深度｜Claude Code创造者：面向六个月后模型开发，而非当下模型；未来人人皆可开发软件，跨领域通才更具竞争力

图片来源：Lenny's Podcast

Z Highlights：

• 我的代码如今100%由Claude Code编写，从11月起就没手动编辑过任何一行，工程师的个人生产效率也因此提升了200%，编码在很大程度上已经被解决了。

• 再过一两年，学习编程的底层知识就不再重要了，我想象着这样一个世界：每个人都能做编程工作，任何人在任何时候都能开发软件。

• Claude已经开始主动构思创意，它会查看用户反馈、漏洞报告，通过遥测数据寻找漏洞修复方案和待开发的功能，越来越像一个真正的同事。

• AI编码带来的变革和印刷术的发明轨迹相似，它让我不用再处理编码的繁琐细节，得以把时间花在确定开发方向、构思创意等编程中真正有趣的部分。

• 未来最能脱颖而出的人，不仅是熟悉AI、能熟练运用AI工具的人，还会是那些充满好奇心、具备跨领域能力的通才，岗位的边界也会变得更加模糊。

• 打造AI产品不要限制模型的能力，要押注通用模型，且从一开始就面向六个月后的模型进行开发，而非当下的模型。

Boris Cherny是Anthropic公司Claude Code的创造者和负责人，主导该工具从简易终端原型发展为重塑软件工程乃至各专业工作模式的核心产品。本次访谈于2026年2月19日开展，围绕Claude Code的发展历程与行业变革价值展开交流，其仅用一年便完成迭代，持续推动各领域专业工作的模式升级。

Lenny Rachitsky：今天的嘉宾是Anthropic公司Claude Code负责人Boris Cherny。Claude Code给世界带来的影响难以用言语形容，本期节目上线时，恰逢Claude Code发布一周年。在这短短一年里，它彻底改变了软件工程师的工作模式，如今也开始重塑科技行业众多其他岗位的工作方式，这也是我们今天要探讨的内容。过去一年，Claude Code也成为推动Anthropic整体发展的重要引擎，公司刚完成约3500亿美元的融资。正如Boris所说，Claude Code的发展势头还在不断加快，仅上个月，日活跃用户数就翻了一番。

Boris本人也是个极具思想、善于深度思考的人，聊天中我们发现，我们出生在乌克兰的同一个城市，这太巧了，我之前完全不知道。非常感谢Ben Mann、Jenny Wen和Mike Krieger为本次对话提供话题建议。Boris，非常感谢你来到节目，欢迎做客。

Boris Cherny：谢谢邀请。

使命驱动的职业选择：Claude Code的诞生与渗透

Lenny Rachitsky：我先问一个犀利的问题。大概六个月前，你离开Anthropic加入了Cursor，结果两周后又回到了Anthropic，这事很多人可能都忘了，到底发生了什么？我好像从没听过背后的真实原因。

Boris Cherny：这是我职业生涯中最快的一次职业变动。我加入Cursor是因为我很喜欢这款产品，而且说实话，和团队交流后，我被他们深深打动了，这是一支很棒的团队，直到现在我依然这么认为，他们在做的事情非常酷。他们比很多人更早看到了AI编码的发展方向，所以打造优质产品这个想法对我来说极具吸引力。但入职后我立刻意识到，我真正怀念Anthropic的地方，是它的使命愿景，这也是我最初加入这里的原因。

在加入Anthropic之前，我在大型科技公司工作，后来我希望能在研究机构任职，以某种方式助力塑造这项颠覆性技术的未来。吸引我来到Anthropic的正是它的使命，一切都围绕着安全展开。在Anthropic，随便在走廊里找一个人问他为什么来这里，答案一定是为了AI安全。这种以使命为导向的文化深深触动了我，我个人也知道，这是我获得工作幸福感的必要条件，也是我离开后最想念的东西。我发现，无论工作内容多有趣，哪怕是打造一款超棒的产品，也无法替代这种使命感带来的价值，所以对我来说，很快就清楚自己真正想要的是什么了。

Lenny Rachitsky：那我们就顺着你回到Anthropic这条线，聊聊你在这里的工作。本期节目上线恰逢Claude Code发布一周年，我想花点时间聊聊它带来的影响。近期SemiAnalysis发布的一份报告你肯定看到了，报告显示，如今GitHub上4%的代码提交都由Claude Code完成，并且预测到今年年底，这一比例会达到五分之一。报告中写道，就在我们眨眼的瞬间，AI已经渗透了整个软件开发领域。我们录制本期节目的当天，Spotify发布了一则重磅消息：旗下顶尖的开发人员从12月起就没再写过一行代码，这一切都归功于AI。越来越多资深的高级工程师，包括你在内，都坦言自己不再手写代码，所有代码都由AI生成，有些人甚至连代码都不用看了，技术的发展已经到了这个阶段。这很大程度上要归功于你发起并带领团队在过去一年中不断拓展的这个小项目，我很想听听你对这一年的回顾，以及对这项工作所产生影响的看法。

Boris Cherny：这些数字真的太惊人了，全球4%的代码提交量，远远超出了我的预期，而且这还只是开始。需要说明的是，这些数据仅统计了公共代码提交，我们认为私有代码仓库中的占比会高得多。对我来说，最不可思议的不是当前的数字，而是它的增长速度。Claude Code各项数据的增长都在不断加速，不仅是数值上升，上升的速率也越来越快。

我最初开发Quadcode时，只是把它当作一个小的试验项目。Anthropic团队早就想推出一款编码相关的产品，长期以来，我们打造模型的思路都契合构建安全通用人工智能的理念：先让模型精通编码，再掌握工具使用能力，最后实现计算机自主使用，这大致就是我们的发展轨迹，我们为此付出了长期的努力。我最初所在的团队是Anthropic Labs，Mike Krieger和Ben Mann近期重启了这个团队，开启了第二阶段的工作。这个团队打造了不少优秀的产品，包括Quadcode、MCP和桌面端应用，从这些产品中能看到我们核心理念的雏形：编码→工具使用→计算机使用。这一点对Anthropic至关重要，核心还是围绕安全。

AI的能力越来越强、越来越智能，过去一年发生的变化是，至少对于工程师而言，AI不再只是单纯写代码，也不只是一个对话伙伴，而是能实际使用工具、在现实场景中采取行动的助手。如今借助Cowork，我们看到非技术人员也开始迎来这一转变。对于很多使用对话式AI的人来说，这可能是他们第一次使用能实际采取行动的AI产品——它能操作你的Gmail、Slack，为你处理各类事务，而且做得相当出色，未来还会不断优化。

长期以来，Anthropic一直想打造一款重磅产品，但具体做什么并不明确。我加入公司后，花了一个月的时间做试验，开发了很多奇特的原型产品，大部分都没有上线，甚至离上线差得很远，这一过程主要是为了探索模型能力的边界。之后我又花了一个月时间做模型后训练，了解背后的研究逻辑。说实话，作为一名工程师，要做好工作，就必须深入了解自己所从事工作的底层逻辑。在传统工程领域，做产品开发的人需要了解基础设施、运行时环境、虚拟机、编程语言等底层系统；而在AI领域，要做出好的成果，就必须在一定程度上理解模型本身。所以我暂时放下产品开发去做研究，之后回来继续开发原型产品，也就是后来的Quadcode。

它的第一个版本，我夏天的时候录过演示视频并发布了，当时叫Quad CLI。我在视频里展示了它如何使用几款工具，让我震惊的是，我给它配置了bash工具，当我问它我正在听什么音乐时，它竟然能自己使用这个工具编写代码来找到答案。这真的太不可思议了，因为我并没有指令模型该如何使用工具完成这个任务，只是给了它工具，它就自己摸索出了解决方法，回答了这个我甚至不确定它能解答的问题。于是我继续深入开发这个项目，在公司内部发布后，只收到了两个点赞，这就是当时大家的反应。提到编码工具，人们想到的都是集成开发环境这类复杂的平台，没人觉得一款基于终端的工具能有什么用，这种设计方式看起来很奇怪，而这其实并非我的本意。最初选择终端开发，只是因为前几个月只有我一个人在做，这是最便捷的开发方式。但这也给了我一个重要的产品开发启示：项目初期，不妨适当精简资源。之后我们考虑过开发其他形式的产品，但最终决定先深耕终端版本，最主要的原因是模型的迭代速度太快了，我们觉得没有其他产品形式能跟上它的节奏。

说实话，过去一年我满脑子都是Quadcode，甚至深夜都在思考，模型一直在升级，我们该怎么做才能跟上它的步伐，而终端版本是我当时能想到的唯一答案。没想到这款产品后来真的火了，在公司内部推出后，日活跃用户数直线上升。其实在正式发布前，Ben Mann就建议我做一个日活数据图表，我当时觉得还为时过早，但他坚持让我做，结果图表的数据立刻呈爆发式增长。今年2月，我们将产品推向了外部市场。可能很多人不记得了，Claude Code最初推出时并非一炮而红，虽然吸引了不少用户，也有很多早期使用者立刻认可了它的价值，但过了好几个月，大多数人才真正理解这款产品的意义——它实在太与众不同了。

Claude Code的成功，一方面源于潜在需求的挖掘：我们将工具融入用户的日常工作场景，让现有工作流程变得更便捷；另一方面，终端版的形式带来了新鲜感，甚至有点颠覆认知，用户需要保持开放的心态去学习使用。当然，现在Claude Code的使用场景已经非常丰富了，iOS和Android端的Quad应用、桌面端应用、网页端、集成开发环境插件，还有Slack和GitHub，只要是工程师的工作场景，都能看到它的身影，变得更贴近用户习惯了，但最初并非如此。所以一开始，连我自己都没想到这款产品能有这么大的实用价值。随着团队和产品的不断发展，它为越来越多的人提供了帮助，从初创公司到大型企业，全球各地的用户都在使用它，我们也不断收到反馈。现在回头看，这是一段非常让人谦卑的经历，我们始终在向用户学习，最令人兴奋的是，其实我们所有人都在摸索，和用户一起探索产品的发展方向，而用户反馈就是最有价值的参考依据，这一点真的至关重要，我也因此收获了很多惊喜。

Lenny Rachitsky：如今世界的变化速度实在太惊人了。你一年前推出了Claude Code，虽然此前人们已经能借助AI写代码，但仅仅一年时间，整个软件工程师行业就发生了翻天覆地的变化。之前有很多预测说AI会包揽所有代码编写工作，当时所有人都觉得这太疯狂了，而现在，一切都如预测般发生了，只是科技的发展速度远超所有人的想象。

Boris Cherny：确实快得惊人。2025年5月，我们举办了Anthropic首场开发者大会Code with Claude，我在会上做了一个简短的演讲，问答环节有人问我，对年底的行业发展有什么预测。我当时的预测是，到2025年底，人们可能不再需要集成开发环境来写代码，工程师的工作方式也会迎来转变。我记得当时全场都倒吸一口凉气，这个预测在当时看来太离谱了。但在Anthropic，用指数思维看待事物已经融入了我们的DNA。我们的三位联合创始人是《Scaling law》论文的前三作者，所以我们习惯用指数增长的视角分析问题。当时根据Claude编写代码的占比所呈现的指数增长趋势，哪怕直觉上难以接受，也能清晰看到年底这一比例会达到100%，我只是顺着这个趋势做出了预测。而到了11月，我个人的代码就已经100%由Claude Code编写了，至今依然如此，而且我们发现，很多客户也出现了同样的情况。

Lenny Rachitsky：你刚才提到的探索式开发过程很有意思，Open Claude的诞生也有类似的经历，Peter也是在不断试验中偶然做出了成果。这似乎是AI领域众多重大创新的核心要素：人们不断尝试，不断挑战模型的能力边界，挖掘出更多可能性。

Boris Cherny：创新本就是如此，无法被刻意制造，也没有固定的路线图，能做的就是给团队足够的空间，还有一个关键因素是心理安全，让大家敢于试错，接受80%的想法可能都是不成熟的。同时也要有一定的问责机制，如果某个想法确实不可行，就要及时止损，转向下一个方向。开发Quad code的初期，我完全没想到它能有这么大的价值。2025年2月推出时，它大概只能完成我20%的编码工作；5月时，这个比例也只有30%，我当时大部分代码还是用Cursor编写的，直到11月，这一比例才达到100%，这个过程花了不少时间。但从最初开始，我就觉得这个项目有潜力，于是投入了所有的业余时间，熬夜、周末加班都是常态，幸好我的妻子非常支持我。有时候，你发现一个值得探索的方向，就只管顺着它走下去就好。

AI全赋能编码与跳出编码的通用任务探索

Lenny Rachitsky：所以现在你的代码已经100%由Claude Code编写了，这就是你目前的编程状态吗？

Boris Cherny：对，100%由Claude Code完成。我一直是个高产的程序员，在Instagram工作时就是公司里生产效率最高的工程师之一，现在在Anthropic依然如此。

Lenny Rachitsky：太厉害了，哪怕现在是团队负责人也依然保持高产。

Boris Cherny：没错，我现在依然做很多编码相关的工作，每天都会提交10、20甚至30个PR。

Lenny Rachitsky：每天都是如此？

Boris Cherny：对，每天都是。我的代码100%由Claude Code编写，从11月起就没手动编辑过任何一行。不过我会查看代码内容，目前还做不到完全撒手不管，尤其是当程序有很多人在使用时，必须确保代码的正确性和安全性。此外，我们还让Claude自动审核所有代码，Anthropic内部的所有PR都由Claude进行100%审核，之后还会有人工审核的环节，这类检查节点是必不可少的，必须有人工对代码进行核查，除非是不会实际运行的纯原型代码。

Lenny Rachitsky：接下来的发展前沿是什么？现在你的代码已经100%由AI编写，这显然是整个软件工程师行业的发展方向，这在曾经是一个不可思议的里程碑，而现在已经成为常态。那么软件开发领域下一个重大变革是什么？你的团队已经在着手研究了吗？还是你有一些预判？

Boris Cherny：目前正在发生的一个变化是，Claude已经开始主动构思创意了。它会梳理用户反馈、漏洞报告和遥测数据，自主提出漏洞修复方案和待开发的功能，越来越像一个真正的同事了。第二个变化是，我们的探索开始跳出编码领域。现在可以明确说，编码问题在很大程度上已经被解决了，至少对于我所做的这类编程工作，Quadcode完全能胜任。所以我们现在开始思考，接下来该做什么，编码之外还有哪些领域值得探索。有很多和编码相关的领域都有巨大潜力，这也是我们接下来的研究方向。

同时，AI也开始涉足各类通用任务，我现在每天都会用Cowork处理很多和编码无关的事务，而且都是自动化完成。比如前几天我要交停车罚单，就是让Cowork帮忙处理的；团队所有的项目管理工作也都由Cowork负责，包括在电子表格之间同步数据、在Slack和邮件中与团队成员沟通等。未来的发展前沿就在这些领域，而非编码本身，因为编码问题已经基本解决了。接下来几个月，整个行业都会看到，各类代码库、各种技术栈的编码工作，都会逐渐被AI攻克。

Lenny Rachitsky：AI能协助确定工作方向，这个点太有意思了。本期节目的很多听众都是产品经理，他们可能已经开始感到焦虑了。你是怎么利用Claude做这件事的？只是和它对话吗？有没有想到一些巧妙的方法，让它协助你确定开发方向？

Boris Cherny：其实方法很简单，打开Claude Code或Cowork，把它接入一个Slack线程就行。我们有一个专门的频道，收集所有关于Claude Code的内部反馈，从2024年产品内部发布开始，这个频道的反馈就源源不断，这些反馈非常宝贵。在产品初期，只要有人提出反馈，我就会立刻着手解决，一分钟、五分钟内就会给出修复方案，这种快速的反馈循环，也鼓励了更多人提出建议。这一点至关重要，因为能让用户感受到自己的意见被重视。通常情况下，用户给产品提了反馈，就石沉大海了，再也没有下文；而如果让用户感受到自己的意见被重视，他们就会更愿意参与进来，助力产品优化。现在我依然延续着这个思路，只是大部分工作都由Claude完成了。我把Claude接入反馈频道，它会自主梳理出可优化的点，提出修复方案并创建PR，然后问我是否需要查看，我只需要给出确认即可。

Lenny Rachitsky：你有没有发现它在这方面的能力越来越强了？这可以说是目前行业追求的终极目标——编码问题解决后，代码审核成了新的瓶颈，大量的PR需要审核，谁来完成这项工作成了难题。而现在，确定开发方向、划分工作优先级成了人类工程师仅剩的核心工作，你说Claude Code已经开始在这方面提供协助，它的能力是不是有了很大提升？比如Opus 4.6版本，在这方面的发展轨迹是怎样的？

Boris Cherny：没错，提升非常大。一部分原因是我们针对编码做了专项训练，Claude无疑是目前世界上最优秀的编码模型，而且还在不断优化，4.6版本的表现就非常惊艳。同时，我们在编码之外的领域所做的训练，也能很好地迁移到编码相关工作中，存在一种迁移效应：教模型做某件事，它在另一件事上的能力也会随之提升。过去一年，Anthropic的工程团队规模大概扩大了四倍，但工程师的个人生产效率却提升了200%，单看PR的数量就能直观感受到，这个数字对于从事开发效率研究的人来说，简直不可思议。我之前在Meta工作时，负责整个公司的代码质量，涵盖了Facebook、Instagram、WhatsApp等所有产品的代码库，其中很大一部分工作都和生产效率相关，因为代码质量越高，工程师的生产效率就越高。当时，数百名工程师耗时一年，能实现的生产效率提升也只有几个百分点，而现在，生产效率的提升幅度达到了数百个百分点，这真的太惊人了。

Lenny Rachitsky：同样不可思议的是，这一切已经变得如此平常。听到这些数字，人们会觉得，AI带来这样的变革是理所当然的。软件开发、产品打造乃至整个科技行业正在经历前所未有的变革，人们很容易对此习以为常，但我们必须意识到，这一切其实充满了颠覆性。

Boris Cherny：我也需要时常提醒自己这一点。当然，这种快速变革也带来了一些问题，我们可以聊很多，但从个人角度来说，一个问题是模型的迭代速度太快，我有时会陷入固有的思维模式，跟不上模型的发展。我甚至发现，团队里的新成员，哪怕是刚毕业的应届生，思考问题的方式都比我更贴合通用人工智能的发展趋势。

比如几个月前，我们遇到了一个内存泄漏的问题——Claude Code的内存占用持续上升，最终导致程序崩溃，这是工程师们经常遇到的问题，每个人都调试过无数次。传统的调试方法是，获取堆快照，用专用的调试工具分析，找出问题所在，整个过程需要借助各类专业工具。我当时就是用这种传统方法，查看跟踪日志，试图找出问题，而团队里的一位新工程师，直接让Claude Code来处理这个问题。他只是对Claude说，好像出现了内存泄漏，你能帮忙找出问题吗？结果Claude Code做了和我完全一样的事：获取堆快照，为自己编写了一个分析工具，相当于一个即时程序，然后找出了问题并创建了PR，整个过程比我快得多。

这件事让我意识到，对于我们这些很早就开始使用AI模型的人来说，必须及时更新思维，不能停留在过去，因为现在的模型早已不是当初的Sonnet 3.5了，新模型的能力已经发生了质的飞跃，思维模式的转变也至关重要。

AI时代团队原则：精简资源与高效开发策略

Lenny Rachitsky：我听说你为团队制定了一些非常具体的原则，新成员入职时，你都会向他们讲解，其中一条是：比自己做事更好的方式，是让Claude来做。你刚才说的内存泄漏的例子，完美印证了这一原则，你当时几乎忘了这条原则，下意识地用传统方法去解决问题。

Boris Cherny：还有一个有趣的现象，当项目资源被适当精简时，人们会被迫学会让Claude来处理更多工作，我们在工作中经常能看到这种情况。比如有些项目，我们只安排一名工程师负责，而这名工程师之所以能快速完成开发，核心动力来自内在——他们想要把工作做好，有了好的想法，就想尽快落地，没人强迫，全是自发的意愿。而有了Claude，他们就能自动化完成大量工作，我们在很多项目中都看到了这样的结果。所以这也是我们的原则之一：项目初期适当精简资源。另一个原则是，鼓励团队快速行动，今天能做的事，绝不拖到明天，这一点在团队中被反复强调。在产品初期，这一点尤为重要，因为当时只有我一个人在开发，我们唯一的优势就是速度，这也是我们能在竞争激烈的编码工具市场中站稳脚跟的唯一途径。如今，这依然是我们团队的核心原则，而想要加快速度，最好的方式就是让Claude处理更多工作，所以我们一直鼓励团队这么做。

Lenny Rachitsky：适当精简资源这个理念很有意思。人们普遍认为，AI的出现会让企业减少员工数量，尤其是工程师的数量，不仅能提升生产效率，还能降低人力成本。而你所说的是，适当精简资源，企业能取得更好的成果，并非只是AI让工作效率变高，而是当参与项目的人更少时，人们能更充分地利用AI工具的价值。

Boris Cherny：没错，如果你聘请的是优秀的工程师，他们总能找到高效的工作方式，尤其是当你赋予他们足够的自主权时。我经常和很多公司的首席技术官聊这个话题，我的建议通常是：不要在项目初期就想着优化成本、削减开支，先给工程师足够的Token让他们去尝试。现在很多公司都开始这么做了，比如Anthropic，所有员工都能使用大量的Token，甚至有些公司把“无限Token”作为员工福利，我非常支持这种做法，因为这能让工程师敢于尝试那些看似疯狂的想法。如果某个想法可行，再考虑如何规模化落地，到那个阶段再进行成本优化也不迟，比如思考是否能用Haiku或Sonnet模型替代Opus模型。但在项目初期，要做的就是投入足够的Token，让工程师大胆尝试，验证想法的可行性。

Lenny Rachitsky：所以你的建议是，不要吝啬Token和模型使用成本。听到这话的人可能会想，你在Anthropic工作，当然希望大家多用Token了。但你真正想表达的是，那些最具创新性、最有意思的想法，往往来自人们充分利用模型能力、探索一切可能性的过程。

Boris Cherny：没错，而且实际情况是，在小规模试验阶段，并不会产生高昂的成本。单个工程师做试验，所消耗的Token成本，相比他们的薪资和公司的其他运营成本，其实是很低的。只有当项目规模化落地后，成本才会上升。比如某个想法落地后，产品大获成功，Token的消耗量大幅增加，成本随之上升，这时再进行成本优化就可以了，切勿过早优化。

Lenny Rachitsky：你有没有见过Token使用成本超过员工薪资的公司？这会不会成为未来的趋势？

Boris Cherny：在Anthropic，已经有一些工程师每月的Token消耗达到数十万美元了，我们已经看到了这种趋势，其他一些公司也出现了类似的情况。

编程价值重构：技术工具化与历史变革参照

Lenny Rachitsky：再回到编码的话题，你真的不怀念自己写代码的时光吗？作为一名软件工程师，再也不用手写代码，会不会觉得有些遗憾？

Boris Cherny：说来有趣，我学习工程学的初衷非常实际，就是为了能做出东西。我是自学成才的，大学学的是经济学，并非计算机科学，但很早就开始自学工程知识，中学时就开始编程了。我学编程的第一件事，竟然是为了在数学考试中作弊。当时我们有图形计算器，我把考试答案编进了计算器里，就是那款T83 plus。到了第二年，数学考试难度变大，我没法提前把所有答案都编进去，因为不知道考题，于是我写了一个小型的解题程序，能自动解答代数题。后来我发现可以通过数据线把程序分享给全班同学，结果全班同学都考了高分，最后被老师发现，要求我们停止这种行为。从那时起，编程对我来说就一直是一种实用的工具，是实现目标的手段，而非最终目的。

当然，我也曾一度沉迷于编程的魅力，还写过一本关于TypeScript的书，当时还举办了世界上规模最大的TypeScript线下交流会，因为我真的爱上了这门语言，还深入研究了函数式编程等内容。我想很多程序员都会陷入这种对编程本身的痴迷。编程确实有其魅力，尤其是函数式编程和类型系统，当你理顺类型关系、写出优雅的代码时，那种成就感，就像解开一道复杂的数学题一样。但对我来说，编程终究只是一种工具。当然，每个人的感受都不同，比如我们团队的一位工程师Lena，周末依然会手动写C++代码，因为她就是享受手写代码的过程。所以即便行业发生了变革，依然会有空间让人们享受编程的艺术，按照自己的方式手写代码。

Lenny Rachitsky：你会不会担心自己的工程师技能会退化？这是你担心的问题吗？还是觉得这是行业发展的必然趋势，坦然接受就好？

Boris Cherny：这是必然趋势，个人并不太担心。在我看来，编程的发展是一个连续的过程，软件行业其实是一个相对年轻的行业。如今人们用虚拟机等工具编写程序的方式，从20世纪60年代就开始了，至今已有数十年。而在那之前，人们用穿孔卡片编程，再往前是开关式编程，然后是硬件编程，最开始甚至是纯手工用纸笔计算。编程的方式一直在变，在未来一两年里，了解底层逻辑依然能帮助工程师提升工作能力，但很快，底层的编码知识可能就不再重要了，就像现在的汇编语言，只是程序运行的底层支撑而已。从情感上来说，我一直都在学习新的知识，作为程序员，这种变化其实并不陌生，因为行业中总会不断出现新的框架、新的编程语言，这是我们早已习惯的事。但并非所有人都能坦然接受，有些人可能会感到失落、怀念过去，或者担心技能退化。

Lenny Rachitsky：你有没有看到马斯克的言论，他说AI为什么不直接写二进制代码？毕竟所有的编程抽象层，到最后都是为了实现二进制代码的编写，那中间的环节还有什么意义？

Boris Cherny：这是个好问题，其实只要想做，AI完全可以直接写二进制代码。

Lenny Rachitsky：这么说来，回到那个经典的问题：我还需要学编程吗？学生还需要学编程吗？你的观点是，再过一两年，其实就没必要了。

Boris Cherny：我的观点是，对于现在正在使用Quadcode、借助Agent编程的人来说，依然需要了解底层逻辑，但再过一两年，这就不重要了。我一直在思考，这一变革在历史上有没有类似的参照？我们需要从历史中寻找答案，建立认知模型，最接近的案例是印刷术的发明。15世纪中期的欧洲，识字率极低，不足1%，只有抄写员会读会写，他们受雇于贵族和国王，而这些雇主本身往往并不识字。当时，这一小部分抄写员承担了所有的书写和阅读工作。直到古腾堡发明了印刷机，带来了颠覆性的变化。有一个惊人的数据：印刷机发明后的50年里，印刷品的总量，超过了此前一千年的总和。印刷品的数量大幅增加，成本却骤降，在之后的50年里，印刷成本下降了近100倍。而识字率的提升则经历了一个漫长的过程，因为学习读写需要教育体系的支撑，需要人们有空闲时间，而不是整天在农场劳作。但在之后的200年里，全球识字率提升到了70%。AI编码带来的变革，和印刷术的发明有着相似的轨迹。

有一份有趣的历史文献，记录了15世纪一位抄写员对印刷机的看法，他竟然非常兴奋，因为他说，自己最讨厌的工作就是在书籍之间抄写内容，而真正喜欢的是为书籍绘制插画、进行装订，印刷机的出现，让他能把时间花在自己喜欢的事上。作为一名工程师，我对此深有同感，AI的出现让我不用再处理编码的繁琐细节，而这些细节原本就是工作中最枯燥的部分，比如处理Git工具、使用各类繁杂的开发工具，这些都毫无乐趣可言。编程中真正有趣的部分，是确定开发方向、构思创意、和用户沟通、设计大型系统、思考行业未来，以及和团队成员协作，而现在，我有更多的时间做这些事了。

Lenny Rachitsky：更令人惊叹的是，你打造的工具让所有人都能参与到这些有意义的工作中，哪怕是没有任何技术背景的人。我最近做了很多小项目，每次遇到问题，只要对Claude说“帮我解决这个问题”，就能找到突破口。我早年做了10年的工程师，还记得当时经常在库和依赖包的问题上耗费大量时间，束手无策时只能去Stack Overflow上寻找答案。而现在，只要让Claude帮忙，它就能给出一步一步的解决方案，问题很快就能解决。

Boris Cherny：没错，就是这样。我今天早些时候和一位工程师聊天，他用Go语言开发一个服务，耗时一个月，最终做出了一个能正常运行的服务，但他坦言，自己其实并不太懂Go语言。我想未来这样的情况会越来越多，只要能确保代码的正确性和高效性，其实并不需要掌握所有的细节知识。

AI全岗位渗透：科技行业的职业变革与思考

Lenny Rachitsky：软件工程师的工作无疑已经发生了翻天覆地的变化，在过去一两年里，成了一份全新的工作。你认为，科技行业内的下一个会被AI深度影响的岗位是什么？比如产品经理、设计师，或者科技行业之外的岗位，你有什么预判？

Boris Cherny：会是很多和工程领域相关的岗位，比如产品经理、设计师、数据科学家，最终AI会渗透到所有能在电脑上完成的工作中，因为模型的能力会越来越强。Cowork就是我们针对这一趋势推出的首款产品，但这只是一个开始，它让从未使用过Agentic AI的人，第一次体验到了这种技术，人们也开始逐渐了解它的能力。回想一年前的工程领域，没人知道Agent是什么，也没人使用过，但现在，Agent已经成为工程师的常规工作工具。而现在的非技术或半技术岗位，比如产品经理、数据科学家，人们使用的依然是对话式AI，也就是聊天机器人，还没有人真正使用过Agent。

现在“Agent”这个词被随意使用，已经失去了原本的技术含义，但实际上，Agent有明确的技术定义：它是一种能使用工具的大语言模型，不只是能对话，还能在现实中采取行动，和各类系统交互，比如操作Google Docs、发送邮件、在电脑上运行命令等。所以所有需要使用电脑工具完成工作的岗位，都会是下一个被AI影响的领域。这是整个社会、整个行业都需要思考和解决的问题，也是在Anthropic做这项工作极具重要性和紧迫性的原因，因为我们对此非常重视。现在公司里有经济学家、政策研究人员、社会影响研究人员，我们经常围绕这个话题展开讨论，希望整个社会能共同找到解决方案，因为这并非某一家公司的责任。

Lenny Rachitsky：这就引出了一个核心问题：就业和失业。有一个概念叫杰文斯悖论，即技术进步提升了生产效率，但同时也会创造更多的就业岗位，实际情况并没有想象中那么可怕。在AI深度融入工程师工作的过程中，你有哪些实际体会？相比没有AI的情况，公司的招聘人数是增加了吗？谈谈你对就业问题的看法。

Boris Cherny：就我们团队而言，目前正在招聘，Claude Code团队还有岗位空缺，如果有人感兴趣，可以查看Anthropic的招聘页面。对我个人来说，AI的出现让我更加享受工作，从未像现在这样喜欢编程，因为不用再处理那些繁琐的细节。很多客户也和我有同样的感受，他们喜欢Claude Code这个工具，因为它让编程重新变得有趣，这对他们来说是一种全新的体验。但很难预测未来的发展方向，我还是需要从历史中寻找答案，印刷术的发明依然是最好的参照。印刷术让原本被少数人掌握的读写能力，变得人人都能拥有，这是一个本质上的民主化过程，所有人都能学习读写。而如果没有印刷术，文艺复兴就不可能发生，因为文艺复兴的核心是知识的传播，是人们通过文字记录进行沟通——当时没有电话，没有互联网，文字是唯一的沟通方式。

所以我们要思考的是，AI会带来哪些新的可能，这也是我对AI持乐观态度的原因，也是我最兴奋的地方，未来的可能性是无限的。就像15世纪的人们无法预测印刷术带来的变革一样，我们现在也无法想象AI的全部潜力。但我相信，几年后，每个人都能参与编程，这会解锁无数新的可能，任何人在任何时候都能开发软件，而这背后的价值，我们现在无从知晓。但同时，这一变革过程必然会带来巨大的颠覆，很多人会在这个过程中遭遇困境，这是整个社会需要共同探讨的问题，也是我们需要一起解决的难题。

时代生存法则：AI变革下的通才能力构建

Lenny Rachitsky：对于正在收听本期节目的听众来说，想要在这个充满变革的时代站稳脚跟、取得成功，你有什么建议？只是尝试使用AI工具，熟练掌握最新的技术吗？还有其他建议吗？

Boris Cherny：没错，首先就是尝试使用各类AI工具，深入了解它们，不要害怕，大胆探索，站在技术的前沿。第二个建议是，尝试让自己成为通才，而非专才。比如在学校里，很多计算机专业的学生只学编程，其他知识涉猎甚少，可能只学了一点系统架构的内容。但我每天共事的最优秀的工程师，还有最出色的产品经理等，都是跨领域的人才。在Claude Code团队，所有人都会编程，产品经理、工程经理、设计师、财务人员、数据科学家，无一例外。再看团队里的工程师，很多人都涉足不同的领域，比如有的优秀工程师既是产品专家也是基础设施专家，有的产品工程师有出色的设计思维，能同时完成设计工作，还有的工程师对商业有深刻的理解，能据此确定开发方向，也有工程师喜欢和用户沟通，能精准捕捉用户需求，进而规划产品路线。所以未来几年，最能脱颖而出的人，不仅是熟悉AI的原生使用者、能熟练运用AI工具的人，还会是那些充满好奇心、具备跨领域能力的通才，他们能跳出单一的工作范畴，从更宏观的角度思考需要解决的问题，而非只关注工程层面的执行。

Lenny Rachitsky：那你觉得，工程、设计、产品管理这三个传统的岗位划分，依然有存在的价值吗？虽然现在团队里的每个人都会编程，也都会参与到开发方向的构思中，但这三个岗位的划分，在你看来会长期存在吗？至少目前来看。

Boris Cherny：短期内会继续存在，但我们已经看到，这三个岗位的工作内容有50%的重叠，很多工作其实所有人都在做，只是每个人有自己的专长。比如我更多地负责编码工作，而Cat更多地负责协调、规划、预测等工作。

Lenny Rachitsky：也就是利益相关者的对齐工作。

Boris Cherny：没错。未来，到今年年底，我们会看到这些岗位的边界变得更加模糊，在一些公司，“软件工程师”这个职位名称可能会消失，取而代之的是“构建者”，或者所有人都成为产品经理，同时都参与编码工作。

Lenny Rachitsky：谁说招聘一定要追求公平？如今我和每位创始人、招聘经理交流，他们都面临着同样的压力：尽快招聘最优秀的人才。但招聘工作耗时耗力，团队对齐难度大，优质人才的竞争也越来越激烈。正因如此，Eleven Labs、Brex、Repl.it、Deal等5000多家企业都在使用Metaview，这家AI公司为高效的团队提供了招聘上的绝对优势。Metaview打造了一套AI Agent体系，就像招聘领域的同事一样，能根据企业的具体要求筛选候选人、自动记录面试笔记、整合招聘全流程的洞察、从候选人池中精准识别最优秀的人才。AI包揽了招聘中繁琐的工作，提供最真实、可靠的参考依据，这让企业的招聘效率大幅提升，团队能专注于核心工作——赢得优质候选人。不要让竞争对手在招聘中抢占先机，Metaview的客户能将招聘周期缩短30%。现在可免费试用Metaview，访问metaview.ai/lenny，还能额外获得一个月的候选人筛选服务。

你刚才说自己现在更享受编程工作了，我在推特上做过一个非正式的调查，不知道你有没有看到。我做了三个投票，分别问工程师、产品经理和设计师：使用AI工具后，你对工作的喜爱程度是提升了还是下降了？结果显示，70%的工程师和产品经理表示更喜欢现在的工作了，约10%的人表示喜爱程度下降；而设计师的结果很有意思，只有55%的人表示喜爱程度提升，20%的人表示下降。这个结果非常值得探讨。

Boris Cherny：这个结果太有意思了，我很想和这些人聊聊，无论是喜爱程度提升还是下降的人，都想了解背后的原因。你有没有和其中一些人深入交流过？

Lenny Rachitsky：有一些人回复了我的投票，我们也会做后续的投票调查，结果会放在节目笔记里，深入探讨背后的原因。目前能看到一些让工作变得更有趣或更枯燥的因素，但设计师群体中，很少有人说明为什么对工作的喜爱程度下降了，我也很好奇背后的原因。

Boris Cherny：在Anthropic，我也看到了一些类似的情况，不过公司里的所有人都具备一定的技术能力，这是我们招聘时的筛选标准之一，即便是非技术岗位，也需要通过大量的技术面试。我们的设计师基本都会编程，从我观察到的情况来看，他们很享受现在的工作，因为现在不用再麻烦工程师，自己就能编写代码，甚至一些之前不会编程的设计师，现在也开始学习并实践，这让他们能打破工作中的瓶颈，自主推进工作。但我确实很想听听更多人的感受，相信不同公司的情况会有所不同。

我还发现，不同岗位的人使用的工具也有所不同，比如我们的设计师，更多地使用Quad桌面端应用来编写代码。只需下载桌面端应用，里面有一个代码标签页，就在Cowork旁边，使用的是和Claude Code完全相同的Agent，这个功能我们已经推出好几个月了。通过这种方式，设计师不用打开多个终端就能编写代码，同时还能拥有Claude Code的强大能力，最大的优势是可以同时运行多个Quad会话，我们称之为“多Quad操作”，这种方式对非工程师来说更友好。这又回到了我们的产品理念：将产品融入用户的工作场景，不要让用户改变自己的工作流程，也不要让他们花费额外的精力学习新的操作方式，顺应用户的使用习惯，让他们的工作变得更便捷，这样的产品才会更受用户欢迎，这也是产品开发中挖掘潜在需求的核心原则。

AI产品开发逻辑：挖掘潜在需求与适配模型能力

Lenny Rachitsky：正好我想聊这个话题，能不能解释一下这个原则的内涵，以及挖掘潜在需求能带来哪些效果？

Boris Cherny：潜在需求的核心是，如果你打造的产品，能让用户通过变通甚至“误用”的方式，实现自己想要的功能，那么这会为产品开发者指明未来的优化方向。比如Facebook Marketplace的诞生，就是一个典型的例子。Facebook Marketplace团队的负责人Fiona，也是该团队的创始负责人，她经常谈起这个故事。2016年左右，团队发现，Facebook群组中40%的帖子都是用于买卖交易的，这太不可思议了——人们在“误用”Facebook群组这个产品进行交易，这并非产品的设计初衷，但用户因为有强烈的需求，所以摸索出了使用方法。这就清晰地表明，如果打造一款专门用于买卖交易的产品，一定会受到用户的欢迎，所以Facebook Marketplace的成功是必然的。团队首先推出了交易专用群组，之后又正式上线了Marketplace平台。

Facebook Dating的诞生也有着相似的背景，团队发现，Facebook上60%的个人主页访问，都来自非好友的异性用户，人们通过浏览他人主页的方式结识异性，这是一种传统的约会模式，只是大家都在悄悄进行。所以团队认为，打造一款专门的约会产品，或许能取得成功。潜在需求的挖掘就是如此有力量，Cowork的诞生也源于此。过去六个月里，我们发现很多人使用Claude Code并非为了编码：有人在推特上分享用它种植番茄，有人用它分析基因组，还有人用它从损坏的硬盘中恢复婚礼照片，甚至有人用它分析核磁共振影像。这些使用场景和技术毫无关系，而人们为了实现这些功能，甚至愿意克服终端操作的不便，这就清晰地告诉我们，应该为这些需求打造一款专门的产品。

其实我们很早就发现了这一趋势，去年5月的一天，我走进办公室，发现我们的数据科学家Brendan的电脑上打开了Quadcode的终端界面，我当时非常震惊，问他在做什么。要知道，终端是典型的工程师工具，很多工程师都不愿意使用，这是最底层的电脑操作方式，而他竟然摸索出了使用方法，下载了Node.js和Quadcode，在终端里做SQL分析，这太疯狂了。而一周后，公司所有的数据科学家都开始这么做了。当你看到用户“误用”你的产品，通过非设计的方式实现自己的需求时，这就是最强烈的信号，你需要为这些需求打造一款专门的产品，用户一定会喜欢。

如今，潜在需求的挖掘还出现了新的维度：传统的方式是观察用户的行为，让产品更贴合用户需求，赋能用户；而过去六个月，我发现了一种新的方式：观察模型的行为倾向，让产品更贴合模型的能力。最初开发Claude Code时，人们设计大语言模型产品的思路，大多是将模型“框定”在某个范围内：我要打造一个应用，让模型完成其中的某个组件，规定模型和工具、API的交互方式。而Claude Code则反其道而行之：产品的核心是模型，我们要做的是尽可能地展示模型的能力，在模型周围搭建最精简的框架，为它配备最基础的工具，让它自主决定使用哪些工具、以何种顺序使用。这一思路的核心，就是挖掘模型的潜在行为倾向。在研究领域，这被称为“符合分布”，即观察模型的自然行为倾向；而在产品领域，这就是潜在需求的挖掘，只是对象从用户变成了模型。

Lenny Rachitsky：你刚才提到了Cowork，我看到你在它发布时说，团队只用了10天就完成了开发，这太不可思议了。而且它很快就拥有了数百万的用户，核心原因就是用Claude Code来开发Claude Code吗？还有其他背后的故事吗？

Boris Cherny：没错。正如我所说，Claude Code推出时并非立刻走红，而是逐渐被用户认可，发展过程中有几个关键的拐点：Opus 4版本的推出是一个重要节点，产品能力实现了质的飞跃；2025年11月是另一个拐点，之后产品的增长就一直保持加速状态，而且增速越来越快。但在推出后的前几个月，Claude Code的表现并不亮眼，虽然有用户使用，但很多人不知道该如何操作，也不了解它的价值，当时的模型能力也还不够成熟。而Cowork推出后立刻走红，受欢迎程度远超早期的Claude Code，这很大程度上要归功于Felix、Sam、Jenny和整个开发团队，这是一支极其优秀的团队。

当然，Cowork的诞生核心还是源于潜在需求的挖掘，我们看到人们用Claude Code处理非技术事务，于是开始思考该如何满足这一需求。团队花了几个月的时间探索，尝试了各种方案，最后有人提出：不如把Claude Code直接移植到桌面端应用中。没想到这个方案真的奏效了，团队只用了10天，就完全借助Claude Code完成了Cowork的开发。而且Cowork内置了一套非常复杂的安全系统，简单来说就是设置了防护机制，确保模型的行为符合预期，不会偏离轨道，比如我们为它配备了完整的虚拟机，而这些代码全部由Claude Code编写。我们只需要思考，如何让它变得更安全，让非技术人员也能轻松使用，剩下的工作全部由Claude Code完成，整个开发过程只用了10天。我们选择了提前上线，当时的产品还存在很多不完善的地方，现在依然有一些小问题，但这正是我们的学习方式——无论是产品开发还是安全研究，都需要比预期更早地推出产品，这样才能获得用户反馈，和用户沟通，了解他们的需求，进而规划产品的未来发展方向。

安全与发展平衡：Anthropic的AI研发核心理念

Lenny Rachitsky：这个观点非常有意思，也很独特。一直以来，产品开发都秉持着“早上线、向用户学习、获取反馈、持续迭代”的理念，而在AI产品开发中，还有一个独特的原因：我们甚至无法完全知晓AI的能力边界，也不知道用户会如何尝试使用它，所以提前上线，能帮助我们挖掘那些未曾发现的潜在需求，正如你所说。

Boris Cherny：没错，作为一家专注于AI安全的研究机构，Anthropic还有一个考虑，那就是安全。模型安全的研究方式有很多种，最基础的是对齐和机械可解释性研究：在模型训练阶段，确保它的安全性。目前我们已经拥有了非常先进的技术，能观察模型神经元的活动，追溯其行为逻辑。比如如果某个神经元与“欺骗”相关，我们已经能对其进行监测，识别它的激活状态，这就是对齐和机械可解释性研究，是模型安全的最底层保障。第二个层面是评估，即在实验室环境中，将模型置于可控场景下进行研究，设置模拟场景，观察模型的行为，判断它是否符合预期、是否安全。第三个层面是观察模型在真实场景中的表现，随着模型能力的不断提升，这一层面的研究变得愈发重要，因为模型可能在实验室中表现优异，但在真实场景中却出现各种问题。

我们很早就推出了Claude Code，核心目的就是为了研究模型的安全问题，在推向外部市场前，Anthropic内部已经使用了四五个月，因为当时我们不确定这款产品的安全性——它是当时首款被广泛使用的Agent，也是首款真正普及的编码Agent。所以我们必须先在公司内部进行长期的研究，确认其安全性后，才敢推向市场。即便在推出后，我们也从中学到了很多关于模型对齐和安全的知识，并将这些知识反哺到模型和产品的优化中。Cowork的推出也遵循了同样的逻辑，模型被置于全新的场景中，处理非工程类事务，作为代表用户采取行动的Agent，它在对齐和评估测试中表现优异，内部测试和小范围客户测试的结果也很好，但我们需要确保它在真实场景中的安全性。这就是我们选择提前上线、将其定义为“研究预览版”的原因，而产品也在持续优化中，这也是确保模型长期对齐、规范行为的唯一方式。

Lenny Rachitsky：你所处的行业环境太特殊了，一方面是白热化的竞争和极快的发展节奏，另一方面又担心AI失控带来的风险，想要在两者之间找到平衡，一定非常困难。你刚才提到了模型安全的三个层面，这本身就可以做一期完整的节目来探讨。我第一次听说第一个层面的研究，太有意思了——你们竟然有可观测的工具，能窥探模型的“思维”，观察它的思考过程和行为倾向。

Boris Cherny：没错，你应该邀请Chris Ola来做一期节目，他是这一领域的行业专家，机械可解释性这一研究领域就是他开创的。这一研究的核心是，探索模型的“大脑”究竟是什么——其实就是一系列相互连接的神经元，就像人类和动物的大脑一样，我们可以从机械层面研究神经元的活动，理解其功能。令人惊讶的是，这一研究思路在AI模型中也同样适用，模型的神经元和动物的神经元虽然不同，但在很多方面的表现都极为相似。我们也因此对模型神经元的工作方式有了深入的了解，比如某一层神经元、某个神经元对应着什么概念，模型如何进行规划、如何预判后续行为。很久以前，我们不确定模型只是在预测下一个标记，还是在进行更深度的思考，而现在，有充分的证据表明，模型确实具备深度思考的能力。目前我们已经拥有了非常复杂的研究框架，随着模型规模的扩大，单个神经元不再只对应一个概念，而是可能对应十几个概念，当它与其他神经元共同激活时，就形成了“叠加”效应，共同代表一个更复杂的概念，这也是我们一直在研究的内容。

对于Anthropic来说，思考行业的发展方向，以安全、对世界有益的方式推动AI发展，是我们存在的意义，也是每一个Anthropic员工的追求。我们将很多研究成果开源，也会大量发表研究论文，坦诚地分享我们的研究成果，希望能激励其他研究机构也以安全的方式开展AI研究，这一原则也贯穿在Claude Code的开发中，我们内部称之为“向上竞争”。比如我们开源了一个沙箱环境，这个沙箱可以运行各类Agent，能为Agent设置操作边界，防止它访问系统的所有内容，而且这个沙箱并非只适用于Claude Code，而是兼容所有Agent，我们希望能让其他机构也能轻松开展安全的AI研究，这就是“向上竞争”的核心——我们希望推动整个行业朝着更安全的方向发展，这也是我们能为行业做的贡献。

Lenny Rachitsky：太厉害了，我一定会跟进这个建议，邀请他来做节目。我还发现一个现象，在工程师、产品经理等使用Agent的人群中，存在一种焦虑情绪：当Agent无法正常工作时，人们会感到焦躁，比如有问题需要Agent解答、工作被Agent卡住，就会觉得自己的生产效率大幅下降，迫切希望Agent能立刻恢复正常。你有过这种感受吗？你的团队有这种情况吗？你觉得这是一个需要关注和解决的问题吗？

Boris Cherny：我一直同时运行着多个Agent，目前就有5个在运行，而且随时都在新增。每天醒来的第一件事，就是启动一批Agent，今天早上也是如此，我突然想确认一件事，就打开手机上的Quad iOS应用，进入代码标签页，让Agent去检查。我昨天写了一些代码，有点不确定自己做得对不对，想确认一下，结果是正确的。现在做这种检查太方便了，所以可能确实存在一点焦虑，但我个人没怎么感觉到，因为我一直有多个Agent在运行，而且也不再局限于终端操作了。现在我大概三分之一的代码在终端完成，三分之一用桌面端应用，还有三分之一用iOS应用，这太令人意外了，我根本没想到2026年我会用这种方式编程。

Lenny Rachitsky：很有意思的是，你依然把这称为编程——本质上是和Claude Code沟通，让它帮你写代码。现在的编程，定义的是你想要实现的功能，而不是亲手编写代码本身。

Boris Cherny：我有时候会想，那些曾经用穿孔卡片编程的人，如果看到现在的软件，会怎么说。我记得在早期的ACM杂志上看到过一些内容，有人说这根本不是一回事，这不叫编程，他们称之为程序设计。“编码”是一个相对较新的词。我家来自苏联，我出生在乌克兰，我的祖父是苏联最早的一批程序员之一，他就是用穿孔卡片编程的。我母亲小时候经常跟我讲，祖父会把一摞摞穿孔卡片带回家，她会用蜡笔在上面画画，这是她童年的回忆，而这对祖父来说，就是他的编程工作。他从未经历过软件时代的转变，但编程方式终究还是变了。我想，老一辈的程序员可能根本不把现在的软件当回事，会说“这根本不是编程”。但这个领域一直都在以这种方式不断变革。

Lenny Rachitsky：你可能不知道，我也出生在乌克兰。

Boris Cherny：哦，我不知道这件事！真的吗？你来自哪个城市？

Lenny Rachitsky：我来自敖德萨。

Boris Cherny：哦，我也是！太不可思议了。

Lenny Rachitsky：哇，太巧了。或许我们可以聊点相关的，你和家人是哪一年离开乌克兰的？

Boris Cherny：我们1995年过来的。

Lenny Rachitsky：我们1988年就离开了，比你们早一些。

Boris Cherny：是啊。

Lenny Rachitsky：如果当初没有离开，人生会完全不一样吧？

Boris Cherny：没错，我每天都很庆幸自己能在这里长大。

AI产品开发的黄金法则：解锁模型能力与未来预判策略

Lenny Rachitsky：你分享了很多关于如何充分利用AI、基于AI进行开发、打造优秀AI产品的实用建议，比如给团队足够的Token让他们自由实验，还有要面向模型未来的发展方向进行开发，而不是局限于当下。对于那些想要打造AI产品的人，你还有其他建议吗？

Boris Cherny：我还想分享几点。第一，不要限制模型的能力。很多人在基于模型开发产品时，本能地想让模型按照特定方式运行，把它当作一个更大系统中的某个组件。比如，有些人会给模型设定非常严格的工作流程，必须第一步做什么、第二步做什么、第三步做什么，还会用复杂的协调器来控制。但实际上，大多数情况下，只要给模型提供工具和目标，让它自主探索解决方案，就能得到更好的结果。一年前，可能还需要大量的框架支持，但现在已经不需要了。我不知道该怎么命名这个原则，或许可以说是“不要问模型能为你做什么，而要思考如何给模型提供做事的工具”。不要过度干预，不要把它框死，也不要一开始就给它大量上下文，而是给它一个能获取所需上下文的工具，这样往往能得到更优的结果。

第二，这是一个更通用的原则，叫做“惨痛教训”（The Bitter Lesson）。Claude Code团队的人可能都读过，Rich Sutton十年前写过一篇博客，核心观点非常简单：通用模型永远会胜过专用模型。他当时主要谈论的是自动驾驶汽车等领域，但这个原则有很多衍生含义。对我来说，最重要的一点就是永远要押注通用模型。从长远来看，不要试图用小型模型完成任务，也不要轻易进行微调，虽然在某些特定应用场景下有这样做的理由，但如果有选择的余地，几乎都应该优先选择通用模型。那些严格的工作流程本质上是给模型套上框架，而我们发现，框架最多能提升10%-20%的性能，但这些提升往往会被下一个版本的模型所超越，所以几乎不如直接等待模型升级。

第三，事后看来，Claude Code做得正确的一点是，从一开始就面向六个月后的模型进行开发，而不是当下的模型。早期版本的产品只能帮我写很少的代码，因为我不信任它，当时的模型是Sonnet 3.5，后来又有了3.6或其他版本，这些模型的编码能力还不够强，虽然一直在进步，但还处于早期阶段。那时候，模型主要帮我使用Git，自动化一些简单的操作，并没有承担大量编码工作。我们对Claude Code的预期是，总有一天模型的能力会足够强，能够独立完成大部分编码工作。直到Opus 4和Sonnet 4版本发布后，这一预期才成为现实。Opus 4是我们今年5月发布的首款ASL 3级模型，从那以后，所有人都开始使用Claude Code，产品的增长也真正进入了指数级阶段，并且一直保持到现在。所以我给很多人，尤其是创业公司创始人的建议是，前六个月产品与市场的契合度可能不会很高，这会让人感到不安，但如果能面向六个月后的模型进行开发，当那个模型发布时，产品就能迅速落地，顺利运转起来。

Lenny Rachitsky：你说面向六个月后的模型进行开发，人们应该如何预判模型的发展方向呢？只是笼统地认为它会在各方面变得更好吗？还是说，当模型在某个领域接近成熟时，就可以预判它未来会完全胜任这个领域的工作？这方面有什么具体建议吗？

Boris Cherny：后者是一个不错的判断方式。显然，作为AI实验室，我们能看到模型具体在哪些方面会得到提升，这可能有点不公平，但我们也会尽量分享这些信息。比如，模型在工具使用和计算机操作方面会越来越熟练，这是我非常有信心的一点。另外，模型的持续运行能力也会不断增强，有很多相关研究都支持这一结论。从我的个人体验来看，一年前使用Sonnet 3.5时，模型运行15到30秒后就会失控，处理复杂任务时需要全程引导；而现在的Opus 4.6，平均可以无人值守运行10到30分钟，我可以同时启动另一个Quad让它处理其他任务。我一直有多个Quad在运行，它们甚至可以连续运行数小时甚至数天，有些案例中，模型的连续运行时间长达数周。所以未来模型长时间自主运行会成为常态，不再需要人工全程监控。

Claude Code的高效使用：专业技巧与工具操作心法

Lenny Rachitsky：我们刚才聊了打造AI产品的建议，对于第一次使用Claude Code的人，或者已经在使用但想提升使用效率的人，你有什么专业技巧可以分享吗？

Boris Cherny：首先我要说明一点，使用Claude Code没有唯一正确的方式。这是一款开发工具，而每个开发者的偏好和工作环境都不同，所以有很多种使用方式，你需要找到适合自己的那一种。幸运的是，你可以直接问Claude Code，它会给出使用建议，还能帮你调整设置，它对自己的功能非常了解，能提供针对性的帮助。不过我有几个普遍适用的技巧。第一，使用功能最强大的模型，目前是Opus 4.6，我一直都开启了“最大努力”模式。有些人会为了节省成本选择Sonnet等价格较低的模型，但由于这些模型的智能程度较低，完成同样的任务最终可能需要消耗更多Token，所以使用低价模型并不一定更划算。相反，使用功能最强大的模型往往更省钱、更省Token，因为它能更快地完成任务，不需要太多修正和引导。

第二，使用规划模式（Plan Mode）。我大约80%的任务都是从规划模式开始的。规划模式非常简单，只是在模型的提示词中加入了一句话：“请暂时不要编写代码”。在终端中，只需按两次Shift+Tab就能进入规划模式；桌面端应用和网页端都有对应的按钮，移动端也即将支持，我们刚刚还为Slack集成推出了这个功能。进入规划模式后，模型会先和你反复沟通，确定清晰的方案，之后再执行。方案确定后，我会自动接受模型的编辑，因为只要方案没问题，Opus 4.6几乎都能一次完成任务，准确率非常高。

第三，尝试不同的操作界面。很多人一想到Claude Code，就会想到终端，我们支持所有终端，无论是Mac还是Windows系统，各种终端都能完美适配。但实际上，我们还支持很多其他形式的操作界面，比如iOS和Android应用、桌面端应用、Slack集成等。建议大家多尝试这些不同的界面，每个工程师、每个开发者的习惯都不同，找到最适合自己的即可，不一定非要使用终端，所有界面背后运行的都是同一个Cloud Agent，功能完全一致。

Lenny Rachitsky：最后再问你几个问题来收尾。你对Codex这款产品有什么看法？你觉得它的发展方向如何？在竞争激烈的编码Agent领域，你如何看待它的竞争力？

Boris Cherny：说实话，我没怎么用过Codex，只在它刚发布时尝试过一下。它给我的感觉和Quad Code很像，这让有些受宠若惊。有更多的竞争是好事，用户应该有更多选择，而且竞争也能促使我们所有人都做得更好。不过对我们团队来说，我们更专注于解决用户的问题，不会花太多时间关注竞争对手的产品，也不会特意去试用。我们会了解竞争对手的存在，但对我来说，我更喜欢和用户沟通，不断优化产品，根据用户反馈采取行动，打造出真正优秀的产品才是最重要的。

Lenny Rachitsky：最后一个问题。我和Anthropic的联合创始人Ben聊过，他给了我很多话题建议，我已经在对话中融入了不少。他还让我问你，通用人工智能（AGI）实现后，你有什么规划？当AGI成为现实（无论它最终是什么样子），你打算如何度过自己的人生？

Boris Cherny：加入Anthropic之前，我住在日本的乡村，过着完全不同的生活。我是那个小镇上唯一的工程师，也是唯一的英语使用者，那里的生活节奏和旧金山完全相反，慢了很多。我每周会骑自行车去几次农贸市场，沿途会经过稻田，那种感觉非常惬意。在那里，我通过交换泡菜结识了很多邻居，建立了深厚的友谊。那个小镇上的每个人都会做味噌和泡菜，我也因此学会了做味噌，而且做得还不错，至今还在坚持做。味噌的特别之处在于，它让我学会了长线思维，这和工程工作完全不同。一份白味噌至少需要三个月才能做好，红味噌则需要两到四年，整个过程需要极大的耐心，混合原料后，只需要静静等待发酵，不能急于求成。我喜欢这种长线思维的感觉，所以我想，AGI实现后，或者如果我不在Anthropic工作了，我可能会专注于做味噌。

Lenny Rachitsky：这个答案太棒了。本特意让我问你和味噌的故事，你刚好回答了。所以未来你可能会深耕味噌制作，成为这方面的专家，太有意思了。Boris，今天的对话非常精彩，感觉我们就像来自乌克兰的兄弟一样。进入激动人心的快问快答环节之前，你还有什么想分享的吗？有什么想对听众说的，或者想重点强调的内容？

Boris Cherny：Anthropic从一开始就秉持着这样的理念：从编码入手，逐步实现工具使用，最终达到计算机自主使用的目标。这是我们认为模型应该遵循的发展路径，也是我们构建模型的方向，同时，这也是我们学习、研究和提升AI安全的最佳方式。如今，Claude Code已经成长为价值数十亿美元的业务，我的所有朋友都在使用它，经常给我发消息分享使用体验。从很多方面来看，这都是一个意外，我们没想到产品会以这样的形式呈现，也没想到它会从终端起步，但从另一个角度来说，这又在情理之中，因为这一直是公司的核心信念。同时，我也觉得现在还处于非常早期的阶段，世界上大多数人还没有使用Claude Code，甚至还没有接触过AI，所以我们只完成了1%的工作，未来还有很长的路要走。

Lenny Rachitsky：听到这些数据真的很令人震惊。你们刚刚完成了巨额融资，我听说Claude Code alone的年收入就达到了20亿美元，Anthropic的整体年收入更是高达150亿美元。在这样的规模下，你竟然还觉得处于早期阶段，这太不可思议了。

Boris Cherny：是啊，确实很疯狂。Claude Code能持续增长，归根结底要归功于用户。有太多人在使用它，他们对产品充满热情，深深喜爱着这款产品，还会主动告诉我们产品的问题和需求。正是因为所有人的使用、讨论和反馈，产品才能不断优化，这是最重要的一点。对我来说，每天和用户沟通，为他们优化产品，就是我最喜欢的工作方式。

Lenny Rachitsky：而且这也让你……

Boris Cherny：而且这也让我变得更有耐心，你知道，做味噌不需要太多复杂的操作，只需要等待。

快问快答：书单、产品与人生的深度思考

Lenny Rachitsky：好了，Boris，接下来就是激动人心的快问快答环节。我有五个问题要问你，准备好了吗？

Boris Cherny：准备好了，开始吧。

Lenny Rachitsky：第一个问题，你最常向别人推荐的两三本书是什么？

Boris Cherny：我很爱读书。首先推荐一本技术书——《Functional Programming in Scala》，这是我读过的最好的技术书。虽然你可能不会用到Scala，而且现在来看，这本书的价值可能也会随着时间变化，但函数式编程的优雅和类型思维的魅力，一直影响着我的编程方式，让我无法停止用这种思维去思考编码问题。你可以把它当作一件历史珍品，也可以把它看作提升自己的工具。

Lenny Rachitsky：我很喜欢这个推荐，之前从来没人提到过这本书。

Boris Cherny：太好了。第二本书是Strauss的《Accelerando》。我最喜欢的genre是科幻小说，而《Accelerando》这本书节奏非常快，而且越来越快，它比我读过的任何一本书都更能捕捉到我们当下所处时代的本质——速度。故事从技术腾飞、接近奇点开始，最终以一群龙虾意识体环绕木星结束，这一切都发生在几十年的时间里，节奏令人惊叹，我非常喜欢。第三本书，我想推荐刘慈欣的《流浪地球》。很多人知道他是因为《三体》，《三体》确实很棒，但我更喜欢他的短篇小说。《流浪地球》是他的短篇小说集之一，里面有很多非常精彩的故事。中国科幻的视角和西方科幻有很大不同，至少刘慈欣的写作视角很独特，读起来非常有意思，而且文字也很美。

Lenny Rachitsky：科幻小说确实让我们提前思考未来的发展方向，它构建了各种可能的世界模型，让我们能够更好地理解当下正在发生的变化。

Boris Cherny：没错，这也是我加入Anthropic的原因之一。就像我之前说的，我曾经住在乡村，那里的生活节奏很慢，和旧金山完全不同，所有事情都围绕着季节展开，制作食物也需要花费数月时间，社交活动、时间安排都是如此。去农贸市场时，看到20个摊位都在卖柿子，就知道到了柿子季；下周柿子季结束，就到了葡萄季，一切都顺其自然。这种长线思维让我深受影响，同时我也读了很多科幻小说。在那个当下，我意识到，基于这种长线思维，我知道技术可能会走向何方，自己必须为此贡献一份力量，让技术朝着更好的方向发展，这也是我最终加入Anthropic的原因，本在其中也起到了很大的推动作用。

Lenny Rachitsky：我真想专门做一期播客，聊聊你在日本的经历，以及你从日本到Anthropic的旅程，但今天时间有限，我们就先聊到这里。我想给你推荐一本科幻小说，如果你没读过的话，《Fire Upon the Deep》你读过吗？

Boris Cherny：是Venge的作品，对吧？读过，非常棒。

Lenny Rachitsky：是的，这本书从人工智能、通用人工智能的角度来看，非常有意思。很多人都读过，我自己也很喜欢……

Boris Cherny：我还喜欢《Deepness in the Sky》，那是它的续集，对吧？

Lenny Rachitsky：没错，这本书很长，一开始可能觉得复杂，但真的非常精彩。好了，继续快问快答。你最近有没有特别喜欢的电影或电视剧？

Boris Cherny：我其实不怎么看电影和电视剧，现在根本没时间。不过我看了网飞的《三体》系列剧，非常喜欢，它很好地还原了原著。

Lenny Rachitsky：AI领域的领导者似乎都没时间看电影电视剧，这完全可以理解。你最近有没有发现什么特别喜欢的产品？

Boris Cherny：我想稍微“推销”一下Cowork，这款产品真的彻底改变了我的生活，我一直都在使用它，尤其是Chrome浏览器的集成功能，非常出色。它帮我交过交通罚款，取消过几个订阅服务，帮我省去了很多繁琐的工作，非常棒。另外，我不知道播客算不算产品，但除了你的播客，我还很喜欢Ben和David主持的《Acquired》播客。他们把商业历史讲得生动有趣，非常精彩。如果你没听过，我建议从任天堂那一期开始听。

Lenny Rachitsky：好建议。为了让没使用过Cowork的人更好地理解，它的核心功能是，你输入想要完成的任务，它就能启动Chrome浏览器，自动帮你完成。我听说Anthropic有员工休陪产假时，就是用Cowork填写那些繁琐的医疗表格，包括那些令人头疼的PDF文件，Cowork会自动打开浏览器、登录账号、填写表格并提交，全程自动化。

Boris Cherny：没错，现在它确实能做到这些。一年前我们做过类似的实验，但当时模型还不够成熟，没有成功，现在则完全可以实现，非常惊人。很多人之所以不理解Cowork的价值，是因为他们从未使用过Agent，这和一年前的Claude Code很像，但Cowork的增长速度比早期的Claude Code快得多，它已经开始被更多人接受了。

Lenny Rachitsky：你提到的Chrome扩展程序可以单独使用，它会嵌入Chrome浏览器，你可以直接和Claude沟通，让它查看浏览器页面上的内容，总结信息，或者完成其他操作。

Boris Cherny：完全正确。对于刚开始使用Cowork的人，我的建议是：下载Quad桌面端应用，进入Cowork标签页（就在代码标签页旁边），首先尝试让它使用工具，比如清理桌面、总结邮件，或者回复最重要的三封邮件——现在它甚至能直接帮我回复邮件。其次，尝试连接多个工具，比如查看重要邮件后，发送Slack消息，或者将邮件内容整理到电子表格中。我现在所有的项目管理工作都由Cowork完成，我们团队有一个统一的电子表格，每个工程师占一行，每周大家都会填写工作状态。每个周一，Cowork会自动检查电子表格，给还没填写状态的工程师发送Slack消息提醒，我再也不用手动做这件事了，只需要一个提示词，它就能完成所有操作。最后，尝试同时运行多个Quad任务，Cowork支持同时运行多个任务，比如启动项目管理的任务后，再启动其他任务，然后你就可以去喝杯咖啡，让它自行运行。

Lenny Rachitsky：我会在节目笔记中附上一篇文章，里面分享了很多人使用Cowork的场景，这些场景之前很多是通过Claude Code实现的，现在用Cowork就能直接完成。很多人看了这些例子都会惊叹：“哇，我没想到还能这样用”。人们需要看到这些实际案例，才能真正了解它的潜力。

Boris Cherny：没错，其实很多灵感都来自你，Lenny。你之前写过一篇文章，分享了50个Quokka的非技术使用场景，我们的产品经理在Cowork发布前，就是用这些场景来测试产品的，结果Cowork能完成其中48个场景的任务，表现非常出色。

Lenny Rachitsky：哇，我没想到自己还成了产品测试的参考标准。你有没有经常挂在嘴边的人生格言，无论是工作中还是生活中？

Boris Cherny：保持常识。我发现很多失败，尤其是工作中的失败，都是因为人们没有运用常识。他们盲目遵循流程，不加思考地做事，或者在开发一款不好的产品、追求一个糟糕的想法时，只顺着惯性前进，不懂得反思。我看到的最成功的案例，都是那些从基本原理出发，拥有自己判断的人。如果某件事听起来不对劲，那它很可能就是个坏主意。这也是我给同事们最多的建议。

Lenny Rachitsky：这个话题本身就可以做一期播客，探讨什么是常识，如何培养常识。但今天时间有限，我们就先聊到这里。最后一个问题：你最近在推特上变得越来越活跃，我很好奇原因是什么，你在推特上的体验如何？我看到你在推特上有很高的互动量。

Boris Cherny：很长一段时间里，我只使用Threads，因为我以前参与过Threads的开发，而且我很喜欢它的设计，界面非常简洁。我开始使用推特其实是因为无聊。去年12月，我和妻子在欧洲旅行，我们去了哥本哈根等好几个国家，对我来说，这相当于一次“编码假期”，每天都在编程，这是我最喜欢的度假方式，整天都在写代码，非常棒。但有一天，我突然觉得无聊，有几个小时想不出要做什么，就打开了推特，看到有人在讨论Quad Code，我就开始回复他们的消息。之后我意识到，或许可以通过推特寻找用户遇到的漏洞和反馈，于是我主动介绍自己，询问大家使用过程中遇到的问题和建议。很多人都对我们处理反馈的速度感到惊讶，对我来说，这其实很正常——只要用户对漏洞的描述足够清晰，我用Quad Code几分钟就能修复，然后再去处理下一个问题。但对很多人来说，这种速度是前所未有的。总的来说，我在推特上的体验非常好，能和用户直接互动，了解他们的需求、遇到的漏洞和想要的功能，这非常棒。

Lenny Rachitsky：我看到你前几天在推特上向Nikita Beer抱怨，说你发了很多推文线程，但都出了问题，你当时说“天啊，这是怎么回事？”

Boris Cherny：是啊，当时有个漏洞，希望现在已经修复了。

Lenny Rachitsky：太有意思了。Boris，真的很想再和你聊几个小时，但今天就到这里吧。非常感谢你参加节目，你太棒了。大家可以在哪里在线上找到你？听众们可以怎样帮助你？

Boris Cherny：大家可以在Threads或推特上找到我，这是最方便的方式。欢迎大家给我留言、标记我，分享遇到的漏洞和功能需求。告诉我产品缺少什么，我们可以如何改进，你们想要什么功能，我非常乐意听取大家的意见。

Lenny Rachitsky：Boris，再次感谢你来到节目。

Boris Cherny：不客气，谢谢你，Lenny。

Lenny Rachitsky：各位听众，再见。

原文：Head of Claude Code: What happens after coding is solved | Boris Cherny

https://www.youtube.com/watch?v=We7BZVKbCVw

编译：Lingyun Xu

请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。

Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。