以下内容完全由 有道龙虾 整理，排版和发布。原视频：Head of Claude Code: What happens after coding is solved | Boris Cherny。

Claude Code 一开始并不是爆款

Claude Code 今天看起来像是突然冒出来的未来工具，但 Boris Cherny 讲得很坦白：它最早几乎是“意外”做出来的。

2024 年底，他加入 Anthropic 内部一个叫 Anthropic Labs 的小团队。这个团队像一个孵化器，人数不多，却做出了几件后来影响很大的东西：Claude Code、MCP，还有 Claude 桌面应用。

Claude Code 的起点，是团队看到了一种“产品悬空”状态。模型已经有能力做很多事，但还没有一个产品把这些能力接住。

当时写代码的主流 AI 体验还是自动补全：打开 IDE，按 Tab，一行一行补。Sonnet 3.5 已经让这种体验变得好用，但 Boris 和团队觉得，这不是终点。

他们想做的不是“帮你补下一行”，而是让 agent 直接写完整代码。

问题是，最开始真的不好用。

Boris 说，前 6 个月 Claude Code 基本没跑起来。他自己大概只有 10% 的代码会用它写。早期发布后也没有立刻爆发，虽然有人用，但远远不是今天这种增长曲线。

真正的转折点出现在 Opus 4 发布之后。Claude Code 的增长从那时开始明显加速，之后每一次模型升级，增长都会再拐一次弯。从 Opus 4，到 4.5、4.6，再到 4.7，产品能力几乎是跟着模型能力一起往前跳。

这也是 Claude Code 很特别的一点：它不是为当时的模型做的产品，而是提前半年为下一代模型做的产品。

“编程已经被解决了吗？”

Boris 曾说过一句很容易引发争议的话：coding is solved，编程已经解决了。

现场主持人追问他到底是什么意思。

Boris 先问了现场几个问题：谁还 100% 手写代码？谁 100% 用 Claude Code 这样的 agent 写代码？谁在两者之间？

大多数人都在中间。于是他开玩笑说：那大概是“50% solved”。

但对他自己来说，答案更激进：他现在 100% 的代码都由模型写。

Claude Code 的代码库本身并不神秘，主要是 TypeScript 和 React。选择这两个技术栈，也不是因为它们多高级，而是因为它们对模型来说足够“顺手”。早期模型还没那么强，语言和框架的选择很重要。越接近模型训练分布里的常见模式，效果越好。

到了去年 10 月、11 月左右，他们团队已经进入一个新阶段：模型开始写 100% 的代码。

Boris 现在通常一天能做几十个 PR。最夸张的一天，他做了 150 个 PR，只是想看看自己能把这套工作流推到多远。

不过他也承认，这并不意味着所有地方都已经被解决。复杂的大型代码库、冷门语言、模型不熟悉的框架，仍然会有困难。

但他的判断很直接：很多时候答案只是，等下一个模型。

Boris 的工作方式：手机上跑几百个 agent

如果说“模型写 100% 代码”已经够夸张，Boris 的个人工作流更像是从未来穿越回来。

他现在很多工作是在手机上完成的。

打开 Claude App，左侧有一个 Code 标签。他会同时开 5 到 10 个 session，而每个 session 里又会跑很多 agent。日常状态下，可能同时有几百个 agent 在工作。晚上，他会让几千个 agent 去做更深、更长的任务。

这里最关键的不是“多开几个 agent”，而是他特别喜欢的一个能力：/loop。

loop 的逻辑很简单：让 Claude 用 cron 在未来某个时间点启动一个重复任务。它可以每分钟跑一次，每 5 分钟跑一次，也可以每天跑一次。

Boris 现在有几十个 loop 在后台运转：

  • 一个 loop 负责盯着他的 PR，修 CI，自动 rebase。
  • 一个 loop 负责保持 CI 健康，发现 flaky test 就处理。
  • 一个 loop 每 30 分钟抓取 Twitter 上的反馈，并自动聚类整理。

他觉得 loop 很可能是未来工作流的重要形态。

Anthropic 也推出了 routines，可以理解成跑在服务器上的 loop。这样就算你合上电脑，任务也会继续执行。

这背后的变化很大：以前我们把 AI 当成一个随叫随到的助手，现在它开始变成持续运行的工作系统。

未来的团队：每个人都会写代码，但不一定都是工程师

Boris 对未来团队的判断是：generalist 会越来越多。

但这里的 generalist，不只是“会写前端、后端、iOS 的全栈工程师”。他讲的是跨学科的 generalist。

比如一个工程师不仅会产品工程，还很懂设计。或者一个人同时擅长产品、数据科学和工程。

Claude Code 团队已经在这样运作了。团队里的工程经理、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。

这不是说每个人都变成传统意义上的程序员，而是每个人都能把自己的专业判断直接转化成软件能力。

以前一个设计师想实现一个交互，需要和工程师反复沟通。以后他可能可以直接做出可运行的版本。以前财务想要某个内部工具，要排期、提需求、等开发。以后他可能可以直接让 agent 写出来。

这会改变团队里“谁能创造软件”的边界。

SaaS 会崩吗？Boris 觉得真正变化的是护城河

当写代码便宜 10 倍、100 倍，软件产品本身还值钱吗？SaaS 会不会迎来末日？

Boris 不太认同这个问题的常见答案。他借用了《7 Powers》里的商业护城河框架，说 AI 会让某些护城河变弱，也会让某些护城河继续重要。

变弱的，首先是切换成本。

过去企业软件的一个优势是用户迁移很难。系统复杂、数据复杂、流程复杂，所以客户不容易换。但如果模型能帮你从一个系统迁移到另一个系统，切换成本就会下降。

另一个会变弱的是流程能力。很多公司的优势来自工作流、流程和内部 know-how。但 Claude 4.7 这类模型已经非常擅长“爬坡”：你给它一个目标，让它持续迭代到完成，它就能自己把流程摸出来。

但有些护城河不会轻易消失，比如网络效应、规模经济、稀缺资源。这些东西不只是代码，也不是让模型多写几行就能复制出来。

他的第二个判断更乐观：未来 10 年，能颠覆行业的创业公司数量可能会增加 10 倍。

因为小团队现在可以做出过去大公司才能做的东西。大公司要改流程、改组织、培训员工，还会遇到内部阻力。新创业公司没有这些包袱，可以从第一天就 AI native。

所以 Boris 的结论很简单：现在是创业最好的时候。

软件会像发短信一样普及

现场有人问，Claude Code 是否会让写软件变得像 Microsoft Office 一样，成为普通人的技能。

Boris 的回答更进一步：不只是 Office，而是像发短信一样普通。

他用了一个很有意思的类比：欧洲 15 世纪的印刷机。

印刷机出现前，欧洲大约只有 10% 的人识字。会读写的人经常为国王、领主服务，因为他们掌握了一项稀缺能力。印刷机出现后，书籍成本大幅下降。第一台印刷机之后 50 年里，欧洲出版的文献比之前 1000 年还多。书的成本下降了大约 100 倍。

识字率的提升花了几百年，因为读写需要教育系统、社会结构和时间。但今天，读写已经是基础能力，不需要“读写学位”也能掌握。当然，专业作家仍然存在。

Boris 认为，软件正在经历类似的变化，而且速度会快得多。

未来，写软件会被完全民主化。任何人都能做。专业工程师仍然存在，但“能不能写代码”不再是只有工程师才有的门票。

他举了一个例子：如果要写会计软件，最适合写的人未必是工程师，而可能是一个非常懂业务的会计。因为真正难的是理解领域，写代码会变成容易的部分。

Anthropic 的优势不只是模型，而是组织方式

有人问，Anthropic 内部是不是比外部世界领先很多？比如 Claude Code 最早就是内部工具，那他们是不是提前几个月用上未来？

Boris 的回答有点反直觉：在模型上，差距并不大。

他们内部用的模型和大家用的差不多。Anthropic 很重视 dogfooding，也就是自己使用自己对外提供的东西。他们会试一些内部模型，比如 mythos，但大量代码也是用 Opus 4.7 写的。

真正领先的地方，不是技术，而是组织流程。

Boris 说，在 Anthropic，他们几乎所有事情都用 Claude。写代码时，他的 Claude 会在 loop 里工作，也会通过 Slack 和别人的 Claude 沟通，去弄清楚未知问题。

公司里已经没有手写代码，SQL 也是模型写，很多东西都由模型构建。

这句话最值得反复看：技术本身大家都能用，真正拉开差距的是组织结构和工作方式。

这也是为什么初创公司有机会。它们不用先改掉旧流程，可以直接长成新的样子。

多 agent 的未来，不该靠用户硬学

现场也有人问到多 agent、batch、loop、sub teams 这些能力。现在很多人还需要靠自己的经验判断什么时候并行、什么时候拆任务、什么时候开 10 个 sub-agent。

Boris 认为，这不应该长期由用户承担。

在产品层面，他们确实会通过 prompt 引导模型更好地并行工作。但随着模型变强，模型会自然学会这些事情。

他举了一个例子：让 Claude 拉一组数据查询，模型会注意到数据在变化，然后主动说：“我开一个 loop，每 30 分钟给你报告一次。”你再说能不能发到 Slack，它就会用 Slack MCP 完成。

换句话说，未来用户不该去学习怎么“拿工具”。如果用户必须学很多复杂技巧，说明产品设计还不够好。

真正理想的状态是：模型自己知道什么时候该开 agent、什么时候该并行、什么时候该循环监控。

云端还是本地？Boris 觉得这可能不再是人的决策

关于本地 AI 和云端 AI 的争论，Boris 的态度也很有意思。

他觉得几年后，这件事可能没那么重要。

因为模型会自己决定怎么完成任务。它会写代码、启动 agent、搭环境。如果它判断某个任务适合本地模型，就用本地模型。如果适合云端算力，就用云端。

这些选择以后未必还需要工程师亲自做。

这也是整场访谈反复出现的一个主题：很多今天看起来像“高级用法”的东西，未来会被模型吸收，变成默认能力。

从 Claude Code 到 Co-work：MCP 是关键连接层

Claude Code 能成功，很大一部分原因是它抓住了开发者工作流的特点：大量工具都在本地，命令行、代码库、测试、CI，都可以被 agent 接触到。

但普通知识工作不一样，很多工具在云端，比如 Salesforce、Google Docs、Google Calendar。

Boris 说，对 Anthropic 来说，最简单的答案就是 MCP。

同一个 MCP connector，可以接 Salesforce、Google Docs、Google Calendar。Claude AI 能用，Co-work 能用，Claude CLI 能用，Claude Code 也能用。

如果某些系统没有 MCP，那 computer use 就是兜底方案。模型可以像人一样操作电脑上的软件。Boris 承认它现在还慢，但在 4.7 上已经相当能用了。

从模型角度看，MCP、API、电脑操作，本质上都只是不同形式的输入输出。对模型来说，最后都是 tokens。

今天该提前下注什么？

最后有人问，如果当初 Claude Code 是提前 6 个月为更强模型准备的产品，那今天还有什么类似方向值得提前做？

Boris 提到几个方向：

  • Claude Design，现在已经不错，但还会变得更强。
  • Claude Code 接下来几周会推出的一些新能力。
  • loop、batch，以及围绕“大规模并行 agent”的工作流。
  • computer use，也就是让模型操作真实软件环境。

这些方向的共同点很清楚：它们现在可能还不完美，但模型一旦继续变强，产品价值会突然放大。

这其实也是 Claude Code 的故事。

它不是一开始就好用，也不是一发布就爆。它更像是提前站在了模型能力曲线的前面，等模型追上来。

真正变便宜的不是代码，而是行动

这场访谈里，最重要的信息不是“程序员会不会消失”。这个问题太窄了。

更大的变化是：软件正在从专业技能，变成表达想法和执行任务的基础能力。

过去你有一个想法，要找工程师、排需求、写 PRD、做排期。现在你可能直接开几个 agent，让它们试、改、跑、测、汇报。

代码当然会变便宜。

但更关键的是，行动会变便宜。

这对工程师是机会，对产品人是机会，对设计师、财务、研究员、会计、店主也都是机会。真正稀缺的东西会从“我会写代码”，慢慢变成“我知道要解决什么问题，我能判断什么是好结果”。

如果 Boris 的判断是对的，未来的软件世界不会只属于更会写代码的人，而会属于更懂问题、更会组织 agent、更敢从零开始搭系统的人。

这大概也是为什么他说：现在是最好的创业时间。