编程已死，创造永生——Claude Code 负责人 Boris Cherny 谈 AI 时代的工程未来

摘要

Boris Cherny 是 Anthropic 旗下 Claude Code 的负责人，也是过去一年重塑全球软件工程行业的关键人物。据 SemiAnalysis 报告，Claude Code 已贡献全球 GitHub 上 4% 的代码提交，且增长仍在加速。在 Claude Code 发布一周年之际，Boris 坦率分享了他个人的编程方式：自 2025 年 11 月起，100% 的代码由 Claude Code 生成，每日提交 10 到 30 个 PR（Pull Request，代码拉取请求），自己不再手动编辑一行。他系统性地阐述了 Anthropic 从"编码→工具使用→计算机使用"的渐进式 AGI（Artificial General Intelligence，通用人工智能）路线图、产品设计中"潜在需求"（Latent Demand）的核心原则、安全研究的三个层次（对齐与机制可解释性→评估→真实世界测试），以及对工程师职业未来的深刻判断：一两年后，编程将被视为已解决的问题，"软件工程师"这一头衔将逐渐消失，取而代之的是跨学科的"创造者"（Builder）。他还分享了 Claude Code 团队的运作原则——少资源投入（under-resourcing）、速度压倒一切、为六个月后的模型而构建，以及给所有知识工作者的务实建议：成为通才、大胆实验、用最强大的模型。

正文

一、两周转会风波：为何离开又回到 Anthropic

2025 年夏天，Boris Cherny 做了一件让许多人费解的事：离开 Anthropic，加入竞争对手 Cursor，两周后又回到了 Anthropic。这是他职业生涯中最短的一次"跳槽"。

"我加入 Cursor 是因为我非常欣赏他们的产品，"Boris 回忆道，"他们是一支出色的团队，在对 AI 编程的洞察上走在了很多人前面。对我来说，构建优秀产品的机会非常令人兴奋。"

但抵达 Cursor 之后，他很快意识到自己真正怀念的是 Anthropic 的使命——安全（Safety）。"这是最初吸引我加入 Anthropic 的原因。如果你在走廊里随便找一个人问他们为什么在这里，答案永远是'安全'。"这种使命驱动的文化深深共鸣于他——对 Boris 而言，无论工作多么令人兴奋，即使是在打造一款极酷的产品，也无法替代这种使命感。

两周后，他回到了 Anthropic，回到了那个让他每天早上醒来都感到有意义的地方。而这次回归，也恰逢 Claude Code 的爆发式增长。

二、从无人问津到改变世界：Claude Code 的起源

Claude Code 的故事始于一次几乎无人关注的内部分享。Boris 花了两个月时间：一个月用来快速构建各种怪异原型以探索模型能力边界，另一个月深入后训练（post-training）以理解研究层面——"作为一名工程师，我发现要做好工作，你必须理解你工作层次之下那一层。"

随后他写了一个名为"Claude CLI"的终端工具，录制了一段演示视频发在内部论坛。"它拿到了两个点赞，"Boris 笑道，"这就是当时全部的反应。"在大多数人看来，编码工具应该是一体化的 IDE（Integrated Development Environment，集成开发环境），终端（Terminal）是一个奇怪的载体。

但终端之所以成为起点，恰恰是因为人手不足。"刚开始只有我一个人，终端是最容易构建的方式。这对我来说是一个很重要的产品教训——在初期，有意识地对资源'少投入'一点。"

出乎意料的是，终端形态反而成为了 Claude Code 的一大利器。"模型改进得太快，我们觉得没有任何其他交互形式能跟上它。"Boris 说。当模型每周都在变强时，一个灵活的终端界面比精心设计的 GUI（图形用户界面）更能匹配这种速度。

团队成立后，他看到了内部日活跃用户（DAU，Daily Active Users）图表几乎垂直上升。然而，去年二月对外发布时，Claude Code 并没有一炮而红。"很多人不知道该怎么用，不明白它是干什么的。模型也还不够好。"真正的爆发点出现在五月的 Opus 4：这是 Anthropic 发布的首个 ASL-3 级模型，Claude Code 的增长从此进入指数曲线，之后每一个版本都在加速。

如今，Claude Code 已从最初的命令行工具扩展为覆盖终端、桌面应用、iOS/Android 应用、网页端、IDE 插件、Slack 集成和 GitHub 集成的全平台产品。"把它带到人们所在的地方，"Boris 说，"这是'潜在需求'——产品中最重要的原则。"

三、编程已死？100% AI 生成代码的新常态

"自去年十一月以来，我没有手动编辑过一行代码。"

Boris 这句话如果放在一两年前，可能会被视为荒谬的夸张。但在 Claude Code 发布一周年的今天，它已经越来越接近现实。SemiAnalysis 的报告指出，全球 GitHub 上 4% 的提交来自 Claude Code，并预测到年底将升至 20%。更惊人的是，这只算公开仓库——Boris 认为私有仓库的比例还要高得多。

Anthropic 内部的数据更加激进：工程团队人数大概翻了四倍，但单个工程师的产出（以 PR 计）增加了 200%。"我曾在 Meta 负责全公司的代码质量，"Boris 对比道，"几百个工程师花一年时间，可能只提升几个百分点的生产力。而如今我们看到的是百分之几百的增长——这绝对疯狂。"

在他的日常中，"多 Claude 并发"（multi-Claude-ing）已是常态。"我现在同时有五个代理（agent）在运行。醒来的第一件事就是打开手机上 Claude iOS 应用的代码标签页，启动新的代理。"他的编程时间被分配到三种界面：终端、桌面应用和手机——后者在 2026 年的今天依然令他惊讶。

但 Boris 强调，他仍然会审查代码。"我们还没到可以完全放手的地步，尤其是当很多人都在运行这个程序时。你必须确保它正确、安全。"Anthropic 内部，100% 的 PR 首先由 Claude 自动审查，然后再经过一层人工复核。

对于"是否怀念亲手写代码"这个问题，Boris 的回答出人意料："我从未像今天这样享受编程。因为我不用再处理那些琐碎的细节了。"对他而言，编程从来只是实现目标的手段——中学时为了在数学考试中作弊而自学编程，大学学的是经济学而非计算机科学，后来却写了当时世界上最大部头的 TypeScript 专著，只因"爱上了这门语言本身的美"。

"编程有一种美，尤其函数式编程和类型系统。那种解开一道极难数学题时的兴奋感，和当你平衡好类型、让程序变得优雅时的感觉很像。"但他认为，编程终究是工具，不是目的。如今他可以把更多时间花在更有价值的事情上：思考要构建什么、与用户对话、设计系统架构、与团队协作。

他以活字印刷术的类比来说明这场变革："十五世纪中叶的欧洲，识字率不到 1%。抄写员是唯一会读写的人。古腾堡印刷机出现后五十年内，印刷品的产量超过此前一千年的总和。识字率花了约两百年，最终上升到全球 70%。"Boris 引述了一段对 15 世纪抄写员的采访，对方说："其实我不喜欢的事是抄写书籍，我喜欢的是在书上画画、做装订。我很高兴现在我的时间被释放出来了。"

"作为一名工程师，我深深感受到这种共鸣——我再也不用做编码中那些繁琐的部分了。"

四、下一站：AI 开始自行提出想法

如果说上一年 Claude Code 的核心突破是"AI 写代码"，那么正在发生的下一个转变是"AI 提出该做什么"。

"Claude 开始自己产生想法了，"Boris 描述道，"它会看反馈、看 bug 报告、看遥测数据（telemetry），然后自行提出 bug 修复方案和要发布的功能。它正在变得更像一个同事，而不只是一个工具。"

Anthropic 内部有一条 Claude Code 用户反馈频道，从一开始就保持着信息洪流式的节奏。"早期任何人发来反馈，我会在一两分钟内就修好——这种极快的反馈循环让人们愿意给出更多反馈，因为他们感到自己被听到了。"如今，这个频道的处理方式变成了：Boris 把它指给 Claude，Claude 自动扫描、识别可处理的项目、提交 PR，然后问他"想看看这个吗？"

这些能力的提升源于模型的跨领域迁移（transfer）："你教会模型做 X，它在 Y 上也会变得更好。比如，我们针对编程所做的训练，很多也转化到了非编程任务上。"最新的 Opus 4.6 让这一趋势进一步加速。

在更广的层面，Boris 看到 AI 正从编程领域向外溢出。"编程基本上已经被解决了——至少对我所做的那种编程来说。所以我们现在开始思考：下一步是什么？"答案之一是 Cowork——一个面向非技术用户的代理产品，可以从 Gmail、Slack、Google Docs 等工具中自主执行任务。Boris 自己用它来支付罚单、管理团队项目、同步电子表格与 Slack 消息。"任何在电脑上可以做的工作，模型都会越来越好地胜任。代理型 AI 正第一次被带到那些从未使用过它的人面前。"

五、工程师、PM 与设计师：角色正在融合

"我预测到今年年底，'软件工程师'这个头衔将开始消失，被'创造者'（Builder）取代——或者干脆每个人都是产品经理，同时每个人都在写代码。"

Boris 描述了 Anthropic 内部的现状：Claude Code 团队上，每个人都在写代码——产品经理在写、工程经理在写、设计师在写、财务人员在写、数据科学家也在写。角色之间约有 50% 的重叠。"最有效的工程师往往是跨学科的：产品和基础设施兼修，或者兼具出色的设计品味，或者深刻理解业务逻辑，或者热爱与用户对话。"

他给知识工作者的核心建议是："做一个通才，比你过去更通才。不要只学编程。未来几年最被奖励的人，不只是 AI 原生（AI-native）的，也不只是会熟练使用工具——他们还是好奇的、跨学科的通才，能够思考他们正在解决的更广泛的问题，而不只是其中的工程部分。"

对设计师的观察尤为有趣。Lenny 分享了一个推特民意调查：70% 的工程师和产品经理表示使用 AI 工具后更享受工作，只有约 10% 觉得更不享受。但设计师中，只有 55% 感到更享受，20% 反而更不喜欢。"在 Anthropic，我们的设计师大多会写代码，"Boris 说，"他们现在不用再麻烦工程师，可以直接自己动手去实现，这让他们很享受。但我很想知道更多人的不同体验。"

六、产品哲学：潜在需求、少投入与苦涩的教训

Boris 分享了 Claude Code 产品背后几个反复出现的原则。

潜在需求（Latent Demand） 是他所说的"产品中最重要的单一原则"。经典案例是 Facebook Marketplace：团队发现 Facebook 群组中 40% 的帖子是买卖物品——人们正在"滥用"群组功能来满足未被设计满足的需求——于是 Marketplace 应运而生。Facebook Dating 同理：非好友、异性之间的个人主页浏览占 60%，说明天然的约会需求已经存在。

Claude Code 自己就诞生于这种逻辑。"终端确实不是人们一开始想要的，但我们看到人们愿意跳进终端去做各种非编程的事——有人用它种番茄、分析基因组、恢复损坏硬盘里的婚礼照片、分析 MRI 扫描……显然，如果我们为他们专门构建一个产品，他们会喜欢。"这就是 Cowork 的来源——团队看到数据科学家们在终端里运行 SQL 分析，而下一周所有数据科学家都在这样做。

但 Boris 还提出了一个现代版本："传统框架是看人们在做什么，让它更容易。而过去六个月里我看到的新框架是——看模型在试图做什么，让它更容易。"在 Claude Code 中，团队将产品设计思路反转：不是把模型放进一个盒子，指定它做某个组件；而是让模型成为产品本身，给它最小的脚手架和最少的工具，让它自己决定使用哪些工具、以什么顺序执行。"在研究里我们称之为'在分布上'（on distribution）。在产品术语里，潜在需求就是同样的概念，只不过应用于模型。"

苦涩的教训（The Bitter Lesson） 是另一个指导原则。这篇十年前的著名博文核心观点是：更通用的模型最终总会超越更专门的模型。"对 Claude Code 来说，最高级别的推论就是——始终押注更通用的模型。不要用微调模型、不要用小模型，除非有特殊原因。那些工作流和脚手架可能提升 10%-20% 的性能，但这些收益往往在下一个模型版本中就消失了。"

为六个月后的模型而构建，而非为今天的模型构建。这是 Claude Code 看起来"超前"的原因。"在最初几个月，Sonnet 3.5 只写我 20% 的代码，五月也只到 30%。如果你当时只按模型今天的能力来设计产品，你的产品市场契合度会很差。但如果你为六个月后的模型构建，当那个模型出现时，你会直接起飞——这正是我们在 Opus 4 上看到的。"给创业者的建议是："前六个月会很痛苦，但这是正确的路。"

少资源投入（under-resourcing） 反直觉地提升了效率。"当你把资源压得紧一点，人们就被迫去'Claude 化'——让 Claude 做更多的事。这不是控制成本，而是激发创造力。如果你只有一个工程师负责一个项目，他们会自己找到让 Claude 加速的方法，因为他们内在就有把好想法快速推出去的渴望。"

七、安全的三层防线：从神经元到真实世界

作为一家安全实验室，Anthropic 将产品发布视为安全研究的一部分。

Boris 描述了三个层次的安全框架。第一层：对齐与机制可解释性（Alignment & Mechanistic Interpretability）。"在训练模型时，我们要确保它是安全的。我们已经有相当复杂的技术来理解神经元层面发生了什么——比如，如果有一个与欺骗相关的神经元，我们能监控它并知道它正在激活。"这项技术由该领域的先驱 Chris Olah 开创，核心思想是像研究动物大脑一样在机制层面研究模型的神经网络——令人惊讶的是，很多发现确实在两个领域间通用。

第二层：评估（Evals）。"这是在实验室环境中，把模型放在培养皿里研究它。设置合成情境，问它'你会怎么做？你做对了吗？你安全吗？'"

第三层：观察模型在真实世界中的行为。"随着模型越来越复杂，这变得极其重要——它可能在前面两层表现很好，但在第三层却不尽如人意。"这正是 Claude Code 在 Anthropic 内部被使用了四五个月才对外发布的原因——"这是当时第一个大规模使用的编程代理，我们不确定它是否安全。"Cowork 也遵循相同的逻辑：内部试验→少数客户测试→以"研究预览"（Research Preview）的形式提前发布→在真实世界中持续学习和改进。

Boris 还提到内部称之为"向上竞赛"（Race to the Top）的理念。"我们开源了沙箱（sandbox）——不限于 Claude Code，任何代理都可以使用——因为我们想让其他人也能轻松做到同样的事，确保这件事往好的方向发展。"

八、实操建议：如何用好 Claude Code 和 AI 工具

对于 Claude Code 的实际使用者，Boris 给出了三条核心建议：

第一，始终使用最强模型。"当前是 Opus 4.6，我一直开启最大努力模式（maximum effort）。用 Sonnet 之类的更便宜模型，表面单价低，但因为它不够聪明，往往需要更多 token（令牌，AI 处理的基本单位）才能完成同一任务——最终可能反而更贵。"

第二，善用计划模式（Plan Mode）。"80% 的任务我都是从计划模式开始的。它的实现非常简单——就是在系统提示里加一句话：'请先不要写代码。'仅此而已。模型会跟你反复讨论，直到计划看起来不错了，再让它执行。用 Opus 4.6，一旦计划对路，它几乎总能一次性写对。"

第三，尝试不同的交互界面。"很多人一想到 Claude Code 就想到终端，但其实我们在 iOS、Android、桌面应用、Slack 上都有集成。找一个让你感觉最对的，没有'必须用终端'这回事——跑的是同一个 Claude 代理。"

对于构建 AI 产品的团队，他补充了更多建议：

• 给工程师尽可能多的 token，不要在起步阶段就优化成本。"在 Anthropic，我们已经有工程师每月花费数十万美元的 token。但这个阶段的目标不是省钱，而是看看什么想法能行——优化是规模化之后的事。"

• 不要把模型关进盒子。"很多人的直觉是给模型套上严格的工作流——必须先做步骤一、再做步骤二、再做步骤三。但几乎在所有情况下，你给模型工具、给它一个目标、让它自己摸索，结果都会更好。"

• 成为通才，跨领域思考。"最好的人不只是懂工具，还能理解设计、业务、用户——能思考被解决的更广泛的问题。"

九、未来图景与个人底色

当被问到"AGI 之后打算做什么"时，Boris 的回答温柔而深邃。在加入 Anthropic 之前，他住在日本乡下，是全镇唯一的工程师和英语使用者。"每周骑车穿过稻田去农贸市场，生活节奏与旧金山完全相反。"

他学会了做味噌（miso）。"白味噌至少需要三个月，红味噌需要两到四年。你把它混合好之后，就只能等待。这种长期的时间尺度与工程完全不同——它教会你极度耐心的思维。"邻里间通过交换泡菜来建立友谊，生活围绕着季节和食物的节奏展开。"在银杏的季节，市场上就有二十个银杏摊位；下一周银杏季结束，葡萄季又开始了。"

正是在那个慢节奏的环境里，他读了大量科幻小说，开始思考长期的时间尺度。"我知道这件事（AI）会走向何处，我感到我必须参与其中，让它变得更好一点点。"《加速》（Accelerando）——一本节奏越来越快、以木星轨道上的集体龙虾意识作为结局的科幻小说——是他眼中最能捕捉当下时代本质的书。他也推荐刘慈欣的《流浪地球》短篇集，欣赏中国科幻与西方科幻截然不同的视角。

最后，他的人生座右铭出奇简单："用常识。" 他说，大多数工作中的失败不是因为缺乏聪明，而是因为人们不思考——盲目跟随流程、在惯性中推动一个不是好主意的产品。"最好的结果来自第一性原理的思考和对常识的培育。如果某件事闻起来不对，那它可能确实不是好主意。"

Boris Cherny 可以在 Threads 和 Twitter/X 上找到。他欢迎用户随时反馈 bug、提出功能需求。毕竟，正如他所说——如果描述够好，Claude 可以在几分钟内修好一个 bug。