如果你问我，普通人该怎么理解 Claude Code 这类 coding agent，我不会先讲代码。
我会讲一个更土、更好懂的画面：你把一堆 PDF、截图、表格、会议纪要、录音转写稿丢进一个文件夹，然后对它说：帮我整理，写脚本处理数据，最后生成一份能打开看的 HTML 报告。
这听起来不像“写代码”。
但这可能正是 coding agent 最值得普通人关注的地方。
最近 Claude Code 团队的 Thariq 发了一条很直白的推文：使用 Claude Code 做非技术工作的基本技巧，就是把一堆文件放进文件夹，然后让它写脚本和 HTML。那条推文有 2192 个赞。他后面又补了一句，图像或视频编辑、财务和税务资料、医疗资料、填表、做报告、制定计划，都可以走这个模式。
我觉得这个观察很准。因为很多人低估了自己电脑里那些“乱文件”的价值。
真正的问题不是 AI 不够聪明，而是我们平时给它的上下文太瘦了。你只在聊天框里问一句“帮我分析一下”，它当然只能泛泛而谈。可一旦你把原始材料、历史记录、表格、截图、约束条件都放进同一个目录，情况就变了。
AI 不再是在猜你的意思。它开始翻你的材料。
这不是让 AI 写代码，而是让代码替你搬砖
很多非程序员听到 Claude Code，会本能地退半步：我又不写代码，这东西跟我有什么关系？
这个反应很正常，但有点可惜。
因为在这个工作流里，代码不是目的。代码只是中间的铲子。
比如你有一堆消费记录和发票 PDF。传统做法是打开一个个文件，复制，粘贴，核对，最后做个表。你真正想要的不是“写一个 Python 脚本”，你想要的是一份清楚的费用报告。
Claude Code 可以做的事情是：
- 读取文件夹里的资料
- 写一个小脚本抽取关键信息
- 把结果整理成表格
- 找出异常项
- 生成一份 HTML 报告
- 顺手把处理过程留下来，方便你复查
这里最关键的变化是，人不用再把所有中间步骤亲手做一遍。你只要定义目标、提供材料、检查结果。
这就是我喜欢这个模式的地方。它不神秘，也不玄学。就是把电脑里原本很散的材料，变成一个可执行的工作现场。
文件夹，是普通人的上下文入口
过去我们用 AI，大多从聊天开始。聊天很方便，但也有一个坏处：它太轻了。
你问：“帮我写个报告。”
AI 会问你要背景。你补一点。它再问你目标。你再补一点。聊来聊去，很多上下文还是散的，而且很容易丢。
文件夹就不一样。
文件夹是一种很朴素的上下文容器。它不需要你先学什么高级概念，也不需要你搭数据库。你只需要把相关资料放进去：
- 项目说明
- 会议记录
- 截图
- 表格
- 网页保存稿
- 过往版本
- 你自己的要求说明
然后告诉 agent：这些就是材料，不要凭空编，先读，再处理，最后输出一份我能检查的结果。
这一步特别重要。很多 AI 翻车，不是因为模型不会，而是因为它没材料，只能靠语言习惯补洞。一旦材料进了文件夹，AI 的工作就从“即兴发挥”变成“带资料干活”。
一个真实可用的流程长什么样
假设你要做一份“过去一个月内容表现复盘”。你手头有：
- 小红书、公众号、视频号的数据导出表
- 几篇表现好的文章
- 几篇没起量的文章
- 评论截图
- 你自己的观察笔记
你可以建一个文件夹：
content-review/
├── data/
│ ├── xiaohongshu.csv
│ ├── wechat.csv
│ └── video.csv
├── posts/
│ ├── good-post-1.md
│ ├── good-post-2.md
│ └── weak-post-1.md
├── screenshots/
│ └── comments.png
└── brief.md
brief.md 里写清楚你的目标：
请分析这个月内容表现：
1. 找出表现最好的 5 条内容和共同点
2. 找出表现差的内容可能的问题
3. 输出 3 个下个月可以测试的选题方向
4. 生成一份 HTML 报告，要求普通运营同事也能看懂
5. 不要编造数据，所有结论都要能回到原始文件
然后让 Claude Code 进入这个目录工作。
它理想情况下会先浏览文件，再决定是否写脚本处理 CSV。如果数据结构乱，它会写清洗脚本。如果需要展示，它会生成 HTML。如果发现文件缺失，它应该指出来，而不是假装一切正常。
这比在聊天框里直接问“帮我复盘一下内容”靠谱得多。
因为你给它的不再是一句愿望，而是一个工作现场。
为什么是 HTML，而不是 Word 或 PPT？
Thariq 特别提到“写脚本 + 生成 HTML”，这点我觉得很妙。
HTML 有几个优点：
第一，它容易生成。对 coding agent 来说，HTML、CSS、JavaScript 都是它擅长的东西。
第二，它容易检查。你双击打开就能看，不需要复杂软件，也不怕格式在不同设备上崩掉。
第三，它可以把文字、表格、图表、引用、折叠区域放在一起。比纯 Markdown 更适合做“报告”。
第四，它保留了可追溯性。你可以让每个结论下面挂上来源文件、行号、原始片段，方便复核。
这就是为什么我觉得 HTML 报告会成为普通人使用 coding agent 的一个重要出口。它不像代码那么吓人，也不像聊天记录那么松散。它介于两者之间：可读、可改、可交付。
但别把它想得太美
这个工作流很有用，但不是“丢进去就自动变金子”。
我觉得至少有四个坑要提前说清楚。
第一，材料越乱，越要写清楚目标。AI 可以帮你整理，但它不能替你决定什么叫“好报告”。你要告诉它读者是谁、结论要多细、哪些数据不能乱碰。
第二，敏感资料别随便丢。财务、医疗、客户信息这些东西，必须先考虑隐私和合规。能本地跑就本地跑，该脱敏就脱敏。别为了省半小时，把不该上传的资料全交出去。
第三，脚本结果要能复查。让它保留中间文件、处理日志、引用来源。不要只收一个漂亮 HTML。漂亮没用，可信才有用。
第四，第一次别上复杂任务。先拿一个低风险的小任务试，比如整理公开资料、复盘几篇文章、生成旅行计划。跑通一次，再逐渐加难度。
AI 工作流最怕一上来就幻想全自动。稳一点，反而更快。
普通人该怎么开始
如果你想试，我建议用一个非常小的模板：
my-ai-report/
├── materials/ # 放原始资料
├── output/ # 放生成结果
└── brief.md # 写任务说明
brief.md 可以这样写：
目标：把 materials 里的资料整理成一份 HTML 报告。
要求：
1. 先列出你看到了哪些文件
2. 判断哪些文件有用，哪些文件缺信息
3. 如需处理表格，请写脚本并保留脚本
4. 报告必须包含：摘要、关键发现、证据、建议
5. 每个关键结论都要说明来自哪个文件
6. 不确定的地方标出来，不要编
这已经够用了。
你会发现，真正改变体验的不是某个神奇提示词，而是你开始把任务“打包”成一个可处理的文件夹。AI 有材料，有目标，有输出格式，就不容易飘。
这件事真正改变的，是谁在做中间活
我越来越觉得，AI 工具的下一步不是“替你想一个完美答案”，而是“替你把中间活做掉”。
整理文件、抽取数据、改格式、生成图表、做报告、检查遗漏。这些活以前很耗人，但又不太体现人的判断力。很多人一天忙到晚，其实是在做这些中间活。
Claude Code 这类 coding agent 的价值，恰恰是把这部分变成可委派的流程。
人还是要判断。你要决定问题值不值得做，材料能不能用，结论靠不靠谱，建议要不要采纳。
但你不必永远亲手复制粘贴、改格式、拉表格、拼报告。
这已经很够了。
如果说以前的 AI 聊天框像一个会说话的实习生，那这个“文件夹 + 脚本 + HTML 报告”的模式，更像是你终于给实习生配了一张工位、一堆资料和一份明确任务单。
它不一定每次都完美，但至少开始像干活了。