所有資源
Claude Academy 中的所有使用情境、教學課程與課程,盡在一處。
324 個資源
AI 能力與限制
建立一個準確的心智模型,了解大型語言模型能做什麼、不能做什麼:下一個 token 預測、知識、工作記憶、可操控性,以及上下文限制。
建構者的 AI 流暢度
本課程協助建構者培養 AI 流暢度——在提升影響力與效率的同時,忠於掌握從問題到交付解決方案 完整歷程的真正意涵。
創意工作的 AI 流暢力
本課程賦予創意專業人士培養 AI 流暢力的能力,使其能夠針對創意實務中的 AI 使用做出有意圖、以分析為導向的決策,同時保護讓其作品獨一無二之處。
教育工作者的 AI 素養
協助教職人員、教學設計師和教育領導者將 4D AI 素養框架應用於課程設計、學習材料和教學實踐。
非營利組織的 AI 流暢度
運用 4D 框架:委派、描述、辨別與審慎,為非營利工作建立實用的 AI 協作技能。涵蓋研究、寫作、數據分析,以及在堅守使命與價值觀的同時推動全組織採用 AI。
pK-12 AI 流暢度培訓講師課程
本課程賦予 pK–12 教育工作者能力,讓他們能夠為同事主持 AI 流暢度培訓——為他們提供一套基於 4D 框架、可立即使用的工作坊工具包,同時忠於教育工作者的使命與價值觀。
pK–12 教育工作者的 AI 素養
協助 pK-12 教育工作者透過 4D 框架建立實用的 AI 素養, 在支持學生學習的同時,堅守其使命與價值觀。 與 Teach For America 合作開發。
小型企業的 AI 流暢力
協助小型企業業主與員工運用 4D 框架——委派(Delegation)、描述(Description)、判斷 (Discernment)與審慎(Diligence)——建立實用的 AI 協作技能。將此框架應用於研究、 客戶資料與營運等日常業務工作,同時忠於您的使命與價值觀。
學生的 AI 素養
透過負責任的 AI 協作,協助學生建立用於學習、職涯規劃與學業成功的 AI 素養技能。將 4D 框架(委派、描述、判斷、盡責)應用於學生生活。
AI Fluency:框架與基礎
學習運用 4D 框架——委派(Delegation)、描述(Description)、辨別(Discernment)與審慎(Diligence)——有效、高效、合乎道德且安全地與 AI 協作。
建立有效的人類-代理人團隊(beta)
探索從單人模式轉向多人模式 AI 的好處,並學習如何為團隊做好轉型準備。
使用 Claude API 建構
使用 Claude API 操作 Anthropic 模型的完整範疇:提示、工具使用、RAG、代理、MCP 以及生產模式。
Claude 101
學習在日常工作中使用 Claude,從您的第一次對話和有效的提示技巧,到專案、成品、技能以及連接的工具。
Claude Code 101
一款存在於您終端機中的代理式編碼工具。了解什麼是 Claude Code、它如何運作, 以及用它完成實際工作的核心工作流程。
Claude Code 實戰
執行您可以信賴的長時間、免人工操作 Claude Code 工作階段:引導、設定、 自動化並驗證
Google Cloud 上的 Claude
透過 Google Cloud's Agent Platform 使用 Anthropic 模型:設定、提示撰寫、工具使用、RAG、 代理,以及生產部署模式。
Claude Platform 101
本課程從基礎開始教導開發人員如何在 Claude Platform 上進行建置,無論您已經發出過幾次 API 呼叫,還是僅透過聊天視窗使用過 Claude。
透過 Amazon Bedrock 使用 Claude
透過 Amazon Bedrock 整合並部署 Claude:API 實作、工具使用、RAG 管線、代理程式,以及在 AWS 上的生產級應用程式。
自信地部署 Claude Enterprise:塑造您部署方案的五項決策
做出塑造 Claude 如何為您的組織運作的五項決策——結構與身分、存取權限、治理、支出、 可見性——並將它們記錄在您保留的部署方案中。
代理技能簡介
在 Claude Code 中建立、設定並分享技能——這些可重複使用的 Markdown 指示會由 Claude 自動套用至符合的任務。內容涵蓋從建立您的第一個技能到團隊分發與疑難排解。
Claude Cowork 簡介
在 Cowork 中將多步驟工作委派給 Claude:設定工作區、提供上下文、執行任務循環,並使用外掛程式進行研究、文件處理和瀏覽器任務。
Claude Tag 簡介
Claude Tag(測試版)將 Claude 帶入您團隊的 Slack 工作區。了解該將工作交給它的時機、如何引導和糾正它,以及能幫助您和團隊隨著時間從中獲得更多價值的習慣。
Evals 簡介
在您自己的資料上建立一個小型 eval,依準確度優先、成本次之來選擇 Claude 模型,在升級模型之前先修正提示,並在上線後持續檢查。
Model Context Protocol 簡介
使用 Python SDK 從零開始建置 MCP 伺服器和客戶端,涵蓋連接 Claude 與 外部服務的三個核心基本元素——工具、資源和提示。