里就叫专案(Project)。这篇文章把它的用法讲清楚,顺带说一说跟它搭档的Artifacts——一个能让 AI 当场把东西「做出来」给你看的侧边窗口。介面细节以官方最新版本为准,这类产品改版很快。

二、专案是什么:一间数据和指令都不会消失的房间

打开 Claude,在侧边栏找到「Projects」,点进去新建一个专案。建好之后,你会得到一个相对独立的空间,主要由三部分组成:

组成部分 它是什么 解决的问题
知识库(Project knowledge)你上传到专案里的文件,专案内所有对话都能引用免去每次对话重复上传数据
专案指令(Project instructions)针对这个专案写的常驻说明免去每次重复交代背景、口吻、要求
专案内对话在这个专案里开的所有对话纪录集中在一起,不散落在聊天列表里

一句话概括:知识库管「它知道什么」,专案指令管「它该怎么做」,专案内对话管「纪录放哪」。专案属于付费方案的功能(Pro、Team 等方案可用;免费用户能否使用、各项额度,以官方最新版本为准,我不在这里报数字,因为报了很快就过时)。

三、知识库喂什么、怎么喂:我最后沉淀出的三条规矩

上传文件这件事,看起来没有技术含量,其实是最容易做坏的一步。我踩过的坑,总结成三条规矩。第一条:喂「最终版」,不要喂「过程稿」。我当年把新旧两版手册都留在知识库里,想着「数据多总没错」。结果 AI 引用时拿了旧版条款来回答,就出了前面说的事故。知识库里的文件,AI 是真的会读、会引的——旧数据不是「躺在那里不碍事」,而是会污染答案。现在我上传之前,先删掉要淘汰的版本,知识库里永远只留当前有效的那一份。

第二条:一个专案只管一件事。我最开始建了一个「工作数据库」,什么都往里塞:客户手册、会议纪录、个人笔记。结果每问一个问题,AI 都在一大堆不相干的数据里翻,答案要么跑题、要么把 A 事务的数字安到 B 事务头上。后来我拆成了几个专案。专案越专,答案越准——因为 AI 检索的范围小了、干扰少了。

第三条:文件宁可多分、不要一大坨。与其把所有内容合成一个几百页的大 PDF,不如按主题拆成多个文件。某一部分更新了,只替换那一个文件,维护方便,AI 定位也更直接。

另外有个细节:上传知识库之后,建议先问它一句验证性的问题。比如上传完手册,我会问「根据知识库里的数据,我们的退换货政策是什么?」答得准,说明文件读进去了;答得含糊,就检查是不是文件格式太乱。验证条件不能靠「我觉得它应该读到了」——这是我用 AI 这几年学到的最重要的一课。

四、专案指令:把「你是我们团队的人」写进抽屉里

专案知识库解决的是「它知道什么」,专案指令解决的是「它怎么说、怎么做」。这一栏的内容会自动作用于专案内的每一个新对话,不用重复交代。

我的手册专案里,指令大概长这样(节选):

你在协助维护一家软件公司的客户服务手册。所有回答必须基于知识库中的文件;知识库里没有的内容,明确说「知识库中没有相关记载」,不要自行补充。语气平实,用繁体中文,避免行销腔。

几个写法上的要点:

  1. 限定数据来源。明确告诉它「只依据知识库」,能大幅减少它用自己的通用知识来「脑补」公司内部规定的情况。这一条是防幻觉最有效的一句话。
  2. 允许它说不知道。上面那句「知识库中没有相关记载」不是客套,是给它一条体面的退路。你没给它退路,它就只好编一个答案。
  3. 固定格式要求。语言、口吻、引用格式,都写在指令里。我以前每个对话都要重新说一遍「用繁体中文、别用行销腔」,现在一句都不用打。

有人会问:这跟 ChatGPT 的自订指令有什么区别?上一篇写过 ChatGPT 的自订指令和专案空间,想法类似,都是「设置一次、处处生效」。差别在于:ChatGPT 的自订指令更偏「我这个人的偏好」,Claude 的专案指令更偏「这个活儿的规矩」——一个是人的设置档,一个是工程的施工规范。做具体项目时,后者的针对性明显更强。

五、Artifacts:对话旁边那扇窗,让它当场把东西做出来

前四节讲的是「数据管理」,接下来这个功能管的是「成果输出」。你让 AI 写一段 HTML 网页、做一张流程图、写一份文档,一般的体验是:它输出一大段代码,你看着那面「代码墙」脑补它长什么样。Artifacts 把「脑补」这一步省了:当 Claude 生成这类内容时,它会在对话旁边开出一个独立的预览窗格,内容直接渲染出来——写网页就显示网页本尊,画流程图就显示图本尊,你每改一句要求,它更新之后立刻能在窗格里看到效果。

你要它做的东西 Artifacts 的呈现方式 对新手的意义
HTML 网页 / React 元件窗格内直接渲染,可互动点按不用自己架环境、开浏览器除错
Mermaid 流程图、图表渲染成图形看图比看代码直观得多
长文档、方案书独立文档视图,与对话分离方便整篇复制或修改,不淹没在聊天记录里
程序码片段带高亮的代码视图复制即用,不用从散文里抠代码

我自己的用法举个例子:整理手册时,我让它「把退换货流程画成一张流程图」。放在普通对话里,它会输出一堆 Mermaid 源码,我还得找工具渲染。在 Artifacts 里,图直接出现在旁边,我看完说「这里少一个审核节点」,它改完图立刻刷新。整个过程我一次都没碰代码。

另外,Artifacts 生成物可以生成分享连结发给别人(具体操作与权限以官方最新版本为准)。我把做好的流程页把连结丢给同事,对方打开就能看——不用发文件、不用装任何东西。

六、实测一轮下来的三条心得

用专案+Artifacts 跑完手册那个项目之后,我对比了一下前后的差别:

环节 用之前的做法 用专案之后
开新对话重传文件+重打要求,每次三五分钟点开专案直接问,零准备
数据版本靠记忆分辨新旧版,出过事故知识库里只有当前版,不会引错
成果确认对着代码墙脑补,改一版看不懂Artifacts 即时渲染,改完立见

三条心得说给你听:

一、它的价值不在「能做的事更多」,在「不用重做的事更多」。专案没有让 Claude 变聪明,省下来的全是重复劳动——重传、重述、重找。但算算帐:一个项目三十个对话,每个省三分钟准备,就是一个半小时,还不算省掉的那次「引错旧版」事故。

二、数据干净比数据多重要。新手最容易犯的错,是把知识库当网盘用,什么都塞。记住:知识库里的每一份文件,都是 AI 回答时的「证据」——证据池里混了假证据,判决就不可信。

三、Artifacts 是新手入门程序的最低门槛。很多人想学做小网页、小工具,卡在第一关:搭环境。Artifacts 把这一关跳过了——你描述,它生成,窗格里马上看效果,改坏了让它改回来就行。试错成本接近零。

七、什么人该用、什么人先别急

适合立刻上手的:手里有一摊固定数据、需要反覆对着它提问的人——做手册的、写方案的、整理客户纪录的、备考要反覆刷自己笔记的。数据重复出现的次数越多,专案省得越多。

可以先观望的:只是偶尔问问通用问题、没有固定数据的轻度用户——专案对你们是「为用不上的仓库付费」,普通对话够用;真想解决「每次重复交代偏好」,免费做法是善用对话开头前三句话,把背景一次说全。

最后照例提醒:本文写到的所有功能名称、入口位置与额度,都以官方最新版本为准——这类工具改版快,介面如有出入,以你屏幕上的为准,思路不变就好。

带走的判断力:判断一个 AI 功能值不值得用,别看它「能做什么新事」,看它帮你免掉多少重复劳动。

工具推荐随身机器人(新用户免费试用 7 天)

看完想动手又怕配置麻烦?我们站内的「随身机器人」帮你把常用 AI 能力打包好,开箱即用,新用户可免费试用 7 天——先试后买,合不合手用了才知道。前往 sylogs.com 首页即可找到入口。

下一篇预告:查数据最怕的不是搜不到,是搜到假的。下一篇我们实测 Perplexity 的联网检索与来源核查,看看它给的每一条答案后面挂的「出处」,到底经不经得起点开验证。

业州愚公 | SY 视野(sylogs.com)原创内容,转载请注明出处。