Claude Code负责人Boris Cherny分享10条AI编程核心观点

我从@bcherny 那里得到的主要收获：

1. 对于大多数用例，编程现在已经“解决”。自去年11月以来，Boris没有亲手写过一行代码，他目前100%的工作由Claude Code完成。同时，他仍然是Anthropic最高产的工程师之一，每天提交10到30个拉取请求，同时领导团队。

2. Anthropic在采用Claude Code后，工程师生产力提高了200%。正如Boris所指出的，“在Meta，有数百名工程师致力于提高生产力，我们一年内只能看到几个百分点的提升。而现在我们看到了数百个百分点的提升。”

3. AI正在超越编写代码，开始产生创意。“Claude开始提出想法。它查看反馈、错误报告和遥测数据，然后建议要发布的功能。”

4. 下一个将被变革的岗位是那些与工程相邻的。产品经理、设计师和数据科学家将随着Agentic AI扩展到编码之外而经历类似的变革。“任何需要使用计算机工具的工作都将是下一个。”

5. 为六个月后的模型而构建，而不是今天的模型。Boris的关键原则之一是根据未来的AI能力设计产品，而不是当前的能力。“前六个月会很不舒服，因为你的产品市场契合度不会很好。但当那个模型发布时，你会迅速起步。”

6. 关注“潜在需求”。Claude Code是通过观察人们已经在尝试做的事情，然后使其更容易而构建的。当他们注意到人们将Claude Code用于非编码任务（如分析MRI或从损坏的驱动器恢复婚礼照片）时，Cowork应运而生。

7. 不要优化token成本。Boris建议公司在实验阶段给工程师提供无限token。“在小规模下，token成本相对于他们的薪水仍然较低。如果一个想法有效并且可以扩展，那时你再优化它。”

8. 有意地少配人员。当Boris为项目只安排一名工程师时，他们被迫让AI做更多的工作。约束驱动了对AI工具的创造性使用，而不仅仅是更快的打字。

9. 未来最成功的人将是通才。“试着比你过去更多地成为通才。一些最高效的工程师跨越学科。最受奖励的人将不仅仅是AI原生——他们将是好奇的通才，能够思考他们正在解决的更广泛问题。”

10. 总是使用最强大的模型，而不是最便宜的。一个不太智能的模型往往比一个更聪明的模型第一次就做对所花费的token更多，用来纠正错误。Boris对所有事情都使用Opus 4.6的最大努力。

完整对话在这里：
https://youtube.com/watch?v=We7BZVKbCVw
…