夜雨聆风
去年十一月，Boris Cherny 做了一个在外人看来有些疯狂的决定。
他把电脑里的IDE（集成开发环境）彻底卸载了。
作为一个每天和代码打交道的顶级技术专家，在整整一个月的时间里，他没有打开过一次开发工具。
在此之前，他的工作状态是同时运行着五到十个 Claude 窗口，像个指挥官一样给 AI 写提示词，让它去写代码。
而现在，他连提示词都不亲自写了。
他写了一些循环程序，由这些程序去判断什么时候该向 Claude 提问，以及该执行什么任务。
我们已经进入了下一个抽象层级。
”—— Boris Cherny
这并不是发生在未来的科幻故事，而是正在 Anthropic 内部上演的日常。
作为 Claude Code 的创始人，Boris Cherny 最近在海外播客 Acquired 的访谈中，撕开了 AI 时代最真实的幕布。
Claude Code 的诞生，其实源于一次意外。
2024 年底，Boris 加入了 Anthropic 一个名叫 Labs 的原型设计团队。
当时整个团队刚刚重组，大家都在苦苦思索，下一个重量级的产品究竟应该是什么。
那时候的模型能力已经开始出现“溢出”的迹象。它明明能做很多事，但市面上还没有任何一款产品能够完全承载这种能力。
当时的编程工具，大多还停留在 Copilot 这种自动补全的阶段。
你可以向 AI 助手提问，但它并不会真正帮你去写完一段复杂的代码。
于是，团队决定全力以赴，开发一款纯粹的编程 AI Agent 产品。
刚做出来的时候，体验其实挺糟糕的。
Boris 回忆说，有很长一段时间，这个工具大概只能帮他分担 10% 到 20% 的工作。
但到了十一月，情况发生了天翻地覆的变化。
驱动这一变化的根本原因，并不是团队在产品工程层面上做了多么精妙的优化，而是底层模型本身变强了。
五月份的时候，大家用的还是 Sonnet 4 和 Opus 4，到了十一月，底层已经悄然换成了 Opus 4.5。
模型变好了，AI 自动编写代码的比例自然就直线上升。
如今，在 Anthropic 内部，研究模型的人和构建产品的人每天都在高频使用 Claude Code。
这种极度紧密的内部反馈，形成了一个可怕的良性循环。
如果用数据来衡量，这种改变几乎是指数级的。
在 Anthropic 内部，所有的业务图表都习惯使用对数线性图。因为无论是收入、使用量还是代码量，都在呈指数级增长。
数据显示，自从发布了 Claude Code 之后，Anthropic 每位工程师编写的代码量和 Pull Request 数量增长了好几百个百分点。在此前公布的数据中，这个效率是惊人的三倍。而 Boris 透露，现在实际的数字还要高得多。
通常情况下，随着工程团队规模的扩大，新员工需要不断向老员工请教，沟通成本激增，整体生产力往往会下降。
但在 Anthropic，新员工加入后的适应时间，从过去的几周直接缩短到了仅仅两天。
新员工如果不知道怎么查询数据库，老员工给出的回答非常简单：
“打开 Claude，在代码库里运行它，让它去查。”
因为查询数据库只是一种技能，而 Claude 正好懂。
当技术门槛被降到足够低时，组织架构的底层逻辑也随之发生了动摇。
在 Anthropic，有一个非常奇特的现象：
如果你在 Slack 上给某个人发消息，对方的头衔大概率只显示为“技术团队成员”（Member of Technical Staff）。
你根本无法从头衔上判断这个人到底是设计师、工程师、管理者，还是具体负责什么业务。
Boris 非常喜欢这种设定。
这让他想起了在 Meta 工作时的经历，当时所有软件工程师的头衔都只是“软件工程师”，没有高级或首席之分。
当抹平了这些资历的标签，大家在讨论方案时，就不会因为对职级的敬畏而盲从那些糟糕的想法。
更深层的变革在于，传统的职能边界正在迅速消融。
在微软等传统大厂，一个标准的项目流程是这样的：
但在 Claude Code 团队，这种流程早就被扔进了垃圾桶。
团队里的每一个工程师，每天都在直接和用户交谈，自己做设计，自己提取数据做分析，并构建数据仪表板。
所有的角色，都在逐渐融合成一个纯粹的“建设者”（Builder）。
不仅如此，这种融合甚至跨越了专业的鸿沟。
在现在的 Anthropic，设计师在提交代码，财务人员在提交代码，甚至连幕僚长也在往代码库里提交代码。
那些拥有二三十年经验的老工程师，反而需要花几个月的时间，去痛苦地摒弃那些不再适用的旧习惯。
相反，一个刚毕业的大学生加入团队，往往能反过来教 Boris 如何更好地使用 Claude Code。
因为年轻一代天生就具备这种与 AI 协作的直觉。
Boris 预测，到了今年年底，所有关于工程师、产品经理、设计师和用户研究员的传统职能划分，可能都不复存在了。
在 Claude Code 逐渐风靡的同时，另一款名为 Claude Cowork 的桌面应用也诞生了。
它的诞生，同样源于对真实用户行为的敏锐观察。
今年四月份，Boris 走到办公室里，看到旁边坐着几个刚刚加入公司的数据科学家。
其中一个人的屏幕上，正开着只能在终端命令行里运行的 Claude Code。
要知道，在当时，使用这个工具的前提是必须懂技术。你得自己打开终端，下载 Node.js，安装软件，还要配置 API 密钥。
但这个非技术背景的数据科学家，硬是自己把这一套复杂的流程全部摸索通了。
到了第二周，办公室里所有的数据科学家，都开着好几个终端窗口在用它做数据分析。
紧接着在五六月份，Twitter 上出现了一个更有意思的用户。
那是一个完全不懂编程的普通人，他想在家里种番茄。
他用一个网络摄像头监控番茄的生长，然后用 AI 系统来自动控制植物的营养液输送。
几个星期后，小番茄终于发芽了。
Claude 在终端里给这位用户回复道：“这太令人高兴了，所有的努力都得到了回报。”
看到这条推文的瞬间，Boris 意识到，时机彻底成熟了。
非技术用户的潜在需求已经如此强劲，是时候为他们打造一款不需要打开终端的产品了。
于是，他们用了大概八九天的时间，完全使用 Claude Code 编写出了 Claude Cowork。
在这个过程中，他们其实尝试并砍掉了许多方向。
比如，他们试过基于 Slack 的机器人方案，但发现很难在 Slack 里做出优秀的开发体验。
他们也尝试过网页端的方案，但很快就放弃了。
因为在浏览器里运行的工具，无法直接访问用户本地的文件系统。
比如你桌面上放着一个 Word 文档，你无法在浏览器里直接指令 AI 去处理它。
仅仅是“必须把文件拖放到浏览器里”这一个小小的操作阻力，就足以毁掉整个产品的流畅感。
为了追求极致的无缝体验，他们最终坚决地选择了桌面原生应用的形式。
在 Boris 看来，与世界互动是模型的本能。
在 Claude Code 的第一个版本里，他曾给模型提供了一个 bash 工具，允许它在电脑上运行命令，但没有提供任何关于这个工具的说明。
当 Boris随口问它“我正在听什么音乐”时，Claude 自己打开了 bash，写了一个小程序，生成了一段 AppleScript 脚本，然后顺利打开了音乐播放器，把歌名报了出来。
而在在这之前，这个模型从来没有被专门训练过如何编写 AppleScript。
在今天的 AI 圈子里，有一个非常流行的自我安慰：
虽然 AI 算力强大，但人类独特的“产品品味”和“审美执念”，依然是无法被逾越的护城河。
但 Boris 却兜头浇下来一盆冷水：
这种优势也将不复存在，它可能只是当下阶段的暂时优势。
”Boris 曾经对写代码有着极度偏执的审美。
他非常推崇 Haskell 和 Scala 这种小众的函数式编程语言。
在项目刚启动时，他甚至定死了一条铁律：代码库里绝对不能出现任何“类”（Class），只能使用纯粹的“函数”。
结果，到了周末，年轻的工程师们开始偷偷提交包含类的代码。
周一上班时，Boris 会愤怒地把这些提交统统找出来，警告他们别这么干。
但随着时间推移，当模型开始接管大部分代码编写时，AI 也开始疯狂地写各种“类”。
Boris 最终妥协了。
他意识到，自己的那些所谓“执念”和“品味”，其实只是一种愚蠢的个人癖好。
只要能更快、更好地达成业务目标，代码的具体形态根本无关紧要。
同样的事情，正在产品设计领域发生。
现在，Boris 的后台正运行着几百个 Claude。
它们不知疲倦地分析着 Twitter 上的用户反馈，盯着 GitHub 上的 Issues，监控着 Slack 里的聊天动态，然后自己去琢磨接下来应该开发什么新功能。
目前来看，这些由 AI 自动生成的想法里，大概只有 20% 是靠谱的。
“但如果把时间线往后推三个月到六个月，随着下一代模型的发布，剩下的那 80% 也会变得极其出色。”
那些曾经让我们引以为傲的、高高在上的“产品品味”，正在被无情地抹平。
面对这样一个近乎失控的未来，企业和创始人到底该如何自处？
Boris 给出了一个非常具体的建议：
把预算从招人，转移到买 Token（算力）上。
“我觉得目前我要做的事情，是给每个人尽可能多的 Token，让他们去疯狂实验。”
如果你手里有一个项目，直觉上觉得需要四名工程师，那么在今天，请尝试只安排两名工程师，但给他们提供无限量的 Token，逼着他们用 AI 想办法去搞定。
由于人手紧缺，他们不得不去把所有能自动化的流程全部自动化。
这种在前期用算力做“预编译”的尝试，虽然提高了前期的算力成本，却能带来长期运营成本的暴跌。
更重要的是，它能逼着团队里的每个人，迅速蜕变成一个能够独当一面的通才。
“这简直是通才的黄金时代。” Boris 感叹道。
对于那些渴望涉足多个领域、纯粹热爱创造产品的人来说，这不仅是前所未有的乐趣，而且门槛从未如此之低。
那么，当代码、设计、甚至产品品味都被模型接管之后，人类最终还能留下什么？
Boris 沉默了一会儿，给出了他的答案。
我们最终要教给模型的最后一件东西，是价值观。
就像我们教导自己的孩子如何成为一个善良、正直的人一样。
我们最终的使命，是去教导模型，如何成为一个优秀的模型。
这或许是人类在这场智力军备竞赛中，所能保留的最后一点尊严。
喜欢本文，别忘了点击
文末右下角“推荐”
并转发给更多人看哦~
— END —
