Claude 工作流自动化教程｜附配置文件

在 AI 编程、内容生产、数据分析和日常办公中，Claude 已经不再只是一个“聊天机器人”，而逐渐成为可以嵌入工作流的智能协作中枢。很多人使用 Claude 的方式仍然停留在网页对话：复制需求、粘贴资料、等待回答、再手动整理结果。这样当然能提升效率，但还远远没有发挥 Claude 的真正价值。

如果把 Claude 接入自动化工作流，我们就可以让它完成更稳定、更可复用、更接近生产环境的任务，例如：

• 自动总结会议纪要；
• 自动分析用户反馈并生成分类报告；
• 自动审查代码并输出修改建议；
• 自动生成周报、日报、运营复盘；
• 自动读取知识库内容后回答问题；
• 自动根据模板生成文章、邮件、方案；
• 自动串联多个工具完成复杂任务。

本文将从实用角度出发，介绍如何搭建一套 Claude 工作流自动化方案，并附上可直接参考的配置文件示例。你可以根据自己的场景进行修改，用于内容生产、研发协作、数据分析、团队知识管理等工作。

一、为什么要做 Claude 工作流自动化？

很多人第一次使用 Claude 时，会被它较强的长文本理解能力、写作能力和代码辅助能力打动。但如果每天都要重复相似的操作，例如“读取文件—总结内容—生成报告—发送到某个平台”，手动使用 Claude 就会变得低效。

工作流自动化的核心价值在于：

1. 减少重复劳动

例如你每天都要整理客服反馈。如果手动操作，你需要复制几十条反馈，让 Claude 总结，再根据输出制作表格。通过自动化后，可以让系统自动读取反馈数据，调用 Claude 进行分类和总结，然后生成标准报告。

2. 保持输出格式稳定

人工对话时，提示词可能每次都不同，导致 Claude 输出格式不一致。自动化工作流可以固定提示词模板、字段结构和输出规范，让结果更适合团队协作或系统解析。

3. 适合批量处理任务

Claude 对长文本和复杂任务很友好，但批量任务靠人工操作并不现实。例如批量分析 100 篇文章、1000 条用户评论或多个代码文件，就需要借助脚本或自动化平台。

4. 更容易接入已有系统

当 Claude 通过 API 或自动化工具接入企业内部系统后，它就能和数据库、表格、文档库、邮件、IM 工具等协同工作，从“问答工具”变成“流程节点”。

二、Claude 工作流自动化的基本架构

一个常见的 Claude 自动化工作流通常由以下几个部分组成：

数据输入 → 数据预处理 → Prompt 模板 → Claude API 调用 → 结果解析 → 输出/存储/通知

分别来看：

1. 数据输入

数据可以来自很多地方：

• 本地 Markdown、TXT、PDF 文件；
• Excel 或 CSV 表格；
• 数据库；
• Notion、飞书、语雀等知识库；
• GitHub 仓库；
• 邮件系统；
• 用户提交的表单；
• 客服系统或工单系统。

2. 数据预处理

在发送给 Claude 之前，通常需要对原始数据做清洗，例如：

• 去除无关字段；
• 截断过长文本；
• 合并同类数据；
• 按时间排序；
• 转换成统一格式；
• 提取关键字段。

预处理越好，Claude 的输出质量越稳定。

3. Prompt 模板

Prompt 是自动化工作流的核心。一个好的 Prompt 模板通常包含：

• 角色设定；
• 任务目标；
• 输入内容；
• 输出格式；
• 限制条件；
• 示例；
• 质量标准。

例如，不要只写：

帮我总结这些反馈。

更好的写法是：

你是一名资深产品经理。请根据下面的用户反馈，完成：
1. 提取主要问题；
2. 按功能、性能、价格、体验四类归类；
3. 判断每类问题的严重程度；
4. 输出改进建议；
5. 使用 Markdown 表格输出。

4. Claude API 调用

通过 API 可以把 Claude 嵌入脚本、后端服务或自动化平台。典型调用包括：

• 指定模型；
• 输入系统提示词和用户消息；
• 设置最大输出长度；
• 控制温度参数；
• 获取返回内容；
• 处理异常和重试。

5. 结果解析

如果 Claude 输出的是 Markdown，可以直接用于文档或报告。如果需要给系统继续处理，建议让 Claude 输出 JSON 格式，这样更容易解析。

6. 输出与通知

最后一步是把结果发送到目标位置，例如：

• 保存为 Markdown 文件；
• 写入数据库；
• 更新 Notion 页面；
• 发送到飞书、钉钉、Slack；
• 生成邮件；
• 推送到 GitHub Issue；
• 导出为 PDF 报告。

三、准备工作

下面以 Node.js 环境为例，演示如何构建一个 Claude 自动化工作流。假设我们的目标是：

自动读取用户反馈文件，调用 Claude 分析反馈内容，并生成一份 Markdown 格式的产品改进报告。

你需要准备：

• Node.js 18 或以上版本；
• Claude API Key；
• 一个项目目录；
• 用户反馈数据文件；
• 配置文件；
• 调用 Claude 的脚本。

项目结构如下：

claude-workflow-demo/
├── data/
│   └── feedback.txt
├── prompts/
│   └── feedback-analysis.md
├── output/
│   └── report.md
├── config/
│   └── workflow.config.json
├── .env
├── package.json
└── index.js

四、安装依赖

在项目目录下执行：

npm init -y
npm install @anthropic-ai/sdk dotenv

其中：

• @anthropic-ai/sdk：Claude 官方 SDK；
• dotenv：用于读取 .env 环境变量。

五、配置 API Key

在项目根目录创建 .env 文件：

ANTHROPIC_API_KEY=your_api_key_here

请注意：

1. 不要把 .env 上传到公开仓库；
2. 建议在 .gitignore 中忽略 .env；
3. 企业场景中应使用密钥管理服务，而不是把 Key 写死在代码中。

.gitignore 示例：

node_modules/
.env
output/

六、编写工作流配置文件

创建 config/workflow.config.json：

{
  "workflowName": "用户反馈自动分析工作流",
  "model": "claude-3-5-sonnet-latest",
  "maxTokens": 3000,
  "temperature": 0.3,
  "inputFile": "data/feedback.txt",
  "promptFile": "prompts/feedback-analysis.md",
  "outputFile": "output/report.md",
  "language": "zh-CN",
  "reportFormat": "markdown",
  "retry": {
    "times": 3,
    "intervalMs": 1500
  }
}

这个配置文件的作用是把脚本中容易变化的内容抽离出来。以后如果你要切换模型、修改输入文件或调整输出路径，只需要改配置文件，而不必修改主程序。

字段说明：

七、准备 Prompt 模板

创建 prompts/feedback-analysis.md：

你是一名资深产品经理，擅长从用户反馈中发现产品问题、需求机会和优先级。

请基于下面提供的用户反馈，生成一份中文产品改进分析报告。

## 任务要求

你需要完成以下内容：

1. 总结用户反馈的整体情况；
2. 提取高频问题；
3. 将问题按照以下类别归类：
   - 功能缺失
   - 使用体验
   - 性能问题
   - 价格与商业模式
   - 客服与服务
   - 其他
4. 判断每类问题的影响程度：高 / 中 / 低；
5. 给出可执行的产品改进建议；
6. 给出建议优先级；
7. 输出 Markdown 格式报告。

## 输出格式

请严格按照以下结构输出：

# 用户反馈分析报告

## 1. 总体概览

## 2. 高频问题汇总

| 问题 | 出现频率估计 | 影响程度 | 说明 |
|---|---:|---|---|

## 3. 分类分析

### 3.1 功能缺失

### 3.2 使用体验

### 3.3 性能问题

### 3.4 价格与商业模式

### 3.5 客服与服务

### 3.6 其他

## 4. 产品改进建议

| 建议 | 对应问题 | 优先级 | 预计收益 |
|---|---|---|---|

## 5. 下一步行动计划

请给出 1 周、1 个月、1 个季度三个阶段的行动建议。

## 用户反馈内容

{{feedback}}

这里使用了 {{feedback}} 作为占位符。脚本会读取反馈文件内容，并替换到模板中。

八、准备测试数据

创建 data/feedback.txt：

用户A：最近打开应用特别慢，尤其是晚上高峰期，经常要等十几秒。
用户B：希望增加批量导出功能，现在只能一条一条导出，很麻烦。
用户C：会员价格有点贵，如果只是偶尔使用，不太划算。
用户D：界面按钮太多了，新用户不知道应该先点哪里。
用户E：客服响应速度一般，上次提交问题两天才有人回复。
用户F：希望支持更多第三方平台同步，比如 Notion 和飞书。
用户G：搜索结果不够准确，经常搜不到我想要的内容。
用户H：应用启动速度慢，而且有时候会卡死。
用户I：如果能有团队协作功能就好了，现在多人一起用不方便。
用户J：价格套餐不够灵活，希望有按量付费。

九、编写自动化脚本

创建 index.js：

import fs from "fs";
import path from "path";
import dotenv from "dotenv";
import Anthropic from "@anthropic-ai/sdk";

dotenv.config();

const client = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY
});

function readJson(filePath) {
  return JSON.parse(fs.readFileSync(filePath, "utf-8"));
}

function readText(filePath) {
  return fs.readFileSync(filePath, "utf-8");
}

function ensureDir(filePath) {
  const dir = path.dirname(filePath);
  if (!fs.existsSync(dir)) {
    fs.mkdirSync(dir, { recursive: true });
  }
}

function sleep(ms) {
  return new Promise(resolve => setTimeout(resolve, ms));
}

async function callClaudeWithRetry({ model, maxTokens, temperature, prompt, retry }) {
  let lastError = null;

  for (let i = 0; i <= retry.times; i++) {
    try {
      const response = await client.messages.create({
        model,
        max_tokens: maxTokens,
        temperature,
        messages: [
          {
            role: "user",
            content: prompt
          }
        ]
      });

      return response.content
        .filter(item => item.type === "text")
        .map(item => item.text)
        .join("\n");
    } catch (error) {
      lastError = error;
      console.error(`Claude 调用失败，第 ${i + 1} 次尝试：`, error.message);

      if (i < retry.times) {
        await sleep(retry.intervalMs);
      }
    }
  }

  throw lastError;
}

async function main() {
  const config = readJson("config/workflow.config.json");

  console.log(`开始执行工作流：${config.workflowName}`);

  const feedback = readText(config.inputFile);
  const promptTemplate = readText(config.promptFile);
  const prompt = promptTemplate.replace("{{feedback}}", feedback);

  const result = await callClaudeWithRetry({
    model: config.model,
    maxTokens: config.maxTokens,
    temperature: config.temperature,
    prompt,
    retry: config.retry
  });

  ensureDir(config.outputFile);
  fs.writeFileSync(config.outputFile, result, "utf-8");

  console.log(`工作流执行完成，报告已生成：${config.outputFile}`);
}

main().catch(error => {
  console.error("工作流执行失败：", error);
  process.exit(1);
});

由于这个示例使用了 ES Module，需要在 package.json 中加入：

{
  "type": "module",
  "scripts": {
    "start": "node index.js"
  },
  "dependencies": {
    "@anthropic-ai/sdk": "^0.32.0",
    "dotenv": "^16.4.5"
  }
}

然后执行：

npm run start

执行成功后，你会在 output/report.md 中看到 Claude 生成的分析报告。

十、进一步优化：让 Claude 输出 JSON

如果你希望后续把结果写入数据库、表格或业务系统，Markdown 并不是最方便的格式。此时可以要求 Claude 输出 JSON。

例如，将 Prompt 输出要求修改为：

请输出严格 JSON，不要输出 Markdown，不要添加解释文字。

JSON 结构如下：

{
  "summary": "整体概览",
  "topIssues": [
    {
      "issue": "问题名称",
      "frequency": "高/中/低",
      "impact": "高/中/低",
      "description": "说明"
    }
  ],
  "categories": {
    "功能缺失": [],
    "使用体验": [],
    "性能问题": [],
    "价格与商业模式": [],
    "客服与服务": [],
    "其他": []
  },
  "suggestions": [
    {
      "suggestion": "改进建议",
      "relatedIssue": "对应问题",
      "priority": "P0/P1/P2",
      "expectedBenefit": "预计收益"
    }
  ],
  "actionPlan": {
    "oneWeek": [],
    "oneMonth": [],
    "oneQuarter": []
  }
}

不过需要注意，模型输出 JSON 时仍可能因为内容复杂而产生格式瑕疵。生产环境建议增加 JSON 解析校验和失败重试机制，例如：

function safeJsonParse(text) {
  try {
    return JSON.parse(text);
  } catch {
    const match = text.match(/\{[\s\S]*\}/);
    if (match) {
      return JSON.parse(match[0]);
    }
    throw new Error("Claude 输出不是合法 JSON");
  }
}

更稳妥的做法是使用结构化输出策略：减少自由发挥空间，明确字段类型，必要时将复杂任务拆成多步。

十一、多步骤工作流设计

真实业务中，一个 Claude 工作流往往不是一次调用就结束，而是多个步骤串联。

例如“用户反馈分析”可以拆成四步：

步骤1：清洗反馈数据
步骤2：提取问题与需求
步骤3：合并同类项并判断优先级
步骤4：生成管理层报告

这种拆分有几个好处：

1. 每一步任务更清晰；
2. 输出更可控；
3. 更容易调试；
4. 出错时可以只重跑某一步；
5. 适合处理更大的数据量。

示例配置文件可以这样写：

{
  "workflowName": "多步骤用户反馈分析工作流",
  "steps": [
    {
      "name": "清洗反馈",
      "promptFile": "prompts/step1-clean.md",
      "inputFile": "data/feedback.txt",
      "outputFile": "output/step1-cleaned.txt"
    },
    {
      "name": "提取问题",
      "promptFile": "prompts/step2-extract.md",
      "inputFile": "output/step1-cleaned.txt",
      "outputFile": "output/step2-issues.json"
    },
    {
      "name": "生成报告",
      "promptFile": "prompts/step3-report.md",
      "inputFile": "output/step2-issues.json",
      "outputFile": "output/final-report.md"
    }
  ],
  "model": "claude-3-5-sonnet-latest",
  "maxTokens": 3000,
  "temperature": 0.2,
  "retry": {
    "times": 3,
    "intervalMs": 1500
  }
}

多步骤工作流适合稍复杂的自动化场景，例如：

• 周报生成；
• 舆情分析；
• 竞品调研；
• 代码审查；
• 招聘简历筛选；
• 会议纪要整理；
• 知识库问答。

十二、接入定时任务

如果你希望工作流每天自动执行，可以使用系统定时任务。

macOS / Linux 使用 Cron

编辑定时任务：

crontab -e

添加：

0 9 * * 1-5 cd /path/to/claude-workflow-demo && npm run start >> logs/workflow.log 2>&1

这表示工作日每天早上 9 点执行一次。

使用 PM2 定时执行

安装 PM2：

npm install pm2 -g

创建 ecosystem.config.cjs：

module.exports = {
  apps: [
    {
      name: "claude-feedback-workflow",
      script: "index.js",
      cron_restart: "0 9 * * 1-5",
      autorestart: false,
      env: {
        NODE_ENV: "production"
      }
    }
  ]
};

启动：

pm2 start ecosystem.config.cjs

十三、接入飞书、钉钉或 Slack 通知

自动化报告生成后，如果还要手动打开文件查看，效率仍然不够高。更好的方式是将结果推送到团队协作工具。

以 Webhook 为例，可以在配置文件中添加：

{
  "notify": {
    "enabled": true,
    "type": "webhook",
    "url": "https://example.com/webhook"
  }
}

然后在脚本中加入发送函数：

async function sendWebhook(url, content) {
  await fetch(url, {
    method: "POST",
    headers: {
      "Content-Type": "application/json"
    },
    body: JSON.stringify({
      text: content
    })
  });
}

在生成报告后调用：

if (config.notify?.enabled && config.notify.type === "webhook") {
  await sendWebhook(config.notify.url, result);
}

实际接入飞书、钉钉或 Slack 时，消息体格式略有不同，需要根据对应平台的文档调整。

十四、常见自动化场景模板

下面给出几个常见 Claude 工作流自动化场景，你可以直接套用。

1. 自动生成周报

输入：

• 本周任务列表；
• Git 提交记录；
• 项目管理工具中的任务状态；
• 会议纪要。

输出：

• 本周完成事项；
• 风险与问题；
• 下周计划；
• 需要协作的事项。

Prompt 思路：

你是一名项目经理，请根据以下任务记录生成团队周报。
要求：
1. 按项目分类；
2. 区分已完成、进行中、阻塞项；
3. 使用正式但简洁的中文；
4. 输出 Markdown。

2. 自动代码审查

输入：

• Git diff；
• 代码文件；
• 项目规范。

输出：

• 潜在 bug；
• 性能问题；
• 安全风险；
• 可读性建议；
• 修改后的参考代码。

注意事项：

• 不要一次塞入整个大型仓库；
• 优先传入 diff；
• 给 Claude 明确审查维度；
• 对高风险修改保持人工复核。

3. 自动会议纪要

输入：

• 会议录音转写文本；
• 参会人列表；
• 项目背景。

输出：

• 会议主题；
• 关键讨论点；
• 决策事项；
• 待办事项；
• 负责人和截止时间。

Prompt 中最好要求 Claude 只基于原文，不要编造不存在的负责人或日期。

4. 自动竞品分析

输入：

• 竞品官网内容；
• 产品说明；
• 用户评论；
• 价格信息。

输出：

• 产品定位；
• 核心功能；
• 定价策略；
• 优势劣势；
• 对我方产品的启发。

十五、提升 Claude 自动化质量的关键技巧

1. Prompt 要明确边界

不要让 Claude 猜你的业务规则。凡是固定规则，都应写入 Prompt 或配置文件。例如：

• 优先级如何判断；
• 严重程度如何划分；
• 输出语言是什么；
• 是否允许推测；
• 需要引用原文还是只总结。

2. 输出格式要严格

如果输出用于人看，可以使用 Markdown。如果输出用于机器处理，建议使用 JSON。不要在同一个任务中同时要求“自由发挥”和“严格结构化”，否则容易降低稳定性。

3. 控制输入长度

虽然 Claude 支持长上下文，但并不意味着越长越好。输入内容过多时，模型可能忽略细节。可以先做分批总结，再做汇总分析。

4. 使用低 temperature

自动化任务通常追求稳定，而不是创意。建议：

• 分类、总结、抽取：temperature 设置为 0 到 0.3；
• 写作、创意、文案：temperature 设置为 0.5 到 0.8。

5. 增加失败重试

API 调用可能因为网络、限流、超时等原因失败。生产环境应加入：

• 重试机制；
• 超时控制；
• 错误日志；
• 请求限速；
• 失败告警。

6. 保留中间结果

多步骤工作流中，建议保存每一步输出。这样便于排查问题，也能避免全部重跑。

7. 人工审核关键结果

AI 自动化不是完全无人值守。对于财务、法律、医疗、安全、核心业务决策等高风险场景，应保留人工审核环节。

十六、完整配置文件汇总

下面是一个更完整的生产化配置示例：

{
  "workflowName": "Claude 用户反馈分析与通知工作流",
  "environment": "production",
  "model": "claude-3-5-sonnet-latest",
  "maxTokens": 4000,
  "temperature": 0.2,
  "input": {
    "type": "file",
    "path": "data/feedback.txt",
    "encoding": "utf-8"
  },
  "prompt": {
    "path": "prompts/feedback-analysis.md",
    "variables": {
      "language": "zh-CN",
      "outputFormat": "markdown"
    }
  },
  "output": {
    "type": "file",
    "path": "output/report.md",
    "overwrite": true
  },
  "retry": {
    "times": 3,
    "intervalMs": 1500
  },
  "notify": {
    "enabled": false,
    "type": "webhook",
    "url": ""
  },
  "logging": {
    "enabled": true,
    "path": "logs/workflow.log"
  }
}

这份配置将输入、提示词、输出、重试、通知和日志都模块化了。随着工作流变复杂，配置文件可以继续扩展，例如增加：

• 多模型路由；
• 多步骤任务；
• 权限控制；
• 成本预算；
• Token 使用统计；
• 输入数据脱敏；
• 自动归档。

十七、安全与合规注意事项

在企业或团队中使用 Claude 自动化时，需要特别注意数据安全。

1. 不要上传敏感数据

如果包含以下内容，应谨慎处理：

• 用户手机号；
• 身份证号；
• 银行卡号；
• 内部密钥；
• 未公开财务数据；
• 商业机密；
• 医疗隐私；
• 合同敏感条款。

可以在发送给 Claude 之前做脱敏处理，例如：

张三，手机号 13812345678

替换为：

用户A，手机号 [已脱敏]

2. 管理 API Key 权限

API Key 应避免硬编码，最好：

• 存储在环境变量中；
• 定期轮换；
• 设置访问权限；
• 不提交到 Git；
• 泄露后立即吊销。

3. 记录必要日志

日志应记录：

• 工作流名称；
• 执行时间；
• 输入文件路径；
• 输出文件路径；
• 调用是否成功；
• 错误信息。

但不要在日志中记录完整敏感内容。

十八、总结

Claude 工作流自动化的核心，不是简单地“把问题发给 AI”，而是将 AI 作为一个稳定、可配置、可监控的流程节点。通过配置文件、Prompt 模板、API 调用和结果处理，我们可以把大量重复的脑力劳动标准化、自动化。

本文介绍了一套基础但完整的实现方式：

1. 使用配置文件管理模型、路径和参数；
2. 使用 Prompt 模板固定任务目标和输出格式；
3. 使用 Node.js 调用 Claude API；
4. 支持失败重试和文件输出；
5. 可以扩展为多步骤工作流；
6. 可以接入定时任务和团队通知工具；
7. 在生产环境中需要重视安全、日志和人工审核。

如果你刚开始尝试 Claude 自动化，建议先从一个简单场景入手，例如“自动生成周报”或“用户反馈总结”。当单个流程稳定后，再逐步接入更多数据源、通知渠道和业务系统。

真正高效的 AI 工作方式，不是每次都重新问一遍，而是把高频任务沉淀成可复用的工作流。Claude 的价值，也正是在这些持续运行、不断优化的自动化流程中被放大。