天度 AI 实战库浏览全部案例 ↗

分析 20.7 万次科研会话中的 Claude 用法

Anthropic 用隐私保护方法分析 207,000 次 Claude 与 Claude Code 科研会话,发现科学家最常把模型用于数据分析和写作,而较少用于构思与采集数据。

具体怎么做
研究团队按学科和科研任务分类 207,000 次会话,并建立 AI 对各类任务理论适配度指标,再与科研人员实际投入时间和使用比例比较;同时结合活跃 AI 研究者调查,讨论不同能力与采用率下的产出情景。
做到了什么
数据分析约占 Claude 会话三分之一、Claude Code 会话接近一半。AI 最适配的前 20% 任务,实际 Claude 使用量是研究者时间占比所预测的 2–4 倍;形式科学使用更高,受实验物理环节限制的领域更低。关于产出倍增的数字来自情景模型,不是已经观察到的结果。
上手要点
适合作为科研工作流优先级依据;情景预测不能当作现实生产率提升。

你可以这样试

使用 Claude Code

分析【科研项目数据集】并区分【数据清洗、统计分析、可视化、写作、构思、数据采集】任务。对每项记录耗时、模型参与比例、人工复核和错误;优先自动化可重复的数据分析与写作步骤。输出任务分布、验证结果、模型不适合的物理或实验环节,以及下一轮可比较的基线指标。