跨国深谈← 返回←Claude Code 负责人：写代码已被解决，下一步是什么

Claude Code 负责人：写代码已被解决，下一步是什么

关联

人物 Boris Cherny · Lenny

公司 Claude Code · Anthropic · Cowork

概念 智能体 · 潜在需求 · 沙箱

来源 Lenny’s Podcast

Boris 是 Anthropic 的 Claude Code 负责人，他自十一月以来没有手动编辑过一行代码，每天提交 10 到 30 个 pull request，全部由 Claude Code 完成。Semi-Analysis 的报告显示，Claude Code 目前占全球 GitHub 公开提交的 4%，如果算上私有仓库比例更高，他们预测年底会达到五分之一 。

从小 hack 到数十亿业务

Claude Code 起源于 Anthropic Labs 团队，最初的设想是一条清晰的路径：模型先擅长编码，再擅长工具使用，再擅长计算机使用。Boris 加入后花了一个月做各种奇怪的原型来摸清模型的边界，又花了一个月做后训练（在模型训练之后进行的微调等优化工作）来理解研究层面，然后开始 prototyping 。

第一版叫 Claude CLI，只有终端界面。Boris 给它一个 batch 工具，模型自己想出了怎么用这个工具来回答”我在听什么音乐”——他没有指示模型怎么做，模型自己推断出来的 。他在内部发帖宣布，只得到了两个赞，因为没人觉得一个终端工具能做成编码产品 。

之所以是终端，不是因为刻意设计，而是因为前几个月只有他一个人，终端是最快的构建方式。后来团队讨论要不要做其他形态，最终决定坚持终端——因为模型改进速度太快，没有其他形态能跟得上 。二月外部发布后，它并不是一炮而红，花了好几个月大家才理解这东西是什么 。

真正的拐点是 Opus 4 的发布，增长开始呈指数级，之后十一月又是一个拐点，现在增长曲线越来越陡 。

Cowork：从潜在需求中长出来的产品

Cowork（Anthropic 的非技术智能体产品）的起源直接体现了 Boris 说的”潜在需求”原则：如果你构建产品的方式让用户能以非设计初衷的方式使用它来做自己想做的事，这会告诉你产品下一步该往哪走 。

他们观察到，过去六个月里很多用 Claude Code 的人根本不是在写代码——有人在种番茄，有人在分析基因组，有人在从损坏硬盘恢复婚礼照片，有人在分析 MRI 。更早的时候，他们的数据科学家 Brendan 自己学会了打开终端、下载 Claude Code，在终端里做 SQL 分析，然后下周所有数据科学家都这么干了 。

团队的结论是：人们大费周章用终端做非技术的事，也许该为他们做个专门的产品。最终方案很简单——把 Claude Code 放进桌面应用里。团队用 Claude Code 本身在 10 天内构建了 Cowork，包括其中复杂的虚拟机安全系统 。

Cowork 发布后立即爆火，远超早期的 Claude Code 。Boris 用它付停车罚单、做所有项目管理——在电子表格和 Slack 之间同步信息、催工程师填周报 。

潜在需求的第二维度：看模型想做什么

传统的潜在需求是观察用户在做什么，让那变得更容易。Boris 提出了第二维度：观察模型想做什么，让那变得更容易 。

很多人构建 LLM 产品的方式是把模型关进盒子里，给它规定好步骤和工作流。Claude Code 反过来做——产品就是模型本身，只搭最小化的脚手架，给最少的工具集，让模型自己决定用哪个工具、按什么顺序用 。研究里叫”处于分布内”，产品上就是潜在需求应用于模型。

三个团队原则

故意资源不足。有时一个项目只放一个工程师，因为人少，工程师就被迫让 Claude 做更多事。内在动机驱动他们想快速发布，而 Claude 让这成为可能 。

给足 token，别过早优化成本。Boris 给 CTO 们的建议是：先给工程师尽可能多的 token，让他们自由尝试疯狂的想法。

小规模下 token 成本相对其他业务成本很低；等想法验证了、规模大了，再考虑用更便宜的模型优化 。Anthropic 内部已经有工程师每月花数十万美元在 token 上 。

鼓励速度。今天能做的事今天就做。早期团队只有 Boris 一个人，唯一优势就是速度，这成了延续下来的原则 。

三个构建 AI 产品的建议

别把模型关进盒子里。不要给模型叠严格的工作流（第一步做这个、第二步做那个），不要过度策展。

给模型工具和目标，让它自己想办法。一年前可能需要很多脚手架，现在不需要了 。

始终押注更通用的模型。这是”苦涩的教训”的推论——更通用的模型长期总是胜过更具体的。

不要急着用小模型、不要急着微调。脚手架可能提升 10%-20% 性能，但下一个模型发布时这些收益就被抹平了 。

为六个月后的模型构建。Claude Code 早期用的 Sonnet 3.5 只能写 Boris 很少比例的代码，但赌注是模型会变好。

当 Opus 4 发布时，产品一拍即合，增长真正指数级起飞 。具体来说，模型会在两个方向持续变好：越来越擅长使用工具和计算机；能无人看管运行的时间越来越长——从 Sonnet 3.5 的 15 到 30 秒，到 Opus 4.6 的 10 到 30 分钟，甚至数小时数天 。

使用 Claude Code 的三个技巧

用最强的模型。Boris 始终启用最大努力模式，用 Opus 4.6。用更便宜的模型看起来省了单价，但因为智能程度低，做同样的任务反而消耗更多 token，加上纠错和人工干预，总成本可能更高 。

用计划模式。他 80% 的任务从计划模式开始——本质只是在提示词里加一句”请先别写代码”，让模型先跟你对方案，方案定了他就自动接受编辑，让模型一次性执行 。

尝试不同界面。不一定非要用终端。桌面应用、iOS 应用、Slack 集成里跑的是同一个 Claude 智能体，找到对自己最顺手的 。

编码已被解决，下一步是什么

Boris 认为至少对他做的编程类型，编码已经是一个已解决的问题 。现在 Claude 开始主动做更多事：看反馈、看 bug 报告、看遥测数据，自己想出要修什么、要发布什么，越来越像一个同事 。

关于”还要不要学写代码”，他的判断是：现在用 Claude Code 的人还得理解底下那层，但一两年后就不重要了 。他用的类比是印刷术——15 世纪中叶欧洲识字率不到 1%，抄写员是少数特权阶层；印刷机出现后 50 年产生的印刷材料超过之前 1000 年，成本下降约 100 倍；200 年后全球识字率升到 70% 。有份历史文献记录了当时一位抄写员的反应：他很兴奋，因为终于不用干抄书这种枯燥活，可以把时间花在书籍插画和装订上 。

Boris 觉得自己就是那个抄写员——不用再处理编码的琐事，可以把时间花在想构建什么、跟用户聊、思考大系统上 。

但他也认为这个过渡期会非常具有颠覆性，对很多人来说会很痛苦，这是整个社会需要共同面对的问题 。

关于角色变化，他认为工程、设计、产品管理这三个角色目前有约 50% 的重叠，很多人在做同样的事只是各有专长。到今年年底，“软件工程师”这个头衔在一些地方会开始消失，被”构建者”取代，或者变成每个人都是产品经理、每个人都会写代码 。

安全三层模型

Anthropic 研究模型安全有三层。最底层是对齐和机制可解释性——理解神经元在做什么，比如监控与欺骗相关的神经元是否被激活 。

第二层是 evals（评估）——在实验室环境里给模型合成情境，看它做不做正确的事 。第三层是在真实世界中观察模型表现——模型可能在前两层表现很好但第三层不行 。

Claude Code 很早发布就是为了研究安全。它是当时第一个大规模发布的智能体，Anthropic 内部先用了四五个月，不确定它是否安全 。

Cowork 也一样，所以叫”研究预览版”——必须尽早放到真实世界里，才能确保长期对齐 。他们还开源了沙箱，适用于任何智能体，不是只有 Claude Code 能用，这叫”冲向顶峰”——希望带动整个行业把安全做起来 。

本集带走

• 用计划模式起步：80% 的任务先让模型出方案，方案定了再让它一次性执行，减少返工。
• 别用便宜模型省成本：更聪明的模型做同样任务消耗更少 token、需要更少纠错，总成本往往更低。
• 别给模型叠工作流：给工具和目标，让它自己决定怎么用，比规定步骤效果更好。
• 为六个月后的模型构建：产品前六个月可能不契合，但当新模型发布时你会立即起飞。
• 观察模型想做什么：别把模型关进盒子里当组件用，最小化脚手架，让模型本身成为产品。
• 给团队充足 token 再说：小规模实验成本很低，等想法验证了再优化成本，别过早削预算。

最大的原因是模型改进得太快了，我们觉得真的没有其他形态能跟得上它。
The biggest reason was the model is improving so quickly, we felt that there wasn’t really another form factor that could keep up with it.
—— Boris Cherny · [11:06]

而且如果你看那条指数曲线，那个时间点由 Claude 编写的代码百分比，如果你只是沿着线画过去，很明显我们在年底就会超过 100%，即使这完全不符合直觉。
If you look at the exponential, the percent of code that was written by Claude at that point, if you just trace the line, it’s pretty obvious we’re going to cross 100% by the end of the year, even if it just does not match intuition at all.
—— Boris Cherny · [14:40]

所以，我认为，在这个节点，可以说编码几乎已经解决了。
I think, at this point, it’s safe to say that coding is virtually solved.
—— Boris Cherny · [18:19]

至少，对于我做的那些编程类型来说，这只是一个已解决的问题，因为 Claude 能做到。
At least, for the kinds of programming that I do, it’s just a solved problem, because Claude can do it.
—— Boris Cherny · [18:23]

但是每个工程师的生产力在拉取请求方面增加了 200%。
But productivity per engineer has increased 200% in terms of pull requests.
—— Boris Cherny · [21:25]

当你在所有事情上稍微投入不足时，会发生一件有趣的事情，因为那样人们被迫去 Claude 化。
There’s an interesting thing that happens also when you under-fund everything a little bit, because then people are forced to Claude-ify.
—— Boris Cherny · [24:21]

我的看法是，对于今天正在使用 Claude Code，正在使用智能体写代码的人来说，你仍然必须理解底下那层，但是，是的，在一两年后，这就不重要了。
My take is I think for people that are using Claude Code, that are using agents to code today, you still have to understand the layer under, but, yeah, in a year or two, it’s not going to matter.
—— Boris Cherny · [32:27]

然后，在某个时候，古腾堡和印刷机出现了，有一个疯狂的统计数据，在印刷机建成后的 50 年里，创造的印刷材料比之前的 1000 年还要多。
And, at some point, Gutenberg and the printing press came along, and there was this crazy stat that in the 50 years after the printing press was built, there was more printed material created than in the thousand years before.
—— Boris Cherny · [33:22]

我们说，“产品就是模型。我们想要把它暴露出来。我们想要在它周围搭建最小化的脚手架。给它最小的工具集。“
We said, “The product is the model. We want to expose it. We want to put the minimal scaffolding around it. Give it the minimal set of tools.”
—— Boris Cherny · [51:29]

但实际上，如果你只给模型工具，给它一个目标，然后让它自己弄明白，几乎总是能得到更好的结果。
But actually almost always you get better results if you just give the model tools, you give it a goal, and you let it figure it out.
—— Boris Cherny · [64:06]

我们押注于为六个月后的模型构建。而不是为今天的模型。
We bet on building for the model six months from now. Not for the model of today.
—— Boris Cherny · [65:56]

通常，如果你使用最强大的模型，实际上反而更便宜，且消耗更少 token，因为它可以只用更少的纠错、更少的指导等就把同样的事情做得更快。
Often, it’s actually cheaper and less token-intensive if you use the most capable model, because it can just do the same thing much faster with less correction, less hand holding, and so on.
—— Boris Cherny · [69:39]