2026 年 11 月 5 日,Anthropic Institute 的经济团队发表技术报告《AI for scientific discovery: How researchers use Claude》,九位作者中 Johannes Hermle、Ben Jones、Lukas Althoff 为主要作者。报告用 LLM 分类器给 2026 年 8 月 2 日至 9 月 30 日之间的 207,049 次消费者计划会话贴上领域与任务标签,再叠加 528 位科学家的问卷和一套“理论 AI 能力”评分,最后给出三个加速情景。到本文核对日 2026 年 11 月 8 日,这是 Anthropic 关于科研用途最完整的一份公开数据。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

先说明立场:这是厂商在自家产品的使用数据上做的研究,结论的边界就是 Anthropic 消费者计划上被识别为科研的那部分会话。本文前半部分逐项核对数字并指出哪些地方容易过度解读;后半部分把报告里“使用最多”与“研究者认为最重要”之间的落差,转成一套研究者可以直接照搬的工作流:哪个入口做什么、每次会话必须留下哪些证据、怎样用脚本而不是靠记忆来验收。所有脚本都能离线运行,本文没有调用任何 API。

1. 先确认这是什么:厂商用自家使用数据写的技术报告

主样本是 207,049 次会话,来自消费者计划,时间为 2026-08-02 至 2026-09-30。其中 128,914 次来自 Claude(报告把 Chat 与 Cowork 合称 Claude),78,135 次来自 Claude Code;另有一个规模未在正文给出、时间范围也未说明的 Claude Science 补充样本。会话先经过一个分类器判断是否属于科研工作,再由第二个分类器按 SciNet 分类法(7,262 个任务、34 个领域、318 个子领域)标注领域、子领域和任务。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

隐私处理方式决定了这份数据能做什么分析。报告写明,只保留“化学”“数据清洗”这类标签,不提取、不存储任何开放式研究内容;结果只以聚合方式发布,并且只针对达到最少独立账号数的单元。这意味着作者自己也看不到个别会话的科学质量,因此报告里所有“博士级内容”“高自主度”“人类独立完成需要多少小时”都是模型给出的估计,而不是人工评审。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

问卷部分是 528 位科学家,多数来自生命与健康科学,招募自 Anthropic 的 AI for Science 及相关资助项目的申请者,均隶属美国或加拿大机构。作者自己承认,这群人申请过 AI 研究额度,很可能比典型科学家更重度地使用 AI。研究者的时间份额则来自 SciNet 的另一个 LLM 分类器,并用湿实验室 protocol 与论文频率做过校验。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

综合起来,这份报告能回答的问题是:在 Anthropic 的消费者产品上,被识别为科研的会话在做什么、集中在哪些领域、与模型能力评分有什么关系。它回答不了“全球科学家怎么用 AI”,也不涉及其他厂商的产品。按原文只统计消费者计划,我们据此推断 Team、Enterprise 与 API 直接调用不在样本内;这是我们的推断,报告没有逐项列出排除范围。读下面每一个百分比时,都请把分母记成“Anthropic 消费者产品上的科研会话”。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

2. 任务份额对时间份额:会话多,不等于研究者时间花得多

报告最有信息量的一张表,是把每类任务在 Claude 和 Claude Code 上的会话份额,与研究者在该类任务上的时间份额并排。下面是我们按原文抄录的数字;研究者时间份额只在四个类别给出,其余四类正文没有分项数字,表中以“—”表示,而不是自行补算。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

任务类别的会话份额与研究者时间份额(数据来源:Anthropic 2026-11-05 报告,2026-11-08 核对)。
任务类别Claude 会话份额Claude Code 会话份额研究者时间份额
数据分析33.7%48.1%27.6%
写作与沟通32.0%17.6%16.0%
数据收集11.5%11.9%28.6%
阅读与知识获取7.6%3.7%—
理论分析5.0%4.7%—
设计与开发4.7%7.7%—
构思与假说生成4.2%2.1%7.1%
其他1.3%4.2%—

单个任务层面,两种产品上最常见的都是起草稿件:Claude 18.6%,Claude Code 11.1%。Claude 上紧随其后的是文献综述与综合(6.8%)和回复审稿人意见(6.7%);Claude Code 上则是设计、构建与改进研究工件(4.8%)和数据可视化(4.6%)。工件方面,Claude 会话中 52% 产出书面工件、21% 产出技术工件;Claude Code 上技术工件约为 Claude 的两倍;生物学是唯一技术工件多于书面工件的领域。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

这张表的读法有两个陷阱。第一,会话份额合计是 100%,所以某一类“偏高”必然伴随另一类“偏低”,它描述的是相对分布,不是绝对工作量。第二,数据收集占研究者 28.6% 的时间,却只占 11.5% 到 11.9% 的会话——这既可能说明模型在这类任务上帮不上忙,也可能说明数据收集大量发生在实验台、仪器和田野,根本不会出现在聊天窗口里。报告本身也提醒,构思往往嵌在其他任务中,可能被低估。

3. 用三十行 Python 重算使用比,看清哪里被放大了

报告用“使用比”(use ratio)衡量相对强度:某类任务的使用份额除以研究者在该类任务上的时间份额,1 表示与时间成比例。按能力五分位看,最低分位的使用比在两种产品上都约为 0.2,中间分位约为 1,最高分位在 Claude 上约 2.1、在 Claude Code 上约 3.9。报告没有逐类任务打印这一比值,我们用它公布的份额自己算一遍。下面的脚本只依赖 Python 3 标准库,把它存为 use_ratio.py 后运行 python3 use_ratio.py 即可。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

use_ratio.py:按报告公布的份额重算四类任务的使用比;没有时间份额的类别明确标为 n/a。
# Recompute the use ratio (share of sessions / share of researcher time)
# from the task shares printed in Anthropic's 2026-11-05 report (Figure 2 / text).
SHARES = {
    # task: (Claude sessions %, Claude Code sessions %, researcher time % or None)
    "data analysis": (33.7, 48.1, 27.6),
    "writing & communication": (32.0, 17.6, 16.0),
    "data gathering": (11.5, 11.9, 28.6),
    "reading & knowledge acquisition": (7.6, 3.7, None),
    "theoretical analysis": (5.0, 4.7, None),
    "design & development": (4.7, 7.7, None),
    "ideation & hypothesis generation": (4.2, 2.1, 7.1),
    "other": (1.3, 4.2, None),
}

def ratio(use, time):
    return None if time is None else use / time

def flag(r):
    if r is None:
        return "no time share printed"
    return "over-used (>1)" if r > 1 else "under-used (<1)"

def fmt(r):
    return "   n/a" if r is None else f"{r:6.2f}"

print(f"{'task':34} {'Claude':>8} {'Code':>8}  reading")
for task, (c, cc, t) in SHARES.items():
    rc, rcc = ratio(c, t), ratio(cc, t)
    print(f"{task:34} {fmt(rc):>8} {fmt(rcc):>8}  {flag(rc)} / {flag(rcc)}")

tot_c = sum(v[0] for v in SHARES.values())
tot_cc = sum(v[1] for v in SHARES.values())
tot_t = sum(v[2] for v in SHARES.values() if v[2] is not None)
print(f"\nsession shares sum to {tot_c:.1f}% (Claude) / {tot_cc:.1f}% (Claude Code)")
print(f"printed researcher time shares sum to {tot_t:.1f}%; the rest is not broken out in the text")

运行结果:写作与沟通 2.00(Claude)/ 1.10(Claude Code),数据分析 1.22 / 1.74,数据收集 0.40 / 0.42,构思与假说生成 0.59 / 0.30。脚本同时打印两个校验量:两种产品的会话份额各自加总为 100.0%,而正文给出的四类时间份额只加总到 79.3%,剩余 20.7% 分散在阅读、理论、设计与其他四类,报告没有分项给出。所以这四类不能算比值,写文章时不要替它们补一个看似合理的数字。

解读要克制。写作在 Claude 上使用比 2.00,首先反映的是聊天界面天然适合文本,不能直接读成“模型最擅长写作”。数据分析在 Claude Code 上 1.74 而在 Claude 上 1.22,差距与工具形态一致:能执行代码的入口自然承接更多分析。真正值得注意的是两端都低于 0.6 的构思——下一节会看到,这恰恰是研究者在问卷里打分最高的环节。

4. 领域分布与“能力—使用”相关:相关系数不是因果

领域层面,Claude 会话最多的是计算机科学 11.9%、工程 8.4%、医学 7.7%。计算机科学只占全球研究者的 4.3%,却占 Claude Code 会话的 32.7%;人工智能与机器学习占研究者 1.2%,却占 Claude 会话 5.0%、Claude Code 会话 15.2%。领域会话份额与研究者份额的对数—对数相关为 0.79(Claude)和 0.62(Claude Code),子领域层面降到 0.61 与 0.43。形式科学、社会科学与经济学相对使用高;实验室型物理科学、医学、营养学与兽医学低;艺术与人文在 Claude Code 上尤其低。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

“理论 AI 能力”评分的做法是:让 LLM 对研究任务的每个步骤做 AI 对人类的成对比较,再用 Bradley–Terry 模型汇总成分数。这是模型对模型能力的判断,不是任何实测成功率。报告随后计算了能力分位与若干任务特征的相关,我们抄录如下。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

任务特征与“理论 AI 能力”分位的相关系数(报告原文数字)。
任务特征与能力分位的相关报告给出的使用比走向
强化学习适配度(RL index)+0.78最高分箱使用比约 2.2(Claude)/ 4.2(Claude Code)
认知成分占比+0.69随认知份额上升,使用比升至约 1.4 / 1.5
身体操作成分−0.57从约 1.2 降向 0
监管限制−0.38从约 1.2 降向 0
人际互动成分−0.31从约 1.2 降向 0

子领域层面,每位研究者的使用量与平均能力分数相关 0.45(Claude)/ 0.57(Claude Code),自主度与能力相关 0.47 / 0.31;跨领域看,使用比与 AI 时间份额的加权相关为 +0.58。作者指出健康科学的使用低于能力预测值,并猜测与监管有关;形式科学、社会科学与人文则高于预测,可能因为工作对象本身就是文本与代码。因果方向在这份数据里无法确定:可能是能力驱动使用,也可能是“材料是否已数字化”同时决定了能力评分和使用量。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

5. 三个加速情景:先读假设,再读倍数

报告最容易被转述走样的部分是加速倍数。作者的原话是这些是说明性情景,不是预测。三个情景共用同一套成本假设与瓶颈校准,差别只在“AI 自动化了多大比例的非物理步骤”。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

三个情景的假设与结果(报告原文数字;倍数指研究团队时间的加速,不是产出或发现数量)。
情景核心假设报告给出的结果读法
情景 1:当前能力按现有能力评分决定哪些步骤由 AI 承担AI 占研究时间 27%–52%(中位 38%);加速 1.35 倍(艺术)到 2.02 倍(统计学),计算机科学 1.96 倍,化学 1.41 倍现状上限估计;仍受采纳滞后影响
情景 2:75% 非物理步骤自动化假设性未来,物理步骤不变计算机科学约 8 倍,统计学与图书情报约 7 倍,经济学约 6 倍,多数社会科学、数学、物理与天文 4–5 倍,实验台与医学科学 2–3 倍敏感性分析;自动化的非物理时间份额从 82%(计算机科学)到 28%(艺术)
情景 3:全部非物理步骤自动化假设性未来,只剩物理步骤与协调统计、计算机、经济、数学、心理学、多数社会科学与人文约 15–16 倍;生物、化学、材料、农业、生物医学仅 3–4 倍物理步骤约占这些领域 40% 时间,是硬瓶颈

成本假设:AI 代理每小时 30 美元,研究者每小时 95 美元,每节省一个研究者小时 AI 需要运行 0.2 小时;由此作者得出全自动化任务的成本约为人工的十六分之一,AI 成本减半则这一上限翻倍。瓶颈结构的校准引用 Ahmadpoor 与 Jones(2019)。报告明确说明没有计入设备与实验投入成本、领域层面而非团队层面的约束、用仿真替代实验的可能,也没有对想法的质量建模。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

因此,把“计算机科学 8 倍”写进 PPT 之前,先确认三件事:这是团队时间的算术,不是论文数或发现数;情景 2 与 3 的前提是“已经自动化”,而不是“模型现在能做到”;在生物、化学、材料这些领域,物理步骤占了约 38% 到 41% 的时间,所以无论模型多强,报告自己给出的上限也只有 3 到 4 倍。

6. Claude Science 样本与 528 人问卷:自选样本的读法

Claude Science 的补充样本集中在生命科学:生物医学 31.1%、生物学 24.1%、医学与临床科学 8.7%,其他领域均低于 5%,生命科学合计超过一半。与 Claude 相比,蛋白质结构与功能假说的出现概率是 6.0 倍,蛋白—蛋白与蛋白—配体相互作用机制模型 5.6 倍,药物—靶点假说 5.6 倍;反过来,与合作者协调只有 0.15 倍,会议报告 0.2 倍,物种丰度与多样性分析 0.23 倍。构思类任务占 Claude Science 会话的 8%。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

在生物与生物医学会话上,报告用自家“经济原语”框架(引 Appel 等 2026)估计了三项指标,顺序为 Claude / Claude Code / Claude Science:人类无 AI 完成所需时间 4.9 / 5.9 / 10.3 小时,博士级内容占比 48.0% / 67.7% / 82.7%,高 AI 自主度占比 23.7% / 64.1% / 73.3%。把 Claude 与 Claude Code 按 Claude Science 的任务组合重加权后,分别变为 5.1 小时、55.1%、25.2% 和 5.5 小时、71.8%、61.4%:差距缩小,但没有消失。作者自己写明,这些差异可能部分反映的是“谁在用它”,也就是自选样本效应;这三项指标的具体测量方法报告没有展开。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

  • 自报使用程度——构思:17% 不用、53% 辅助、24% 共同完成;数据收集:20% 不用、31% 辅助、30% 共同、14% 委托;数据分析:20% 辅助、44% 共同、28% 委托;写作:40% 辅助、41% 共同、13% 委托。
  • 对一项重要成果的贡献权重(100 分制):构思 35.6,数据收集 23.6,数据分析 23.3,写作 17.5。
  • 预期 AI 单独达到顶尖研究者水平:数据分析 38% 认为已经达到,94% 认为 2030 年前;写作 89%;构思与数据收集各 72%(均为 2030 年前)。
  • 完全无人参与的完整研究项目:约 40% 预期 2030 年前,约 64% 预期 2035 年前,16% 认为永远不会。

把问卷和使用数据放在一起,报告里最值得工程化的一条结论就出来了:研究者认为最重要的环节是构思(35.6 分),而构思恰好是使用比最低的类别之一(0.59 / 0.30),也是最难验证的环节。高价值、低使用、低可验证——后面六节的工作流就是为这个组合设计的,而不是为了再多写一篇稿子。

7. 从问题到可追溯证据:研究会话的六个环节

报告的讨论部分点出两个压力:一是产出数量上升后,验证与吸收这些产出的能力会成为瓶颈;二是引用 Schneider 等(2020)的数字,美国联邦资助项目的 PI 大约 44% 的研究时间花在行政要求上。把 AI 放进研究流程的正确位置,不是让它再多生成几页文字,而是让每个环节留下别人能复核的痕迹,这样产出增加时验证成本不会同比例上升。

下面的链条是本文的工程建议,不是报告内容。它要求每个箭头都有文件级证据:问题阶段有写下来的 spec 或预注册;数据阶段有来源记录与哈希;分析阶段有一个可重跑的入口和锁定的环境;验证阶段有独立于作者的复核记录;写作阶段每个数字都能指回一条命令输出;最后每张图都能回溯到脚本、提交与随机种子。Claude Code 最佳实践文档的核心建议与此一致:给 Claude 一个可以运行的检查,并索要“命令和输出,或截图”作为证据,而不是接受“测试全部通过”这句话。

  • 问题:把研究问题、纳入排除标准与预期分析写成 SPEC.md,模型之后的所有工作对照它。
  • 数据:记录每个原始文件的来源 URL 或采集日期,生成 data/SHA256SUMS,原始目录只读。
  • 分析:一个 run.sh 重跑全部结果;environment.lock 锁定依赖;随机种子显式打印。
  • 验证:测试覆盖分析代码;一个没有参与写代码的审稿人(人或只读子代理)重跑并签字。
  • 写作:稿件中的每个数字对应一条命令输出;审稿人回复同样如此。
  • 来源:figures/PROVENANCE.tsv 记录每张图的脚本、提交与种子;REVIEW.md 记录谁在何时重跑了什么。
  1. 问题:SPEC.md 与纳入排除标准
  2. 数据:来源记录 + SHA256SUMS
  3. 分析:run.sh + environment.lock + 种子
  4. 验证:测试 + 独立审稿人重跑
  5. 写作:每个数字指向一条命令输出
  6. 来源:PROVENANCE.tsv + REVIEW.md
本文建议的研究会话链条:每个箭头都要能在文件夹里找到对应证据,最终文字不能替代中间环节。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05) · Claude Code 文档:Best practices

8. 三种入口怎么分工:Claude、Claude Code 与 Claude Science

报告数据已经给出三种入口的自然倾向:Claude 承接写作、文献与审稿回复,Claude Code 承接数据分析与技术工件,Claude Science 集中在生命科学且自主度最高。官方 claude.com/science 页面(2026-11-08 读取)对 Claude Science 的描述是:一个公测中的桌面应用,提供 macOS、Windows 与 Linux 版本,页面明确说它“是应用,不是模型”,运行在你的计划所包含的 Claude 模型上。Pro、Max、Ultra、Team 与 Enterprise 计划可用,Team 与 Enterprise 需管理员先开启,Team plan for Scientists 例外(默认开启,面向学术与非营利机构的在职科学家,由课题组 PI 验证资格)。

Claude Science 官方页面

功能层面,页面列出 60 多个科学数据库的连接、基因组学、单细胞、蛋白质组学、结构生物学与化学信息学等分析专家,以及一个后台审稿人,负责标记错误引用、无法追溯的数字和与底层代码不符的图。每个工件保留生成它的代码、运行环境、通俗描述和对应的对话。计算可以跑在本地内核、通过 SSH 连接的 Slurm 集群或 Modal 账户上;原始数据与算力留在你选择的机器、集群或云账户里,但提示与回复内容由 Anthropic 按标准保留策略处理,部分敏感生命科学请求可能由不同的 Claude 模型处理。这些都是官网描述,本文没有安装或试用该应用。

Claude Science 官方页面

三种入口的分工建议(第一行到第三行的“报告特征”来自报告数据,其余为本文建议)。
入口适合的研究任务会话默认留下什么数据在哪里报告中的特征
Claude(Chat / Cowork)起草稿件、文献综合、回复审稿人、整理构思对话文本与书面工件;代码与数据不在其中你粘贴的内容进入对话写作与沟通 32.0%;书面工件 52%;高自主度仅 23.7%(生物类)
Claude Code数据分析、可视化、构建分析流水线、可执行的验证命令、输出、文件改动;可用 Stop hook 与 deny 规则做确定性约束本地仓库;模型读到的内容进入对话数据分析 48.1%;技术工件约为 Claude 两倍;高自主度 64.1%
Claude Science(公测)生命科学分析、数据库检索、带审稿人的多步骤分析官网称每个工件带代码、环境、描述与对话原始数据与算力留在你选的位置;提示与回复由 Anthropic 处理生命科学超过一半;高自主度 73.3%;博士级内容 82.7%

选择时先问数据边界,再问证据需求。数据受协议或伦理审查约束的课题,先确认“提示与回复内容由 Anthropic 处理”是否被允许,不要把“原始数据留在本地”读成“没有任何内容上传”。需要可执行证据的任务用 Claude Code:Stop hook、deny 规则与 --max-turns 在它的文档里被归为确定性控制,不依赖模型是否记得规则。写作可以留在聊天入口,但每个数字仍要回到分析文件夹里的命令输出。计划层面只需知道官网列出的计划范围,具体以你自己的账户为准;本文不涉及任何价格。

Claude Science 官方页面 · Claude Code 文档:Best practices

9. 研究会话必须留下什么:一个离线验收门禁

把第 7 节的六个环节压成五个必须存在的文件,再用一个脚本检查它们是否齐全且相互一致。这个门禁不判断科学结论对不对,只判断“别人能否重跑并追溯”。它可以手动运行,也可以作为 Claude Code 的 Stop hook,退出码 2 会让 Claude 继续工作而不是宣布完成。

Claude Code 文档:Best practices

分析文件夹必须留下的证据及检查方式(本文建议)。
证据文件怎么检查
可重跑的代码run.sh存在;在干净检出上执行能重新生成全部结果
锁定的环境environment.lock存在;pip、conda 或 renv 导出的精确版本
数据哈希data/SHA256SUMSshasum -a 256 --check 全部匹配
图的来源figures/PROVENANCE.tsv每行的图、脚本、提交与种子都存在且非空
独立审稿REVIEW.md含一行 re-ran: 写明审稿人重跑了什么
check_analysis.sh:离线检查五类证据是否存在且一致;全部通过打印 ACCEPT,否则以退出码 2 结束。
#!/usr/bin/env bash
# check_analysis.sh <folder> — offline acceptance gate for one analysis folder.
# ACCEPT only when code, pinned environment, data hashes, figure provenance
# and an independent reviewer note are all present and consistent.
set -u
dir="${1:?usage: check_analysis.sh <analysis-folder>}"
fail=0
need() { if [ -e "$dir/$1" ]; then echo "ok      $1"; else echo "MISSING $1 — $2"; fail=1; fi; }

need run.sh                 "one entry point that regenerates every result"
need environment.lock       "pinned environment (requirements.txt, renv.lock, conda export ...)"
need data/SHA256SUMS        "hashes of the raw inputs the analysis read"
need figures/PROVENANCE.tsv "one row per figure: figure, script, commit, seed"
need REVIEW.md              "independent reviewer pass: who, when, what was re-run"

if [ -f "$dir/data/SHA256SUMS" ]; then
  if (cd "$dir/data" && shasum -a 256 --check --quiet SHA256SUMS); then
    echo "ok      data hashes match"
  else
    echo "FAIL    raw data does not match SHA256SUMS"; fail=1
  fi
fi

if [ -f "$dir/figures/PROVENANCE.tsv" ]; then
  while IFS=$'\t' read -r fig script commit seed; do
    [ "$fig" = "figure" ] && continue            # header row
    [ -f "$dir/$fig" ]    || { echo "FAIL    listed figure missing: $fig"; fail=1; }
    [ -f "$dir/$script" ] || { echo "FAIL    script for $fig missing: $script"; fail=1; }
    [ -n "$commit" ]      || { echo "FAIL    no commit recorded for $fig"; fail=1; }
    [ -n "$seed" ]        || { echo "FAIL    no seed recorded for $fig"; fail=1; }
  done < "$dir/figures/PROVENANCE.tsv"
fi

if ! grep -qiE '^re-ran:' "$dir/REVIEW.md" 2>/dev/null; then
  echo "FAIL    REVIEW.md has no 're-ran:' line naming what the reviewer executed"; fail=1
fi

if [ "$fail" -eq 0 ]; then echo "ACCEPT"; else echo "HOLD — fix the lines above"; exit 2; fi

用法是 bash check_analysis.sh <分析文件夹>。我们在一个合成的最小文件夹上验证过:五个文件齐全、哈希匹配、PROVENANCE 每行完整时输出 ACCEPT;空文件夹时逐行列出缺失项并以退出码 2 结束。它刻意不去解析 notebook 或读取数据内容——那是测试和审稿人的工作。脚本依赖 bash、shasum 与 grep,macOS 与多数 Linux 发行版自带。

10. 把证据要求写进 CLAUDE.md,再用 Stop hook 兜底

Claude Code 最佳实践页面(2026-11-08 读取)把指令分成两类:非确定性的,由模型阅读并决定是否遵守——提示词、CLAUDE.md、技能;确定性的,由 Claude Code 本身执行——hook、deny 规则、受管设置。文档的原则是:如果某一行规则不能有例外,它就该是 hook 而不是 CLAUDE.md;如果你不断给 CLAUDE.md 某行加重语气而 Claude 仍然忽略,这本身就是信号。CLAUDE.md 只写模型从代码里看不出来的东西,memory 指南建议控制在 200 行以内。

Claude Code 文档:Best practices

CLAUDE.md:数据分析项目的会话约定,只写命令、证据规则与模型从代码里看不出来的坑。
# Analysis conventions (loaded into every Claude Code session in this repo)

## Commands
- Reproduce everything: bash run.sh
- Tests on the analysis code: python3 -m pytest tests -q
- Acceptance gate: bash check_analysis.sh .

## Evidence rules
- Every number you report must come from a command you ran in this session.
  Quote the command and the relevant output lines; never type a number from memory.
- Fix the random seed, print it, and record it in figures/PROVENANCE.tsv.
- When you change a figure, update its PROVENANCE row (figure, script, commit, seed).
- Raw data under data/raw/ is read-only. Derived data goes to derived/ and is
  regenerated by run.sh, never edited by hand.
- If a check fails, say so. Never describe a result as confirmed without the output.

## Gotchas
- The environment is pinned in environment.lock; do not install packages ad hoc.
- A citation needs a DOI or URL that was actually opened; mark everything else "to verify".

下面的 .claude/settings.json 把三条规则变成确定性控制。deny 规则在所有权限模式下都生效,包括 auto 与 bypassPermissions;文档说明 Read 的 deny 规则同样会拦住 cat 之类常见读文件命令,但拦不住一个自己打开文件的脚本。Stop hook 在 Claude 想结束回合时运行,退出码 2 阻止结束,stderr 内容会作为“还不能完成”的原因回传给模型。hooks 文档写明:连续八次被 Stop hook 挡回且其间没有任何工具调用时,Claude Code 会放行结束,可用环境变量 CLAUDE_CODE_STOP_HOOK_BLOCK_CAP 调整;hook 的输入里有 stop_hook_active 字段,用于避免在永远不会满足的条件上死循环。

Claude Code 文档:Best practices · Claude Code 文档:Hooks

.claude/settings.json:预批准三条分析命令,拒绝读取密钥与改动原始数据,Stop hook 先跑测试再跑验收门禁。
{
  "permissions": {
    "allow": [
      "Bash(bash run.sh)",
      "Bash(python3 -m pytest *)",
      "Bash(bash check_analysis.sh *)"
    ],
    "ask": ["Bash(git push *)"],
    "deny": [
      "Read(./.env)",
      "Read(./secrets/**)",
      "Edit(./data/raw/**)",
      "Write(./data/raw/**)"
    ]
  },
  "hooks": {
    "Stop": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "python3 -m pytest tests -q 1>&2 && bash check_analysis.sh . 1>&2 || exit 2"
          }
        ]
      }
    ]
  }
}

独立审稿可以交给一个只读子代理。sub-agents 文档说明子代理定义放在 .claude/agents/ 下,YAML 前言里只有 name 与 description 必填,tools 接受逗号分隔的工具列表;省略 Write 与 Edit 就得到一个不能改文件的审稿人。文档同时提醒,如果主会话处于 bypassPermissions、acceptEdits 或 auto 模式,子代理的 permissionMode 会被忽略,所以限制 tools 比设置权限模式更可靠。最佳实践页面的另一个建议是 /code-review:在一个没看过你对话的新子代理里审查改动,不会被产生这些代码的推理带偏。

Claude Code 文档:Sub-agents · Claude Code 文档:Best practices

.claude/agents/analysis-reviewer.md:只读审稿子代理,重跑门禁并追溯报告中的每个数字。
---
name: analysis-reviewer
description: Independent read-only reviewer for an analysis folder. Use after the main session says a result is done.
tools: Read, Glob, Grep, Bash
model: inherit
---

You review an analysis folder you did not produce. Do not edit files.
1. Run bash check_analysis.sh . and report the full output.
2. For every number in REPORT.md, find the command or script that produced it;
   list numbers you cannot trace.
3. For every figure listed in figures/PROVENANCE.tsv, confirm the script, commit and seed
   exist and that the figure is newer than the script.
4. Report "ACCEPT" only if every item passes; otherwise list each gap with the file name.

11. 文献筛选与参考文献:固定输出 schema,再离线查格式

报告显示文献综述是 Claude 上第二常见的任务(6.8%)。要让筛选结果可审计,需要两件事:模型输出遵守固定结构,并且每个判断都引用摘要里的原句。Claude Code 的 headless 文档(2026-11-08 读取)给出的方法是 claude -p 非交互运行,配合 --output-format json 与 --json-schema 得到结构化输出,结果放在 structured_output 字段;如果模型拒绝或没有产出有效结构,这个字段会缺失,脚本必须先检查它是否存在。--bare 跳过 hooks、技能、插件、MCP 与 CLAUDE.md,使同一命令在任何机器上行为一致,但它不使用订阅登录,必须设置 ANTHROPIC_API_KEY;--permission-mode dontAsk 拒绝一切原本会弹出提示的操作;--max-turns 封顶回合数;管道输入上限 10 MB。

Claude Code 文档:Run Claude Code programmatically(claude -p)

按固定 schema 筛选一条摘要;每条记录独立运行,便于并行与重跑。本文未实际执行此命令(需要 API 计费)。
# Screen one abstract against written criteria; the answer must match a fixed schema.
# --bare skips hooks, plugins and CLAUDE.md so the run is identical on every machine;
# it does not use a subscription login, so ANTHROPIC_API_KEY must be set (billed API use).
cat abstract-0001.txt | claude --bare -p \
  "Decide whether this abstract meets every criterion in CRITERIA.md. For each criterion quote the sentence that decided it. Do not guess missing information: mark it unknown." \
  --allowedTools "Read" \
  --permission-mode dontAsk \
  --max-turns 3 \
  --output-format json \
  --json-schema '{"type":"object","properties":{"include":{"type":"string","enum":["yes","no","unknown"]},"criteria":{"type":"array","items":{"type":"object","properties":{"name":{"type":"string"},"met":{"type":"string","enum":["yes","no","unknown"]},"quote":{"type":"string"}},"required":["name","met","quote"]}}},"required":["include","criteria"]}' \
  | jq '.structured_output // {"error": "no structured_output: do not count this record"}'

这样设计的理由:输出里的 quote 字段让审稿人可以对着摘要逐条核对,而不是信任一个 yes;unknown 作为显式取值,阻止模型在信息缺失时猜测;每条记录一次调用,可以并行、可以只重跑失败的那几条。本文没有运行这条命令——它需要 API 密钥并产生费用——只按文档核对了每个参数的存在与含义。参数名可能随版本变化,运行前请以当前 headless 与 CLI 参考页为准。

Claude Code 文档:Run Claude Code programmatically(claude -p)

verify_refs.py:离线检查参考文献 CSV 的 DOI 语法、重复与年份;不联网解析。
# verify_refs.py — offline format check of a bibliography CSV (columns: key,doi,year,title).
# It checks DOI syntax, duplicates and years only. It does NOT resolve DOIs or fetch
# anything; do that later as a separate, logged step and keep the HTTP status per DOI.
import csv, re, sys
from pathlib import Path

DOI = re.compile(r"^10\.\d{4,9}/\S+$")
path = Path(sys.argv[1] if len(sys.argv) > 1 else "references.csv")
seen, problems = {}, 0

def report(line, key, msg):
    global problems
    problems += 1
    print(f"line {line}: {key}: {msg}")

with path.open(newline="", encoding="utf-8") as f:
    for n, row in enumerate(csv.DictReader(f), start=2):
        key = row.get("key") or f"row{n}"
        doi = (row.get("doi") or "").strip().lower()
        doi = doi.removeprefix("https://doi.org/").removeprefix("doi:")
        if not doi:
            report(n, key, "no DOI — mark 'to verify'; do not cite yet")
        elif not DOI.match(doi):
            report(n, key, f"malformed DOI {doi!r}")
        elif doi in seen:
            report(n, key, f"duplicate of {seen[doi]}")
        else:
            seen[doi] = key
        year = (row.get("year") or "").strip()
        if not re.fullmatch(r"(19|20)\d{2}", year):
            report(n, key, f"year {year!r} is not a four-digit year")

print(f"{len(seen)} unique well-formed DOIs, {problems} problem(s)")
sys.exit(1 if problems else 0)

verify_refs.py 只做格式层面的事:DOI 以 10. 开头并带注册机构前缀、去掉 https://doi.org/ 与 doi: 前缀后不重复、年份为四位数。它故意不联网:解析 DOI 应作为单独的、有日志的步骤进行,并为每个 DOI 记录 HTTP 状态码与日期。我们在一个含四条记录的合成 CSV 上验证过:一条正常、一条与前者重复(大小写与前缀不同)、一条缺 DOI、一条 DOI 与年份格式都错,脚本报告 1 个唯一合法 DOI 与 4 个问题并以退出码 1 结束。

12. 读完报告之后,研究者该做的四个决定

第一,把试点放在构思与数据收集上,而不是让 AI 再多写一篇。报告显示这两类是研究者认为最重要(35.6 分与 23.6 分)却使用比最低的环节;在这里做实验,收益最大,也最需要第 7 节那种证据链,因为错误最难被发现。第二,按数据边界选入口:先确认机构的数据协议允许提示与回复内容由厂商处理,再谈功能。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05) · Claude Science 官方页面

第三,给每个项目配一个验收门禁和一个没有参与写代码的审稿人,无论审稿人是同事还是只读子代理。第 9 到 10 节的脚本不需要任何账号就能先跑起来。第四,把报告中的加速倍数当作团队时间的算术练习:情景 1 的 1.35 到 2.02 倍是“现有能力的上限估计”,情景 2 与 3 是敏感性分析,而湿实验室领域的 3 到 4 倍上限来自物理步骤占比约 40% 这一事实。

Anthropic:AI for scientific discovery — How researchers use Claude(2026-11-05)

如果你在学术或非营利机构,Anthropic 还有两个与报告相关的公开入口。AI for Science 计划于 2025 年 5 月 5 日公告,向隶属研究机构、从事高影响力科研项目的研究者提供 API 额度,重点是生物与生命科学,通过在线表单申请,由 Anthropic 团队与相关领域专家评审;公告页没有给出额度金额与截止日期。anthropic.com/science 页面则汇集了 Anthropic 的科学博客,如 2026-11-04 的 vault 颗粒结构、2026-09-04 的费马大定理形式化证明——这些是厂商自己选择展示的案例,读法与本文对报告的读法相同。

Anthropic:AI for Science 计划公告(2025-05-05) · Anthropic Science 页面与科学博客索引

本文没有验证的事项:我们没有复现报告的分类器,也拿不到底层会话数据,所有数字都是对原文的抄录与重算;Claude Science 没有安装试用,功能描述全部来自官网页面;claude -p 示例没有实际调用 API,只按文档核对了参数;三个脚本只在本地合成 fixture 上运行过,没有在真实研究数据上测试;Claude Code 文档在 2026-11-08 读取,参数名与默认行为可能随版本变化。

本文分析的是 Anthropic 的一份研究报告与公开文档。Claude 订阅、Claude Science 的计划要求与本站商品是不同的账本,不应从本文推断本站与 Anthropic 存在任何关系,也不应把报告中的倍数当作任何产品承诺。