从手写代码到日提 30 个 PR：Claude Code 缔造者的 AI 编程启示录

本文永久链接 – https://tonybai.com/2026/03/06/building-claude-code-with-boris-cherny

大家好，我是Tony Bai。

想象一下，你加入了一家全球顶级的 AI 实验室，满怀热情地提交了第一个 Pull Request (PR)。然而，你的 PR 却被直接拒绝了。原因不是代码写得不好，而是——这代码是你“手写”的。

这不是科幻小说，这是 Boris Cherny 加入 Anthropic 时的真实经历。作为目前炙手可热的 AI 编程工具 Claude Code 的缔造者和工程负责人，Boris 曾是 Meta (前 Facebook) 最高产的程序员之一。但在 Opus 4.5 模型发布后，他的工作流发生了颠覆性的变化：现在，他每天可以提交 20 到 30 个 PR，且不再手动编辑任何一行代码。

在近期的一期深度访谈中，Boris 分享了 Claude Code 从一个内部黑客项目到爆款工具的演进历程，以及他对于 AI 时代软件工程未来的深刻洞察。

Claude Code 的诞生：不要把 AI 关在盒子里

Claude Code 的前身是一个名为 “Clyde” 的内部原型。当 Boris 最初构思如何将 AI 融入编程时，他犯了一个很多开发者都会犯的错误：试图把 AI 当作系统中的一个组件。

在传统的思维模式下，我们倾向于把模型关在一个“盒子”里，为其定义严格的输入和输出接口（比如在 IDE 中高亮一段代码，然后让 AI 解释或补全）。但 Boris 很快意识到，这不是与大模型交互的正确方式。

“不要试图把它放进盒子里，不要强迫它以特定的方式行事。把模型看作一个独立的实体，给它工具，让它自己运行程序。”

这种被 Boris 称为“苦涩教训（Bitter Lesson）推论”的理念，成为了 Claude Code 的核心设计哲学。他赋予了模型执行 Bash 命令的权限，接着是读写文件系统的权限。当模型获得了与现实世界（操作系统）交互的能力后，奇迹发生了。

他举了一个早期的例子：他给了模型一个 Bash 工具，然后问它：“我正在听什么音乐？”模型竟然自己写了一段 AppleScript 脚本，调用 sed 等命令去查询本地的音乐播放器，并成功返回了答案。这一刻，Boris 感受到了真正的 AGI（通用人工智能）气息。

从手写到“指挥”：并行 Agent 的极致工作流

作为曾经 Meta 代码产量极高的工程师，Boris 现在的产出速度更是达到了令人咋舌的地步（每天 20-30 个 PR，从几行到几千行不等）。他是如何做到的？答案是大规模并行 Agent (Parallel Agents)。

他分享了自己目前极其硬核的终端工作流：

多开终端：在终端（如 tmux）中打开 5 个标签页，每个都是独立的代码库 Check-out（或者使用 Git Worktree）。
启动计划模式 (Plan Mode)：在每个标签页中启动 Claude Code，并进入“计划模式”（按两次 Shift+Tab），向 Agent 描述需求。
轮询指挥：当第一个 Agent 开始思考和执行时，他立刻切换到第二个标签页启动另一个 Agent。如此循环。
验证与交付：当收到某个 Agent 完成任务的通知时，切回去检查结果。

在这种模式下，Boris 不再是一个“打字员”，而化身为一个“交响乐团指挥”。他的核心工作从“思考如何实现”，变成了“思考业务逻辑的类型签名（Type Signatures）”和“验证模型的输出”。

当 AI 编写了 80% 的代码，代码审查（Code Review）怎么做？

这是每个工程团队都会面临的灵魂拷问。在 Anthropic 内部，高达 80% 的代码现在由 Claude Code 生成。那么，他们是如何把控质量的？

答案是：用 AI 审查 AI，辅以人类的最后防线。

Agent 自我测试：Claude Code 会在本地自动编写并运行测试。如果 Anthropic 工程师修改了 Claude Code 本身的源码，Agent 甚至会启动一个子进程来做端到端（E2E）测试。
AI 初审 (Best of N)：在 CI/CD 阶段，每一个 PR 都会先被 Claude 审查。为了解决 LLM 偶尔的非确定性和幻觉，他们采用了 Best of N 策略——启动多个并行的 Agent 进行审查，再用一个去重 Agent 汇总结果。这能拦截约 80% 的低级 Bug。
动态 Lint 规则：当发现同事的 PR 中出现了可被静态分析捕获的问题时，Boris 会直接要求 Claude 当场写一个 Lint 规则，从源头上杜绝此类问题。
人类拍板：尽管自动化程度极高，但对于企业级产品，目前 Anthropic 依然要求每个 PR 必须有真正的人类工程师进行第二轮审查并最终批准。

“我们就像 15 世纪的抄写员”

面对 AI 展现出的恐怖编程能力，即便是前特斯拉 AI 总监 Andrej Karpathy 也感叹自己“从未如此落后过”。许多程序员感到恐慌：我们寒窗苦读十载练就的编码技能，是不是要变成屠龙之技了(变得稀有且遥远)？

Boris 给出了一个非常精彩且充满希望的隐喻：印刷术的发明。

在 15 世纪印刷术出现之前，“识字和抄写”是极少数人的特权。他们被国王雇佣，经过多年训练才能胜任。而当时的许多国王，甚至自己都是文盲。

“我们现在的软件工程师，就像是那些抄写员。而业务方（CEO/PM）就像是那些不懂技术的国王。”

当印刷术出现后，书籍的成本下降了百倍，数量增加了万倍。抄写员并没有消失，他们变成了作家、编辑、出版商。随着识字率的普及，整个知识市场迎来了前所未有的大爆炸，催生了无数在那之前根本无法想象的职业和产业。

今天，AI 编程工具就是软件工程界的“印刷术”。编程的门槛正在被无限拉低，原本不懂代码的业务人员、设计师、财务人员（在 Anthropic 内部，非技术人员使用 Claude Code 的比例接近 100%）都能直接将想法转化为软件。这不会消灭软件工程，而是会让软件的产量和应用场景呈指数级爆发。

工程师的新生存法则：哪些技能在贬值，哪些在升值？

在这场范式转移中，作为开发者，我们需要对技能树进行重新评估。

正在快速贬值的技能：

对语言和框架的宗教式狂热：不要再为“到底是用 React 还是 Vue”、“这应该用 Go 还是 Rust 写”而争得面红耳赤了。如果模型觉得当前框架不好，它随时可以用几分钟时间帮你用另一个语言重写一遍。
沉溺于语法细节：未来将没有人再去手动敲击枯燥的样板代码。

愈发珍贵的核心能力：

系统化与假设驱动思维：面对复杂的 Debug 场景，如何提出假设、逐步验证，这种科学的工程思维依然是 AI 目前难以完全替代的。
跨界的好奇心：未来属于全栈通才。如果你懂前端、懂后端，同时还懂业务逻辑、设计心理学甚至财务模型，你就能借助 AI 工具，以“一人公司”的姿态构建出估值十亿美元的产品。
高频上下文切换能力 (ADHD 式的工作法)：在这个需要同时管理多个 AI 智能体的时代，不再那么强调长时间的“深度编码”，而是需要你能在多个高层上下文中快速穿梭、精准决策。

注：ADHD (注意力缺陷多动症) 式的工作法是一种灵活而高度分散注意力的工作风格，常常表现为多任务处理和非线性思维，能够快速切换多个任务并通过联想和直觉进行思考。这种方法倾向于将大的任务分解为小的、可管理的目标，以保持动力和成就感。同时，工作过程中的兴趣和关注点可能会快速变化，因此通常会采用短暂的工作间隔与休息时间。通过频繁调整和迭代的方式，ADHD式工作法能够帮助人们利用自身的优势，克服注意力集中的挑战。