Claude Code 是 Anthropic 的 AI 工具,可协助处理编程工作,也能用于整理旧系统文档。对不写代码的同事而言,它的实际意义是:协助技术团队把难以接手的系统资料整理成可供查阅的说明,让交接有更清楚的起点。
但介绍工具时常见的“很快上手”“节省很多时间”,各自代表什么?可以从 Anthropic 的政府合作公告及使用案例入手,学习分别判断能力、使用条件与结果证据。以下依据研究包提供的有限原文摘录,并非 Fluent AI HK 实测。
公告提到,一名美国州政府 IT 主管使用 Claude Code,为十二个旧代码仓库整理文档、梳理四百六十七个数据库表,并标记二十七项风险。“代码仓库”可理解为集中保存系统代码的地方;“数据库表”则按字段存放记录,例如产品编号、名称及数量。
从这个案例,可以理解三个具体用途:
- 补充系统文档:把缺乏说明的旧代码整理成文字,让接手者有资料可查。仍须由熟悉系统的人核对内容。
- 梳理数据库表:协助团队掌握系统涉及哪些数据库表。表名只是线索,实际用途要对照系统确认。
- 整理风险线索:把工具标记的问题交给技术人员检查。“标记二十七项”不能直接理解为已证实二十七个漏洞,更不能当作已完成修补。
这三种用途都涉及技术资料。非技术同事可以先列出交接时需要知道的问题,再请开发团队评估哪些资料适合交给工具处理。
公告另有一组犹他州开发者试行数据:三十四名开发者、来自十个州政府机构;八成在三十分钟内建立可用的工作环境,七成一报告在四周试行结束时节省二十小时或以上。

阅读时,先把这两个数字拆开。三十分钟描述的是工作环境建立进度,没有说明参与者已能独立完成复杂任务。四周的工时数字则是参与者报告的结果;摘录没有交代如何记录时间、有多少人回答,或是否计入检查及返工。
因此,这些资料支持“该次试行有人报告节省时间”,却不足以推出“任何团队都会有同样效果”。参与者本来就是开发者,也不能把他们的设置速度直接套用到完全没有技术背景的人。
另一个容易混淆的地方是产出数量。文档涵盖十二个代码仓库,说明工作涉及的范围;文档是否完整、接手者能否靠它找到答案,仍要另行检查。这是编辑根据文档整理案例提出的评估方向,并非公告已提供的质量测试结果。
读者可以先做一个不用操作工具的核对练习:把上述介绍分成三栏笔记,分别写下“做了什么”“在什么条件下”“有什么证据”。例如,把“节省二十小时或以上”放进证据栏时,同时补上“参与者报告、四周试行”。再检查自己有没有不小心改写成保证。
若工作上正准备旧系统交接,可与技术同事设计以下小型试行。这是评估方法示范,并非已取得的成果:
- 限定范围:先选一小部分可供处理的代码及相关文档,写清楚要回答的交接问题,例如“这部分系统负责什么?”。
- 保留核对依据:请技术同事检查整理结果,指出每项说明对应哪些代码或原有文档,并记下仍缺少的资料。
- 检查是否实用:让另一名同事依说明寻找答案,记录找到、找不到及容易误解的地方。
- 计入完整工时:把准备资料、生成、核对及修正的时间一起记录,再与原有做法比较。

这样得到的证据,比只看生成速度更贴近团队需要。即使第一份说明很快完成,若之后需要大量修正,也应计入评估;反过来,若文档让接手者更容易找到答案,也值得另行记录。
实际开始前,团队还须核对适用账号、费用,以及哪些资料可以交给工具处理。这份来源聚焦美国政府合作安排,未提供香港一般账号的完整操作资料,不能据此编写开通教程。
认识 AI 的下一步,可以从一次小型、可核对的任务开始:先确定问题,再检查结果,最后判断是否值得继续使用。想建立工具选择与核实结果的基础,可参考 Fluent AI HK 的免费十二章 AI 课程。

一起讨论
社区登录后分享你的做法或问题;留言经审核后公开。
登录后留言