DubSpeak好内容,无语言边界
首页/AI 工具/正在观看
AI 工具 · WATCH & LEARN

Claude Code 负责人 Boris Cherny:工程师代码产出 8 倍,多智能体如何重构工作流

34 分钟354 段文稿在原平台观看 ↗

原频道:hyperfixation on AI | beamnxw · 原标题:Stop Prompting — Head of Claude Code Uses Opus 5.5 + Graphs + Harness · 原片上传:

Claude Code 负责人 Boris Cherny:工程师代码产出 8 倍,多智能体如何重构工作流
0:00 / 34:27

画面来自 YouTube。若当前网络无法加载,可切换「仅听配音」。

ABOUT THIS VIDEO

这一期,聊些什么?

AMD 首席技术官 Mark Papermaster 对谈 Anthropic 的 Claude Code 创建者兼负责人 Boris Cherny。Boris 分享了 Anthropic 如何把 Claude 放在每个业务流程的中心、逐个消除编码、代码审查、GTM 等环节的瓶颈,使今年以来每位工程师的代码产出提升 8 倍;并阐述了从 1 个到 10、100、1000 个智能体的扩展路径、子智能体嵌套与云端会话、ROI 应重回报而非只省投入、评测与「手感」的取舍,以及提示注入防护与自动模式等安全实践。本页全程中文配音由阿里云通义千问 qwen3-tts-flash 生成(Boris Cherny 为 Ethan 音色,Mark Papermaster 为 Andre 音色),并以低音量保留原视频声音作为背景。

配音与字幕辅助理解,内容以原视频为准。在原平台观看 ↗
RECAP · 图文回顾

看完再回顾:这一期讲了什么

点击任意时间戳,可跳到对应位置播放中文配音。

一句话核心观点

Anthropic 的经验是:沿缩放定律让模型担任工作流协调者,并置于每个流程中心;领导者再通过实验文化、评测和安全护栏,把个人效率扩展为大规模智能体协作。

分章节要点
  1. 从一行补全到指数曲线
    • Boris 认为编程模型不会停留在单行补全,而会依次写出函数、文件、功能、项目,甚至整门生意。
    • 团队沿缩放定律推演模型能力,发现当时的产品形态不足以释放模型真正的力量。
    • Claude Code 最初六个月并不好用,直到 2025 年 5 月的 Opus 4 才真正开始发挥作用。
  2. 让模型担任协调者
    • 过去的智能体工作流本质上仍是确定性系统,只是某些步骤调用 LLM 做计算。
    • 新架构由模型驱动:提供目标、起点和工具,让模型自行编排,而不是预先写死每个分支。
    • 上下文策略也在变化:从每次会话加载 claude.md,转向 skills、工具和 MCPs,让模型更自主地决定加载内容。
  3. Claude 位于 Anthropic 的流程中心
    • 新员工询问办公室、代码库权限和报销方式时都直接问 Claude;它还参与写代码、审查、安全检查和事故分诊。
    • Boris 借 90 年代《哈佛商业评论》文章说明:只把电脑放在角落没用,必须让它成为每个流程的中心。
    • Anthropic 通过一次消除一个瓶颈,使每位工程师的代码产出自年初以来提高 8 倍。
  4. 从管理代码到管理智能体
    • 工程抽象层级从硬件、打孔卡、源代码上升到智能体,如今又开始管理循环和例程,而且最后两步只花两年。
    • 成功的工程师讲求实证、保持好奇且足够自主;最高效的人像“一人军团”,能从想法一路推进到上线。
  5. 领导者要创造实验空间
    • 如果不主动创造空间,团队就会继续沿用旧方法;领导者应让员工安全地尝试新工具和新想法。
    • 领导者还要提供业务和产品背景,使员工能够独立作出更好的决策。
  6. 从 1 个到 1,000 个智能体
    • 企业通常会经历从不用 AI,到每位工程师运行 1 个、10 个、100 个乃至 1,000 个智能体的转变。
    • 运行约 10 个智能体时,工程师会在多个会话之间轮转;Claude Code 和 Cowork 的桌面应用已支持这种并行方式。
    • 更深层做法是子智能体继续启动子智能体;Claude Code 目前最多支持五层嵌套,并可从桌面或手机启动云端会话。
    • 动态工作流用 Claude 编排大型智能体团队,可完成大型迁移,例如 Boris 提到 Stripe 约四天完成 1 万行 Scala 到 Java 的迁移。
  7. ROI 的重点是回报
    • 降低投入可以使用 Opus Plan mode、顾问模型、较低 effort 或更便宜模型,但更重要的是提升回报。
    • 成功客户会给每个人实验自由;最好的点子可能来自新人或非工程岗位,而不是最资深工程师。
    • AMD 的一位初级工程师用智能体流程解决了资深团队数周未能修复的芯片 bug,直接推动了内部采用。
  8. 评测与手感如何取舍
    • 会重复成千上万次的工作流必须建立评测;产品体验则可以更多依靠实际使用后的手感。
    • 出现多种并行方案时,可以先选定方向,再让 Claude 迁移和合并其他调用点,避免长期分裂。
  9. 信任、安全与自动模式
    • Anthropic 从模型对齐做起,重视真实性,也训练模型不要一味附和,而是在用户提出坏主意时反驳。
    • 提示注入防护训练结合运行时分类器后,实际攻击成功率已接近零。
    • 由于人会因疲劳而不停点“同意”,Anthropic 改由分类器判断权限,并通过评测、红队和渗透测试验证自动模式更安全。
  10. 规模化与未来六个月
    • 继续规模化需要遵循缩放定律、重塑产品、寻找合作伙伴并设置护栏;AMD 也依靠智能体流程管理更大的芯片设计空间。
    • Boris 预测六个月后智能体会运行更久、数量更多、更符合意图;到今年底,Claude 可能开始构建完整产品甚至初创公司。
关键人物 / 产品 / 数字

人物

Boris Cherny
Anthropic 的 Claude Code 创建者兼负责人,本期嘉宾,分享 Claude Code 的起源、内部使用方式及多智能体实践。
Mark Papermaster
AMD 首席技术官,本期主持人,补充 AMD 在芯片设计调试与规模化方面的案例。
Kathy Pham
在哈佛授课,曾参与上一期节目,讨论 AI 治理及如何把治理融入流程。

产品与概念

Claude Code
Anthropic 的纯智能体式编程产品;到 Opus 4 后真正开始好用。
Claude Tag
最新迭代的长时间运行异步智能体,用户可以像与同事协作一样使用它。
Cowork
面向非终端场景的工具,形态不同于 Claude Code,但仍让 Claude 位于流程中心。
claude.md、skills、tools、MCPs
为模型提供上下文与外部能力;客户正从固定加载文件转向让模型更自主地加载。
sub-agents、cloud execution、dynamic workflows
通过智能体嵌套、云端运行和 Claude 编排大型团队,支持从数十个扩展到上千个智能体。
evals 与 vibes
评测用于高频、可重复工作流,手感用于产品体验等不适合全部写评测的判断。
runtime classifier 与 auto mode
运行时分类器负责识别提示注入并判断权限,自动模式减少人工反复确认。
Opus 4.7、Opus 4.8、Fable
视频中提到的较新模型,被称为业内最不容易受到提示注入的模型。

视频里提到的数字

six months
Claude Code 最初六个月并不好用。
May of 2025
Boris 认为 Opus 4 发布后,Claude Code 才真正开始发挥作用。
8X
自今年年初以来,Anthropic 每位工程师的代码产出提升幅度。
50, 100%, 150%
部分 Claude Code 大客户看到的提升幅度。
one agent, 10 agents, 100 agents, 1,000 agents
企业采用智能体时可能经历的四个规模阶段。
five layers
Claude Code 目前支持的子智能体最大嵌套层数。
four days;10,000 line
据 Boris 印象,Stripe 用这套方式在约四天内完成了一次原本要数月的 1 万行 Scala 到 Java 迁移。
20 minutes
Boris 手动调试一个 bug 时,一位新同事改让 Claude 来查,20 分钟内就找到了正确方案,而 Boris 没有。
5 or 10X
Opus 4.7、Opus 4.8 和 Fable 在抗提示注入方面领先业内的幅度。
six months
Boris 选择预测的时间范围:智能体将运行更久、更多且更自主。
金句摘录 · 中英对照
“So for coding, it's not a matter of completing a single line. The model is gonna be able to write an entire function, an entire file, an entire feature, an entire project.”

在编程上,这不只是补全一行。模型将能写出整个函数、整个文件、整个功能,乃至整个项目。

— Boris Cherny
“You give it tools to interact with the outside world. You ask it to do something, and then you let it figure out how to orchestrate these.”

你给它与外部世界交互的工具,交代任务,然后让它自己想办法编排这些工具。

— Boris Cherny
“And now there's a computer at the center of every process, and those are the companies that unlock productivity improvements.”

让电脑成为每个流程的中心,这样的公司才真正释放了生产力提升。

— Boris Cherny
“And so I actually see a lot of my role as creating space for people to try stuff out, to feel safe doing it.”

所以我把自己很大一部分职责,看作是为团队创造尝试的空间,让他们有安全感。

— Boris Cherny
“So how do you improve the return that you're seeing from models? And, and I think the biggest lesson here that we've seen from successful customers is you wanna give engineers the freedom to experiment.”

那么,如何提高从模型中获得的回报?我认为,成功客户带给我们的最大经验,就是要给工程师实验的自由。

— Boris Cherny
“So, you know, this is, this is just part of the model training process. Um, and we, we train the models to be resistant to these kind of attacks, and es-especially when you combine it with a runtime classifier for prompt injection, which we actually also do, the success rate in practice now is near zero.”

这属于模型训练过程的一部分。我们训练模型抵御这类攻击;再配合我们实际部署的运行时提示注入分类器后,攻击成功率现在几乎为零。

— Boris Cherny
“So it won't just be features. It's gonna be products. We might start to see entire startups being built by Claude.”

所以它将不只是构建功能,而是构建产品。我们甚至可能开始看到 Claude 打造整个初创公司。

— Boris Cherny
可以借鉴的做法 / 启发
  1. 不要再把流程写死成固定步骤;给模型明确目标、起点和工具,让它自行编排执行路径。
  2. 把 AI 放进流程中心,然后按写代码、代码审查、市场素材等顺序,每次集中消除一个瓶颈。
  3. 领导者应提供实验空间和业务背景,并确保员工不会因为合理尝试新想法而受到惩罚。
  4. 评估 ROI 时先鼓励探索、找到高价值场景,再对已成功的 token 密集型应用做成本优化。
  5. 高频工作流用 evals 衡量,产品体验可依靠手感;长期无人值守的任务则要配置分类器、权限护栏和自动模式。
回顾 / 思考问题
  1. 你的团队还有哪些“某一步调用 LLM、整体却完全确定”的旧式工作流?
  2. 如果把 AI 放到流程中心,最先应该消除的是编码、审查、测试还是市场素材瓶颈?
  3. 领导者怎样设计绩效和容错机制,才能让员工放心尝试新工具?
  4. 你的团队目前处于每人运行 1 个、10 个、100 个还是 1,000 个智能体的阶段?
  5. 哪些决策必须依靠评测,哪些可以依靠使用手感?长期运行的智能体又需要哪些护栏?

本回顾由 AI 根据英文逐字稿整理,时间戳、引文与数字已对照逐字稿核对;如有出入,以原视频为准。

ACROSS TOPICS · 跨主题推荐

换个领域看看

ABOUT DubSpeak

让好内容,跨过语言的边界。

DubSpeak 整理科技、心理与医学领域的视频,提供中文配音、双语字幕及文稿辅助阅读,让知识更容易被听见、被理解。

01 / 用熟悉的语言听

中文配音辅助理解,部分视频支持中英文切换。

02 / 跟着字幕深入读

结合字幕与文稿学习,具体功能以播放页为准。

03 / 按兴趣找到内容

按主题浏览,搭配搜索和时长筛选。

04 / 回到内容的出处

每期注明原视频链接,版权归原作者所有。关于与版权 ↗