Analysis with Claude
Claude 很适合做解释型分析，尤其是“先读懂材料，再整理结构，再提出下一步”的任务。按 Anthropic 当前 prompt engineering 文档，它的强项依然不是替你拍板最终结论，而是把复杂信息压成更清楚的判断框架。
更适合 Claude 的分析任务
- 长文档或多份材料总结
- 报告、访谈、反馈的主题归纳
- 表格字段解释和初步 pattern 提炼
- 把复杂结论改写成管理层能看的版本
如果任务更偏“解释和组织信息”，Claude 很顺手；如果任务是精确数值计算、高风险财务判断或法律结论，仍然要保留人工复核。
一个更稳的分析流程
- 先交代材料范围、时间段和口径。
- 先让 Claude 列出关键发现，不急着下原因判断。
- 再要求它区分“观察到的现象”和“可能的解释”。
- 最后再整理成报告、摘要或行动建议。
比起一句“分析一下这个表”，这种方式更不容易让它把推测写成事实。
提示时最该补的东西
- 数据来源或材料来源
- 字段定义或术语表
- 业务背景
- 你想要的输出形式
Anthropic 官方一直强调“清楚上下文 + 清楚目标”。分析场景里尤其如此。
风险和边界
- 不要直接上传未脱敏的敏感数据
- 解释不等于因果
- 数字结论和高风险判断要人工复核
官方资源
- Prompt engineering overview：https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview
- Reduce hallucinations：https://docs.anthropic.com/en/docs/test-and-evaluate/strengthen-guardrails/reduce-hallucinations
