企业官网建设流程全解析

Anthropic 在 2026 年 7 月 22 日上线 Economic Index Connector。它让用户在 claude.ai 的连接器目录中启用 Economic Index，然后用自然语言查询职业、地区、任务和自动化方式。官方说明里有两个值得开发者注意的细节：用户可以要求 Claude 展示回答背后的数据；完整数据集仍然免费开放。也就是说，连接器适合降低探索门槛，但严谨分析不能只保存最后一段自然语言答案。

先把问题拆成可以核对的字段

“哪些职业最常使用 AI”看起来很具体，实际上至少藏着四个变量：职业分类采用什么口径、观察的是哪段时间、统计的是 Claude 使用次数还是用户占比、所谓“使用 AI”又指辅助还是自动完成。任意一个变量没有说清，排名就很难复现。

可以把一次查询记录成下面这张卡。它不是 Anthropic 的接口格式，而是一种便于团队复核的工作记录：

问题：教师使用 Claude 的常见任务是什么？ 数据范围：要求回答说明版本或观察时间 对象定义：职业分类与地区范围 指标定义：次数、占比或变化率 来源路径：连接器返回的数据出处 限制：只反映 Claude 使用模式，不代表整个劳动力市场 复核状态：已查看底层数据 / 待查看

记录的价值不在于多一张表，而在于防止查询在多人协作中变形。分析师问的是“任务构成”，写报告的人却改成“岗位替代”，两者不是同一个结论。

用连续追问暴露口径，而不是索要更肯定的说法

连接器最适合做交互式探索。第一问可以宽一些，例如“Economic Index 对软件开发职业有哪些观察”；第二问应该追指标和范围：“这里的使用强度如何定义，数据覆盖到哪一天”；第三问再查底层数据：“请给出支撑这段结论的数据项，并指出哪些推断不能由该数据得到。”

这三次追问分别处理发现、口径和证据。若回答在第二步无法说明定义，或第三步没有可追踪的数据，就不该把它直接写入正式材料。不要用“再生成一次”解决证据缺失，因为换一种措辞不会增加来源。

为了让查询可重放，还可以给每次问题分配一个本地编号，并保存父问题编号。自然语言分析很少只有一轮：第二个人可能把地区范围缩小，第三个人又更换职业分类。如果只保存最终答案，就看不出哪次修改改变了样本。一个轻量目录可以按query_id关联原问题、后续追问、查询时间、数据版本和导出文件哈希。它是团队自己的证据谱系，不应冒充连接器提供的字段。

重放时不要要求文字逐字一致。更合理的验收是核对数据范围、指标、排序依据和限制是否一致。表述不同但证据相同，可以进入编辑环节；数字或基准变化，则应回到公开数据集查明是版本更新还是问题含义发生了变化。

还有一个常见误区：把连接器当成实时劳动力市场数据库。Anthropic 明确写道，Economic Index 观察的是 Claude 的使用模式，而不是整体劳动力市场。它没有直接测量招聘数量、工资、失业或岗位消失。连接器可以告诉你某类 Claude 对话里发生了什么，却不能单独证明行业就业发生了什么。

把探索结果转成可复现的最小证据包

一条准备进入报告的结论，至少应留下原始问题、完整回答、查询日期、底层数据引用、指标定义和限制说明。若团队随后下载公开数据集做二次分析，还要保存筛选条件与计算过程。这样其他人才能判断差异来自数据更新、问题改写，还是计算错误。

证据包还应保留“未通过”的查询。比如回答给出一个地区排名，却无法说明分母；团队应记录拒绝原因，而不是删除这次尝试。几个月后同类问题再次出现，分析者能看到此前卡在何处，也能判断新版数据是否补足了缺口。

如果结果要进入自动生成的周报，可以在发布前设一道人工门：只有数据路径、版本、指标和限制四项齐全，系统才允许把句子标成“可引用”；其余内容保持“探索中”。这不是 Anthropic 宣布的产品功能，而是围绕公开数据建立的本地发布规则。

例如，连接器回答“某地区某类任务较常见”后，可以在公开数据中核对对应地区、任务类别和基准组。若数据只能支持“在 Claude 样本中较常见”，报告就应保留这句话，不能升级为“该地区从业者已经普遍采用”。

Economic Index Connector 的实用价值，是让普通问题更快抵达数据。它没有取消数据分析的基本纪律。能展示底层数据是一项入口能力；能否引用，仍取决于问题、口径和限制是否都能被下一位读者复核。

官方来源：Ask Claude about the Anthropic Economic Index（Anthropic，2026-07-22）；Anthropic Economic Index。