ABOUT THIS VIDEO
这一期，聊些什么？
Simon Willison 主持炉边对谈，与 Anthropic Claude Code 产品负责人 Cat Wu、工程师 Thariq Shihipar 深聊编程代理如何改变软件开发：从逐行盯权限到委派实现、更关注产品与商业判断；Claude Tag 在 Slack 中以多人协作、主动待命和团队记忆方式工作，内部已落地产品工程团队 65% 的 PR；两人还谈到系统提示词因新模型精简约 80%、Auto Mode 的安全机制、用 eval 建立对 AI 代码审查的信任，以及「重写代码不再是坏事」等工程文化转变。备注：Cat Wu 于 2026-10-30 离开 Anthropic，11-04 宣布加入 OpenAI；制作本片时她已离开，片中她仍以 Anthropic / Claude Code 产品负责人身份发言。本页全程中文配音由阿里云通义千问 qwen3-tts-flash 生成（Simon Willison 为 Neil（偏成熟男声）、Thariq Shihipar 为 Ethan（年轻男声）、Cat Wu 为 Cherry（年轻女声）、现场提问者为 Ryan（中青年男声）、Sai 为 Andre（中青年男声）音色，五人互不重复），并以低音量保留原视频声音作为背景。
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 一线构建者复盘 Claude Code 一年半：编程智能体让『做什么』比『怎么做』更值钱，团队靠 evals、代码负责人与自动模式，在大幅放权给模型的同时守住质量与安全。
分章节要点
开场：Fable 恰在对谈前恢复上线
- 对谈开始一分半钟前，Fable 刚刚恢复上线，主持人 Simon 笑称观众可以冲出房间去用额度
- Claude Code 去年二月才发布、不到一年半，当时只是 Claude Sonnet 3.7 发布会上的一个要点
一年半间，开发者的日常如何改变
- Cat Wu 回忆早期要逐字细读每个权限提示、经常拒绝；如今能把琐碎实现委托给 Claude，腾出时间思考该给用户提供什么体验
- Thariq 在 Opus 4 发布时试用 Claude Code 后决定加入 Anthropic；现在用它剪视频，要求两小时内达到品牌团队的苛刻标准
- 共识是工具没有降低要求，反而抬高野心：做出有史以来最好的作品，而且比以往更快
不再成立的工程常识：重写变成好事
- 过去产品经理花六个月对齐 PRD 才写第一行代码；现在从想法到实现可能只要一周
- 执行力价值相对下降，产品品位与商业判断的价值上升（基础设施领域仍需抠细节）
- 《人月神话》式『千万别重写』被颠覆：代码库本身就是规格的唯一副本；团队已用 Rust 重写 Bun 并在内部使用
- Simon 的做法：先建好测试套件，并行生成三个实现挑最准的；开会时用手机就能做原型
Claude Tag：Slack 里的多人主动代理
- 上周在 Slack 上线，默认多人协作，队友可同场推进一个 PR
- 主动而非被动：可持续监控频道里的 bug 报告、自动提修复 PR 并圈出最后碰过相关代码的工程师
- 团队记忆：在频道里用自然语言说过的偏好，它会为你和全团队记住
- 内部版 Claude Tag 已落地产品工程团队 65% 的 PR；最复杂的交互式任务仍归 Claude Code
- 非工程师把它当公司搜索引擎：查指标、问功能，Claude 自己克隆代码库作答
功能优先级、内部试用与意外走红
- 每天自产自用：产品里想用却用不了的功能，不去找替代方案，而是直接修产品
- 对外发布前有明确内部标准：活跃用户数与留存率达标，迭代到大家爱上它，早期客户反馈越狠越好
- 意外走红的是『远程控制』：很多人把笔记本插电合盖，躺在沙发上用手机操控本地 Claude Code 会话
代码审查：逐步把人类移出闭环
- 核心区域（如系统提示词）设代码负责人，相关 PR 必须由其人工批准
- 自研 GitHub 审查机器人过每一个 PR、承担大部分审查；复杂 PR 会附说明文档帮助人审
- 放权分阶段：先全人工，确认机器人对特定文件 100% 拦截问题后才撤人；肇事故障的 PR 进入评估集防回退
- 目标是人类不必全程介入，但这靠数月基础设施投入换来信心，不可能一夜完成
Evals 体系与对新模型的信任
- 长期维护评估集，让新模型成为即插即用的替换：跑全套评估，确认 Fable 严格优于 Opus 4.8 才换上
- 团队自有评估加全公司仓库的代码审查评估；自动模式另请多家外部红队构造提示注入与恶意输入环境
- 能力评估之外还建行为评估，专治『该去睡觉了』『完成 2/5 要不要继续』这类体验问题
- 与模型训练团队紧密协作，面向更长周期任务，训练 Claude 诚实、无害、有帮助并对齐模糊意图
系统提示词精简 80% 与工具设计哲学
- 因 Fable 和 Opus 4.8，前沿模型的系统提示词缩短 80%，且按模型分别维护；老模型仍保留完整版
- 删掉示例反而更好——模型比给的示例更有创造力；少用『不要做』式硬约束，多给上下文
- 逐条检查指令的边界情况：如『前端改动必须验证』被改成更柔和的表述，因为提示词 100% 的时间都在场
- 工具做减法：grep、glob 等搜索工具被原生 bash 取代；保留文件编辑工具是为了确定性的审批 UI
- 『模型更像生物学而非物理学』：工具设计近乎艺术，评估才是科学
Auto Mode、提示注入与安全防护
- Anthropic 内部一月起用、几乎人人默认自动模式；上千项评估加多支红队对抗测试，发现的问题全部修复
- 原理：分类器结合对话上下文动态判定权限（你说『别 push』它就会拦下），并与网络沙箱联动检查逃逸请求
- 不承诺拦截 100%，但提示注入、数据外泄等主要风险远低于普通人工审查员；评估结果将于数周内公布
- 纵深防御还包括：为 Claude 配置独立身份便于审计、远程控制的可信设备、凭据注入（代理可用 Datadog 凭据却看不到它）
人的角色、公司文化与现场问答
- 失落感是真实的，抵消方式是更有野心；Jared 约一年手写 Zig，如今乐在其中地用 Rust 重写 Bun
- 产品角色每月都在变：PM 成为工程师/设计师/PM 混合体，哪里有空缺补哪里，并把发布日历与状态同步自动化
- Fable 一次成型剪好演讲视频：自动转录、发现幻灯片录像里有弹窗而改用 HTML 源、动态裁剪跟踪台上走位
- 短板是设计与交互品味仍不足；值得借鉴的文化是公开频道协作与『不跟自己讨价还价』
- 问答要点：Claude Tag 的记忆目前按频道存于各自的 markdown 文件；做评估的瓶颈是技能而非工具
关键人物 / 产品 / 数字
人物
- Simon Willison
- 对谈主持人，开场介绍嘉宾并提问，分享自己用手机做原型、从 YOLO 模式转用自动模式的经历
- Cat Wu
- Anthropic 的 Claude Code 产品负责人之一，主讲功能优先级、evals 体系、自动模式安全与产品团队文化
- Thariq Shihipar
- Anthropic 工程师，引入了『问用户问题』工具，主讲重写哲学、系统提示词精简与自动模式原理
- Boris
- Anthropic 同事，被 Thariq 称为不断提醒他『要更有野心』的人 [38:19]
- Jared
- 工程师，曾在奥克兰公寓约一年手写全部 Zig 代码，如今正把 Bun 用 Rust 重写 [39:12]
- Del
- Anthropic 同事，正在撰写一篇深入介绍自动模式的文章 [35:00]
- Sai
- 现场观众，提问 Claude Tag 的记忆机制设计 [50:03]
产品与概念
- Claude Code
- Anthropic 的编程智能体，去年二月随 Sonnet 3.7 发布，团队用它构建它自己
- Fable
- Anthropic 新一代模型，对谈前一分半钟刚恢复上线，被评价为严格优于 Opus 4.8，可一次成型做出大量功能
- Claude Tag
- 住在团队协作工具里的 Claude，上周在 Slack 上线，默认多人协作、主动工作、带团队记忆
- Claude Sonnet 3.7
- Claude Code 最初随其发布的模型，Claude Code 当时只是发布会上的一个要点 [01:03]
- Opus 4 / Opus 4.8
- Thariq 首次试用 Claude Code 时的模型；4.8 与 Fable 一起让系统提示词得以精简 80%
- Haiku
- 较小模型，被问到 Fable/Opus 能否为它写更详细提示，团队表示尚无硬数据 [25:28]
- Auto Mode（自动模式）
- 用分类器结合上下文动态判定权限的安全模式，Anthropic 内部一月起用、几乎人人默认
- YOLO 模式
- 不做权限拦截的运行方式，Simon 承认自己曾常用并感到内疚 [30:57]
- 远程控制（Remote Control）
- 用手机或网页版 Claude 连接本地命令行会话的功能，意外走红
- Workflows
- 让 Claude 编排多个子代理、各带详细提示的工具，其提示词本身也是 Claude 写的；Cat 用它做攀岩旅行调研
- Ask User a Question 工具
- Claude 主动向用户提问的工具，Thariq 自称职业巅峰之作 [28:20]
- Bun
- 团队已用 Rust 重写，内部已在运行基于它的 Claude Code [05:47]
- CoWork
- 内部多人协作场景中提及的产品，Cat 举例让 Claude Tag 在其中先做一版功能 [10:18]
- Claude Science
- 几天前刚发布的新产品，由合作团队负责，非 Claude Code 团队 [44:55]
- 可信设备与凭据注入
- 远程控制的安全功能；凭据由系统在请求时动态注入，代理可用但看不到（如 Datadog 场景）[36:58]
视频里提到的数字
- 一分半钟
- 对谈开始前，Fable 刚刚恢复上线的时间
- 不到一年半
- Claude Code 自去年二月发布至今的时间
- 六个月
- 过去产品经理访谈客户、与跨职能团队对齐 PRD 所需的典型时长
- 六到十二个月 → 一周
- 从有想法到实现的时间跨度变化
- sixty-five percent
- 内部版 Claude Tag 落地的产品工程团队 PR 占比
- six-plus month
- 团队为信任代码审查机器人、逐步撤出人工所花的过程时长
- a hundred percent
- 代码审查机器人对特定文件改动的拦截率，达标后才撤掉人工审查
- eighty percent
- 因 Fable 与 Opus 4.8，前沿模型系统提示词词元缩减的比例
- two out of five
- 用户讨厌的行为示例：模型说『完成五部分里的两部分，要继续吗』
- thousands of evals
- 自动模式上线前积累的评估规模
- January
- Anthropic 内部开始使用自动模式的月份
- 三周前
- Simon 开始默认使用自动模式的时间
- twenty-five years
- Simon 的软件从业年限，用来感叹『默认说不』的直觉正被颠覆
- 1,000
- Simon 说每家公司待办清单上想做却没资源做的事的数量级
金句摘录 · 中英对照
“a code base is a spec, and maybe it's the only copy of the spec that you have, right?”
代码库本身就是规格，而且它可能是你手里规格的唯一副本。
— Thariq Shihipar “The thing that's different about Claude Tag is it's multiplayer by default.”
Claude Tag 的不同之处在于，它默认就是多人协作的。
— Cat Wu “Claude Tag currently lands sixty-five percent of our product eng PRs.”
目前我们产品工程团队 65% 的 PR 由 Claude Tag 提交落地。
— Cat Wu “In general, we are trying to move to a world where humans don't need to be in the loop.”
总体上，我们正走向一个人类不必全程介入的世界。
— Cat Wu “removing examples was extremely helpful because it was just more creative than like, uh, you know, the examples we gave it, right?”
删掉示例反而特别有帮助，因为它比我们给的示例更有创造力。
— Thariq Shihipar “the models are kind of like more of a biology than a physics, you know?”
这些模型更像是一门生物学，而不是物理学。
— Thariq Shihipar “"We don't negotiate against ourselves,"”
『我们不跟自己讨价还价。』（创始人的话，意在别在脑子里想象取舍、说服自己放弃有野心的事）
— Thariq Shihipar 可以借鉴的做法 / 启发
- 想放心重写，先把测试套件建好；甚至可以并行生成多个实现，用测试挑出最准的一个，而不是死守『千万别重写』的旧训。
- 给模型写提示时少下『永远/绝不』式硬约束、多给上下文，并逐条检查指令的边界情况——因为提示词 100% 的时间都在场，90% 正确远远不够。
- 对自动化（代码审查、自动模式）分阶段放权：先全人工，确认机器在特定范围 100% 拦截后再撤人，并把所有事故案例固化进评估集防回退。
- 实现成本骤降后，工程师最该补的是产品与商业判断力：从想法到上线可能只要一周，『做什么值得做』成为新的稀缺能力。
- 把智能体放进公开频道多人协作，可见的使用过程会自然形成社交规范、提升所有人的使用质量，也减少低质量产出。
- 安全上借鉴凭据注入模式：让代理在发起请求时由系统动态注入真实凭据，代理可用但永远看不到它。
回顾 / 思考问题
- 你的团队从有想法到上线的周期能否从月级压缩到周级？如果不能，瓶颈在执行还是决策？
- 如果代码库就是规格的唯一副本，你现有的测试套件足以支撑一次彻底重写吗？
- 哪些代码改动可以放心移出人工审查？你会如何像 Anthropic 那样分阶段、用事故复盘来建立这种信任？
- 你的系统提示词里有多少条『必须/禁止』存在例外情况？删掉示例后模型表现会更好还是更差？
- 面对提示注入和数据外泄风险，你敢不敢让智能体默认自动运行？需要先补齐哪些评估和沙箱设施？
- 模型接管了琐碎实现之后，你打算把省下的时间投入到哪件『更有野心』的事上？
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。
◉ 正在收听配音
