首页

Anthropic 的 Boris Cherny:为什么编码已经被解决,以及接下来会发生什么

打开原文

Most Value Information / 核心价值信息

基于视频标题、描述与字幕内容提炼,只保留最有价值的信息,不对缺失信息进行臆测。

Boris Cherny 认为,就他自己的工作而言,编程实际上已经被“解决”了:模型已经写出了他几乎所有的代码,剩余的瓶颈正从代码生成转向产品设计、编排以及组织适应。他的核心观点并不是说今天每个代码库都已经被解决,而是趋势已经很清晰:模型能力正在反复解锁新的产品行为,而越来越重要的差异化因素,是团队如何围绕智能体重组,而不是是否能获得更好的底层模型。他将 Claude Code 描述为一个构建时早于模型成熟度的产品,随后又被后续模型改进拉动而迅速普及。他还认为,软件团队将变得更加跨学科,编程会成为一种通用技能,而不再是专业人员之间的边界。

关键洞察

  1. Claude Code 是针对“产品悬置空间”构建的,而不是针对当下需求: Cherny 表示,团队认为模型在 2024 年末实际上能做的事情,远比当时现有编程产品所体现出来的更多。那时主流的 UX 仍然是逐行自动补全,但团队认为下一步会是智能体式代码编写。他说,这个产品在最初大约六个月里都比较弱,实际上是为下一代模型能力而构建的,而不是为当下能力而构建的。

    为什么这很重要: 这是一个具体的产品策略:当模型能力领先于 UX 时,如果你坚信短期内模型改进会将其解锁,那么即使产品市场契合度尚不明显,提前建设基础设施也可能是有价值的。

  2. 增长拐点来自模型发布,而不只是产品迭代: 他将 Claude Code 的指数级增长归因于 Opus 4,并表示后续模型发布又再次带来了采用率的重新加速。这意味着,这类产品的成功在很大程度上受到底层模型质量的制约,而不只是界面或分发改进。

    为什么这很重要: 对 AI 产品构建者来说,这表明有些产品主要受限于能力边界。如果是这样,模型改进的时机可能比局部功能打磨更重要。

  3. 他关于“编程已被解决”的说法是个人化且有条件的,并非普遍结论: Cherny 说模型写了他 100% 的代码,而且对 Claude Code 的代码库来说,这一点很早就是事实,这在一定程度上得益于他们选择了 TypeScript 和 React,因为这些技术在训练数据中占比很高。但他也明确指出了例外:非常大或非常复杂的代码库,以及不常见的语言,仍然是较弱的领域。

    为什么这很重要: 最强的解读并不是“所有软件工程都已经被解决”,而是在有利环境下——常见技术栈、可控系统、强模型支持——人类编程已经可以收缩到以监督为主。

  4. 早期技术栈选择之所以重要,是因为“分布内”环境放大了模型可靠性: 他说,团队选择 TypeScript 和 React,部分原因是当时模型能力还较弱,需要熟悉的语言和框架。他还补充说,随着模型改进,这一点现在的重要性已经降低。

    为什么这很重要: 这是一个可操作的实施经验:标准化可以成为智能体性能的放大器,尤其是在模型尚未能稳健覆盖长尾工具和语言时。

  5. 前沿工作流是持久化的多智能体编排,而不是单次会话式提示: Cherny 描述了自己如何同时运行多个并发会话、许多子智能体,以及通过 loop/routines 运行重复性任务。他用 loops 来处理 PR 跟进、CI 健康检查和周期性反馈聚类,包括在夜间以更大规模运行。

    为什么这很重要: 真正有意义的转变,是从“向模型寻求帮助”变为“维持持续运行的自主流程”。这会改变工作的管理方式:持续的后台执行会成为运营模型的一部分。

  6. 他认为 loops 是一种重要原语,因为它们让智能体变成可重复执行的操作员: 他对 loop 的描述很简单:把重复任务安排到未来执行,通常通过类似 cron 的行为。其价值来自持久性和重复性,而不是一次性完成任务。

    为什么这很重要: 这指出了 AI 产品设计中的一个更广泛模式:重要的抽象可能是具备监控和修复行为的持久化智能体流程,而不只是聊天界面或任务运行器。

战略影响

  • 如果代码产出正变得越来越充裕,那么竞争优势可能会转向问题选择、规格说明质量、编排能力和部署流程,而不是原始实现速度。
  • 那些围绕持久化智能体和跨职能编程者重构工作流的组织,可能会拉大与仅仅在现有流程中把 AI 当作助手加入的团队之间的差距。
  • 标准化技术栈和具备良好可观测性的代码库,可能会率先获得不成比例的 AI 杠杆效应,使技术标准化不仅仅是工程卫生问题,更成为一种战略赋能因素。
  • AI 产品的时机很重要:如果模型进步很可能很快解锁目标工作流,那么在当下 PMF 尚未出现之前就先发布,可能会是正确策略。

值得关注的信号

  • 智能体式编程的采用率是否会随着每次模型发布继续阶跃式上升,而不是趋于平台期。
  • 组织从临时提示式使用转向基于持久化 loop/routine 工作流的速度有多快。
  • 常见的工程和业务角色是否会越来越多地通过智能体直接执行代码而趋于融合。
  • 多智能体协作中剩余的摩擦,有多少是通过产品设计消除的,又有多少仍依赖用户自行构造的提示模式。

注意事项

  • 这份转录似乎被截断了,并且包含一个被省略的尾部摘录,因此某些论点并不完整——尤其是 Cherny 关于软件商业模式未来,以及哪些具体竞争壁垒会变强或变弱的回答。
  • 这是一次台上对话,包含非正式的说法和预测,而不是结构化的技术论文或经过测量的基准评测回顾。
  • 一些强烈表述明确是个人化的,或仅适用于 Anthropic 的工作流,尤其是“编程已被解决”以及“他完全不手写代码”的说法。