01 它是干嘛的
Projects 是给 Claude 配的一块「长期工作台」：你把相关的文件、说明、要求打包成一个项目，之后每次对话它都会带着这些背景。它解决的是「每次开新对话都要重新上传、重新解释」的重复劳动，让 AI 从一次性问答变成能长期共事的助手。
02 为什么会有它
为什么每次都像在跟一个失忆的人重新解释一遍
用过 AI 助手的人都有这个体会：今天上传了产品手册、把背景交代清楚，聊得很顺；明天再打开一个新对话，它又什么都不记得了，你得把文件重新传一遍、把要求重新说一遍。文件越大越多，这份重复劳动越让人抓狂。
这个毛病的根源在于模型本身没有长期记性：它一次只能看见当前这轮对话里塞进去的内容，对话一关，上下文就没了。于是「你喂什么它看什么」，喂得少它就瞎猜，喂得多又要反复搬运。
另一个麻烦是文件太长。就算你愿意每次都上传，动辄几百页的资料也远超模型一次能读的量。Projects 的做法是：先把你的资料存成一个专门的知识库，提问时不整本塞给它，而是先去库里翻出跟这次问题最相关的几段，再连同问题一起交给模型。这样一来，既有长期背景，又不用每次都搬整座山。
03 它怎么工作
核心机制是「先检索、再生成」：把你的文件切碎、编成索引，提问时按语义找出最相关的片段，只把这些片段连同问题交给模型作答，答案就基于你的资料而不是凭空发挥。
提问时它是怎么从你的文件里找到答案的：检索增强生成
- 1① 建立项目并上传资料
你把相关文档、说明、要求放进同一个项目，这一步等于给这个主题建了一个专属书箱。
- 2② 文件被切块编号
系统把每份长文档切成一段段小片段，太长的整篇没法直接塞给模型，切成小块才好按需取用。
- 3③ 建立索引
每个片段被转成一种「按意思排布」的表示并建好索引，目的是让意思相近的内容在库里靠得近。
- 4④ 提问时做检索
你提的问题也会被转成同样的表示，系统据此在库中找出意思最接近的若干片段。
- 5⑤ 带着片段生成回答
这些相关片段和你的问题一起交给模型，让它「看着资料」作答，并尽量标明依据来自哪里。
04 谁在用它
把规章、流程、常见问题放进一个共享项目，同事用提问代替翻文件，减少重复答疑。
写书、写系列报告时，把参考资料和写作要求固定下来，每次对话都在同一套背景上继续。
把一个学期要用的讲义、笔记集中存放，随时就这门课的内容提问。
把产品说明、话术、历史案例收进项目，让 AI 基于真实材料生成回复草稿。
05 怎么用
完全不需要写代码，会拖文件、会打字就能用。
- 01在 Claude 界面里新建一个 Project，给它起个能一眼看懂的名字。
- 02在项目的「自定义说明」里写清这个项目是干什么的、回答时要注意什么。
- 03把相关文件拖进项目里上传，等待系统处理完这些资料。
- 04在项目内提问，观察它是否引用了你上传的内容。
- 05若发现答得不对，先检查资料里有没有对应的内容，再调整提问说法。
- 06根据使用情况持续补充资料、修正说明，让项目越用越准。
避坑提示
- !资料质量决定答案质量，过期或自相矛盾的文件先清理，别一股脑全塞进去。
- !别把高度机密的材料随手上传，先确认这份数据允许经过第三方服务。
- !检索是「按意思找」，同一件事的说法差异大时容易漏，关键资料可写成问答对提高命中。
06 关键概念
- 检索增强生成（RAG）
- 先到你的资料里查出相关内容，再让模型照着答，从而减少凭空编造。
- 切块（Chunking）
- 把长文档切成小片段再入库，方便按问题取用，太大塞不下、太小丢语境。
- 索引
- 给资料内容建的一份「按意思排布」的目录，让系统能快速找到相关内容。
- 知识库
- 长期存放、可供检索的专属资料集合，是 Projects 的核心资产。