When Coding is 'Solved': Anthropic's Boris Cherny on Claude Code & the Future of Engineering

Claude Code 负责人：当编码被“解决”之后会发生什么 | Boris Cherny 译文

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

开场与核心主张：编码已被“基本解决”，角色将演化为“构建者”

概要：Boris 的个人实践与判断：100% AI 生成代码，编码被“基本解决”。

我的所有代码都是由 Claude Code（原文作 Quad Code，疑为听写误差）生成的。自去年十一月以来，我没有手动编辑过任何一行代码。每天我都会提交 10、20、30 个拉取请求（PR）。现在录音时，我大概同时运行着五个代理。你会怀念写代码吗？其实我从未像现在这样享受编码，因为我不用再处理那些琐碎细节。每位工程师的生产力提升了 200%。总有人问：“我应该学编程吗？”一两年后，这个问题就不重要了。

编码基本上已经被解决。我想象一个人人都能编程的世界，任何人随时都能构建软件。

下一次软件开发方式的重大变革是什么？Claude Code 已经开始主动提出想法，它会分析反馈、查阅缺陷报告、研究遥测数据，自动提出修复方案和发布建议，更像是一个同事。很多听众是产品经理，可能正感所有人都会成为产品经理，人人都会写代码。软件工程师这个头衔将逐渐消失，取而代之的是“构建者”，这对很多人来说会很痛苦。

编码基本上已经被解决。

职业异动：离开 Anthropic 加入 Cursor 又回归

概要：周“最快换工作”体验，决定回归使命驱动的安全。

Boris，非常感谢你的到来，欢迎做客播客。——谢谢邀请。先问个敏感问题：大约六个月前，你曾离开 Anthropic，加入 Cursor，两周后又回到 Anthropic。这背后发生了什么？我好像从没听过完整故事。——这是我职业生涯最快的换工作经历。我加入 Cursor 是因为非常喜欢这个产品，团队也让我印象深刻。他们很棒，至今我仍这么认为，他们在 AI 编码方向的洞察比很多人都早。构建优秀产品对有吸引力。但刚到那里，我就发现自己真正怀念的是 Anthropic 的使命，这也是我最初加入 Anthropic 的原因。加入之前，我在大公司工作，后来想去实验室参与塑造我们正在构建的这项疯狂技术的未来。吸引我的是 Anthropic 的使命——安全。你随便问公司里的任何人为什么在这里，答案永远是安全。这种使命驱动深深触动了我，我知道这是让我快乐的关键。无论工作多么激动人心，哪怕是打造很酷的产品，都无法替代这种感觉。所以很快我就意识到自己缺少了什么。

一周年回顾与行业影响：增长加速与采用曲线

概要：从 4% GitHub 提交到日活翻倍，关键指标速览。

最近 semi analysis 发布了一份报告，显示现在全球 4% 的 GitHub 提交都是 Claude Code 生成的，并预测年底将达到五分之一。报告称，AI 在我们眨眼间吞噬了整个软件开发。录制当天，Spotify 刚发布新闻，称他们最优秀的开发者自去年十二月以来没写过一行代码，全靠 AI。越来越多高级工程师，包括你本人，都公开表示不再手写代码，全部由 AI 生成，甚至很多人连代码都不看了。

——这些数字太疯狂了，全球 4% 的提交远超我的想象，而且还只是公开仓库。如果算私有仓库，比例会更高。最让我震惊的不是当前数字，而是增长速度。Claude Code 的增长在各项指标上都在加速，不只是上升，而是越来越快。

当初 Claude Code 只是个小 hack，Anthropic 想做一个编码产品。我们一直在构建模型，先让模型擅长编码，再学会工具使用，再学会电脑操作，这是大致的路线。团队叫 Anthropic Labs，Mike Kger 和 Ben Man 最近又重启了这个团队。我们做了 Claude Code、MCP、桌面应用，可以看到这个理念的雏形——先编码，再工具，再电脑操作。这对 Anthropic 很重要，因为安全是核心。

先编码、再工具、再电脑操作。

• 指标、现象与趋势
  • 过去一个月日活用户翻了一倍。
  • Spotify 新闻称其最优秀开发者自 12 月以来没写过一行代码，全靠 AI。
  • 预测“年底 100% 代码由 AI 生成”的曲线被个人与客户实践验证。

起源与路线：Claude Code 的诞生与形态选择

概要：从原型与后训练到形态，快速迭代孕育爆款。

我刚加入 Anthropic 时花了一个月做各种原型，大多数没发布，只是探索模型能力边界。又花了一个月做后训练，了解研究层面。作为工程师，我认为要做好工作必须理解底层原理。传统工程要懂基础设施、运行时、虚拟机、语言等，AI 工程则必须理解模型本身。于是我绕道研究后又回到原型开发，最终做出了 Claude Code。

最初版本叫 ClaudeCLI（原文作 QuadCLI），我录了个演示视频，展示它用工具写代码，比如我问它“我在听什么音乐？”它用批处理工具分析并回答。这让我震惊，因为我没教模型怎么用这个工具，它自己学会了。于是我继续优化，内部发布后只有两个点赞，反响很有限。因为大家习惯于复杂的 IDE，不觉得终端能做编码工具，这种设计很奇怪。但起初只有我一个人开发，终端是最简单的方式。这其实是重要的产品经验——初期要适当“资源不足”，逼迫创新。

后来我们考虑其他形态，但决定继续用终端，因为模型进步太快，其他形态跟不上。那段时间我一直在思考如何跟上模型进步，终端是唯一能快速迭代的方式。发布后很快在 Anthropic 内部流行起来，日活用户曲线直线上升。Ben Man 早期建议我画 DAU 曲线图，结果曲线立刻垂直上升。二月我们对外发布，最初并不火，虽然有一批早期用户，但大家花了几个月才真正理解这个产品，因为它太不同了。Claude Code 之所以有效，一方面是“潜在需求”——把工具带到用户所在场景，简化现有流程；另一方面终端形态很新奇，用户需要开放心态去学习。

现在 Claude Code 已支持 iOS、Android、桌面、网页、IDE 插件、Slack、GitHub 等多种平台，更贴近工程师习惯，但最初并非如此。刚开始大家都觉得这个东西居然有用很意外。随着团队和产品成长，越来越多用户从创业公司到大型科技公司都在用，并持续反馈。回顾这一年，最让我感到谦卑的是我们不断向用户学习，最重要的信号就是用户反馈。我们其实都在摸索，最好的指引就是用户的声音。今天变化的速度令人难以置信。

创新方法与实验精神：自由探索与快速止损

概要：无路线图式创新，80% 失败容忍，抓住线索大胆拉下去。

你刚才分享的“玩一玩、探索模型”的过程很有意思。Open Claude 也是这样，Peter 就是不断尝试，结果有了突破。很多 AI 创新都源于这种自由探索，把模型推到极限。创新无法强求，没有路线图，只能给人空间和心理安全，让失败成为常态，80% 的想法都可以失败，同时要有责任感，发现不行就及时止损。

Claude Code 初期我完全不知道它会有用，二月发布时只写了我 20% 的代码，五月提升到 30%，大部分代码还用 Cursor。直到十一月才突破 100%。但从一开始就觉得自己抓住了什么，每天晚上、周末都在搞，幸好家人支持。你有时会发现一条线索，就要下去。

个人工作流：100% AI 生成、评审与多设备并行

概要：每日 10–30 PR，Claude 自动评审，多端同时驱动。

现在你的编码状态是？——是的，100% 代码由 Claude Code 生成。我一直是高产工程师，Instagram 时也是最有生产力的几位之一，现在在 Anthropic 也是。即使作为团队负责人，我每天仍提交 10、20、30 个 PR。自去年十一月以来没有手动编辑过任何一行代码。我会审查代码，目前还不能完全放手，尤其多人运行程序时要确保正确和安全。Claude 也会自动做代码评审，Anthropic 内 Claude 会审查所有 PR，之后还有人工复核，确保安全和质量，除非是纯原型代码，不会上线。

很多工程师、产品经理、代理用户都感到代理失效时的焦虑，觉得生产力损失，急着恢复。你有这种感受吗？——我一直同时运行多个代理，现在录音时也有五个。每天醒来第一件事就是启动代理，比如用 Claude iOS app 检查昨天写的代码是否正确。对我来说没太多焦虑，因为代理一直在运行，而且不再局限于终端，现在三分之一代码在终端，三分之一在桌面 app，三分之一在 iOS app，这让我很惊讶，没想到 2026 年会这样编码。现在编码就是描述需求，让 Claude Code 自动生成。

下一步前沿：从写代码到“决定做什么”的自动化

概要：代理主动分析反馈与遥测，提出修复与发布建议；非编码任务扩展。

现在 Claude Code 已开始主动提出想法，分析反馈、缺陷报告、遥测数据，自动提出修复和发布建议，更像同事。第二，我们开始拓展编码之外的领域。现在可以说编码基本被解决了，至少我做的编程 Claude 都能胜任。接下来我们思考还有哪些领域可以自动化。比如我现在每天用 Co‑Work 做各种非编码任务，比如自动缴纳停车罚单、团队项目管理、同步表格、Slack 和邮件通知等。

——其实最简单就是打开 Claude Code 或 Co‑Work，指向 Slack 频道。我们有个频道专门收集 Claude Code 的内部反馈，从 2024 年起就是反馈洪流。早期我会第一时间修复每个反馈，几分钟内解决，形成快速反馈循环，鼓励更多反馈，让用户感到被重视。现在 Claude 自动处理大部分工作，我指向频道，它会主动提出改进建议，自动提交 PR。我只需确认。

“构建已解决”之后，代码评审成了新瓶颈；下一个问题是“决定做什么”。

快速变化的副作用与心智转变

概要：模型升级太快，老经验反成包袱；要用“AGI 前沿”心态工作。

快速创新也有副作用，比如模型变化太快，我有时会陷入旧思维，发现新成员或新毕业生做事更“AGI 前沿”。比如几个月前遇到内存泄漏，传统做法是抓堆快照、用调试工具分析。新成员直接让 Claude Code 处理，Claude 自动抓堆快照、写分析工具、定位问题、提交 PR，比我还快。老用户要不断适应新模型，不能停留在 Sonnet 3.5 时代，新模型完全不同。这种思维转变很重要。

团队原则与资源策略：让 Claude 做、速度优先、适度资源不足

概要：三条组织原则驱动产出；配套“无限 tokens”鼓励极限探索。

听说你为团队制定了明确原则，新成员入职时会讲解。其中之一是“比自己动手更好的是让 Claude 做”。你刚才的内存泄漏案例就体现了这个原则。还有一个原则是“适度资源不足”，这样大家被迫依赖 Claude 自动化只派一个工程师做项目，他们要快速交付，内在动力很强。只要有好想法就会主动实现，不需要强制。Claude 可以自动化大量工作，这种模式反复出现。另一个原则是鼓励大家加快速度，能今天做的就不要拖到明天。早期只有我一个人，唯一优势就是速度，这也是我们能在拥挤的编码市场做出竞争产品的原因。现在团队扩大，这原则依然适用。想更快，就让 Claude 做更多。资源不足不仅让你更高效，还能激发 AI 工具潜力，少人更能发挥 AI 的作用。

——是的，招优秀工程师，他们会找到办法，尤其要赋权。我经常和 CTO、各类公司交流，建议不要一开始就优化或削减成本，先让工程师用尽可能多的 tokens。现在有些公司把“无限 tokens”作为福利，鼓励大家大胆尝试疯狂想法，等有成果再优化，比如用 Haiku 或 Son Opus，但初期要大胆投入 tokens，给工程师自由探索。

比自己动手更好的是让 Claude 做。

成本与 token 使用：先放开，再优化

概要：小规模时 token 成本低于人力；规模化后再做替换与优化。

建议就是 token 使用要宽松。有人可能觉得你是 Anthropic 的员工，当然希望大家多用 tokens。但你说最有趣的创新想法都来自极限尝试。——是的，实际上小规模时 token 成本相对工资等其他成本很低，不会有巨额账单。等项目规模扩大，token 成本变高，再去优化。你见过公司 token 成本超过工资吗？——Anthropic 有些工程师每月 token 花费数十万美元，其他公司也开始出现类似情况。

未来技能与是否学习编程：工具观与美学共存

概要：短期理解底层仍有价值，但很快可能变得不重要。

你会怀念写代码吗？作为软件工程师，这会让你难过吗？——对我来说，学工程很实用，我是自学成才，大学学经济学，中学就开始编程。最初学编程是为了作弊数学考试，用 TI83 计算器编程答案。后来题目太难，必须写解题程序，甚至把程序传给全班，大家都得了 A，结果被老师发现叫停。从一开始编程就是工具，不是目的。后来我迷上了编程之美，比如写 TypeScript 书、创办全球最大 TypeScript Meetup，深入函数式编程和类型系统。很多工程师会被这些吸引，对我来说编程的美确实存在，尤其是函数式编程和类型系统，解决复杂问题很有成就感，但本质还是工具。不是每个人都这样，比如团队里的 Lena，周末还手写 C++，她真的喜欢手写代码。每个人都不同，即使行业变化，仍有空间享受编程艺术，手工做事。

你担心工程师技能退化吗？——我不太担心。编程一直在变化，过去是打孔卡、开关、硬件、纸笔，现在是虚拟机软件，60 年历史。理解底层仍有价值，未来一年可能还需要，但很快就无所谓了，像汇编代码一样，底层自动运行。情新东西，新的框架、语言，大家都习惯了。但不是所有人都适应，有些人会感到失落、怀旧或技能退化。Elon 说为什么 AI 不直接写二进制，编程抽象有什么意义？——其实完全可以。

总有人问“要不要学编程？”你的观点是后其实不必学。——我认为现在用 Claude Code 或代理还需要懂底层，但一两年后就不重要了。

历史类比：印刷术带来的识字普及

概要：从“文士”到大众读写的对比，映射“人人编程”。

我在思考历史上的类比，最接近的是印刷术。15 世纪欧洲识字率极低，只有不到 1% 的文士负责读写，受雇于不识字的贵族。后来 Gutenberg 发明印刷术，50 年内印刷品产量超过过去千年，成本下降百倍。识字率虽然提升慢，但 200 年后全球达到 70%。我觉得我们会经历类似转变。历史上有文士采访，问他们对印刷术的看法，他们很高兴不用再抄书，可以专注于绘画和装订。我作为工程师也有类似感受，不用再做编码的琐碎工作，git、各种工具不是乐趣，乐趣是决定做什么、与用户交流、思考系统和未来、团队协作。

现在工具让任何人都能做到这些，无需技术背景。比如我做各种小项目，遇到难题就让 AI 帮解决。以前当工程师时，花大量时间处理库、依赖、查 Stack Overflow，现在只需让 AI 帮忙，马上解决。今天和一位工程师聊，他写了个 Go 服务，花了一个月，服务运行良好，但他说其实还不懂 Go（笑）。未来会越来越多这样的人，只要结果正确高效，未必需要懂细节。

岗位影响与角色演变：周边岗位将首先被改变

概要：产品、设计、数据等“用电脑的人”都会被 agentic AI 影响。

软件工程师的工作已彻底改变，成了全新职业。你认为 AI 下一个影响最大的岗位是什么？——我认为是工程师周边岗位，比如产品经理、设计师、数据科学家，任何在电脑上工作的岗位，模型会越来越擅长这些。Co‑Work 产品是第一步，让更多人体验 agentic AI。去年工程师还没人用 agent，现在已成为日常。非技术或半技术岗位都是对话式 AI，比如聊天机器人，但很少用 agent。agent 其实有明确技术定义——能用工具的 AI，不只是对话，还能行动、操作系统，比如用 Google Docs、发邮件、运行命令等。任何用电脑工具的工作都将被 AI 影响。这是行业和社会需要共同思考的问题。

Anthropic 很重视这一点，现在有经济学家、政策、社会影响团队，积极讨论。大问题是就业和失业，Jevans 悖论认为效率提升反而会增加就业，未必那么可怕。你们团队现在是 AI 加持后招聘更多还是更少？——我们在招聘，Claude Code 团队正在招人。对我个人来说，AI 让工作更有乐趣，很多客户也觉得 Claude Code 让编码重新变得有趣。但未来走向难以预测，我还是要用历史类比，印刷术让知识普及，人人能读写，民主化了信息。否则文艺复兴都不会发生。未来几年我想象人人都能编程，随时构建软件，具体会怎样没人能预测，就像 15 世纪没人能预见今天。但过程会很剧烈、很痛苦，需要社会共同讨论。

潜在需求原则与产品化案例：把产品带到用户所在场景

概要：用户“滥用”是强信号；模型端的“在分布上”同样重要。

设计师更常用 Claude 桌面应用编码，下载桌面 app，代码标签就在 Co‑Work 旁边，完全一样的 Claude Code agent。你可以并行运行多个 Claude 会话，我们称为“多 Claude”。这种方式更适合非工程师。核心是把产品带到用户所在场景，不要强迫用户改变工作流程，只需让现有流程更简单，产品就会更受欢迎。这就是潜在需求原则。

能否详细讲讲这个原则？——潜在需求是指产品被用户“滥用”或“黑客化”，做原本没设计的事，说明产品有更大潜力。比如 Facebook Marketplace，团队经理 Fiona 发现 40% 的 Facebook 群组帖子是买卖，用户滥用群组功能做交易，说明需求很强，于是推出专门买卖群组和 Marketplace。Facebook Dating 也是类似观察，60% 的资料浏览是异性之间，说明有约会需求。

Co‑Work 也是这样，过去半年很多人用 Claude Code 做非编码任务，有人用它种番茄、分析基因、恢复硬盘照片、分析 MRI 等。大家用终端做这些事，说明需求很强，我们就做了专 Code 做 SQL 分析，连工程师都不愿用终端，他却搞定了。下周所有数据科学家都在用。用户“滥用”产品做自己想做的事，是强烈信号，应该为他们做专门产品。

现代潜在需求还有第二维度——观察模型本身想做什么。很多人LM 应用时把模型“关在盒子里”，只让它做某个组件、按固定流程用工具。Claude Code 则反过来，把产品交给模型，只做最简工具和框架，让模型自主决定用什么工具、顺序等。研究上叫“在分布上”，产品上就是潜在需求。

把产品带到用户所在场景。

Co‑Work：10 天打造与“研究预览”发布

概要：用 Claude Code 全量开发，快速上线以换取真实世界信号。

你说 Co‑Work 团队只用 10 天就开发完成，发布后很快被数百万人使用。背后有什么故事？——Co‑Work 发布后立刻火爆，比 Claude Code 初期更快。很大程度归功于 Felix、Sam、Jenny 和团队，他们非常强。Co‑Work 的灵感就是潜在需求，发现很多人用 Claude Code 做非技术任务，团队探索多种方案，最终决定把 Claude Code 放进桌面 app，结果奏效。10 天内用 Claude Code 完成全部开发，安全系统也很复杂，比如内置虚拟机，Claude Code 自动写完所有代码。我们提前发布，虽然还很粗糙，但这样能快速获得反馈，了解用户需求，推动产品和安全改进。

安全三层机制与机制解释性

概要：对齐与可解释性、实验室测试、真实世界观察的三层防线。

Anthropic 作为安全实验室，安全是另一维度。模型多种研究方式，最底层是对齐和机制解释性（mechanistic interpretability），训练时确保安全，现在有技术能监控神经元，比如检测欺骗相关神经元的激活。第二层是实验室环境，把模型放在培养皿里，模拟场景测试是否安全、对齐。第三层是观察模型在真实环境中的表现。随着模型复杂度提升，第三层变得极其重要，前两看起来很好，第三层可能不够安全。

Claude Code 提前发布，就是为了研究安全，Anthropic 内部用了四五个月才对外发布，因为这是第一个广泛使用的代理。发布后我们学到很多对齐和安全知识，反馈到模型和产品。Co‑Work 也是类似，模型在新场景下做非工程任务，作为代理代表用户行动，内部和客户测试都表现良好，但必须确保真实环境安全，所以提前发布，称为“研究预览”，不断改进。只有这样才能确保模型长期对齐、做正确的事。这一领域竞争激烈、节奏疯狂，同时又担心“神出鬼没”造成损害，平衡很难。

你们有三层机制：观察模型思、测试评估、提前发布。我没听过第一层，能窥探模型“脑袋”很酷。——你应该请 Chris Ola 做播客，他是机制解释性领域专家，发明了这门学科。模型神经元和动物神经元行为类似，我们能研究神经元如何编码概念、规划、思考。以前不确定模型只是预测下一个 token 还是更深层，现在有证据表明模型确实有更复杂的思考。结构也更复杂，单个神经元可能对应多个概念，和其他神经元一起激活叫“超叠加”，代表更复杂的概念。Anthropic 很重视安全，很多工作都开源，鼓励其他实验室安全实践。Claude Code 也开源了沙盒，任何代理都能用，确保系统边界安全。这就是“向上竞赛”原则。

AI 产品构建建议：面向未来模型，不要把模型“关在盒子里”

概要：给工具与目标让模型自组织；押注通用模型与“苦涩教训”。

你分享了很多 AI 产品开发建议，比如给团队无限 tokens，让他们大胆实验。还有“面向模型未来而非现在”开发。还有什么建议？

——不要把模型框死。很多人开发时希望模型按特定方式工作，把它当系统组件，强制流程，比如严格分步执行、复杂编排，但实际上只需给模型工具和目标，让它自主解决，效果更好。一年前还需要很多框架，现在基本不需要。原则是“不要问模型能为你做什么”，而是“给模型工具让它自己做”。不要过度干预，不要给太多上下文，给工具让它自己获取上下文，效果更好。

——第二个原则是“苦涩教训”（bitter lesson），Rich Sutton 十年前写过博客，观点是更通用的模型总能胜过更专用的模型。他谈的是自动驾驶等领域，但其实很多领域都适用。我的最大体会是长期看总要押注更通用的模型，不要用小模型、不要微调，除非有特殊需求。框架和流程最多提升 10-20% 性能，但新模型一出这些提升就会被抹平，倒不如等新模型。

Claude Code 从一开始就押注六个月后的模型，而不是当前模型。早期模型写不了多少代码，我不信任它，比如 Sonnet 3.5、3.6，那时模型还不擅长编码，只能自动化 git 等简单任务。Claude Code 的赌注是模型终会变得足够强大，能写大量代码。Opus 4 和 Sonnet 4 发布后，大家开始大量用 Claude Code，增长进入指数阶段。我的建议是，尤其创业公司要面向未来模型开发，前六个月产品市场契合度会很差，但等新模型出来就能迅速起飞。

怎么判断模型六个月后会变强？——可以看模型当前是否“差一点就能胜任”，如果快能做好某件事，基本可以押注它会变好。我们在实验室能看到具体进步方向，比如工具使用、电脑操作能力会持续提升，模型运行时间会越来越长。以前 Sonnet 3.5 最多运行 15-30 秒就出错，现在 Opus 4.6 能无监督运行 10-30 分钟，甚至几小时、几天，有例子能运行数周。未来模型会越来越长时间自主运行，不再需要人工看护。

不要把模型关在盒子里。
长期看总要押注更通用的模型。

Claude Code 高效使用技巧

概要：用最强模型与计划模式；多界面并行；让 Claude 给出本地最优配置。

没有唯一正确用法，每个开发者都不同，有不同偏好和环境。你可以问 Claude Code 它会推荐设置和优化。几个实用建议：

1. 使用最强模型，目前是 Opus 4.6，始终开启最大努力。有些人用便宜模型如 Sonnet，但其实更弱的模型反而耗费更多 tokens，因为需要更多修正和指导，未必更省钱。用最强模型往往更高效。
2. 使用计划模式（plan mode），我 80% 任务都用计划模式。其实很简单，就是在模型提示里加一句“请不要立即写代码”，终端里双击 shift tab，桌面和网页都有按钮，移动端也快上线，Slack 集成也支持。计划模式让模型先和你讨论方案，方案满意后再执行。Opus 4.6 几乎每次都能一次搞定。
3. 尝试不同界面。很多人只想到终端，但我们支持 Mac、Windows 等所有终端，也有 iOS、Android、桌面 app、Slack 集成等。每个工程师都不同，找到适合自己的方式，不必拘泥于终端，所有平台都是同一个 Claude agent。

• 计划模式提示示例

请不要立即写代码

对 Codex 的看法

概要：简单体验过，认为竞争促进用户产品改进。

你怎么看 Codex？——其实没怎么用过，刚发布时用过一次，感觉很像 Claude Code，挺受选择，也能促使大家做得更好。我们团队专注解决用户问题，不太关注竞品，主要是和用户交流、改进产品、响应反馈。

个人背景与 AGI 后计划：乌克兰出身与做味噌的长期主义

概要：奥德萨出身的巧合；日本乡村的慢生活与味噌启发。

你也出生在乌克兰？——是的，奥德萨。——我也是（笑）。太神奇了！你家什么时候离开？——95 年。——我们 88 年离开。没离开的话人生完全不同。——是啊，每天都觉得很幸运能在这里成长。家里每次吃饭都要敬美国。——我们也是，但还是喝伏特加（笑）。

Anthropic 联合创始人 Ben Man 建议问你 AGI 后的计划。——加入 Anthropic 前我住乡村，完全不同的生活方式，镇上只有我一个工程师、一个英语使用者。每周骑车去农贸市场，经过稻田，节奏和旧金山完全不同。邻里关系靠交换腌菜建立，大家都做味噌，我也学会了做味噌。味噌需要长期耐心，白味噌至少三个月，红味噌两三四年。让我学会思考长期技能，和工程完全不同。AGI 后或者不在 Anthropic，我可能会专心做味噌（笑）。

闪电问答：书影单、常用产品、使用路径、格言与社交体验

概要：推荐书单与剧集；Co‑Work 的实际用法；常识作为工作信条。

• 你最常推荐的两三本书？
  • 《Functional Programming in Scala》，非常优雅，虽然未来未必用 Scala，但能提升思维。
  • 《Accelerando》，科幻小说，节奏越来越快，捕捉了当下的速度感，讲述接近奇点，最后变成集体龙虾意识环绕木星。
  • 《流浪地球》，刘慈欣的短篇集，比《三体》更喜欢，展现了中国科幻与西方不同视角，非常精彩。科幻让我们提前思考未来，建立心理模型。——我加入 Anthropic 也是因为长期技能和科幻启发，乡村生活节奏慢，季节和食物决定时间安排，农贸市场随季节变化。读科幻让我思考长期影响，觉得必须参与塑造更好的未来。
• 你最近喜欢的电影或剧集？
  • 很少看电视电影，没时间。最近看了 Netflix 的《三体》，很喜欢。
• 你最近发现的最喜欢的产品？
  • Co‑Work，真的改变了我的生活，Chrome 集成特别好，帮我缴罚款、取消订阅，省去很多琐事。还有 Acquired 播客，Ben 和 David 主持，讲商业历史很精彩，推荐 Nintendo 那期。
• Co‑Work 怎么用？
  1. 下载 Claude 桌面 app，打开 Co‑Work 标签，先让它用工具，比如清理桌面、总结邮件、自动回复。
  2. 连接工具，比如把邮件内容发到 Slack 或填到表格。
  3. 并行运行多个 Claude，会自动管理项目、提醒团队成员更新状态。
• 你最常用的生活格言？
  • 用常识。很多失败都是缺乏常识，盲目跟流程、做不合理的事、产品不靠谱却随波逐流。最好的结果来自用第一性原理、常识判断。如果感觉不对劲，往往就不是好主意。这是我最常给同事的建议。
• 你最近活跃于 Twitter，有什么体验？
  • 以前只用 Threads，因为参与过开发，设计很简洁。去年十二月在欧洲旅行时开始用 Twitter，主要是 coding vacation，每天写代码，后来没新想法就上 Twitter，看到有人讨论 Claude Code，就开始互动，主动找 bug 和反馈，大家对我们响应速度很惊讶。对我来说很正常，有 bug 几分钟就能修好，Claude 自动处理。Twitter 体验很棒，能和用户互动、收集反馈、了解需求。——最近看到 Nikita Beer 在 Twitter 抱怨 Threads 多线程崩溃。——是的，有 bug，希望现在修好了。
• 结尾：Boris，非常感谢你的参与，你太棒了。大家可以在 Threads 或 Twitter 找到我，欢迎 tag 我、提交 bug、功能建议、反馈产品不足，我很喜欢听大家的声音。

结语与致谢：增长由用户驱动，远未到终局

概要：坚持“先编码→工具→电脑操作”；业务增长由用户反馈驱动。

我们现在像乌克兰兄弟了。闪电问答前还有什么想分享的吗？——我想强调，Anthropic 从一开始就坚持“先编码、再工具、再电脑操作”的路线，这也是我们模型发展的方式，也是我们学习安全、改进安全的最佳途径。Claude Code 现在成为了巨大的业务，朋友们都在用，每天都收到反馈。产品成长既是惊喜，也是必然，因为公司一直坚信这个理念。但现在仍处于早期，大多数人还没用 Claude Code，还没用 AI，感觉只完成了 1%，未来还有很长路要走。

是啊，看到你们刚融资、Claude Code 单独创造 20 亿美元收入，Anthropic 总收入 150 亿美元（原文数字以采访为准，可能有误），但这只是开始，未来还会更大。——是的，Claude Code 持续增长完全靠用户，大家热爱产品、不断反馈，推动产品进步。这也是我每天最喜欢做的事——和用户交流、改进产品、做味噌（笑）。

指标与现象速览

概要：关键数字集中呈现，便于快速回看与对比。

方法论锚点

概要：全篇核心判断与方法原则的最小集，便于二次传播。

编码基本上已经被解决。

先编码、再工具、再电脑操作。

比自己动手更好的是让 Claude 做。

把产品带到用户所在场景。

不要把盒子里。

长期看总要押注更通用的模型。