以前用 AI 改文档，你要：打开浏览器 → 复制文字 → 粘贴给 AI → 复制结果 → 粘回 Word → 修格式。现在有了 Claude for Word，整个流程全在 Word 里完成，选中文字、输入指令、Claude 直接修改，所有改动以 Word 原生「追踪修订」的形式呈现，你接受或拒绝就行了。

核心功能有哪些？

• 生成：根据你的要求生成新内容

• 编辑：修改选中段落，保留格式

• 修订：全文或局部润色、改写

• 一致性检查：扫描术语、编号、引用的统一性

• 跨应用共享上下文：与 Claude for Excel / PowerPoint 无缝联动

注意：目前 Beta 阶段仅向 Claude Team 和 Enterprise 用户开放，个人 Pro 用户暂时还不能用。

解决了哪些真实问题？

用 AI 工具改文档时，常常会遇到这些问题：

• 来回切换工具：Word 文档 和 Web浏览器来回跳，内容来回复制粘贴还容易出错。

• 追踪修订混乱：AI 输出一段内容，但到底改了哪里？你得自己对比，费时还容易漏。

• 格式全崩：标题层级、编号、项目符号，AI 改完后经常需要重新调整。

• 协作效率低：同事在评论里写意见，你还得一条条手动处理。

• 重复教 AI：每次都要重新交代背景、风格、要求。

Claude for Word 的解法

• 所有操作在 Word 里完成，零切换

• 所有 AI 修改自动变成可审查的追踪修订，一键接受 / 拒绝

• 完全保留原有格式：标题、编号、样式

• 可以读取评论、批量处理同事意见

• 可以跨Word、Excel 和 PowerPoint 工作

怎么用？

第一步：安装插件（1 分钟搞定）

前提条件：Claude Team 或 Enterprise 账号 + Microsoft Word 桌面版（Windows Microsoft 365 2205 及以上，或 Mac 16.61 及以上）。

1. 打开 Word，点击顶部菜单「插入」→「加载项」→「获取加载项」

2. 搜索「Claude by Anthropic」，点击「添加」

3. 安装完成后，Word 右侧会出现 Claude 侧边栏

4. 用 Claude Team / Enterprise 账号登录

场景 1：选中文字，快速改写

这是最基础的用法，改写某段文字内容。在文档里选择你想修改的段落，在右侧 Claude 侧边栏输入指令，比如：把这段改得更简洁、专业，保持原有结构，Claude 以「追踪修订」形式将修改插入文档，你点击 Word「审阅」选项卡，逐条接受或拒绝修改。

场景 2：用评论驱动修改

如果你们团队常用 Word 评论功能来提意见，Claude 这个功能可以读取评论，并在评论里回复说明。特别适合：领导 / 客户批注了一堆意见，你不想一条条手动改的情况。

场景 3：跨Word + Excel + PowerPoint工作

这是 Claude 插件最强的地方。Claude for Word 与 Claude for Excel 和 Claude for PowerPoint 共享上下文，Claude 可以在单个对话中将其他文档的内容输出到你的当前文档内容中。比如，你可以要求 Claude 从 Excel 中提取数字到 Word文档里面，或者将 Word 文档总结为 PowerPoint 中，这样就不用多个应用之间复制和粘贴。

Claude for Word 和 Copilot

到这里你可能会问，微软已经有了Copilot，为什么还要做一个Claude for Word，他们有什么区别。本质上这2个工具没什么区别，都是为了提升文档写作效率。但是因为底层模型的不同导致输出结果略有区别。

如果你需要“生态联动”：比如让 AI 读取昨天的几封内部邮件，再结合电脑里的一个 Excel 报表，自动起草一份会议通知。那就用 Copilot，因为它能拿到微软生态的全局数据。

如果你需要“深度创作”：比如精修一份几万字的深度报告，处理非常抠字眼的法律条款。拥有极高文本细腻度的 **Claude **是目前的绝对王者。

很多朋友问我，OpenClaw 看着酷，但怎么能真正把它跑起来？今天不聊虚的，直接上干货喂饭级教程。哪怕你是小白什么都不懂，只要会点鼠标，30分钟内搞定私人助理！

我们今天的目标只有一个：买台云服务器，让 OpenClaw 运行在服务器上，并连通飞书，实现一个能 24 小时自动回复、自动执行任务的“私人助理”。

关系梳理：为什么非要折腾这套方案？

在动手之前，我必须先帮你理清，它们都是干嘛的？

以下以阿里云为例说明（无广，本人纯属顺手），其他任意云厂商操作类似。国内其他选择：腾讯云，华为云，百度云等。海外其他选择：AWS，Azure等，按需购买。

云服务器：这是OpenClaw的运行环境，使用云服务好处是，有专门的公司运营维护，确保它 24 小时不掉线。（这也是私人助理能24小时为你服务的原因）

OpenClaw：这是 AI Agent，它有执行力，能操作文件和插件。类似电脑中运行的软件。

大模型：这是 AI 的“大脑”，提供逻辑思考能力。OpenClaw执行任务时，会反复和大模型交互，来确定下一步怎么做。

飞书：这是你和 AI 沟通的“对讲机”。通过飞书这样的聊天工具，你在手机上就能指挥远程的Agent执行任务。

第一阶段：买服务器

目前的云厂商竞争非常激烈，新用户简直是上帝。新手原则就是哪个便宜选哪个，先薅羊毛跑起来再说，等后期业务发展后，再根据你的业务选择更合适的。

1.购买步骤：

登录阿里云控制台：选择“轻量应用服务器”。

薅羊毛姿势：找新用户活动页，选那个 9.9 元/月 的套餐。我是老用户没这个福利了😭

硬性指标：内存必须 2GiB 及以上，否则 OpenClaw 跑起来会卡顿。

地域选择：默认选美国（弗吉尼亚）。别问为什么，选这个地域在调用国际大模型 API 时，网络几乎是秒连，不需要你再额外折腾。

2.关键捷径（必看）

在下单购买时，有一个应用镜像选项。一定要选择官方OpenClaw镜像，选择它后相当于帮你把毛坯房的硬装全部搞定了。你就可以直接跳过最痛苦的 Linux 环境配置过程。节省时间的最关键步骤！

第二阶段：配置 OpenClaw

服务器买好后，进入实例操作页。我们要通过以下 3 步，在硬装基础上增加软装，让毛坯变精装房。

步骤 1：端口放通

很多小白自己手动配置完OpenClaw，发现私人助理不理人，90% 都是忘了开放端口。

点击实例名，进入概览页，点击【应用详情】。

找到“OpenClaw 使用步骤”区域，点击【端口放通】下的【执行命令】。这一步是阿里云开放OpenClaw服务运行端口的防火墙。

步骤 2：配置大模型参数

现在 OpenClaw 还不能智能执行任务，我们需要给它接上大脑（大模型）。

获取 API Key：我用的阿里百炼大模型（目前新人免费送 30 天额度，不用白不用）。在百炼后台创建一个 API Key，并复制那一串长长的字符。

填入配置：回到阿里云应用详情页的【配置OpenClaw】，点击执行命令，把 API Key 粘贴进去。

步骤 3：WebUI 测试

在应用详情页的【访问WebUI面板】，点击执行命令，你会得到WebUI的访问链接，打开OpenClaw的管理后台网页。

在对话框发任何信息，如果它能准确回复你，说明大模型和OpenClaw已经配置成功了。

第三阶段：连接飞书

这是最关键的一步，也是最有成就感的一步。我们要让飞书机器人变成 OpenClaw 的传话筒。让你能随时随地安排私人助理干活。

步骤 1：飞书开放平台配置

访问飞书开放平台，点击【创建企业自建应用】。

填入名字（比如：OpenClaw）和图标。

关键数据：在【凭证与基础信息】里，你会看到 App ID 和 App Secret。拿小本本记下来，后面要填回阿里云服务器。

步骤 2：添加机器人能力

左侧导航栏点击【添加应用能力】，选择【按能力添加】【机器人】。点一下“添加”按钮，这一步完成后，你的飞书APP里就能搜到这个机器人了。

步骤 3：权限管理

这项操作是为了让机器人有权读取你的消息、发送文件、甚至在群里 @ 你等。

点击左侧【权限管理】。

为了方便大家，我准备了一个权限 JSON文档（有需要的同学评论区留言）。你只需要点击右上角的【批量导入/导出权限】，直接粘贴进去确认即可。

步骤 4：建立信号长连接

这步是告诉飞书：一旦有人给机器人发消息，立刻通知 OpenClaw。

回阿里云：在服务器的【应用详情】>【通道配置】>【飞书】区域，把刚才记下的 App ID 和 App Secret 填入，点【应用】。

回飞书后台：点击【事件与回调】。

重要设置：订阅方式必须选【使用长连接接收事件】。

添加事件：点“添加事件”按钮，搜索关键词 im.message.receive_v1，勾选并确认。

步骤 5：版本发布

在【版本管理与发布】点击【创建版本】。

版本号随便填，如 1.0.0，随便写点描述，点击【保存】。

点击【申请发布】。因为是自建应用，一般你自己就是管理员，可以秒批。

那些我替你踩过的“坑”

在实际操作中，大家最容易在以下三个地方卡住：

1. 配置大模型API Key的坑： 百炼API Key和百炼地域是一一匹配的，在大模型地域选择北京，对应的是北京地域创建的API Key。我当时填成美国创建的API Key后，导致出错。排查了快2个小时才搞定。😭

2. API 额度限制： 虽然百炼免费送了额度，但如果你调用的频率非常高（比如让它去抓取大量网页数据），额度会快速耗尽。建议在百炼后台开启“免费额度用完即停”，避免钱包受不住。

3. 飞书权限未更新： 每次你在飞书开放平台修改了权限，都必须重新创建一个新版本并发布，否则机器人还是旧的权限，会导致它能收到消息但回不了消息。

🎉恭喜你，到这里你已经配置成功了，别只把它当成 聊天机器人，让它开始帮你干活吧。你会发现，一旦你拥有了这种“长了手”的 AI私人助理，你节省的不仅仅是时间，更是一种从重复劳动中解脱出来的“数字自由”。

▲ 点击上方图片无缝跳转观看完整视频

你是否也遇到过这种“隐形智商税”？

刚想跟着教程改个网页、写段脚本，结果发现市面上的 AI 代码助手全都要收费。要么一个月几百的订阅费贵得离谱（这还是大厂拉新的补贴价），要么免费版每天就给几次机会，还没改出个名堂额度就没了。最烦的是还得反复切换各种 API Key，折腾半天代码没写成，光跟软件较劲了。

这种纯纯的内耗，本质上是在用你的“宝贵时间”去给“昂贵工具”填坑。

最近，我跑通了一套 VS Code + Continue + OpenRouter 的黄金组合。我测试过了，这套方案不仅完全免费，而且零门槛、无限制、一次配置终身受用。（当然免费的会偶尔限速，但对小项目够用了）

今天，我把这套“最强羊毛攻略”全公开，让每一个小白都能拥有一个 24 小时待命、且不收你一分钱的 AI 编程助手。

一、这套“黄金组合”是什么？为什么它是小白救星？

很多新手一听到配置环境就头大，其实你只需要把它们理解成三个“零件”：

1. VS Code：就是咱们写代码的“笔记本”，俗称代码编辑器。因为其强大的插件生态，几乎是全球开发者群体的标配。

2. Continue 插件：它是 AI 助手的“传声筒”，开源免费，没有使用次数限制，不收会员费，主打一个良心。

3. OpenRouter：它是 AI 模型的“批发市场”，里面聚合了一大堆免费的大模型。

传统的配置得天天换 Key，但今天这套方案，全程只需要填一次 Key。不管你是想改个网页文案、调个 CSS 样式，还是让它帮你写个自动化脚本，它都能刷刷几秒钟给你搞定，而且全程不花冤枉钱。

二、 实战演练：十分钟“白嫖”全套 AI 编程助手

第一步：安装 Continue

打开你的 VS Code，点击左边那个“四个方块”的扩展图标。搜索 Continue，点安装。安装完，你的侧边栏就会多出一个Continue logo，这就说明“传声筒”装好了，没任何复杂操作，纯点击。

第二步：获取 OpenRouter 密钥

这一步需要去浏览器操作下。搜 OpenRouter 官网，用邮箱注册个账号。重点来了： 进到 API Keys 页面，点 Create。它会跳出一串长长的字符，这就是你的“万能钥匙”。一定要把它复制保存好，因为它只显示这一次。整个过程不用绑卡，不用充值，纯纯的小白友好体验。

第三步：核心配置

回到 VS Code，点开Continue logo。

1. 点击 + Add Chat model，在列表里一眼就能看到 OpenRouter。

2. 粘贴你刚才拿到的密钥。

3. 模型选 Free Models Router。这个最聪明，它会自动帮你匹配当下最牛、最稳的免费模型。 点下 Connect，看到连接成功的提示，恭喜你，你已经实现了“编程自由”。

三、 Vibe Coding 提效实战：怎么让 AI 听懂人话？

配置好工具只是第一步，怎么提需求才是拉开效率差距的关键。

• 简单粗暴型：如果你只是想改个按钮文字，直接说：“把 index.html 里的‘提交’改成‘确认’。”它秒级响应，直接到位。

• 逻辑拆解型（避坑重点）：新手最怕prompt指令模糊。正确的 Vibe coding 应该是：“找到 id 为 clearBg 的清除按钮，把它的背景改成红色，记得在 CSS 文件里同步改掉。” 这种清晰的指令，AI 会自动去翻你的文件，把那些散落在各处的代码逐一修正，这才是真正的降维打击。

四、 拒绝“折腾陷阱”，聊聊真实的省心

很多人问我：Julie，你为什么琢磨这些组合？ 其实，AI 工具不应该成为普通人的负担，它应该是我们手里最轻便的铲子。

我分享这个方案，是希望大家把精力花在业务逻辑上，而不是花在研究怎么充值、怎么翻墙买 Key 上。如果你只是日常改改页面、写写脚本，这套“免费组合”足够你用到天荒地老。

但我也发现，有些朋友的业务场景已经跑得很深了。比如：

• 需要多文件联动的复杂系统重构；

• 想要接入企业级的私有化大模型；

• 或者是涉及敏感数据的本地化 AI 部署。 这些涉及到环境优化和架构设计的“深水区”，确实不是简单配个插件就能搞定的。

五、 写在最后

如果你现在每天还在重复“复制、粘贴、调色、对齐”这种机械工作，请停下来。

去下载一个 Vibe Coding 工具，试着把你的诉求直白地告诉它。你会发现，当你不再纠结于“怎么写代码”，而是专注于“怎么解决难题”时，你的工作效率才真正开始质变。

如果你有更复杂的业务痛点，想拥有一套专属的、闭环运行的 AI 自动化系统，却不想自己花时间踩坑。可以来微信（aipath01）找我咨询。

我是 Julie，一个 AI 商业化落地实战派。让我们一起用 AI 给工作减负，把时间留给更有价值的思考。

▲ 点击上方图片无缝跳转观看完整视频

4月14号，Figma 董事 Mike Krieger 辞职。3天后，Anthropic 发布 Claude Design，Figma 股价当日跌了 7%！ 巧合吗？这位辞职的董事，正是 Anthropic 的现任 CPO！ 前脚看完老东家底牌，后脚带队精准爆破。这哪是巧合，分明是贴脸开大的明牌商战！好，八卦说完了，我们现在聊聊Claude Design。

Claude Design 到底是什么？

简单说，它是 Anthropic Labs 出的一个 AI 视觉创作工作区，底层跑的是他们最新的 Opus 4.7 视觉模型。

但别把它理解成"更聪明的 Figma"，它干的事情完全不一样。

它解决的核心问题是：从"脑子里有个想法"到"眼前有个可以点的原型"，这中间那段最抽象复杂的事。

以前要怎么做？产品经理写 PRD，设计师出高保真图，再和相关团队人员沟通评审，来回拉锯一两周，最后做出来的东西可能和最初的想法已经偏了十万八千里。

有了Claude Design后：不用这么麻烦，立马有了具象化的原型。

主要能干什么？

官方列出来的场景挺全的，我提几个实际用得上的：

做可交互原型。不是静态截图，是真能点的那种。产品经理可以直接拿去做用户测试，不需要走设计流程，不需要过代码评审。

做路演 PPT。从大纲到一套完整、看起来有点专业的 deck，官方说"几分钟搞定"——当然实际效果要打折扣，但比自己从零手搓快多了。

做落地页和营销素材。给市场和运营用，之后再拉设计师进来精修。

另外有一个比较硬核的点：你可以让它直接读你的代码库或者设计规范文件，它会自动提取你的品牌色、字体、组件，之后生成的每一个页面都会自动带上你的品牌基因，不会每次都给你一个白底蓝字的默认模板。

这玩意儿对谁最有用？

我觉得有两类人会最先感受到它的价值：

一类是没有设计背景、但需要把想法可视化的人——创业者、产品经理、营销同学。以前你要么就憋出一个极其丑陋的 PPT，要么就等设计师排期，现在至少有个"先能看"的版本可以拿出去沟通。

另一类是追求速度的独立开发者。省掉画 UI 这步，直接从想法跳到可运行的代码，砍掉最头疼的 Handoff 环节。

设计师当然也能用，主要是快速探索方向，不用每次都把一个概念打磨到 70 分才敢给人看。

我实际测了一下，做了个英语启蒙 App

我家小孩还在幼儿园，一直想找一个适合幼儿园到小学阶段学英语的 App，但市面上不是太幼稚就是太无聊。于是我用 Claude Design 自己折腾了一个 prototype，风格参考多邻国，但内容更聚焦小龄儿童。

第一步：建设计系统。 我告诉它我想要的调性：充满趣味、友好、吸引人且有安全感。我想要的颜色：明亮但柔和的糖果色/马卡龙色（如天空蓝、薄荷绿、阳光黄、珊瑚粉。它直接给我生成了一套色板和基础排版规范，后续所有页面都自动套用，不需要每次重新描述。

第二步：描述需求。 我的 prompt 大概是： "我想设计一款类似多邻国（Duolingo）的英语学习App的高保真交互原型，目标用户是幼儿园到小学的儿童。"

大概十几分钟，它给我出了5个页面的高保真原型：首页、词汇闯关页、排行榜页、书包页、个人中心页。视觉上看起来已经是那么个意思了，有通关进度条，有单词闯关的交互状态。

第三步：细节调整。 我发现有的页面没生成完成，所以在继续沟通，让 Claude 帮我把具体页面生成，过了几分钟，就生成完成，并且我可以点击操作。

整个过程我估计用了不到1小时，以前这套东西光和设计师对齐需求可能就要折腾好几天。

价格是多少？

目前 Claude Design 已经包含在 Claude Pro、Max、Team、Enterprise 订阅里，不需要额外付费，用的是你订阅内的额度。

但有个坑要提前说清楚：底层调用的是 Opus 4.7，这个模型吃 Token 是真的猛。实测做一套稍微复杂一点的设计，可能一下子就把 Pro 账号一天的额度砸进去相当大一块。

所以不是说它不好用，是它比较贵。如果你要用来跑复杂的产品原型，Max 计划会比 Pro 更扛得住。

跑完这一圈，感受是：Claude Design 没有在"取代 Figma"，至少现在没有。Figma 在专业设计团队里的位置，它暂时还撼动不了。

但它真正改变的是"从零到能看"的速度。以前需要一周的沟通成本，现在可能一个下午就解决了。

对于有想法、缺资源的创业者和独立开发者来说，这个提速是真实的。

▲ 点击上方图片无缝跳转观看完整视频

你是不是每周/月都有个固定工作，就是给甲方做项目进度汇报，那我们看看这个问题怎么用Claude cowork来解决。让我们乙方通过指挥AI工作也能体验一把做甲方的感受。

以前怎么做？

把零散的工作记录汇总 → 自己整理到word → 手动调整格式 → 发给甲方。

一个甲方走完这套流程大概 1 小时出头。多个甲方走完，一个下午就没了。关键是这事儿特别机械，没什么脑力含量，纯粹是重复劳动。每次做完都有种"我今天啥正事没干啊"的虚无感。

用Claude cowork怎么做？

我用的工具是 Claude Cowork 的桌面端。

我在桌面上建了一个文件夹，叫"工作进展汇报"。里面放了两个文档：20260509_张三项目进展.docx 和 20260508_李四项目进展.docx。就是平时我自己记的那些零碎工作记录，格式很随意，有些是随手打的列表，有些是几句流水账。我这里举例用的编的数据，你就按照自己的实际工作内容来。

然后我对 Cowork 说了一句话：

"帮我把这个目录下的 2 份文件，分别整理成本周工作进展汇报。输出成两个独立的 HTML 文件，排版整齐，让客户一眼看清楚我这周做了什么。"

然后它会读那两个文档。在我的文件夹里生成了两个 HTML 文件，我双击打开——排版工整，分好了"项目整体概况"、"本周完成工作"等几个区块，并且排版非常的美观。

我当时的表情大概就是：🤯

从我说完那句话，到两个文件摆在桌面上，前后不到3分钟。

真正让我拍大腿的是下一步

如果你觉得上面那个操作只是"帮我省了整理和排版的时间"，后面更牛的是，我让它把刚才那个流程存成了一个"技能（Skill）"。过程很简单——就是把刚才那个指令打包，给它起了个名字叫"/generate-work-report "。以后再想做这件事，我不用再次输入那段话，直接输入这个指令"/generate-work-report "就行。

这还没完。

我进一步把它设成了一个定时任务。每周五上午8点，Cowork 自动读取我那个文件夹里本周新增的工作记录文件，自动生成排版好的周报 HTML，放在指定目录下。

对，你没看错。它自己到了点就干活，根本不用我管。

那一刻的感觉很奇妙，有种AI助理更智能了的感觉。

说说它哪里好，和哪里还不够好

用了段时间，我想坦白说说感受。

好的方面很明显：它真的能读懂你零碎的工作记录。我之前担心它会把各个项目的进展搞混，毕竟两个文档放在同一个目录下。但它的表现很稳定，每个文档的内容区分得很清楚，生成的周报各自独立。

还有就是排版审美在线。默认的 HTML 模板看着挺专业，有颜色分区，有进度条样式，甲方打开的时候体验感不错。不用我再额外调整格式。

但说说不那么满意的地方。

它不会自动"发现"新文件。你想生成汇报时，需要提前把相关资料放到目录下。不过话说回来，这本来就是正常的，和cowork的设计有关，你在当前目录下工作，它只能获取当前目录的操作权限，其他目录的权限它没有。而且AI 帮你干活的前提是你得给它素材。它不可能获取你聊天信息中的内容。如果能获取到那也太可怕了，人就没有一点隐私了。

大家都在说 AI「长出了手和脚」——不再只是聊天，而是能真正动手干活了。但你如果没用过，可能不太清楚这个「动手干活」到底是怎么体现的。

说实话，我一开始也没概念。直到我在 Claude 上搭了一个「工作邮箱 AI 助理」，亲眼看着它自己搜邮件、读内容、判断优先级，最后还生成了一张排版精美的汇总图——我才真正理解了那句话的意思。

今天我们通过这个案例，来拆解 Claude 是怎么做到的。以及在这个过程中，Claude 这个产品涉及的核心架构——Projects、Skills、Connectors、Plugins、大模型，它们到底是怎么协同工作的。

先给一个总览，有一个整体印象

大模型是大脑，负责「想」——理解用户输入指令的含义、进行推理、生成内容。

Connectors 是手脚，负责「做」——和外部工具对接（如：gmail），查邮件、发邮件。

Skills 是专业指导手册——告诉大模型做某件事的专业方法，不用每次从零摸索。

Plugins 是把手脚和专业指导手册打包好的完整功能体——装上就能干活。

Projects 则是整个AI助理所处的「工作室」——它有独立的聊天记录、知识库和自定义指令，当你换一个 Chat 也不用重新自我介绍、重新贴文件。

案例实解

下面我们通过 Claude 搭邮件助理的全过程，一个环节一个环节地拆开看。

曾经我工作邮箱在 Gmail 上，每天会收到很多封邮件。客户的、同事的、系统通知的、营销邮件，什么类型都有。

以前没有 AI 的时候，我得每天固定抽一小时来看邮件。先扫一遍标题，判断哪些该回、哪些可以忽略。遇到客户问了一个需要查资料才能答的问题，光一封邮件就得花十几分钟——先查找资料、再组织下语言，最后才敢点发送。

我一直觉得这件事应该能被自动化。不是那种「设个规则自动归档」的简单自动化——那个不够，因为每封邮件的处理逻辑不一样。我想要的是那种「能理解邮件内容，并且还能帮我回复」的工具。有了 AI 后，这个事儿才变得可能。

下面我用 claude.ai 网页版来演示整个过程

我建了一个 Projects，名字叫「work」。在这个Projects 里，我添加了 Gmail Connector——让AI能使用我的邮件。又装了一个叫 canvas-design 的 Skill——让我最终拿到的不是一堆文字，而是一张排版精美的图片。

准备好之后，我跟它说了一句话：“/canvas-design 把我的谷歌邮箱的邮件按发件人分类汇总，提示我要关注的事情，把结果发个png图片给我。”

大概三分钟之后，它把活干完了。我打开图，邮件按发件人汇总，并且需要关注的事重点标记。

我当时的感觉着实有点震惊，AI助理确实真把活干了。

但更让我好奇的是：就这一句话背后，到底发生了什么？我建 Projects、添加 Connector、添加 Skill 这些操作，到底 Claude 做了哪些工作？

后来我把这五个概念彻底拆了一遍，发现它们的分工特别清晰。

大模型

先说大模型（比如：案例中用到的sonnet 4.6），这是整套系统的核心——「大脑」。

大模型负责的事情只有一件：理解自然语言、再进行推理。它读你输入的话，解析出你真正想要什么；它自己规划出执行顺序（先干嘛、再干嘛、最后干嘛）；最终生成自然语言回复用户。

大模型干的全是「思考」的活。它不会发 HTTP 请求去调 Gmail 的 API，不会自己启动一个进程跑 Connector，也不会把生成的图片渲染出来——这些都不是大脑干的活。

那这些「执行」的活是谁在干？案例中的：Claude.ai 这个 Web 端产品。

在上述案例中，我们用到了 Claude.ai 的 4 样东西：Projects（特定聊天中预先加载的背景知识）、Skills（针对不同工作的技能手册）、Connectors（通过MCP将Claude和外部工具连接起来）、大模型（指挥干活的大脑）。

大模型产出的是「我要调查看Gmail邮箱的工具」。真正把这个调用发出去、等 Gmail 返回结果、把结果交还给大模型继续推理的——是 Claude.ai 的 Connectors。

Connectors

接着就说到 Connectors。它是这套系统的「手脚」——负责伸出去触碰外部世界。

我那个邮件案例里，Gmail Connector 的工作是这样的：大模型决定要搜索邮件，claude.ai 的 MCP Client 把这个意图打包成一个标准格式的请求，发给 Gmail Connector。Gmail Connector 收到之后，把它翻译成 Gmail 真正的 API 调用，拿到 Gmail 返回的数据，再精简回标准格式，交还给大模型。

这里有个关键概念叫 MCP（Model Context Protocol）。它让所有 Connector 讲同一种语言。不管是 Gmail、Slack、Notion 还是 Jira，只要实现了 MCP 协议，大模型这边就用同一套方式跟它们对话。这意味着什么？任何第三方服务都能接入 Claude——不用 Anthropic 一家一家去做连接器，而是任何人都能做。这样大大提高了大模型公司和第三方公司的开发效率，让用户在Claude.ai上能执行的任务越来越多和方便。

所以 Connector 做的事情很单纯：它不管这封邮件重不重要、需不需要回复——那是大脑的事。它只管「你要搜邮件？我去 Gmail 拿。你要发回复？我帮你发出去。」

Skills

再说 Skills。它是最容易被误解成「功能列表」的东西，但其实它是「专家手册」。

什么意思呢？你刚进入一家公司，刚开始不了解岗位具体工作职责，通过这个专家手册，你马上就能上手干活了。

Skills 干的就是这事。每个 Skill 本质上是一个 SKILL.md 文件，沉淀了针对某个特定任务的最佳实践和操作规范。比如官方有个叫「pptx」的 Skill，它包含了做 PowerPoint 的所有经验和规范——用什么字体、怎么排版、怎么配色，不需要大模型凭感觉乱来，直接调用这套专家手册就行。

在我那个邮件案例的尾声，大模型判断我要的是视觉化输出，于是触发了 canvas-design 这个 Skill。Skill 文件被加载进大模型的上下文，它按照里面写的操作规范——先构思设计哲学，再生成视觉代码，再二次精炼调整——最终产出了一张排版精美的邮件分类汇总图。

Skills 有一个很聪明的设计：它不是常驻在大模型脑子里的。每个 Skill 的「名字和简介」只占几十个 token，会在对话启动时就注册进系统消息——让大脑知道「我有这个技能」。但 Skill 的完整操作指南可能上千个 token，只有在大脑判断「这个技能用得上」的时候才会加载进来。

这就好比你的大脑里存着一个索引：「我会骑车、会游泳、会弹吉他」。但「弹吉他的详细指法」不会时刻占用你的注意力——只有在你拿起吉他的时候，专家手册才被激活。

Plugins

最后说 Plugins。它的角色最简单：就是把大脑、手脚和专家手册打包在一起，做成一个完整的功能体。

就像一个完整的人，有大脑（模型）、有手脚（Connectors）、有专家手册（Skills），三者缺一不可，而且互相配合。Plugin 做的就是把某个工作场景需要的所有「身体部件」打包好——你安装一个 Productivity 插件，等于一次性获得了 Slack 的手脚、Google Calendar 的手脚、任务管理类的专家手册，以及大脑驱动这些部件的能力。

你不需要手动去调用任何东西。你说「帮我梳理一下今天的待办事项」，大模型识别到意图，自动加载任务管理的专家手册，自动换起 Google Calendar 的手脚去查会议，然后按优先级整理好——整个过程就像你自己操作一样自然。

Projects

那 Projects 呢？在 claude.ai 网页版里，它是整套系统所处的「工作室」。

你在 claude.ai 上创建一个 Projects，它会拥有自己的聊天历史、知识库和自定义指令。关键是——你在一个 Project 的「Instructions」里写的东西，以及上传到「Files」里的文件，这个 Project 下的所有 Chat 都能共享。

什么意思？你在一个 Project 的「自定义指令」里写了「客户王总的邮件优先级最高，回复风格简洁直接」，以后在这个 Project 下开任何一个新 Chat，Claude 自动就带着这条规则。它不是存在某一段对话历史里——那段对话关了这条规则就没了。它是挂在这个 Project 上的，所有 Chat 共享。

你上传到 Project 里的参考文件也是同理。这些文件加起来可以远超 20 万 token——但 Claude 不是每次对话都把它们全塞进脑子的。claude.ai 有一个自动机制叫 RAG（检索增强生成）：当你的知识库内容接近上下文窗口上限时，Claude 会自动切换模式，用一个内置的搜索工具从知识库里捞出跟当前问题最相关的片段，只把这几段放进上下文。剩下的不相关文件安安静静待在知识库里，用到的时候再检索。

所以 Projects 解决的不是「单次对话能装多少信息」——那是上下文窗口 20 万 token 的事儿。Projects 解决的是「换一段新对话，我不用重新自我介绍、重新贴文件、重新说偏好」——它是跨对话的共享记忆。

这个过程完全自动。你不需要配置任何东西，上传文件、写好自定义指令，Claude 自己判断什么时候该全量加载、什么时候切到 RAG 检索。

总结

坦白说，这套架构也不是零门槛。

第一个困难是理解成本。大模型、claude.ai 平台、Projects、Skills、Connectors、Plugins——六个概念，要一下子理清楚确实要花点时间。我第一次接触的时候，Connectors 和 Plugins 的区别就让我晕了好一阵。

第二个困难是生态还在早期。目前可用的手脚覆盖了主流办公工具——Slack、Notion、Gmail、Google Calendar、Jira 等——但离「什么都能接」还有距离。这需要整个生态都繁荣丰富起来，不是一家公司能完成的事情。

第三个困难是这套系统有多好用，很大程度上取决于大脑有多强。大模型越强，理解意图越准、拆解任务越合理、生成内容质量越高。如果用早期模型，效果会有可感知的差距。

但从方向上说，我觉得这条路是对的。

一个很本质的变化是：过去我们操作软件，是我们去适应软件的菜单和按钮——你得知道某个功能在哪、怎么点。当功能越来越多的时候，菜单就覆盖不了所有使用场景了。而当你的交互界面就是对话本身、你的身体有一整套手脚和专家手册的时候——你说「把上周的会议纪要从 Notion 找出来，提炼成三条要点发到 Slack 的产品频道」，这句话本身就定义了要做什么、数据从哪来、输出到哪去，不需要任何预设的菜单去匹配。

从「操作工具的人」变成「表达意图的人」——这就是这套架构想做的事。

如果你也想试试，建议从一个小场景开始——比如建个 Projects，接一个你平时用得最多的外部工具，看看它能不能帮你省掉一些重复操作。选个顺手的 AI Agent 工具，也不一定是Claude，主流的 Agent 工具架构思路大同小异。有时候理解这些概念最好的方式，不是看文档，而是亲自让它「跑通」一次。

如果你试了，欢迎来聊聊你的第一个用例。我挺好奇别人最先拿这套东西干了什么。

本文案例基于 claude.ai 网页版 + Projects + Gmail Connector + canvas-design Skill + Sonnet 4.6 大模型的组合。不同产品和模型功能可能存在差别。

今天我将手把手教你，如何用 AI 辅助制作价值 10 万的高定个人网站。

这是我给自己做的个人品牌网站JulieAIPath ，它包含了：首页、案例实操、商业服务、关于我、联系我，5个页面，它是用AI Studio 实现的，看完文章和视频后，你也能做一个。

整个过程，不用安装任何软件，打开浏览器访问站点，用vibe coding的方式，纯自然语言编程，就能完成高定个人网站开发，最后再部署到一个你喜欢的域名上，网站就大功告成了。

这个网站看起来像是，收费 10 万的自由开发者的作品。

废话不多说，我们来讲实操干货。

什么是 Google AI Studio，以及如何让网站看起来很贵？

AI Studio 是一款 AI 代码助手。你只需用自然语言向它描述你的需求，它就会根据你的要求编写代码。

打开它的官方网站，这个工作区的东西就足够完成开发工作了。

在开始制作之前，我想先聊下怎么让网站看起来很贵。

总体上说需要在这3个方面做的足够出色：

品味：品味决定了网站的审美水平。它包括了：字体、色彩、图像。

内容：内容决定了网站如何组织信息。它需要很清晰严谨的信息架构，能让用户高效的获取信息。

用户体验：用户体验决定了用户和网站互动时的流畅度。它包括了：动态效果和移动端适配等细节。

配置

我们现在进行配置，首先进入官方网站，免费版也能直接用，但是存在使用频次和功能限制，为了更好的调试网站，我这里用的pro版，足以满足本次我的开发需求。

我们进入官网后，点击登录，进入工作区。选择左边build下面的apps，点击➕号，创建一个新的应用。在这里我们将开始创作个人站点了。

参考信息和prompt

为了让我们的网站区别于普通作品的关键，是你给它的参考信息和prompt。你的描述越具体，最终效果就越好。如果你已经非常清楚自己想要什么，可以直接描述，就像我这次做项目时一样。

但是对新手来说，用具体的语言描述视觉风格比较难，无法表达出你想要的效果。

如果你是这种情况，我建议用参考信息，参考信息就是你喜欢的网站或者截图。

你提供给AI，以便它参考你的视觉风格。比如：你可以说参考julieaipath.xyz这个网站的设计风格。

对我来说，我想创建一个展示个人品牌的网站，我喜欢黑金配色，所以我在prompt中进行了大量这方面的描述。你需要按照你的诉求，不断在对话中来告诉工具你的想法。

润色优化

当你给他参考信息和初步prompt后，它会给你一个结果，但是第一版往往有很多不满意的地方。不过没关系。我们后续将逐步润色优化，让它更接近我们想要的结果。你需要根据前面说的品味、内容、用户体验这3个方面来进行细节调整。这一步是区分精良作品和普通作品的关键。

具体操作方法是，将上面提到的3个方面的每个细节部分给到AI，然后逐个提问，逐个优化。注意这里的方法，不要告诉它要具体怎么做，因为你也不清楚，你要问的是，你想要什么效果，让AI根据你的意图来执行。比如在我这个案例中，我的prompt是：帮我将“案例实操”板块改造为一个 “B 站硬核视频教程橱窗”。工具就会自动分析我的意图，找出合适的解决方案。

现在，我要讲的是大多数人都会忽略的步骤，而这一步对网站的整体效果至关重要。在完成这批修改后，逐个浏览网站的各个部分，找出那些仍然显得平淡乏味的部分。总会有几个这样的部分。工具不会帮你做这件事，这一步，你需要自己来执行。对于每个略显平淡的部分，你需要告诉工具，添加一个特定的动态效果或光标交互。比如：联系我的页面，因为是纯黑色，我觉得略显单调，让它帮我给背景设计一个背景色，让它不用那么无聊。最后经过多次版本迭代，确定了最后我们要发布的版本。

现在，我们需要把它真正上线。

部署和绑定域名

我们在工具上制作好了网站，但是这个网站现在只能自己访问，如果想让全世界上任何一个人打开浏览器，输入网址就能访问这个网站，需要怎么做呢？

你必须把它放在一个真正的服务器上，并使用一个自定义的网址。这里就涉及到网站托管服务了。就是让你的网站在服务器上全天候运行，这样全世界的人都可以访问它。我使用的 github + vercel，github帮我们存储网站代码，并进行版本管理，vercel帮助我们把代码部署上线以及绑定我们的个人网站域名。

我在视频中搭建的个人网站，它是一个简单的静态网站，没有登录、没有结账、也没有真正的数据库。github + vercel免费版就能满足所有需求。但如果你的项目比我这里做的更复杂，比如一个有用户账户、支付流程或后台数据库的网站，这个方法就不够用了。对于这类项目，你应该选择其他更专业的商业套餐。

回到部署，在AI studio中，点击设置按钮，点击github按钮，把代码同步到github上。代码保存好后，我们需要部署上线，用浏览器打开vercel官网，点击 Sign Up ➜ 选择 Continue with GitHub。登录进去后直接导入你的github仓库，点击 Deploy，剩下的编译、路径适配全都不用你操心，几分钟后你的网站就部署完成了。最后我们把购买好的域名julieaipath.xyz绑定到vercel上。点击Domains按钮，点击 add 按钮，输入域名，点击添加域名。

完成了以上操作，你的网站就上线了！这就是你价值 10w 的网站，而且已经绑定了你自己的专属域名，赶紧去试试吧！