撰文：Techub News 整理
在 Anthropic 内部，BorisCherny 被同事戏称为“Claude Code 之父”。他亲手带队做出这款深度集成大模型的编程助手，也亲身经历了从「代码自动补全」到「智能体写 100%代码」的巨大转折。
在这场面向创业者和工程师的分享中，他系统讲述了 Claude Code 的诞生故事、为什么说“codingissolved（写代码被基本解决）”，以及在这个前提下，软件行业和团队形态会发生什么变化。
从「意外项目」到现象级产品
Boris 加入 Anthropic 是 2024 年末，当时公司内部有一个类似孵化器的团队，叫做 AnthropicLabs。这个小团队后来一口气做出了 Claude Code、MCP 以及桌面应用等多个核心产品，完成使命后又解散，如今又被重新召回，进入“第二回合”。
在 2024 年的语境下，业界对「AI 写代码」的主流想象还停留在 IDE 里的「类型联想/补全」——按一下 Tab，让模型帮你补一行。Boris 的直觉是：模型的能力其实已经远远超出这种形态，真正的「产品形态」严重滞后，这就是他们内部说的「产品 overhang」。
因此，Claude Code 一开始的目标就非常激进：不是再做一个更聪明的补全，而是让智能体直接承担「写全部代码」的工作，人更多负责审阅和决策。
现实当然没有这么顺利。Claude Code 做出来的前 6 个月里几乎没人真正爱用，它勉强能写大概 10%的代码，体验非常粗糙，即使在 Anthropic 内部也只是一个实验性工具。直到 2025 年 5 月，伴随 Opus 4 模型发布后，使用曲线才真正出现指数级抬升，此后每一次模型升级（4.5、4.6、4.7）都带来明显的「再一次变好很多」的拐点。
回过头看，这个产品最特别的地方在于：它从第一天起就不是为「当前模型」设计，而是为「未来 6 个月后的下一代模型」设计。团队明知道在一段时间内不会有产品市场匹配（PMF），依然坚持先把「对的交互形态」搭好，然后静等模型追上来。
为什么说「写代码被解决了」？
在现场，Boris 直接问台下的程序员们：有谁现在还 100%手写代码？谁是 100%用 Claude Code 这样的智能体写代码？绝大多数人都在中间地带，他笑称“那就算是 50%被解决了”。
但对他自己来说，答案已经非常极端：他现在 100%的代码都由 Claude Code 生成。
- Claude Code 自身的代码库完全由模型编写，技术栈是非常常规的 TypeScript+React，没有花哨的黑科技。
- 选择这套栈的原因之一，是在早期模型能力还不够强时，尽量使用「模型训练分布上的主流技术栈」，可以显著提高生成质量。
- 随着模型迭代，如今它几乎可以无障碍地学习新语言、新框架，技术栈的选择已经不再是瓶颈。
在他个人工作流中，Boris 每天可以完成几十个 PR，曾经有一天“刷”出了 150 个 PR，只是为了试试自己还能把效率推到多高；而所有这些 PR 背后真正写代码的，都是 Claude。自己扮演的是产品/架构/Reviewer的角色。
当然，他也承认，这个「100%被解决」目前只在一部分场景成立：
- 小而清晰、技术栈主流的代码库，已经可以完全交给模型来写。
- 非常庞大、历史复杂的代码库，或者冷门小众语言、极为特殊的工程环境下，大模型目前依然有明显短板。
但他的判断很简单：大多数这些短板，只是「等下一版模型」的问题。
一台手机+上千个代理：他的个人工作流
Boris 曾在社交媒体上分享过自己的开发环境，起初他没想到会引发那么多讨论，因为在他看来，那只是自己「自然演化」出的工作方式。
现在，他大部分工作甚至已经移到了手机上：打开 ClaudeApp，在左侧切换到 Code 标签页，可以看到多个并行的会话。通常他会同时维护 5～10 个会话，每个会话下面又挂着大量子代理，总数轻松达到几百个；到了晚上，甚至会有上千个代理在后台跑更长时间的任务。
支撑这个体系的关键概念，是一个看似很简单的指令：/loop。
/loop 的本质，就是让 Claude 用类似 cron 的方式，为自己安排一个「未来会自动重复执行的任务」：可以设定每分钟、每 5 分钟、每天等频率循环执行。
借助这样的 loop，他为自己搭建了一整套「自动维护系统」：
- 有 loop 专门「看管 PR」：修 CI、自动 rebase，保持 PR 列表干净。
- 有 loop 负责「维护整个项目的 CI 健康」：发现 flakytest 等问题时自动定位和修复。
- 有 loop 每 30 分钟从 Twitter 抓取用户反馈，并自动聚类整理，形成可直接决策的反馈摘要。
在他的描述里，loop 已经像是一种面向未来的编程原语：最简单可行的形式，却非常强大。再配合最近上线的 routines（在服务端运行的长期工作流，即便关闭电脑也会持续执行），模型可以持续在背景中推进项目进展。
团队形态：每个人都是「跨学科全才」
当一个人可以借助 AI 写 100%的代码，开发效率提高 10～100 倍，团队的组织方式自然会发生变化。
Boris 对未来团队的一个核心判断是：「跨学科的通才」会远比今天更常见。
在今天，所谓 generalist（通才）通常指的是「工程体系内的通才」——比如同一个人能管 iOS、Web、Server；而他看到的新趋势是：
- 通才会跨越更多职能边界，比如：工程+设计、工程+产品+数据科学、工程+财务/运营等。
- 在他们的 Claude Code 团队里，已经出现了这样一种状态：工程经理、产品经理、设计师、数据科学家、财务、用户研究等职位，全部都会写代码，且大量使用 Claude Code 来推进各自工作。
换句话说，每个人仍然有自己的专业纵深，但「写代码」不再是某个少数群体的特权，而是人人具备的基本能力，就像今天的 Office、PPT 技能一样普及。
这也直接指向一个更宏观的判断：软件生产力的门槛将被彻底拉低，最懂领域的人将成为最有优势的“开发者”。
例如，在做会计软件时，真正应该主导产品形态和逻辑的，未必是顶尖工程师，而是一个非常懂业务、同时能熟练驾驭 AI 写代码的会计，因为「编码」变成了相对容易的部分，「对领域的深刻理解」才是稀缺资源。
从「程序员阶层」到「全民编程」：印刷术的类比
为了说明这种转变的深度，Boris 提出了一个他最喜欢的技术史类比：AI 对软件生产的影响，很可能类似 15 世纪欧洲印刷术对文字生产的冲击。
在活字印刷术诞生之前，欧洲只有大约 10%的人具备读写能力，他们被雇佣在当时的权力结构（国王、贵族、教会）周围，承担「代读、代写」的工作。读写是一种强专业技能，大多数人终其一生都无缘接触。
印刷术出现之后的短短 50 年里，欧洲出版的文字量超过了此前一千年的总和，单本书的成本下降了约 100 倍。接下来的几百年里，随着教育体系和社会结构不断调整，全球识字率一路提高到 70%左右：读写从少数人的职业技能，变成了绝大多数人的基础能力。
Boris 的观点是：软件和编程正在经历同样的曲线，而且速度会更快。
- 过去写软件是一个「高度专业化、门槛极高」的职业。
- 接下来，写软件会变成像「会打字」「会发短信」这样普适的技能。
- 依然会有职业工程师和顶级系统架构师，但社会分工会彻底重塑：大量领域专家、创业者、普通职场人都能直接「和模型协作写软件」。
SaaS 会迎来「大灭绝」吗？
当 AI 让写软件这件事的成本下降 10 倍甚至 100 倍，已经存在的 SaaS 产品会发生什么？会不会迎来一场「SaaS 大灭绝」？这是 Boris 最常被问到的问题之一。
他的答案比简单的「会/不会」复杂得多，他借用了 Acquired 播客中常提到的「SevenPowers（七种商业护城河）」框架来分析。
在他看来，AI 会让某些商业护城河迅速贬值：
- 切换成本（SwitchingCosts）：当你可以用模型快速迁移数据、重建工作流，原先依赖复杂集成和配置建立起来的锁定效应会明显减弱。
- 流程能力（ProcessPower）：很多公司以流程设计、复杂工作流为竞争力，而大模型在理解和改进流程上的能力越来越强，尤其像 4.7 这种能「自动 hillclimbing（迭代优化直到达到目标）」的模型，更是擅长榨干流程中的低效空间。
与此同时，一些更底层的护城河则不会因为 AI 而消失，反而可能变得更重要：
- 网络效应
- 规模经济
- 稀缺资源（比如独有数据、渠道、特殊资质）等
另外一个重要趋势是：在未来 10 年，能够「凭少量人手，做出媲美大公司产品」的初创企业数量，会显著增加，可能是过去 10 年的 10 倍。
原因在于：
- 大公司要重构自身流程、重新培训全员使用 AI，会面临巨大惯性和内部阻力。
- 新团队可以从第一天起就「AI 原生」，用极少的人构建极高的价值密度，在很多细分领域对传统厂商形成降维打击。
在他眼中，这个时代对创业者和开发者非常友好——「现在可能是做产品、做创业最好的时代之一」。
Anthropic 自己是怎么「吃狗粮」的？
很多人以为，像 Anthropic 这样的模型公司，内部会提前用到「更强的秘密版本」，从而比外界领先很长一段时间。Boris 的说法恰好相反：
- 在模型层面，内部使用的就是和大家一样的版本（例如大量使用 Opus 4.7），少量用研究用模型 Mythos 做实验，但不会长期依赖一个「外界难以获得」的私有版本。
- 真正的领先优势，在他看来不在模型，而是在整个组织对 AI 的深度整合程度上。
具体来说：
- 公司内部已经不再有「纯手写代码」的实践，哪怕是 SQL 查询，全部由模型生成。
- 不同团队的 Claude 在 Slack 上彼此「聊天协作」，帮助人类工程师查缺补漏、跨团队沟通信息。
- 许多流程都是围绕 loop、子代理、routines 等机制重构而成，让模型持续在背景中推进工作。
也正因为如此，他认为目前最大的「差距」不在技术可获得性，而是在组织和流程设计上。对新创公司来说，这是巨大的机会：与其一点点改造旧流程，不如从第一天就按「AI 原生」的方式设计组织。
面向未来 6～12 个月的产品机会
回到产品和创业的问题：如果说几年前他看到的是「编程上的产品 overhang」，那今天他看到的下一个 overhang 在哪里？
他提到几个方向：
- ClaudeDesign：一个当前已经能用，但随着模型迭代会变得更惊艳的方向。它代表了「设计工作流深度 AI 化」的雏形。
- Loop/Batch/大规模并行智能体：让成百上千个任务在不同代理上同时推进，成为一种标准能力，而不是专业玩家的黑魔法。
- ComputerUse（模型直接操作电脑）：通过视觉+控制能力，让模型像人一样操作本地软件，对于没有 API/MCP 的旧系统，这是一种通用解法。
这些方向的共同特征是：今天已经“勉强可用”，但真正的爆发点可能在未来一两代模型之后。
正如当年的 Claude Code 一样，有野心的团队可以从现在就开始为「未来的模型」设计产品形态，在模型追上来时抢先卡位。
