人人可编程时代,软件行业如何发展

Boris Cherny 在 AI Ascent 2026 上讲述 Claude Code 的诞生、一个人管理几百个 Agent 的工作方式，以及软件行业接下来会发生什么。

01

从 Tab 补全到 Agent

Claude Code 不是什么宏伟战略的产物。它是一个三人孵化团队的意外成果，前六个月几乎不能用。

2024 年底，Boris Cherny 加入 Anthropic 内部的孵化团队 Anthropic Labs。团队只有几个人，目的是做点什么试试。他们产出了三样东西：Claude Code、MCP 协议、桌面客户端。然后团队解散了。

那时候编码工具的形态是 typeahead——打开 IDE，按 Tab，补全一行代码。Sonnet 3.5 让这件事第一次变得可用，但 Boris 觉得这远远不够。模型的能力已经在那儿了，产品没有跟上。他把这个叫”product overhang”：模型能做的事，远比现有产品捕获得多。

于是他动手让 Agent 直接写整个项目的代码。前六个月，几乎不能用。Boris 自己只用它写了大约 10% 的代码。即便 Claude Code 初次发布，也没有今天的爆发式增长。

转折点是 2025 年 5 月的 Opus 4。从那以后，每个新模型发布都让增长再拐一次。4.5、4.6、4.7，一路加速。Claude Code 的代码库本身很普通——TypeScript + React，没有秘密。选这个栈是因为它”on distribution”：模型见过的 TypeScript 和 React 代码最多，写起来最顺。如今模型足够强，用什么语言框架都行，但在起步阶段，这个选择省了很多力气。

02

编码已解决

“编码已解决”——不是画饼，是 Boris 的日常。但对这个判断的理解不能只看结论，得看前提。

Lauren 在现场让举手：谁 100% 手写代码？谁 100% 用 Agent？谁在中间？大多数人举手在中间。Boris 开玩笑说”那算 50% 解决了”——但对他自己，答案是 100%。

理解这个判断，前提很关键。Claude Code 的代码库是 TypeScript + React。Boris 主动解释了选这个栈的原因：不是因为它简单，是因为它 on distribution——模型训练数据里见过的 TypeScript 和 React 代码最多，写起来最顺。在 2024 年底，语言和框架的选择直接影响 Agent 能不能写出可用的代码。”on distribution”是 Agent 时代选技术栈的新逻辑：栈选给模型用，不是人选给团队用。

但这个前提正在失效。Boris 说，现在模型已经可以写任何语言、任何框架，甚至能快速上手从未见过的技术栈。”on distribution”的约束在松弛。这意味着”编码已解决”的适用范围正在扩大——不是一步到位，而是逐栈覆盖。

他自己 2025 年 10-11 月到了模型写 100% 代码的状态。每天提交几十个 PR。某天冲到了 150 个，那是在测极限。2026 年至今没写过一行手写代码。

大型遗留系统、冷门语言、需要深层业务上下文的场景——这些还没完全解决。Boris 的态度是”等下一个模型”。但 Lauren 问了一个更尖锐的问题：编码解决了，然后呢？二阶问题是什么？Boris 没有正面回答，但整场对谈本身就是答案：人从写代码变成了管 Agent，工作的定义正在改变。

03

一个人的工厂

Boris 现在大部分工作在手机上完成。5-10 个会话，几百个 Agent 同时跑，晚上飙到几千个。他觉得自己像在管一个工厂，而不是在写代码。

Boris 六个月前在 Twitter 上分享了自己的工作流，他没想到这会让人惊讶——那只是他的日常。如今这套流程又进化了。

他现在大部分工作在手机上完成。打开 Claude App 左侧的 Code 标签页，5 到 10 个会话同时运行。每个会话下面挂着一批 Agent，日常几百个，到了晚上会飙到几千个，做比较深层的任务。

管理方式有两种。一种是用 sub-agent，让 Claude 派出子 Agent 去做具体工作。另一种是他越来越依赖的 /loop——用 cron 调度重复任务。他管这叫”最简可行方案”：让 Claude 定时执行一个任务，每分钟、每五分钟、每天，随你定。

他现在跑着几十个 loop：有的在盯着 PR，修 CI、自动 rebase；有的在维护 CI 健康度，遇到 flaky test 就去修；还有的每半小时从 Twitter 拉一次用户反馈做聚类。

04

跨学科通才

Claude Code 团队里，工程师经理、产品经理、设计师、数据科学家、财务、用户研究员——每个人都写代码。这不是刻意安排，是 Agent 时代自然长出来的形态。

Boris 观察到一个趋势：团队里的”通才”定义正在扩大。以前的通才还是工程师——可能是同时做 iOS、Web、Server 的产品工程师。但接下来会出现跨学科的通才：擅长产品工程但也很会设计的人，或者产品加数据科学加工程的人。

在 Claude Code 团队，这已经发生了。工程师经理、产品经理、设计师、数据科学家、财务、用户研究员——所有人都写代码。每个人有各自的专业领域，但编码变成了公共技能。

这不是要求每个人都变成全栈工程师。而是编码的门槛降到了一个程度，让你在专业领域内能用 Agent 完成以前需要找工程师才能做的事。设计师可以用 Agent 改原型，产品经理可以自己拉数据做分析，数据科学家可以直接改产品代码验证假设。

05

护城河重估

写代码便宜了 10-100 倍之后，软件产品的价值会发生什么变化？SaaS 末日来了吗？Boris 引用 Hamilton 的”七种力量”框架，给出了一个比末日论更细致的判断。

SaaS 末日论的问题是太粗糙了。Boris 搬出了 Hamilton Helmer 的《7 Powers》框架——他推荐 Acquired 播客那期来了解这个——来拆解 AI 对商业护城河的影响。

他的判断分两层。第一层：某些护城河确实在失灵。转换成本在降低，因为 Agent 可以帮你从 A 平台搬到 B 平台。流程力量也在减弱——如果你的护城河是”我们有一套复杂的工作流”，4.7 可以 hill-climb 任何流程，给个目标就会迭代到完成。

第二层：经典的护城河没有被动摇。网络效应、规模经济、稀缺资源——这些不受 AI 影响。你有用户网络，你有成本优势，你有独家数据，这些还在。

更重要的是第二点：未来十年初创公司的数量会是过去十年的 10 倍。因为小团队可以用 AI 构建出和大公司同等价值的产品，而大公司要改造内部流程、重新培训员工、面对内部阻力——这些对新公司都不是问题。

06

活字印刷时刻

Boris 用 15 世纪活字印刷术做类比：印刷机发明后 50 年，欧洲出版的书籍超过之前一千年。软件正在经历同样的事，只是速度会快得多。

Boris 读了大量的科幻小说和技术史。他说，技术史里最接近当下的一件事，就是 15 世纪活字印刷术在欧洲的出现。

印刷机之前，欧洲大概 10% 的人口识字。读写是专业活儿，识字的人受雇于不识字的国王和领主。印刷机发明后的 50 年里，欧洲出版的文献比之前一千年还多。书籍成本降了 100 倍。识字率从 10% 花了几百年升到全球 70%。你不需要一个”读写学位”才能读写，虽然专业作家依然存在。

Boris 认为软件正在走同样的路，但会快得多。编码会变成像发短信一样的基础能力——不需要计算机学位，不需要知道怎么写函数式编程。同时，专业工程师不会消失，就像专业作家没有消失一样。

他举了个例子：如果你要写会计软件，最合适的人选可能不是工程师，而是一个很懂会计的人。因为领域知识是难的部分，编码现在反而简单了。

07

几个值得记住的回答

模型和产品哪个更重要？一年前 Boris 觉得是五五开。随着模型越来越强，harness（产品外壳）的重要性在降低。但产品仍然决定用户体验——”build something people love”才是根本。他现在更多在思考怎么让 loop 和 batch 成为一等公民，怎么让 Agent 并行更自然。

Anthropic 内部和外部的差距有多大？模型层面没有差距，他们用的是和大家一样的模型。差距在组织流程——整个公司已经用 Agent 重构了工作方式。Agent 之间通过 Slack 互相协调，所有 SQL 都是模型写的。这个差距不在技术，在组织的消化能力。

本地还是云端？Boris 觉得这个问题越来越不重要。模型很快会自己做决定——该用本地模型就用本地，该调云端就调云端。这类基础设施决策不会由人类工程师来做。

怎么给 Agent 足够的工具访问权限？答案是 MCP。接上 Salesforce、Google Docs、Calendar，Agent 就能用了。没有 MCP 的系统，靠 Computer Use 兜底——4.7 通过 Co-work 用 Computer Use 已经很不错了，虽然慢，但能操作你电脑上的几乎所有软件。

现在该做什么为六个月后的模型做准备？Boris 提了四个方向：Claude Design（现在一般，六个月后会很强）、Claude Code 即将发布的新功能、loop/batch 的大规模并行化、Computer Use。

基于 Sequoia Capital AI Ascent 2026 对谈整理 · Boris Cherny 访谈 · 2026.05