AI 编程

Claude Code 创始人 Boris Cherny 在 Opus 5 发布后分享了 Agent 开发的新范式：模型已经能够连续工作数周，Claude Code 因此删除了超过 80% 的系统提示词；而决定长任务能否真正落地的关键，不是更复杂的 Prompt，而是清晰的目标、足够的工具与可验证的结束条件。 原视频：Boris Cherny: We Cut 80% of Claude Code’s Prompt 本文由 LobsterAI 自动翻译和发布。 一个编程 Agent 能连续工作多久？ 在 Claude Code 创始人 Boris 的最新访谈里，答案已经不是几十分钟，也不是一夜。Opus 5 配合自动模式，可以持续运行数天、数周，甚至把任务拉长到数月。现场谈到的一个实验已经跑了两周多：它正在把一款 Electron 桌面应用重写成 Swift 原生应用，一边运行、一边截图，再逐像素比较两个版本，直到结果足够接近。 更反常识的是，模型变强之后，Claude Code 团队做的第一件事不是继续堆提示词，而是删掉了超过 80% 的系统提示词。 这场谈话真正讨论的并不是“怎样写出一条神奇 Prompt”，而是软件开发方式正在发生的一次倒转：过去，人围绕机器搭建庞大而精细的系统；现在，模型越来越像一个能力会持续变化的合作者，产品要做的反而是少挡路、给验证、让它工作。 Opus 5 的变化：从更聪明，到真正能长时间做事 访谈发生在 Opus 5 发布后的第二天。主持人提到，模型在 ARC AGI 3 上取得了 30% 的成绩，而此前最好的结果还停留在较低的个位数或十位数区间。Boris 没有把这种进步描述成一张能力清单，而是先讲了模型训练的不确定性。 训练新模型时，研究人员会尝试教它许多东西，大部分尝试不会按预期奏效；一部分能力会被学会，另一些能力甚至不是被直接教出来的，而是模型自己“长”出来的。 Opus 5 最突出的新能力之一，就是持续执行任务。 尤其与自动模式结合后，它可以一直向前推进，不必依赖复杂脚手架，也不一定需要 /goal 一类额外机制。它知道任务还没有完成，就会继续做下去。对 Agent 产品来说，这不只是“上下文更长”，而是模型开始具备一种过去很难稳定获得的工作连续性。...

当 AI 智能体以远超人类的速度编写代码时，真正限制创造力的，不再只是代码产出能力，而是人类能否建立足够深入的理解、继续参与系统演进。本文围绕「解释、微世界、共享空间」三种方法，讨论如何借助 AI 降低认知债务，让人类不是退出循环，而是更深入地进入循环。 原文：Understanding is the new bottleneck 本文由LobsterAI自动翻译和发布。 Geoffrey Litt｜2026 年 7 月 原文：Understanding is the new bottleneck 这是我在 2026 年 7 月的 AI Engineer 大会上所作演讲的文字版，也以推文串的形式分享过。 一个可能有点逆风的观点：我认为，理解智能体替我们写下的代码，仍然非常重要！ 在这次演讲中，我会解释为什么，并展示一些高效理解代码的思路。好，我们直接开始。 智能体正在替我们编写越来越多的代码，而我们都知道，想要跟上它们的速度正变得越来越难。 但好消息是：理解代码的方法有很多！逐行阅读 diff 并不是唯一的方法。 这次演讲的大部分内容，会介绍一些我在理解智能体所构建系统时觉得很有帮助的方法： 代码讲解文档 检验自己理解程度的测验 可以亲手探索、借此理解系统的「微世界」 但首先，我们得问一个更根本的问题…… 为什么要理解？ 为什么？为什么还要理解？ 现在不是应该把自己移出循环，让智能体自己不断循环吗？随着智能体变得越来越聪明，人类还需要深入细节吗？ 我认为，许多人——甚至那些支持「理解」的人——对这个问题给出的答案也稍微有点偏差！ 一种可能的答案是：我们理解，是为了验证。我们检查智能体的工作，看看它做得对不对。 「正确」可以有很多含义：是否符合规格、架构是否合理……但从根本上说，这只是一个通过或不通过的问题。 但问题是：智能体越来越擅长验证自己的工作。这当然是好事！我喜欢智能体少犯错误。 可这样一来，我们人类的位置在哪里？ 这就引出了另一个答案：我们理解，是为了参与。 你可以学习智能体正在做什么，以确保自己能积极参与创造过程。下面说说这为什么重要…… 一个项目绝不只有一轮循环！它包含你与智能体之间许许多多轮循环。 而你对系统的理解程度，会直接影响你能否想出下一步如何推动它演进。 你需要在脑中拥有一套丰富的概念，才能流畅而有创造力地思考怎样把事情继续向前推进。如果缺少这种熟练度，你参与项目的能力就会受到实质性限制。 顺带一提，这与 Margaret Storey 和 Simon Willison 推广的「认知债务」概念密切相关。 它很像技术债务：短期内，你也许可以在不知道系统究竟如何运作的情况下继续前进，但它迟早会反咬你一口。 好吧，理解确实重要。 但这又引出了下一个问题：怎么做？当我们与 AI 协作、快速推进时，怎样建立起人类自己的理解？ 事实上，这并不是人类第一次思考如何传递理解。我认为，我们可以从教育中寻找灵感。能不能把人类为教育发明过的最佳思想拿来，应用到这个问题上？ 方法一：解释 今天我想分享三种值得尝试的方法。 第一种：解释。怎样才算好的解释？ 每当智能体完成一项工作，我们就获得了一次解释的机会——可以生成一份解释性的产物。...

本文翻译自 Matt Van Horn 发布在 X 上的文章《WTF Is a Loop? Peter Steinberger vs. Boris Cherny》。本文由有道龙虾翻译、排版和发布。 本周 AI 编程领域被重复最多的一句话只有六个词，而且几乎没人能说清它到底是什么意思。 本周有一条推文让整个时间线都被它“锁喉”，于是我用 /last30days 跑了一遍大家争论的那个词。答案是真实存在的，它有五年的演化脉络，而最讽刺的是：现在真正昂贵的部分不是模型，而是循环。 让整个时间线着迷的那条推文 本周，整个 AI 编程时间线都在围着一条推文转。Peter Steinberger 在 6 月 7 日发了它，浏览量超过 220 万，回复区则变成了一场关于它到底是什么意思的混战。 “这是你每月一次的提醒：你不该再提示编码智能体了。你应该设计那些会提示你智能体的循环。” 这就是所有人都在引用的那句话。最有代表性的回复来自 Varadh Jain，他问了唯一真正重要的问题：这在实践中到底长什么样？而成为全场情绪代表的回答，则来自 Matthew Berman。 “没人知道，除了他和 Boris。” 这才是真正的故事。不是“循环就是未来”，而是一个六个词的短语拿到了 200 万浏览量，同时转发它的人却在回复区争论它到底是什么意思。 我没有翻白眼，因为我自己每晚都跑一个循环，在我睡觉时，它会给大约 30 个开源仓库打开 pull request。90 秒的研究返回了 15 个 Reddit 讨论串、21 条 X 帖子，以及一个令人不太舒服的模式：AI 编程里最响亮的概念，恰恰是大多数复述它的人解释不清的东西。 一派人在喊：提示工程已死。另一派，也就是那些手真的放在键盘上的人，则谨慎得多。 “它不是 ralph/goal 循环，那现在已经是老东西了。它大概是某种持续编排循环，用来监督其他线程/智能体。” 这条回复是所有人发出的答案里最接近正确的一条。先记住它。 循环到底是什么 Boris Cherny 在 2024 年 9 月把 Claude Code 当作副项目做了出来。现在据说，GitHub 上接近 4% 的公开提交都在它背后完成。6 月 2 日，在 WorkOS 主办的 Acquired Unplugged 活动舞台上，他给出了你能找到的最清晰的“循环”定义。...

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。...