10个Claude工作流，每周帮我省下10小时

贾克斯

# 10个Claude工作流，每周帮我省下10小时


我连续两周记录了自己使用 Claude 的情况，精确到时间戳、任务类型、以及跟手动操作相比省下了多少时间。

结果是：每周省下 11.4 小时。换算一下，一个月就是 45 小时以上，相当于白白多出了两个完整的工作日。而这一切只需要一个浏览器标签页里的 10 套工作流。

这里说的工作流，指的是一套可以反复使用的提示词加结构。每次遇到同类任务就跑一遍，输入格式固定，输出格式固定，结果可预期。

既然如此，为什么还要花 3 小时去做一件 10 分钟就能自动化的事呢？

以下是我这个月实际跑过的每一套工作流，按省时排名。

先说一下我用的工具：就是 Claude 网页版，Pro 订阅。没有 API，没有在终端里跑 Claude Code，也没有任何自定义集成。

## 工作流一：研究调研

今年二月，我需要为一篇文章对比 6 家 MCP 服务商。

以前的做法是：打开 15 个标签页，扫一遍文档，把引用复制粘贴到 Google Doc 里，试着理清头绪，然后发现漏了一家，再打开更多标签页，中间被 Twitter 分散注意力，两小时后回来，面前是一份乱七八糟的文档，还得重新整理。

[现在我上传自己的 rules.md](http://t.cn/AXIZBjm0)，然后输入：

```plaintext
研究[主题]。

结构要求：
1. 摘要（最多3句话）
2. 核心发现（前5条，按影响力排序）
3. 信息缺口：现有资料中缺少什么
4. 来源及链接

如果数据不足以支撑某个结论，直接说明。
不要推测，不要注水。
```

这里面最关键的一句是「如果数据不足以支撑某个结论，直接说明」。不加这句的话，Claude 会非常自信地编造数据。

## 工作流二：内容素材提取

做内容最耗时间的环节，其实是在动笔之前处理信息。

一篇典型的文章需要阅读 5 到 10 个来源：GitHub README、技术文档、Twitter 长帖、博客文章、更新日志。

以前手动阅读、划重点、交叉对比、提炼关键信息，一篇文章的前期工作就要一个多小时。

现在我把所有原始素材复制粘贴到 Claude 里，然后跑这个：

```plaintext
以下是我关于[主题]的素材：
[粘贴所有原始材料]

提取：
1. 对我的读者最重要的5个事实
  （面向的是开发者和创造者，不是普通消费者）
2. 任何与主流叙事相矛盾的内容
3. 具体数字：star数、用户量、融资额、基准测试成绩
4. 一个别人都没覆盖到的切入角度

如果两个来源说法矛盾，把两边都列出来。
不要总结废话，只要有价值的信号。
```

## 工作流三：GitHub 仓库批量筛选

我第一篇文章需要从 MAGI//ARCHIVE 的 1000 多个仓库里挑出 40 个值得介绍的。

手动操作的话，每个仓库 3 到 5 分钟，加起来就是 50 多个小时的工作量。

我的做法是导出仓库列表，分批喂给 Claude，跑这个提示词：

```plaintext
以下是一批GitHub仓库及其描述：
[粘贴当前批次]

对每个仓库评估：
1. 它到底干什么（一句话，不要营销话术）
2. 热度信号：star数、最近提交活跃度、贡献者数量
3. 分类：智能体框架 / 开发工具 / MCP / 基础设施 / 其他
4. 值得推荐吗？是/否，附一句理由

跳过以下类型：纯封装、教程仓库、30天以上没有提交的。
把「是」的结果按有趣程度排序。
```

Claude 每次处理 50 到 100 个仓库。

我还是会亲自打开每一个标记为「是」的仓库去核实，但需要检查的从 1000 个缩减到了大约 80 个。

最省时间的那条过滤规则是「跳过 30 天以上没有提交的」。热门榜单上一半的仓库，其实早就没人维护了。

## 工作流四：数据分析

说实话，我从高中信息课开始就讨厌电子表格。

但我经常需要分析各种数据：内容指标、交易表现、互动数据。

以前的做法是导出 CSV，打开 Google Sheets，花 40 分钟写公式，发现有一个写错了，从头来过。

现在直接上传文件：

```plaintext
分析这份数据，我需要：
1. 随时间变化的前3个趋势
2. 任何异常或出乎意料的地方
3. [列A]和[列B]之间的相关性

先给表格，然后用两段话解释这些数据意味着什么，说人话。
如果数据量太小不足以得出结论，直接说明。
```

## 工作流五：竞品分析

每次偶然发现一个有意思的账号或项目，以前我会花一个小时翻他们的内容、定位和受众。

现在我把相关信息给 Claude，让它来：

```plaintext
我在分析[竞品/账号]。

根据你已有的知识加上我提供的资料：
1. 他们做得最好的3件事（要具体）
2. 他们的短板或盲区
3. 我能从中学到什么
4. 我的定位跟他们有什么不同

关于我：我写AI工具、vibe coding和加密货币相关内容，
面向开发者和创造者，主要在TG和X上发布。

不要说「他们品牌很强」这种废话。告诉我为什么强，
具体是什么在起作用。
```

关键是要给 Claude 关于「你」的上下文，而不只是竞品的信息。否则你得到的就是一份套在谁身上都行的通用 SWOT 分析。

## 工作流六：代码审查

我大量使用 AI 写代码，也就是说 Claude 写了我大部分的代码，我需要确认它不会搞出安全漏洞或者把我的 API 密钥暴露给全世界。

```plaintext
审查这段代码，检查：
- 安全问题（密钥暴露、注入攻击、XSS）
- 逻辑错误和我可能遗漏的边界情况
- 性能问题
- 任何会让资深开发者看了不舒服的地方

对每个问题标注：严重程度（严重/高/中/低）、
具体位置、为什么有问题、以及修正后的代码。

请毫不留情。「整体看起来不错」这种话对我没用。

[粘贴代码]
```

「毫不留情」这条指令比你想象的重要得多。

不加的话，Claude 默认给你礼貌反馈，类似「代码结构很好，也许可以考虑……」

加了之后，你会得到那种严厉的代码审查者的能量，这才是你真正需要的。说实话，Claude 在毒舌方面比在客气方面强多了，挺离谱的。

## 工作流七：内容多平台分发

如果你同时运营多个社交媒体账号（X、Telegram、Instagram 等），你一定知道把同一个内容改写成不同平台版本有多痛苦。

```plaintext
这是我的文章：[粘贴或上传]

生成：
1. X平台的2句话钩子（包含文章中的一个具体数字或论断）
2. TG的4段帖子，提炼核心洞察
3. 一句有争议性的引用转发文案
4. 3条独立的观点推文，可以在一周内分开发布

每条内容必须独立成立。没读过原文的人也能从中获得价值。
```

我的 GitHub 仓库推荐文章就这样变成了：1 条 TG 公告、3 条分散在一周内的推文、2 条引用转发文案、1 个长帖开头。

一个提示词，10 分钟编辑。以前要花 2 小时。

反过来用也很好，说实话我一些最好的内容就是这么来的。我会把一周内发的 5 到 6 条 TG 短帖全部粘贴进去，让 Claude 找到它们之间的共同线索，然后起草一篇长文大纲。

随便说说，供参考。

## 工作流八：邮件撰写

如果你的工作涉及写邮件，你一定有过这种感觉：为了一封 4 句话的邮件，在措辞上纠结 15 分钟。太正式了像机器人，太随意了又显得不专业。

这套工作流解决这个问题：

```plaintext
写一封邮件。
收件人：[姓名 + 我跟对方的关系]
目标：[我希望对方做什么]
语气：专业但像真人说话
上限：5句话
背景：[具体情况]

不要写成：冷冰冰的推销模板、企业公文、
或者一看就是ChatGPT写的东西。
不要用「希望这封邮件找到你的时候一切安好」这种开头。
```

「不要写成 ChatGPT 写的东西」这条指令是关键。不加的话，你每次都会得到经典的 AI 邮件开头。

加了之后，Claude 写出来的东西读起来像一个很忙但尊重对方时间的人写的。

## 工作流九：每日简报

每天早上，同样的流程。泡咖啡，打开 Claude，一个提示词：

```plaintext
3分钟简报：
1. 过去24小时最重要的3条AI新闻（每条一句话）
2. 加密货币：重大行情、爆仓、新叙事
3. 今天发内容之前我应该知道的任何事

要具体：名字、数字、链接。
跳过任何不是真正重要的东西。
3条真消息 > 10条凑数的。
```

这个工作流替代了我每天早上在 X 上刷 45 分钟「了解动态」的习惯。

刷信息流的问题在于，新闻跟八卦、表情包、钓鱼帖、20 分钟的兔子洞全混在一起。

Claude 给你的是纯信号，没有噪音。

完美吗？不完美。它有时候会漏掉东西，尤其是最近一小时内的突发消息。但它大概能抓住 80% 真正重要的内容，而我的早晨时间拿回来了。

剩下的 20%，我在白天通过群聊和推送通知自然就能补上。

## 工作流十：每周复盘

每周日晚上，我把这一周积攒的所有东西都倒进 Claude。笔记、书签、半成品想法、截图、随手保存然后忘掉的东西：

```plaintext
以下是我这周的笔记和想法：
[全部粘贴]

帮我：
1. 找规律：我最近在往哪些方向靠拢？
2. 哪3个想法最有内容潜力？
3. 我在忽略什么不该忽略的东西？
4. 下周内容计划：3条TG帖子 + 1个文章选题

请说实话。如果某个想法很弱，直接说。
不要告诉我什么都很棒。
```

这个环节是 Claude 从工具变成思考搭档的时刻。它能看到你自己想法之间的联系，而你因为离自己的东西太近反而看不到。

周日花 30 分钟，省掉一周里「今天写什么」的纠结时间。

这是我用 Claude 做的所有事情里，投入产出比最高的一件。

## 完整数据

以下是完整的时间对比。我追踪了两周，取平均值：

```plaintext
工作流            以前      现在      每周省时
─────────────────────────────────────────────
研究调研          2小时     15分钟    1小时45分
内容素材提取      4小时     1.5小时   2小时30分
GitHub仓库筛选    1.5小时   20分钟    1小时10分
数据分析          2小时     20分钟    1小时40分
竞品分析          1小时     15分钟    45分钟
代码审查          2小时     15分钟    1小时45分
内容多平台分发    2小时     20分钟    1小时40分
邮件撰写          30分钟    5分钟     25分钟
每日简报          45分钟    5分钟     40分钟
每周复盘          1小时     30分钟    30分钟
─────────────────────────────────────────────
合计                                  约13小时/周
```

每周 13 小时。每月 52 小时。基本上等于每个月多出了一整周的工作时间。

需要说明的是：这些数字是我个人的情况。你的实际效果会因为工作内容和现有流程的摩擦程度而有所不同。

但即使你只采用其中 3 到 4 个工作流，每周大概也能省下 5 小时以上。这可不是一个小数字。

## 最大的收获

追踪这一切之后，我最大的收获其实跟 Claude 或者提示词技巧无关，而是关于我的时间到底花在了哪里。

我以前所谓的「工作」，大部分其实是在切换上下文。

开标签页、重新阅读之前看过的东西、被打断之后重新进入状态、做那些感觉很忙但实际上什么都没推进的事情。

思考和编辑的部分仍然是我自己