scripod.com

#576.Claude Code:工程师如何放大生产力,AI 重塑团队分工的通才时代

本期节目邀请到 Anthropic 技术员工、Claude Code 早期核心参与者 Boris Cherny,深入探讨了 Claude Code 的起源、Anthropic 内部如何利用 AI 编程工具,以及 AI 如何重塑工程团队、产品团队乃至整个公司的组织方式。Boris 从 Anthropic 的 AI 安全使命出发,解释了编程作为模型与现实世界互动关键入口的重要性,并分享了 Claude Code 从只能完成 10%-20% 工作的内部原型,成长为让他卸载 IDE、几个月不亲手写代码的核心工具的历程。他提出了一个强烈判断:工程师、产品经理、设计师、数据科学家等旧有角色边界正在合并,AI 时代将进入 “通才的黄金时代”。
Boris Cherny 讲述了 Claude Code 的起源故事,指出其诞生源于产品能力落后于模型能力的现状。早期版本仅能完成 10%-20% 的代码工作,但随着底层模型从 Sonnet 升级到 Opus 等更强版本,其能力实现阶跃变化,最终让 Boris 卸载了 IDE,工作方式从亲手写代码转变为同时运行多个 Claude 实例,甚至编写能自动指挥 Claude 的循环。Anthropic 内部,Claude Code 使每位工程师的代码产出增长数倍,新人上手时间从几周缩短到两天。Boris 观察到,传统产品流程正在瓦解,工程师、PM、设计师、数据科学家等角色开始融合为一种新的 “builder”,非工程师如设计师、财务人员也能发布代码。他建议公司给每个人尽可能多的 token,少配人、多给 AI 资源,以约束逼出自动化,并建立原则文档让模型也能使用公司的决策原则。最后,Boris 认为,当产品品味等优势也可能被 AI 追上时,人类最后要教给模型的,可能是价值观。
00:00
00:00
通才的黄金时代
01:26
01:26
产品落后于模型能力
03:58
03:58
研究 AI 安全必须在真实环境中观察模型行为
03:58
03:58
编程有明确通过 / 失败测试,正确解范围受约束,是理想的研究环境
04:53
04:53
约束创造优雅
06:04
06:04
Meta 经历塑造了 Claude Code 的早期开发
06:37
06:37
从改善自身开发体验出发,最终做出 Claude Code
07:14
07:14
六个月没亲手写代码
07:41
07:41
模型升级是阶跃变化的核心
08:08
08:08
真正带来阶跃变化的仍是模型本身
08:40
08:40
Claude Code 与模型研发形成紧密反馈闭环
09:28
09:28
一切都在指数增长,包括代码量
10:00
10:00
每位工程师的代码产出增长了好几倍
10:24
10:24
代码质量下降会导致生产力下降
10:52
10:52
新人上手时间从几周缩短到两天
11:18
11:18
AI 时代的编程是抽象层级提升的延续
12:17
12:17
完全卸载 IDE,同时运行五到十个 Claude
12:41
12:41
编写循环来驱动 Claude
12:59
12:59
团队成员融合了用户研究、设计等多种职能
13:29
13:29
工程师自己定义范围、与用户交流
14:01
14:01
所有角色正在合并为一种 builder
14:15
14:15
非工程师角色也能发布代码
14:32
14:32
用 Claude Code 写脚本并交给 David 开发
15:28
15:28
David 被迫打开终端
15:56
15:56
数据科学家自学使用 Claude Code 进行数据分析
17:10
17:10
观察到植物开花,标志产品进入主流人群
17:21
17:21
非工程师开始使用 Claude Code
17:30
17:30
Claude Cowork 用八九天完成,完全由 Claude Code 构建
17:51
17:51
在产品上做取舍,选定特定工作类型
18:29
18:29
直接访问文件系统是核心优势
19:32
19:32
模型通过编程与世界互动
20:11
20:11
模型通过 Bash 和 AppleScript 自动识别音乐
20:56
20:56
写代码和用工具与世界互动是模型天然想做的事
21:31
21:31
扁平化文化避免头衔盲从
22:32
22:32
应届生反而能教人更好地使用 Claude Code
23:18
23:18
旧有角色区分将在年底消失
23:51
23:51
让员工充分实验 AI 工具
24:22
24:22
给每个人尽可能多的 token 去实验
24:33
24:33
给少量工程师更多 token,实现复利效应
25:35
25:35
将预算从人力转向 token
25:38
25:38
团队规模缩小,每个人能做更多事,这可能是对传统头衔和专业分工的最大清算
26:08
26:08
每个人都将成为灵活的 token 生成者
26:42
26:42
更关注做产品本身,而非局限于工程师身份
27:00
27:00
现在是通才的黄金时代
27:25
27:25
模型可能是对的。
28:08
28:08
执念可能很蠢,但结果更快更好
28:47
28:47
现在大多数想法都不太好,但约 20% 是好的。
28:58
28:58
长期优势会被逐渐侵蚀
29:07
29:07
人类最终要教给模型的是价值观