Claude 食谱
Anthropic 新推出的“Claude Cookbook”示例与技能合集引发了褒贬不一的反应：一些人认为它有助于发现不太为人所知的功能和工作流，而许多人则认为，大多数“如何使用 AI”的指南会随着模型和 harness 吸收这些模式而很快过时。几位评论者认为，与其夸大复杂的提示工程和工具，不如直接向模型提出清晰的问题；不过也有人指出，好的书面指令、CLAUDE.md 式项目上下文以及谨慎的流程设计，仍然能够节省 token 并减少错误。人们也批评 Anthropic 的前端美学示例只是普通的“vibe-coded”设计；一些原本期待真正食谱书的人感到轻微失望；还有少数人对闭源 AI 模型的伦理问题表示担忧。
烹饪与食谱中的 AI
- 许多人原本以为“Claude Cookbook”会是一个美食食谱产品，而不是开发者指南。一些人对此表示失望。
- 多位用户描述了成功将 LLM 用于烹饪：
- 根据储藏室里的食材或饮食需求（例如 keto）生成食谱。
- 从杂乱的网页，甚至 TikTok 视频中提取干净的食谱。
- 调整食谱（例如替换食材、减少糖分）并跟踪卡路里。
- 失败也确实会发生（例如指令遗漏了将浸泡过的豆子彻底煮熟），这引发了对食物未煮熟的安全担忧。
AI 食谱书和操作指南的价值
- 一些人认为“如何使用 AI”的资源基本上没有必要：
- 更喜欢“直接问模型”，而不是阅读食谱书或搭建复杂的 harness。
- 预计大多数巧妙的工作流模式会很快被未来的模型吸收。
- 另一些人则认为食谱书有用：
- 它们揭示了用户不知道存在的功能/工作流。
- 有助于让经验较少的同事快速上手。
提示工程与交互风格
- 持续存在的争论：
- 一派认为现代模型已经“足够聪明”；精心设计的提示词相比自然语言请求并不会增加太多价值。
- 另一派认为，清晰、精确和良好的写作仍然能显著改善结果并减少 token 浪费。
- “提示工程”常被重新定义为基本沟通技能，而不是一门深奥的技术学科。
- 有些人反馈，带有情绪或“沮丧”的提示词能把模型推向更合理的行为。
Claude.md、Skills 与 Agent Harnesses
- 对 CLAUDE.md 的看法分歧明显：
- 极简主义做法：如果代码清晰，额外文档就没有必要，甚至可能浪费 token。
- 结构化做法：在 markdown 中写入摘要/约束/目标可减少反复扫描和错误；也可用于非编码的 agent 任务。
- 许多人认为高 churn 的工具（skills、MCP、agent 框架）寿命都不长；更偏好简单、耐用的模式和普通 agents。
前端设计与编码 Agents
- Claude 的“前端美学”示例普遍受到批评：
- 许多人更喜欢“before”版本；“after”被认为是陈词滥调、过度使用渐变，而且视觉上更差。
- 用户指出，agents 在后端或孤立组件上表现更好，而在复杂的前端状态和 UX 上表现较差，因为难以验证。
伦理与模型开放性担忧
- 一些人基于伦理原因拒绝闭源模型提供商（战争用途、垄断）。
- 另一些人指出，开源和闭源模型都可能被滥用，使责任变得分散且未解。