Claude Code 2.1.163 新特性:c to copy

简介: Claude Code 新增「c to copy」快捷键:按 `c` 即可将 AI 的原始 Markdown 答案(含代码块、标题、列表等格式)一键复制,粘贴至 Notion/Obsidian/GitHub 等平台自动渲染。省去手动排版,守护心流,小功能见真功夫。(239字)

一个让我惊喜的早晨

今天照常打开Claude Code干活,问了个问题,得到答案后习惯性地想选中文字复制到Notion里做记录。

然后我注意到终端底部多了一行小字:

“Press c to copy ”

我按了一下c

然后粘贴到Notion里——格式居然全在!代码高亮、列表层级、粗体斜体,一样没少。

那一刻我觉得,这个小小的更新,真的懂我。

这个更新到底干了什么?

这是Claude Code给/btw命令加的一个快捷键。

/btw是Claude Code里一个很常用的命令——它让模型不受之前对话上下文的影响,独立回答一个“顺便问一下”的问题。相当于开一个“干净”的对话窗口。顺便说一句btw 是by the way的缩写。

以前拿到答案,想保存下来,得手动选中、复制、粘贴。终端里的文本一旦复制出来,格式(比如Markdown的#标题、 代码块标记)就变成了纯文本,还得重新排版。

现在,你按一下c,Claude Code会:

  1. 把AI回答的原始Markdown内容复制到剪贴板
  2. 保留所有格式标记(标题、列表、代码块、粗体等)
  3. 你到任何支持Markdown的地方(Notion、Obsidian、GitHub Issue、邮件……)一粘贴,格式就自动渲染好了

从产品设计的角度看,这是在终端——这个“反人类”的文本界面里,做出了“所见即所得”的体验

我自己的使用场景特别典型。

我在Claude Code里调试一个API,问它:“这个错误码什么意思?顺便给个Python示例。”

它回答了一大段,里面有错误码解释、有示例代码、有注意事项。

我想把这个记录到项目文档里(Markdown格式)。以前,我需要:

  • 手动选中终端输出
  • 复制
  • 粘贴到编辑器
  • 发现格式乱了
  • 手动加` ``代码块
  • 手动调整标题层级
  • ……

做完这些,我早忘了刚才问的什么问题了。

现在,按一下c,跳到编辑器,Cmd+V完成

时间从30秒缩短到2秒。更重要的是,心流没断。我不用从“编码模式”切换到“整理格式模式”再切换回来。

这让我想到一个产品设计原则:工具不应该让人“切换状态”来完成一个本该连贯的任务。

好的工具,是隐形的。你察觉不到它的存在,你只觉得自己“做事情变顺了”。

从技术角度看:Markdown是AI与人类共同的“世界语”

这个功能之所以成立,是因为Claude Code回答的底层表示本身就是Markdown

当你问一个问题,模型生成的原始内容是带格式标记的纯文本:

## 错误码解析

**403 Forbidden** 表示服务器理解请求但拒绝授权。

\`\`\`python
# 示例代码
print("hello")
\`\`\`

终端显示时,Claude Code会把这些标记“渲染”成漂亮的格式(比如把**粗体**显示成粗体)。

但当你选中复制时,复制的是渲染后的视觉文本,格式标记就丢了。

“c to copy”做的事情很简单:绕过渲染层,直接复制底层那个带Markdown标记的原始文本。

这其实就是“复制源代码 vs 复制渲染结果”的区别。

更妙的是,Markdown同时被AI和人类理解。AI生成它毫无压力,人类阅读它毫无障碍,几乎所有现代笔记软件和文档平台都支持它。

Claude Code这个快捷键,刚好卡在了这个“共同语言”的甜蜜点上。

一个隐藏的设计智慧:给高级用户“内行通路”

这个更新还有一个容易被忽略的设计细节:它没有增加界面复杂度

  • 没有弹窗问“你要复制纯文本还是Markdown?”
  • 没有在设置里加一个“复制格式选项”的开关
  • 只是在底部提示栏里,用灰色小字写了一行“Press c to copy raw markdown”

它用最轻量级的方式,告诉用户:这里有一个“内行通路”。

如果你不在乎格式,继续用传统方式复制。如果你需要,按一下c就够了。

这让我想起一个设计原则:为80%的用户设计默认行为,为20%的高级用户设计快捷入口。

小功能反映大趋势——AI工具正在成为“知识生产的中心”

以前,AI助手(ChatGPT网页版、Claude网页版)是一个“独立的应用”。你跟它聊完,把答案“搬运”到其他地方。

现在,Claude Code这样的终端AI Agent,正在变成知识生产的中心。你在里面调试代码、写文档、分析日志、生成报告……

当中心产生内容后,下一个需求自然就是:如何把内容无缝流动到其他系统(文档库、知识库、聊天记录、邮件……)?

“c to copy”正是这个“流动”的第一步。它解决了“从终端到外部”的问题。

顺着这个思路,我猜测Claude Code未来会加更多类似功能:

  • 直接/export到Notion或Obsidian
  • 直接创建GitHub Gist
  • 把某段对话保存为项目里的.md文件
  • ……

AI工具正在从“对话者”进化为“协作枢纽”。它不仅是和你聊天的那一端,更是连接你所有工作工具的“总开关”。

总结

这个更新太小了,小到很多发布说明可能都不会列出来。

但正是这些“为了省下用户几秒钟、为了不让用户切换窗口、为了保留一份格式”的细节,构成了一个“专业工具”和“顺手工具”的区别。

下次你在Claude Code里得到一个满意的答案,试试按一下c

看看它是不是像变魔术一样,把格式完整地带到了你文档该去的地方。

那就是有人认真想过你的工作流,并且花时间去打磨的证明。

好的设计,就是你甚至没意识到设计的存在。

而这个“c to copy”,就是这句话的一个微小而闪亮的注脚。

相关文章
|
1月前
|
数据采集 人工智能 安全
别再提“白帽GEO”了——为什么“合规GEO”才是对抗AI投毒的真正底线
本文批判滥用“白帽/黑帽”等过时SEO术语描述生成式引擎优化(GEO)乱象,指出AI投毒、虚假榜单等已逾越技术作弊范畴,触及法律与伦理红线。倡导以“合规GEO”取代理论失焦的旧话术,强调技术、平台、法律三层硬性底线——用对词,方能认清危险;守合规,才是真优化。(239字)
299 120
|
1月前
|
消息中间件 人工智能 数据挖掘
企业AI调用资产化:从"谁用谁知道"到"组织可复用"的技术路径
企业AI调用产生的Prompt、工作流、上下文配置正在成为新的知识资产,但散落在个人账号中无法沉淀。本文从工程角度拆解一条完整的"收口→采集→提纯→入库→蒸馏"链路,探讨技术实现中的关键设计决策。
294 123
|
19天前
|
弹性计算 缓存 负载均衡
可用架构实践:阿里云支撑跑腿平台稳定运行,分账链解决交易结算核心痛点
同城跑腿、即时代办、即时配送属于典型的高并发、短时效、强交易、高波动业务场景:节假日、午晚高峰、暴雨暴雪天气会瞬间触发流量峰值,订单秒级涌入;同时每一笔订单都涉及用户、平台、入驻商户、跑腿个人师傅四方交易分润,业务链路复杂。 对于开发者而言,跑腿平台上线运营核心要解决两大问题:业务层高可用稳定承载 + 交易层合规自动化分账。 绝大多数成熟跑腿平台,均基于阿里云云原生架构实现业务稳定、弹性扩容、故障自愈,保障全时段服务可用;而针对行业专属的多方分账、高分润、逆向退款、合规清算难题,行业通用最优解是垂直场景专用系统——分账链。 本文从阿里云架构落地、业务痛点拆解、交易分账解决方案三个维度,完整复盘
264 122
|
21天前
|
消息中间件 存储 Kafka
Kafka 原生消息入湖能力上线!一键打通实时流与数据湖
阿里云消息队列 Kafka 版正式上线原生消息入湖能力。
376 124
|
1月前
|
人工智能 弹性计算 JSON
基础设施到 Agent 体验丨从 Claude Fable 5 看安全护栏的演进
安全护栏被 Claude Fable 5 推向前台,也许会被应用于更加广泛的场景。你平时感受不到它,但当它生效的时候,它会告诉你。这将是护栏最好的状态。
368 126
|
1月前
|
人工智能 自然语言处理 API
【Azure AI Search】Index的字段使用默认Analyzer(standard.lucene) 和 en.microsoft 有什么不同?
Azure AI Search英文检索因词形差异(如brief/briefs)无法匹配,根源在于analyzer选择:默认standard.lucene不处理词形还原,而en.microsoft支持lemmatization,可将变体还原为基本形式。需通过新增字段并配置en.microsoft analyzer解决,兼顾检索质量与业务需求。
265 124
|
1月前
|
Web App开发 iOS开发
苹果自带浏览器展示不了钉钉二维码
使用window.DTFrameLogin函数,在safari不展示二维码
257 122
|
1月前
|
人工智能 自然语言处理 API
【Azure AI Search】 stopword 是什么,为什么它会影响搜索结果?
本文解析 Azure AI Search 中搜索 "in brief" 返回结果过多的问题,指出根源在于 analyzer 对停用词(如 "in")的处理差异:默认 `standard.lucene` 保留停用词导致泛匹配,而 `en.microsoft` 会过滤停用词,使结果更精准。关键在于根据业务语义选择合适 analyzer。
227 121
|
28天前
|
人工智能 监控 前端开发
Electron 监控:让桌面 Agent 监控触手可及
一行代码实现Electron桌面端全景监控,自动还原崩溃现场、预警内存泄漏、全链路追踪、 SSE流式响应与交互埋点,让 AI 助手运行状态清晰可见,助力快速恢复稳定与流畅。
385 127
|
Web App开发 监控 测试技术