Frontend Design
围绕产品需求确定视觉方向,构建或重做有明确层级与表达的前端界面。
Anthropic 开发 Claude,并研究 AI 系统的可靠性、可解释性与可控性。其生态包括终端编程 Agent、应用示例和可复用 Skills,为代码库工作、应用探索与重复任务提供不同入口。
Anthropic 是一家 AI 研究与产品公司,也是一家公益公司。它在开发 Claude 的同时,研究如何让 AI 系统更加可靠、可解释且可控。其工作覆盖前沿研究、安全技术和实际产品,并将部署中的经验反馈到研究中。理解这一背景,有助于把 Anthropic 看作持续建设 AI 系统与应用生态的组织,而不只是某几个编程工具或 Skills 的发布者。
面向开发者,Anthropic 提供了用途不同的资源。Claude Code 是在终端中处理代码库和开发任务的编程 Agent;Claude Cookbooks 用笔记本与示例展示应用方法;公开 Skills 仓库则提供可复用的任务指引。它们可以相互配合,但可运行的工具、供改造的示例与指令包并不是同一种资产,也不能相互替代。
选择入口时,应先确定要完成的工作。代码库任务需要理解编程环境和权限,应用实验适合从具体 Cookbook 示例切入,重复的 Agent 任务则可以评估对应 Skill。采用任何资源前,都应检查原始文档、依赖和许可证,而不是假定同一组织发布的所有仓库都具有相同用途、使用条件或成熟程度。
Anthropic 公开的 Skills 围绕界面和文档等明确任务组织方法。以下指引按交付用途区分,并保留源文件入口,方便核对输入材料、工具依赖与执行要求。
围绕产品需求确定视觉方向,构建或重做有明确层级与表达的前端界面。
通过任务定义、代表性测试请求和结果比较,创建并持续改进 Agent Skills。
按任务读取、整理、创建或处理 PDF 文件,并核对内容与页面结果。
创建和编辑 Word 文档,组织结构化内容,保留必要格式并检查渲染页面。
创建或更新可编辑演示文稿,规划幻灯片结构并核对实际渲染效果。
创建和编辑表格文件,清理数据,使用可追溯公式并核对重新计算的结果。
用 Python Playwright 在本地网页应用复现具体交互,保存脚本和浏览器证据,方便其他开发者重跑。
继续了解发布开发者工具、应用示例和 Agent Skills 的团队与创作者,比较各自关注领域与代表作品。从实际要完成的任务出发寻找资源,而不是仅凭项目名称、热度或同属一个技术生态作判断。
先明确要完成的是代码修改、应用实验,还是可重复的 Agent 任务,再查看对应 Skill 与项目文档。核对工作环境、输入材料和审阅要求后开始尝试,让资源选择服务于具体目标,而不是反过来。