Fable 的兩大短板 | Claude Code 負(fù)責(zé)人最新對(duì)話實(shí)錄

近日，Claude Code 負(fù)責(zé)人 Boris Cherny 與 Meta Dev Infra 團(tuán)隊(duì)產(chǎn)品總監(jiān)進(jìn)行了一場爐邊對(duì)談，本次對(duì)話圍繞 AI 編程工具的現(xiàn)狀與演進(jìn)、ROI 評(píng)估框架、Loops 自動(dòng)化范式、Cowork 的非編碼場景應(yīng)用、模型選擇策略，以及 AI 時(shí)代工程師的角色轉(zhuǎn)型等話題展開。

Boris Cherny表示，現(xiàn)在他的100% 代碼由 Claude 生成，并且大部分代碼都是在手機(jī)上寫的，僅從今年 3 月份算起，已經(jīng)消耗了 80 億個(gè) Token。他指出，Anthropic 內(nèi)部今年每位工程師的代碼產(chǎn)出量增長了8倍，當(dāng)代碼100%由 AI 生成后，真正的瓶頸轉(zhuǎn)移至好點(diǎn)子的生成速度，繼而延伸至產(chǎn)品經(jīng)理、市場推廣等上下游環(huán)節(jié)。

關(guān)于 Loops，他表示，Loops 是 AI Agent 提示 AI Agent 持續(xù)循環(huán)運(yùn)行的自動(dòng)化范式，他認(rèn)為，當(dāng)前 Loops所處階段與一年半前的 AI Agent 領(lǐng)域相當(dāng)，目前他約30%的代碼通過 Loops 生成，代碼審查、用戶反饋處理、架構(gòu)優(yōu)化、測試清理等維護(hù)任務(wù)已全部納入 Loop持續(xù)執(zhí)行，他僅在事后審查。

關(guān)于測試時(shí)計(jì)算，他指出，Transformer 以及大語言模型的能力擴(kuò)展方式，本質(zhì)上是數(shù)據(jù)量、神經(jīng)網(wǎng)絡(luò)規(guī)模以及用于訓(xùn)練網(wǎng)絡(luò)的計(jì)算量的函數(shù)。除數(shù)據(jù)量、神經(jīng)網(wǎng)絡(luò)規(guī)模、訓(xùn)練計(jì)算量三個(gè)傳統(tǒng)擴(kuò)展因子外，測試時(shí)計(jì)算是近年引入的第四個(gè)關(guān)鍵因子。他表示，測試時(shí)計(jì)算用來描述模型在推理階段生成了多少個(gè) Token，可以通過一些機(jī)制，讓模型高效地生成更多的 Token，從而實(shí)現(xiàn)更優(yōu)的輸出結(jié)果。目前有兩種實(shí)現(xiàn)路徑：一是算力投入設(shè)置，通過配置模型輸出 Token 數(shù)量調(diào)節(jié)推理深度；二是動(dòng)態(tài)工作流，由 Claude 編寫在虛擬機(jī)中運(yùn)行的編排程序，動(dòng)態(tài)調(diào)度數(shù)十至數(shù)千個(gè)子 AI Agent 協(xié)同解決問題，兩者在機(jī)制與適用場景上存在本質(zhì)差異。

此外他表示，F(xiàn)able 編寫的代碼與前端設(shè)計(jì)已超過他本人水平，但在產(chǎn)品感以及分布式系統(tǒng)設(shè)計(jì)方面仍有較大提升空間，預(yù)計(jì)年底前 AI 在這一領(lǐng)域?qū)⒆兊孟喈?dāng)出色。

01

80 億 Token以及一部手機(jī)

今年你寫了多少行代碼，這些代碼是你自己寫的還是 Claude Code 寫的？現(xiàn)在寫代碼主要用手機(jī)還是筆記本電腦？

Boris Cherny：為了準(zhǔn)備這次訪談我特意查了數(shù)據(jù)。我大概提交了 1700 個(gè) PR，增加了 40 萬行代碼，刪除了 25 萬行代碼。去年我刪掉的代碼比增加的還要多，今年增加的略多一些。我也試著統(tǒng)計(jì)了 Token 消耗量，遺憾的是由于數(shù)據(jù)保留期限等原因部分?jǐn)?shù)據(jù)已被清理，但僅從今年 3 月份算起，我已經(jīng)消耗了 80 億個(gè) Token。

自從 Opus 4.5 模型發(fā)布以來，我 100% 的代碼都是由 Claude Code 編寫的。

至于在哪里寫代碼，如果是半年前你問我，我絕對(duì)想不到現(xiàn)在的答案?，F(xiàn)在我大部分代碼都是在手機(jī)上寫的。半年前要是有人這么跟我說，我肯定覺得他瘋了，但現(xiàn)在事實(shí)確實(shí)如此。

公司應(yīng)該如何在性能更強(qiáng)但成本更高的模型與必須證明 Token 效率之間取得平衡？

Boris Cherny：我每天都能和許多作為我們客戶和潛在客戶的公司交流?？偟膩碚f大家的關(guān)注點(diǎn)分為兩類，有些公司看重成本，有些則看重 ROI。從 ROI 的角度思考絕對(duì)是正確的框架，因?yàn)椴荒苤欢⒅杀究矗械耐度胱罱K都是為了獲得回報(bào)。在考慮 ROI 和整體部署 Claude Code 時(shí)，思考如何進(jìn)行高質(zhì)量部署非常有價(jià)值。

我認(rèn)為最成功的公司會(huì)向所有人發(fā)放 Token，不僅僅是工程師，還包括產(chǎn)品經(jīng)理、設(shè)計(jì)師和數(shù)據(jù)科學(xué)家。他們讓所有人都有機(jī)會(huì)使用并鼓勵(lì)全公司進(jìn)行探索，因?yàn)楹弥饕馔鶃碜阅阋庀氩坏降娜?。很多時(shí)候改進(jìn)流程或開發(fā)新產(chǎn)品的絕佳創(chuàng)意可能來自于公司某個(gè)角落的會(huì)計(jì)，或是 CEO 從未聽說過的營銷人員。這就是很多創(chuàng)新想法的源泉，它不一定總是出自最資深的工程師之手。

因此需要鼓勵(lì)公司和團(tuán)隊(duì)大膽嘗試。最好的方法就是給大家發(fā)放 Token 并提供一個(gè)安全的試錯(cuò)環(huán)境，讓他們可以放心大膽去嘗試，不用擔(dān)心因?yàn)樵囧e(cuò)受到懲罰。一旦發(fā)現(xiàn)了行之有效的內(nèi)部應(yīng)用場景，再去考慮如何控制成本，而這種控制應(yīng)該在后端進(jìn)行而不是前端。如果某個(gè)應(yīng)用場景大受歡迎且消耗了大量 Token，你就可以考慮如何進(jìn)行優(yōu)化。其實(shí)有很多方法可以做到這一點(diǎn)，在 Claude Code 中我們提供了基于席位的成本控制，你還可以使用顧問模型，或者為整個(gè)公司更換模型，控制整體的工作量上限，甚至可以根據(jù)部門或基于角色的訪問控制來設(shè)定預(yù)算。控制成本的方法非常多。

第二種思考方式是在部署初期如何將工具推廣開來。當(dāng)公司使用 Claude Code 一段時(shí)間后就必須開始認(rèn)真考慮 ROI 了。ROI 包含投入和回報(bào)兩部分。在過去投入很容易衡量，就是 Token 的消耗量。而對(duì)于回報(bào)，我們以前通常看 AI 編寫代碼的比例或是代碼行數(shù)的增長百分比等。但剛才我們看到很多人舉手表示他們 100% 的代碼都是 AI 寫的。當(dāng)這個(gè)比例達(dá)到 100% 時(shí)你又該如何衡量回報(bào)呢？

這就是難題所在。以前做 Dev Infra 時(shí)如果一年的生產(chǎn)力能提升 2% 到 3% 就已經(jīng)非常了不起了。但現(xiàn)在我們看到的是成百上千倍的生產(chǎn)力提升。在 Anthropic，從今年年初開始我們看到每位工程師的代碼產(chǎn)出量增長了 8 倍。在這種情況下我們?cè)撊绾慰创貓?bào)？我認(rèn)為首先要實(shí)現(xiàn) 100% 的代碼由 Claude 編寫，然后觀察人均代碼量的提升幅度，最后要思考的是還有哪些瓶頸阻礙了發(fā)展。因?yàn)楫?dāng)工程師能夠快速產(chǎn)出大量代碼時(shí)，瓶頸就會(huì)變成好點(diǎn)子。所以如何打破這些瓶頸讓公司能更快地孕育出好想法？這可能意味著需要引入更多的產(chǎn)品經(jīng)理或用戶研究員。緊接著還需要思考如何將這些想法更快地推向市場。這需要在市場推廣和營銷端打破瓶頸。這就是我思考這些問題的基本順序。當(dāng)我觀察客戶時(shí)發(fā)現(xiàn)每家公司都處于這條采用曲線的不同階段。

02

Loops是否是炒作

Loops 是下一個(gè)炒作周期，還是真實(shí)存在的趨勢？能先解釋一下什么是 Loops，以及你自己平時(shí)是如何使用它的？

Boris Cherny：對(duì)于在座的工程師來說，兩年前我們還是手動(dòng)編寫源代碼。后來我們開始向 AI Agent 寫代碼過渡，而現(xiàn)在我們正朝著 AI Agent 提示 AI Agent 來編寫代碼的階段邁進(jìn)。從更技術(shù)的角度來看，如果源代碼是最基礎(chǔ)的層面，相當(dāng)于編程中的一個(gè)語句，那么編寫代碼的 AI Agent 就像是編程中的一個(gè)函數(shù)，而 Loops 就是高階函數(shù)。這就是抽象層級(jí)的不斷提升，它又向上邁進(jìn)了一步。就像從源代碼到 AI Agent 是一次巨大的飛躍一樣，從 AI Agent 到 Loops 的演進(jìn)也是同等重要且規(guī)模相當(dāng)?shù)囊淮蟛健?/p>

對(duì)我來說現(xiàn)在的 Loops 領(lǐng)域就像是一年半以前的 AI Agent 領(lǐng)域一樣。雖然尚處于早期階段，但我們已經(jīng)初步看到了它的成效。舉個(gè)例子，假設(shè)作為一名工程師，我的很大一部分工作是進(jìn)行代碼審查。我可以選擇手動(dòng)審查，也可以設(shè)置一個(gè) AI Agent 通過提示讓它幫我審查。而 Loops 版本的做法是，我讓一個(gè) AI Agent 在循環(huán)中持續(xù)運(yùn)行，包攬所有的代碼審查工作。再舉個(gè)例子，我會(huì)閱讀 Threads 上的用戶反饋。我可以自己手動(dòng)看，也可以讓 AI Agent 幫我看，或者我可以設(shè)置一個(gè)不斷循環(huán)的 AI Agent，每隔五到十分鐘讀取一次反饋并自動(dòng)提交修復(fù)問題的 PR。一年半以前我們還在第一階段?，F(xiàn)在我們已經(jīng)邁入了第三階段。當(dāng)你思考工程師的日常工作以及設(shè)計(jì)師、數(shù)據(jù)科學(xué)家、營銷人員等非技術(shù)人員的工作時(shí)，我覺得很多任務(wù)都可以被拆解成這樣的 Loops。我認(rèn)為目前的行業(yè)趨勢是，越來越多的代碼和工作將被轉(zhuǎn)化為 Loops 的形式。就我個(gè)人而言，在普通的工作日里我大概有 30% 的代碼是通過 Loops 生成的。如果我刻意嘗試，某些天甚至能達(dá)到 100%，但這還需要一個(gè)適應(yīng)過程。

03

Cowork 定位是與 Claude Code 同一底層架構(gòu)的產(chǎn)品

Anthropic 最近在 Cowork 上投入了大量精力，能否告訴大家為什么應(yīng)該嘗試使用 Cowork？你最興奮的一些應(yīng)用場景有哪些，特別是在非編碼領(lǐng)域？

Boris Cherny：試用 Cowork 的方法很簡單，只需要下載 Claude 桌面應(yīng)用即可。也就是包含了聊天功能和 Claude Code 的同一個(gè)應(yīng)用，它里面也集成了 Cowork。你只需下載就能直接使用，支持 macOS 和 Windows 系統(tǒng)。簡單來說，Cowork 就是為非工程師準(zhǔn)備的 Claude Code。它的底層邏輯依然是 Claude Code，并且同樣使用了構(gòu)建 Claude Code 的 Claude AI Agent SDK?；A(chǔ)架構(gòu)是一樣的，你甚至可以自己在這個(gè) SDK 上進(jìn)行構(gòu)建。它們完全是同一套東西。

我們之所以說它是為非工程師準(zhǔn)備的，是因?yàn)槔锩鎯?nèi)置了更多的安全護(hù)欄。Cowork 擁有一個(gè)完整的虛擬機(jī)，具備相當(dāng)復(fù)雜的隔離機(jī)制。我們接入了操作系統(tǒng)以防你誤刪重要文件。它還在防范提示詞注入方面做了大量保護(hù)，并通過種種設(shè)計(jì)最大限度地避免用戶誤操作帶來的損失。

說到我自己怎么用 Cowork，其實(shí)除了寫代碼，我把它用在了所有非技術(shù)工作上。舉個(gè)項(xiàng)目管理的例子。以前我們每天早上都要開站會(huì)，大家挨個(gè)匯報(bào)各自的工作進(jìn)展。現(xiàn)在我利用 Cowork 在瀏覽器里打開一個(gè)電子表格，里面記錄了本周所有的工作流。它會(huì)自動(dòng)幫我在 Slack 上給每一位工程師發(fā)消息詢問最新進(jìn)展。有趣的是通常是工程師們的 Claude 代替他們回復(fù)。這就變成了 Claude 之間在對(duì)話。有時(shí)工程師也會(huì)親自回復(fù)，Cowork 讀取這些信息后會(huì)自動(dòng)更新到表格的進(jìn)度欄里。這一切都是 Cowork 完成的，完全不需要你進(jìn)行繁雜的設(shè)置。你只需要擁有 Cowork 和 Claude 的 Google Chrome 瀏覽器插件，它們就會(huì)自動(dòng)協(xié)同工作。這就是組合工具帶來的奇妙化學(xué)反應(yīng)。我認(rèn)為當(dāng)人們使用 Cowork 時(shí)，最能讓他們感到驚艷的神奇時(shí)刻就在于此，這東西居然能用我的工具，還能像我一樣把所有工具組合起來協(xié)同工作！這種感覺太不可思議了，就像第一次使用 AI 聊天應(yīng)用一樣，絕對(duì)是一種啟示。

還有一種更高級(jí)的用法。我以前會(huì)讓 Cowork 幫我預(yù)訂所有的行程。我會(huì)對(duì)它說這是我的行程安排，我需要哪天到這里哪天到那里，你能幫我把機(jī)票定了嗎？同樣它會(huì)打開瀏覽器進(jìn)入我們?cè)?Anthropic 用來預(yù)訂行程的旅游網(wǎng)站，自動(dòng)填寫信息并預(yù)訂機(jī)票?，F(xiàn)在我把這個(gè)流程進(jìn)一步自動(dòng)化了?，F(xiàn)在的 Cowork 包含一個(gè)定時(shí)任務(wù)，它每天都會(huì)查看我的郵件，并檢查我在 Google 日歷上接受的所有活動(dòng)邀請(qǐng)。如果活動(dòng)地點(diǎn)不在舊金山，它就會(huì)去自動(dòng)幫我預(yù)訂機(jī)票。預(yù)訂好后會(huì)把信息發(fā)送給我。不僅是機(jī)票，它還知道預(yù)訂酒店，甚至掌握了我對(duì)航班和酒店的所有偏好設(shè)置，然后自動(dòng)完成所有操作。我前段時(shí)間參加了多個(gè)跨城市的活動(dòng)，所有的多段往返機(jī)票和酒店住宿全是它自動(dòng)幫我訂好的，我全程根本不需要操心，完全沒有干預(yù)，它直接從我的郵件里提取信息并在我確認(rèn)后完成了預(yù)訂。

04

Fable、模型選擇

你是如何根據(jù)不同的軟件工程應(yīng)用場景來選擇不同模型的？Fable 在編程方面的表現(xiàn)如何？

Boris Cherny：關(guān)于 Fable 在編程方面的表現(xiàn)，可以回溯到去年 11 月，當(dāng)時(shí)所有人都在感嘆模型在編程方面變得多么強(qiáng)大，那正是 Opus 4.5 發(fā)布的時(shí)刻。從上一代模型到 Opus 4.5 的能力跨度極大，很多人第一次開始完全依賴 Claude 來編寫所有的代碼。對(duì)我個(gè)人而言，那是我決定卸載 IDE 的時(shí)刻，因?yàn)槲也辉傩枰?。那?Claude 開始接管所有編碼工作的轉(zhuǎn)折點(diǎn)。

從 Opus 4.8 到 Fable 的技術(shù)跨越給我感覺至少與那次同樣震撼，這可能是模型能力上一次更為巨大的飛躍。Fable 具備對(duì)細(xì)節(jié)的洞察力和多維度的思考方式，這種思維模式與我身邊最聰明的同事非常相似。它不再像以前的模型那樣只是一個(gè)不懂變通的生硬工具，它真正具備了深入剖析和解決問題的能力。這種能力在數(shù)據(jù)分析等諸多場景中都極具價(jià)值，數(shù)據(jù)背后隱藏著許多微妙之處，你必須連續(xù)追問多次為什么才能觸及問題的本質(zhì)，F(xiàn)able 自然而然就能做到這一點(diǎn)。它在代碼調(diào)試中也大顯身手，調(diào)試需要你先建立假設(shè)，然后順藤摸瓜尋找證據(jù)，F(xiàn)able 能夠出色地完成這些任務(wù)。至于編程，我感覺自己已經(jīng)把所有的難題都拋給它了，實(shí)在想不出更難的問題。我交給它的每一個(gè)挑戰(zhàn)，它基本上都能做到單樣本解決，或者只需要提供少量提示詞就能通過少樣本的方式搞定。我已經(jīng)沒有難題可以難倒它了，我們團(tuán)隊(duì)里很多人也有同感，這確實(shí)是一次巨大的跨越。

不僅是 Claude Code，Cowork 也是如此，Anthropic 越來越多的產(chǎn)品都是這樣。放眼整個(gè) Anthropic，平均有 80% 到 90% 的代碼是由 Claude Code 編寫的，對(duì)于越來越多的內(nèi)部團(tuán)隊(duì)來說這個(gè)比例已經(jīng)達(dá)到了 100%。

關(guān)于模型選擇，我用 Fable 處理所有事情。

是因?yàn)?Anthropic 沒有預(yù)算限制嗎？

Boris Cherny：在 Anthropic 我們確實(shí)會(huì)考慮 Token 的使用量。雖然我們本身就是 Token 的生產(chǎn)者，但它們對(duì)我們來說也不是免費(fèi)的，因?yàn)槲覀兠肯囊粋€(gè) Token 就意味著無法將這個(gè) Token 提供給客戶，這其中存在機(jī)會(huì)成本。當(dāng)我考慮這個(gè)問題時(shí)核心其實(shí)還是投資回報(bào)率?？紤]到 Fable 帶來的投資回報(bào)率，你可以通過結(jié)合顧問模型來使用 Fable，或者默認(rèn)使用 Opus 并在需要時(shí)再調(diào)用 Fable，這樣也許能減少 50% 的投入。我們有各種方法來優(yōu)化資源的使用率，隨著新模型的推出你需要持續(xù)調(diào)整這些優(yōu)化策略。要跟上這種節(jié)奏實(shí)際上需要做大量的工作。你必須運(yùn)行評(píng)估來確保系統(tǒng)運(yùn)作良好，盡管你可以使用顧問模型，這也是我們推薦的開箱即用的方法。

實(shí)際上我認(rèn)為從投資回報(bào)率的角度來看，雖然你可能有 50% 的機(jī)會(huì)降低投入，但你同時(shí)也面臨著一千倍、一萬倍甚至十萬倍提升回報(bào)的機(jī)會(huì)。因此我的思路是直接使用最昂貴的模型，然后專注于思考如何從中挖掘更大的價(jià)值以最大化收益。不要把眼光局限在削減成本上，這項(xiàng)技術(shù)的普及還處于非常早期的階段，現(xiàn)在過多糾結(jié)成本為時(shí)尚早。你可以花些精力優(yōu)化成本，也必須確保預(yù)算可控且治理完善，但我建議將絕大部分精力投入到提升產(chǎn)出回報(bào)上。當(dāng)前技術(shù)帶來的上升潛力遠(yuǎn)遠(yuǎn)超過了削減成本所能省下的那點(diǎn)空間。

05

團(tuán)隊(duì)協(xié)作瓶頸、工程師角色轉(zhuǎn)型

Claude Code 在優(yōu)化團(tuán)隊(duì)協(xié)作方面采取了哪些舉措？目前它給人感覺像是一款單機(jī)工作產(chǎn)品，只能依賴 GitHub 這類工具與他人合作。既然 AI Agent 現(xiàn)在已經(jīng)能包攬大部分的編碼工作，工程師應(yīng)該把精力集中在哪里？

Boris Cherny：關(guān)于團(tuán)隊(duì)協(xié)作，我們目前正在緊鑼密鼓地研發(fā)一系列新功能，希望很快能帶來好消息。在此期間我的建議是利用模型上下文協(xié)議 MCP 將 Claude Code 接入到 Slack、Teams、Google Chat 或正在使用的任何協(xié)作平臺(tái)中。

關(guān)于工程師的精力方向，我們可以審視一下工程師的日常工作，寫代碼只是其中一部分，還要處理大量非編碼任務(wù)。比如與客戶溝通、構(gòu)思創(chuàng)意、與設(shè)計(jì)師和產(chǎn)品經(jīng)理碰撞想法、進(jìn)行數(shù)據(jù)分析、規(guī)劃產(chǎn)品方向以及與其他部門協(xié)調(diào)對(duì)齊，工程師要做的事情不勝枚舉。隨著時(shí)間的推移，AI 未來能比我們更出色地完成所有這些任務(wù)，但目前還沒到那個(gè)階段?，F(xiàn)階段 AI 負(fù)責(zé)編寫代碼，人類負(fù)責(zé)向 AI 下達(dá)指令。如何下達(dá)準(zhǔn)確的提示指令大有學(xué)問，你需要明確下一步要做什么，進(jìn)行市場調(diào)研并與團(tuán)隊(duì)深入溝通。你必須完成所有外圍工作，焦點(diǎn)在于這些編碼之外的任務(wù)。

寫代碼占用的時(shí)間比例其實(shí)一直都是少數(shù)。有時(shí)親手敲代碼確實(shí)樂在其中，但有時(shí)卻像是艱難跋涉讓人不想手動(dòng)去做。在我看來 Claude Code 就像是一個(gè)噴氣背包，隨著 AI 的不斷進(jìn)化，我的背包里好像裝配了越來越多的推進(jìn)器讓我飛得越來越快。到了現(xiàn)階段我唯一的瓶頸就是給出提示指令的速度，現(xiàn)在大部分指令下達(dá)都是通過語音直接跟 Claude 交流完成的。真正的瓶頸在于能否想出好點(diǎn)子，寫代碼本身已經(jīng)不再是瓶頸了。

06

代碼審查、安全審查

隨著 AI 生成代碼的大爆發(fā)，代碼審查環(huán)節(jié)面臨巨大壓力，傳統(tǒng)的人工審查模式可能正在崩潰。Anthropic 是如何應(yīng)對(duì)這些下游影響的？對(duì)你和團(tuán)隊(duì)來說下一件具有顛覆意義的大事是什么，Claude Code 未來一年的發(fā)展藍(lán)圖是怎樣的？

Boris Cherny：編寫代碼的最終目的是將其部署到生產(chǎn)環(huán)境中，期望推動(dòng)營收或活躍度等商業(yè)指標(biāo)?；仡櫿麄€(gè)流程會(huì)發(fā)現(xiàn)存在各種瓶頸，過去最大的瓶頸無疑是寫代碼。如今我們已經(jīng)跨過了這道坎，許多使用 Claude Code 的客戶也正邁入這個(gè)新階段，我們需要將目光投向下一個(gè)瓶頸。

下一個(gè)阻礙就是代碼審查，代碼產(chǎn)出海量增加總得有人審閱。我們的解法是打造一款專門應(yīng)對(duì)此問題的產(chǎn)品，于是 Claude Code Review 應(yīng)運(yùn)而生。它對(duì)所有人開放，與 Anthropic 內(nèi)部審查每一個(gè)代碼合并請(qǐng)求所使用的工具完全相同。它與市面上其他產(chǎn)品不同，因?yàn)樗嘿F得多，高昂的原因在于消耗了海量的 Token 來實(shí)現(xiàn)代碼審查的完全自動(dòng)化。當(dāng)我作為工程師打開一個(gè)合并請(qǐng)求時(shí)，基本可以確信所有的 Bug 已被排除。雖然無法做到 100% 完美，但它確實(shí)能攔截 98% 到 99% 的錯(cuò)誤。當(dāng)我審視代碼時(shí)不再充當(dāng)找 Bug 的角色，因?yàn)?Claude 已經(jīng)捕捉并修復(fù)了它們。我只需要關(guān)注核心問題，即這個(gè)合并請(qǐng)求有存在的必要嗎？這是一個(gè)好的設(shè)計(jì)方案嗎？

緊隨其后的瓶頸則是安全審查。大量代碼的合入必須以安全為前提，AI Agent 與人類一樣也會(huì)在無意間引入安全漏洞。確保代碼絕對(duì)安全的答案是 Claude Security，這同樣是我們?yōu)橥黄谱陨韮?nèi)部瓶頸而研發(fā)的利器。它的工作機(jī)制是每周定期運(yùn)行，全面掃描所有的代碼庫，自主發(fā)現(xiàn)并修復(fù)安全隱患。我們每次發(fā)布重大新功能前都會(huì)進(jìn)行紅藍(lán)對(duì)抗測試和滲透測試來確保系統(tǒng)安全。我們已經(jīng)達(dá)到了這樣一個(gè)階段，Claude Security 甚至能捕捉到專業(yè)滲透測試人員漏掉的隱患。這款產(chǎn)品我們已經(jīng)使用了一段時(shí)間，正是得益于 Opus 4.8 等模型能力的提升它才開始達(dá)到如此強(qiáng)悍的水平。這就是我們?cè)庥霾⒐タ说挠忠粋€(gè)瓶頸。我們將這一能力開放給客戶，讓大家受益于同款安全產(chǎn)品，這就是 Claude Security。

如今我們?cè)谒伎枷乱粋€(gè)瓶頸會(huì)出現(xiàn)在哪里，可能演變成如何高效地產(chǎn)出創(chuàng)意，也可能是如何進(jìn)一步優(yōu)化持續(xù)集成系統(tǒng)以實(shí)現(xiàn)更好的擴(kuò)展性。舉個(gè)例子，我發(fā)現(xiàn)我們的持續(xù)集成跑得有些慢，于是啟動(dòng) Claude Code 并給出指令，要求使用工作流分析數(shù)據(jù)集，查看真實(shí)持續(xù)集成的耗時(shí)情況并進(jìn)行提速優(yōu)化。這就是我給它的完整提示詞，就這么多。它采用了一種動(dòng)態(tài)工作流，這是我們幾周前剛發(fā)布的新特性，核心原理是讓 AI 動(dòng)態(tài)協(xié)調(diào)和指揮幾十甚至幾千個(gè)子 AI Agent。這屬于一種全新形式的測試時(shí)計(jì)算技術(shù)。它大約消耗了幾百萬個(gè) Token 并在后臺(tái)運(yùn)行了幾個(gè)小時(shí)，直接生成了四個(gè)代碼合并請(qǐng)求，成功將持續(xù)集成時(shí)間縮短了一半。我隨后將這些代碼合并。放在過去要完成這些分析和優(yōu)化恐怕得耗費(fèi)幾周甚至幾個(gè)月的時(shí)間。這就是下一個(gè)需要突破的瓶頸，我們同樣可以用 Claude 來解決。

關(guān)于未來規(guī)劃，需要說明的是我們的規(guī)劃周期是以周或月為單位，根本沒有所謂的年度計(jì)劃。這個(gè)領(lǐng)域呈指數(shù)級(jí)發(fā)展的速度非常驚人，只能努力跟上節(jié)奏，每次只規(guī)劃眼前的一小步。從宏觀方向看我們未來的道路與過去一兩年相比并沒有偏離。目標(biāo)始終是打造最強(qiáng)大的 AI Agent。我們希望打通所有工作場景邊界，無論團(tuán)隊(duì)在什么平臺(tái)上工作 Claude 都能無縫融入。你不需要為了使用它而被迫遷移到我們的全棧生態(tài)中。此外我們致力于提供獨(dú)一無二的體驗(yàn)，讓用戶能以其他產(chǎn)品無法實(shí)現(xiàn)的方式深度感受新 AI 帶來的能力。

我們幾年前就意識(shí)到 Sonnet 3.5 在代碼生成領(lǐng)域邁出了一大步，但市面上沒有太多產(chǎn)品能讓用戶淋漓盡致地體驗(yàn)這種跨越。因此 Claude Code 應(yīng)運(yùn)而生，拋棄傳統(tǒng)的源代碼交互方式，只需直接使喚一個(gè) AI Agent 即可，這就是感受其強(qiáng)大能力的最佳途徑。展望未來幾個(gè)月甚至一年的發(fā)展，它在處理長時(shí)間運(yùn)行的復(fù)雜任務(wù)方面將變得更加得心應(yīng)手。目前 Claude 在處理長時(shí)任務(wù)領(lǐng)域已具備極大優(yōu)勢，這種領(lǐng)先還會(huì)繼續(xù)擴(kuò)大。它生成的代碼將更加安全可靠、質(zhì)量更高，同時(shí)在目標(biāo)對(duì)齊方面也會(huì)做得更完美。無論作為使用者、工程師、產(chǎn)品經(jīng)理還是設(shè)計(jì)師，無論意圖是什么，AI 都會(huì)更精準(zhǔn)地替你表達(dá)和實(shí)現(xiàn)這些想法。我們將繼續(xù)深耕核心能力，不斷探索并打造優(yōu)秀的產(chǎn)品，讓每個(gè)人都能輕松享受到技術(shù)躍遷帶來的紅利。

07

用 Loops 做代碼維護(hù)，算力投入設(shè)置、動(dòng)態(tài)工作流

在大型項(xiàng)目中，編寫代碼并不是最大的難題，維護(hù)才是。代碼在長期內(nèi)應(yīng)該如何進(jìn)行維護(hù)？工作流和 Loops 之間有什么區(qū)別？

Boris Cherny：我最近一直在嘗試的一個(gè)方法，實(shí)際上是利用 Loops 來進(jìn)行代碼維護(hù)。舉個(gè)例子，你可以讓 Claude Code 在一個(gè) Loop 中持續(xù)運(yùn)行，讓它去審視代碼庫并優(yōu)化架構(gòu)，或者讓它在代碼庫中找出測試套件不穩(wěn)定的部分并加以改進(jìn)，以消除這些不穩(wěn)定因素。你也可以讓它尋找出無用的測試用例并直接刪除，再或者讓它審視代碼庫，尋找重復(fù)的抽象邏輯并將它們統(tǒng)一為單一的抽象。實(shí)際上這些都是我目前正在運(yùn)行的 Loop 任務(wù)。流程上我只需直接審查 PR，在 AI 做出更改后才去檢查結(jié)果。對(duì)于這類提示詞，Claude 其實(shí)很容易理解這類結(jié)構(gòu)性的問題。只要使用的是最新模型，效果通常會(huì)非常好。如果生成結(jié)果不夠理想，只需要對(duì)它說尋找機(jī)會(huì)來提升代碼庫的質(zhì)量，然后再補(bǔ)上一句指令：使用工作流。

我以為核心指令會(huì)是"絕對(duì)不能犯錯(cuò)"。

Boris Cherny：我之前也以為那才是核心指令。或許那句也有用，但基本上只要說"使用工作流"，模型就會(huì)分配更多的測試時(shí)計(jì)算資源，從而提供一個(gè)顯著提升的結(jié)果。

關(guān)于工作流和 Loops 的區(qū)別，兩者區(qū)別相當(dāng)大。AI 領(lǐng)域存在傳統(tǒng)的 Scaling Law，之前有一篇關(guān)于 Scaling Law 的論文提出了一個(gè)觀點(diǎn)，即 Transformer 以及大語言模型的能力擴(kuò)展方式，本質(zhì)上是數(shù)據(jù)量、神經(jīng)網(wǎng)絡(luò)規(guī)模以及用于訓(xùn)練網(wǎng)絡(luò)的計(jì)算量的函數(shù)。這是模型能力呈指數(shù)級(jí)增長的內(nèi)在屬性。正是由于這三個(gè)擴(kuò)展因子的存在，AI 的智能水平才得以持續(xù)呈指數(shù)級(jí)爆發(fā)。

在過去幾年中，我們引入了第四個(gè)關(guān)鍵因子，即測試時(shí)計(jì)算。從本質(zhì)上講，測試時(shí)計(jì)算只是一種學(xué)術(shù)說法，用來描述模型在推理階段生成了多少個(gè) Token。我們可以通過一些機(jī)制，讓模型高效地生成更多的 Token，從而實(shí)現(xiàn)更優(yōu)的輸出結(jié)果。目前有幾種方法可以做到這一點(diǎn)。第一種是算力投入設(shè)置。在 Claude 模型中，包含低投入、中等、高投入、超高投入以及最大投入等選項(xiàng)。這本質(zhì)上是一種配置方式，用于設(shè)定希望模型輸出的 Token 數(shù)量，以此來調(diào)節(jié)測試時(shí)計(jì)算的行為，Token 越多，結(jié)果越好。我們剛剛引入的第二種方法則是動(dòng)態(tài)工作流。它主要是利用 Claude 編寫一個(gè)在虛擬機(jī)中實(shí)際運(yùn)行的小程序，并由它來編排其他 Claude 模型協(xié)同解決問題。這是我們目前仍在探索的一種測試時(shí)計(jì)算的新形式，本質(zhì)上是讓 Claude 啟動(dòng)數(shù)十、數(shù)百甚至上千個(gè) AI Agent 來完成工作。

08

Fable 的兩塊短板

Fable 目前有哪些難以解決的難題？

Boris Cherny：我們的模型并非完美無缺，在很多方面仍需改進(jìn)。其中之一就是產(chǎn)品感。目前我能構(gòu)思出的產(chǎn)品創(chuàng)意依然優(yōu)于 Fable，在創(chuàng)意生成方面它還沒達(dá)到理想的高度。

另一個(gè)領(lǐng)域是分布式系統(tǒng)設(shè)計(jì)。盡管 Fable 現(xiàn)在編寫的代碼已經(jīng)比我寫的更好，前端設(shè)計(jì)也比我的設(shè)計(jì)出色，但在分布式系統(tǒng)設(shè)計(jì)方面我仍然遠(yuǎn)勝于 Fable。比如梳理需要哪些服務(wù)、如何組織架構(gòu)、數(shù)據(jù)如何流動(dòng)、如何考量負(fù)載因素等。在這一領(lǐng)域 Fable 還有很大的提升空間。我不太喜歡做具體的預(yù)測，但估計(jì)大概到今年年底，AI 在這方面就會(huì)變得相當(dāng)出色。

09

人工審批反而降低安全性

如何防止工程師變得懶惰并全盤接受 Claude 輸出的所有內(nèi)容？

Boris Cherny：這個(gè)問題包含兩個(gè)層面。

第一部分是如何確保模型輸出的質(zhì)量足夠高，并且工程師都在進(jìn)行正確的操作。我們的思路是如何讓 Claude 替工程師做正確的事，從而讓人無需親自去操心。舉個(gè)例子，從一開始我們就為 Claude Code 設(shè)定了權(quán)限提示詞。任何時(shí)候只要 Claude 想要在電腦上執(zhí)行命令，它都會(huì)詢問是否允許。比如詢問是否可以運(yùn)行特定的 bash 命令，是否可以使用 MCP，或者是否可以在瀏覽器中抓取特定 URL。工程師必須坐在那里進(jìn)行批準(zhǔn)或拒絕。

但我們發(fā)現(xiàn)隨著時(shí)間推移，人會(huì)變得越來越懶。就我而言，后來只是在機(jī)械地點(diǎn)擊同意，根本沒有認(rèn)真閱讀那些命令。我們的安全團(tuán)隊(duì)注意到了這個(gè)現(xiàn)象，他們指出，雖然在流程中引入人工干預(yù)的初衷是為了提高安全性，但實(shí)際上卻在損害安全性。因?yàn)槿藗兂霈F(xiàn)了提示詞疲勞，不看細(xì)節(jié)就直接通過。這一痛點(diǎn)促使我們開發(fā)了自動(dòng)模式，這是 Claude Code 中的一種全新權(quán)限模式。Anthropic 內(nèi)部正在使用它，目前絕大多數(shù)用戶也都在使用。它的工作原理是將每一個(gè)權(quán)限請(qǐng)求路由給一個(gè)專屬模型，由該模型根據(jù)對(duì)話上下文中的交流內(nèi)容，自動(dòng)判斷是批準(zhǔn)還是拒絕。

這不僅大幅提升了安全性，數(shù)據(jù)表明，由于消除了提示詞疲勞，自動(dòng)模式的安全性不僅優(yōu)于危險(xiǎn)模式，也優(yōu)于默認(rèn)的人工權(quán)限模式，更重要的是它切實(shí)為工程師減負(fù)了。它成功解鎖了讓 AI Agent 長時(shí)間運(yùn)行的能力，因?yàn)楣こ處熢僖膊挥枚⒅聊贿M(jìn)行人工審批。這意味著現(xiàn)在可以讓 Claude 連續(xù)運(yùn)行幾個(gè)小時(shí)甚至幾天。各項(xiàng)基準(zhǔn)測試也證明，Claude 在處理這類長時(shí)間運(yùn)行的任務(wù)方面是業(yè)界頂尖的。自動(dòng)模式的成功落地背后是多年的研究支撐。仔細(xì)研究 Claude 模型會(huì)發(fā)現(xiàn)，它們基本上已經(jīng)不再容易受到提示詞注入的攻擊。如果查閱系統(tǒng)卡片，模型在 100 次攻擊嘗試中的成功率僅約為 1%，這絕對(duì)是業(yè)內(nèi)最優(yōu)水平。將這一優(yōu)勢與目前大規(guī)模部署的提示詞注入分類器結(jié)合使用時(shí)，模型本質(zhì)上已經(jīng)對(duì)這類攻擊免疫了。這正是我們能夠自信推出自動(dòng)模式的底氣，意味著作為工程師，無需再守在電腦前審批權(quán)限。這就是對(duì)問題第一部分的解答，放手讓 Claude 去做更多的事情，研究如何安全地為 Claude 解綁，而不是試圖通過人工去微觀控制它。

關(guān)于第二部分，當(dāng)工程師不再親自編寫代碼時(shí)，日常的感受是怎樣的？該如何保持學(xué)習(xí)并讓自己不脫節(jié)？我發(fā)現(xiàn) Claude Code 中的輸出風(fēng)格功能對(duì)此非常有效。每當(dāng)有新工程師加入團(tuán)隊(duì)，我們都會(huì)讓他們使用探索式輸出風(fēng)格。只需在 Claude Code 中配置此項(xiàng)，或者直接讓 Claude 協(xié)助設(shè)置。它的作用是，每當(dāng) Claude 做出更改時(shí)，都會(huì)主動(dòng)向工程師解釋當(dāng)前的架構(gòu)是如何運(yùn)作的，如果以前沒用過這種語言，它會(huì)講解該語言的機(jī)制，還會(huì)拆解代碼庫各部分的原理。它通過詳盡的解釋來輔助學(xué)習(xí)。此外還有一種教學(xué)式輸出風(fēng)格，這主要是為非程序員準(zhǔn)備的。它會(huì)在非?；A(chǔ)的層面講解某種語言的運(yùn)作方式，不會(huì)直接替用戶修改代碼，而是手把手教導(dǎo)如何去實(shí)現(xiàn)。比如它會(huì)解釋在 JavaScript 中某個(gè)功能的原理，并引導(dǎo)用戶一步步操作，從打開文件修改，到運(yùn)行命令，再到執(zhí)行后續(xù)操作。因此合理利用輸出風(fēng)格并高頻度地使用 Claude，是一個(gè)極其強(qiáng)大的學(xué)習(xí)工具。它能幫助有經(jīng)驗(yàn)的工程師在技術(shù)棧和基礎(chǔ)設(shè)施發(fā)生迭代時(shí)，尤其是在接觸全新編程語言時(shí)，依然能清晰地掌控全局。

| 文章來源：數(shù)字開物

【AI技術(shù)與應(yīng)用交流群｜僅限受邀加入】

AI算力領(lǐng)域TOP級(jí)從業(yè)者專屬圈層

√ 與頭部算力企業(yè)深度對(duì)話

√ 與AI上下游企業(yè)深度對(duì)話

√ 獲取一手全球AI與算力產(chǎn)業(yè)信息

√ 獲取AI熱點(diǎn)及前沿產(chǎn)業(yè)獨(dú)家信息

√ 隨時(shí)了解全球AI領(lǐng)域高管最新觀點(diǎn)及實(shí)錄全文

√ 有機(jī)會(huì)參與AI主題產(chǎn)業(yè)交流活動(dòng)

掃碼驗(yàn)證身份（需備注姓名/公司/職務(wù)

不止有 DeepSeek，更有 AI產(chǎn)業(yè)的未來！

? END ?

【專欄】精品再讀