6小時(shí)，200美元，0人類代碼：Anthropic把AI編程推過了臨界點(diǎn)

新智元報(bào)道

編輯：KingHZ

【新智元導(dǎo)讀】代碼沒有消失，但它不再是少數(shù)人特權(quán)。在「創(chuàng)造平權(quán)」的AI時(shí)代，真正稀缺的不再是編程能力，而是你是否有一個(gè)值得讓機(jī)器為你燃燒幾百美元算力的好想法。

真正讓人不安的，不是AI提高生產(chǎn)力，而是AI開始主導(dǎo)「生產(chǎn)關(guān)系」。

Anthropic最危險(xiǎn)的進(jìn)步，不是AI會(huì)寫代碼，而AI開始獨(dú)自把項(xiàng)目做完。

一句話需求、6個(gè)小時(shí)、200美元。

沒有產(chǎn)品經(jīng)理、沒有程序員、沒有設(shè)計(jì)師，甚至全程人類補(bǔ)一行代碼。

Anthropic把Claude丟進(jìn)一個(gè)任務(wù)里：做一套完整的復(fù)古游戲編輯器。

結(jié)果，Claude沒有只交出一個(gè)像樣的頁面。

它自己拆需求，自己寫代碼，自己測(cè)試，自己返工，最后交出一個(gè)真的能跑起來的成品。

在Anthropic這次實(shí)驗(yàn)里，AI已經(jīng)不只是生成代碼，而是在逼近交付。

過去我們聊AI編程，聊的是它寫得快不快。現(xiàn)在問題變成了：它能不能連續(xù)工作幾個(gè)小時(shí)，在第5輪、第10輪修改里不跑偏，最后把東西交出來。

Anthropic這次給出的答案是：能。

但前提不是把AI當(dāng)一個(gè)人使，而是把它組織成一個(gè)團(tuán)隊(duì)。

原文鏈接：https://www.anthropic.com/engineering/harness-design-long-running-apps

AI不是不聰明，而是不穩(wěn)定

過去的AI很像一個(gè)天賦很高的實(shí)習(xí)生。

第一版，沖得很猛。

第一個(gè)頁面，出得很快。

第一輪代碼，看上去也像那么回事。

但任務(wù)一拉長(zhǎng)，它就開始亂：

邏輯散了，上下文丟了。

該修的沒修，該測(cè)的沒測(cè)。

最麻煩的是，它常常會(huì)提前進(jìn)入一種「看起來做完了」的狀態(tài)。

Anthropic點(diǎn)得很準(zhǔn)：?jiǎn)栴}不一定出在智力上，而是出在長(zhǎng)程執(zhí)行上。

Anthropic做了一個(gè)對(duì)照實(shí)驗(yàn)，結(jié)果很殘酷。

單智能體模式下，AI用20分鐘、9美元，也做出了一個(gè)「像游戲編輯器」的東西。

問題是，一上手就露餡——

交互沒打通；實(shí)體沒正常響應(yīng)；核心玩法直接失靈。

這說明一件事：

以前大家總以為AI不行，是因?yàn)檫€不夠聰明。

現(xiàn)在看，很多時(shí)候真正拖AI后腿的，不是智商，而是穩(wěn)定性。

很多人一說AI記不住，第一反應(yīng)都是：那就給它更大的上下文窗口。

聽起來很合， 但Anthropic這次潑了一盆冷水。

窗口更大，不一定更強(qiáng)。很多時(shí)候，只是把混亂一起放大了。

東西越堆越多，但真正重要的主線，反而越容易被淹掉。這就是所謂的「上下文腐爛」。

更麻煩的是，模型還容易高估自己。

Anthropic發(fā)現(xiàn)，程序明明一跑就崩，模型卻覺得自己做得不錯(cuò)。

于是單智能體會(huì)掉進(jìn)兩個(gè)坑：一邊越寫越亂；一邊越亂越覺得自己沒問題。

這就是為什么，單純靠更大模型、更長(zhǎng)窗口、更高token上限，AI并不能獨(dú)立完成項(xiàng)目交付。

為了取得突破，Anthropic Labs成員Prithvi Rajasekaran探索了一些新穎的AI工程方法。

這些方法在兩個(gè)截然不同的領(lǐng)域中均適用：一個(gè)由主觀品味定義，另一個(gè)則以可驗(yàn)證的正確性和可用性為準(zhǔn)。

受對(duì)抗生成網(wǎng)絡(luò)（GANs）的啟發(fā)，他設(shè)計(jì)了一種包含生成器和評(píng)估器的多智能體結(jié)構(gòu)。

沒造「超人」，但Anthropic造了神團(tuán)隊(duì)

這次最關(guān)鍵的變化，不是參數(shù)。不是窗口。也不是什么神秘提示詞。

真正的變化是，Anthropic不再逼一個(gè)AI單槍匹馬干完整個(gè)項(xiàng)目。

它開始讓AI分工。

這套結(jié)構(gòu)很像一個(gè)小型產(chǎn)品團(tuán)隊(duì)。

• Planner，負(fù)責(zé)想清楚。它先把一句模糊需求，擴(kuò)成規(guī)格，定義產(chǎn)品到底要做什么。

• Generator，負(fù)責(zé)動(dòng)手。它下場(chǎng)寫代碼，搭前后端，接交互，做集成，一輪輪推進(jìn)。

• Evaluator，負(fù)責(zé)挑錯(cuò)。它不負(fù)責(zé)體面。它只負(fù)責(zé)驗(yàn)收。點(diǎn)頁面、試按鈕、查數(shù)據(jù)庫、測(cè)接口，把問題一個(gè)個(gè)揪出來，再打回去重做。

最后一步特別關(guān)鍵，因?yàn)橐贿厡懀贿吔o自己打分，最后AI很容易說服自己：差不多就行。

但把兩者拆開，很多本來會(huì)被糊弄過去的問題，就過不去了。

拿那套復(fù)古游戲編輯器來說，Planner最初拿到的只有一句話需求。

但最后擴(kuò)出來的，是一份包含16個(gè)功能、10個(gè)沖刺的規(guī)格書。

精靈動(dòng)畫、音效系統(tǒng)、行為模板、AI精靈生成、關(guān)卡設(shè)計(jì)助手、導(dǎo)出分享，全部被拆進(jìn)流程里。

這已經(jīng)不是「AI寫代碼」了，AI開始學(xué)會(huì)像團(tuán)隊(duì)一樣做產(chǎn)品。

真正拉高質(zhì)量的，是高壓驗(yàn)收

今天很多AI產(chǎn)品都有一種共同氣質(zhì)——看著完整，配色安全，布局規(guī)整。

挑不出大錯(cuò)，但也沒什么靈魂。這種東西叫AISlop「AI泔水」。說白了，就是「像成品的樣子貨」。

顯然，Anthropic不滿足于這種結(jié)果。

所以它不只讓Evaluator查bug，還讓它盯四件事：

設(shè)計(jì)質(zhì)量、原創(chuàng)性、工藝感、功能性。

而且，它還故意把「原創(chuàng)性」和「設(shè)計(jì)質(zhì)量」的權(quán)重拉高。

譯成人話就是：別總交最安全的答案，做點(diǎn)真的像作品的東西出來。

這背后是一個(gè)很重要的信號(hào):

很多人以為AI的創(chuàng)造力來自靈光一現(xiàn)，但很多時(shí)候，AI的創(chuàng)造力，恰恰是被高標(biāo)準(zhǔn)一點(diǎn)點(diǎn)逼出來的。

所以，下一階段真正稀缺的能力，可能不是「誰更會(huì)生成」，而是「誰更會(huì)評(píng)價(jià)」。

你有多會(huì)挑錯(cuò)，決定AI最終能走多遠(yuǎn)。

最可怕的是，AI真能改到第10輪

這次實(shí)驗(yàn)最讓人不安的，是Claude開始形成很強(qiáng)的閉環(huán)感。

還是看RetroForge，也就是那套復(fù)古游戲編輯器。

同樣一句話需求。

單智能體版，20分鐘，9美元。很快，也很便宜，但更像一個(gè)空殼。

三智能體版本，6小時(shí)，200美元。貴得多，慢得多，但最后結(jié)果完全不是一個(gè)量級(jí)。

它真的把27條驗(yàn)收標(biāo)準(zhǔn)，一條一條啃過去了。

這里面暴露出來的，是實(shí)打?qū)嵉能浖こ虇栴}。比如：

函數(shù)寫了，但事件沒觸發(fā)。

接口有了，但路由順序錯(cuò)了，參數(shù)被錯(cuò)誤解析。

這說明它做的，已經(jīng)不只是拼頁面，開始進(jìn)入真正的工程地帶。

另一個(gè)例子更夸張。

Claude用了不到4小時(shí)、約124.7美元，做出一個(gè)能在瀏覽器里跑的DAW，也就是數(shù)字音頻工作站。

它有排列視圖、有混音器、有傳輸控制、有實(shí)時(shí)波形預(yù)覽。

還內(nèi)置了一個(gè)AI智能體，可以直接理解自然語言的音樂指令。

你告訴它節(jié)奏、調(diào)性、旋律、鼓軌、混響，它能繼續(xù)往下做。

更關(guān)鍵的是，Evaluator沒有放過它:

恰恰是這些被揪出來的問題，證明了這套系統(tǒng)真的形成了閉環(huán)：

不止要做完，還要被打回去改。改到能過驗(yàn)收，才算結(jié)束。

這才是軟件開發(fā)里最難、也最有價(jià)值的部分。

第一版從來不難，難的是第8版、第9版、第10版。

真正的分水嶺，

AI第一次反復(fù)改到交付

Anthropic這次最值得行業(yè)警惕的，不是讓Claude變成了一個(gè)更強(qiáng)的程序員。

而是讓它第一次表現(xiàn)得像一個(gè)真正的產(chǎn)品組織，分工明確，各司其職。

這就是為什么，這次突破看起來不像「生產(chǎn)力升級(jí)」，更像一次「生產(chǎn)關(guān)系升級(jí)」。

過去，AI最強(qiáng)的能力是「生成一個(gè)答案」。

現(xiàn)在，它開始逼近另一種更難的能力：

圍著一個(gè)目標(biāo)，持續(xù)工作，持續(xù)修正，直到交付。

這才是真正的臨界點(diǎn)。

代碼沒有消失，它只是在失去作為少數(shù)人特權(quán)的地位。

在這個(gè)「創(chuàng)造平權(quán)」的時(shí)代，你是否真的有一個(gè)值得讓機(jī)器為你燃燒算力的好主意？

這才是最值得深思的問題。

參考資料：

https://www.anthropic.com/engineering/harness-design-long-running-apps

https://x.com/AnthropicAI/status/2036481033621623056