英国 - 7dayes 新闻社
AI编码革命：Claude Code 创作者的工作流程引发开发者狂潮
硅谷正密切关注 Anthropic 的 Claude Code 创作者兼负责人 Boris Cherny，此前他公布了其软件开发的新颖方法。最初只是在 X（前身为 Twitter）上分享个人终端设置，如今已演变成一场病毒式轰动，全球开发者们都在剖析这一有望重新定义生产力和编码本质的工作流程。
Cherny 的方法被誉为具有里程碑意义的时刻，业内专家和知名开发者纷纷表达惊叹与兴奋。开发者社区备受尊敬的声音 Jeff Tang 强调了其重要性，他表示：“如果你不直接从创作者那里阅读 Claude Code 的最佳实践，那你作为一名程序员就已经落伍了。” 另一位观察家 Kyle McNease 也表达了同样的观点，他认为 Anthropic 凭借这些“改变游戏规则的更新”正“处于巅峰状态”，并可能走向“他们的 ChatGPT 时刻”。
另请阅读
兴奋的核心在于一个强大的悖论：Cherny 的工作流程极其简单，却能让一个人发挥出通常与小型工程部门相当的产出能力。尝试过他的设置的用户将这种体验描述为比传统编码更像是玩《星际争霸》这类实时战略游戏，将重点从手动输入语法转移到了指挥智能、自主的代理。
编排 AI 代理以实现最大产出
Cherny 的方法从根本上打破了传统的线性开发周期。不同于程序员编写代码、测试然后继续的典型“内部循环”，Cherny 的运作方式更像是一位指挥官，同时协调多个并行进程。他在 X 上透露：“我在终端中并行运行 5 个 Claude。我给我的标签编号 1-5，并使用系统通知来了解何时需要 Claude 的输入。”
通过利用 iTerm2 系统通知，Cherny 有效地管理着五个同步的工作流。一个 AI 代理可能正在运行测试套件，另一个可能正在重构旧模块，还有一个可能正在起草文档。这种多代理方法不仅限于他的本地机器，因为他还可以在浏览器中使用“claude.ai”运行“5-10 个 Claude”，并利用“teleport”命令在 Web 界面和本地环境之间无缝传输会话。这展示了云和本地 AI 资源的复杂集成。
这一策略与 Anthropic 主席 Daniela Amodei 此前阐述的“用更少的资源做更多事”的理念相符。当许多竞争对手专注于大规模的基础设施投资时，Claude Code 的成功表明，对现有 AI 模型的卓越编排和智能应用可以解锁指数级的生产力增长。这凸显了行业重心可能从原始计算能力转向复杂的流程设计。
反直觉的选择：最慢、最智能的模型
在一个痴迷于速度的行业中，Cherny 采取了一个反常的举动，他只使用 Anthropic 最强大但也是最慢的模型：Opus 4.5。他解释了自己的理由：“我用 Opus 4.5 来思考一切。这是我用过的最好的编码模型，尽管它比 Sonnet 更大、更慢，但因为你只需要更少的引导它，而且它在工具使用方面更好，所以最终它几乎总是比使用更小的模型更快。”
这一见解对企业技术领导者至关重要。现代 AI 开发中的主要瓶颈通常不是 token 生成的速度，而是纠正 AI 错误所需的人力时间。Cherny 的工作流程表明，为更强大、更智能的模型支付前期“计算税”，最终可以通过减少后续的“纠正税”来节省大量时间和资源。这强调了质量和准确性高于纯粹的速度。
用于持续 AI 学习的共享文件
Cherny 还解决了 AI “健忘症”这一常见挑战——标准大型语言模型无法在不同会话中保留特定于公司的编码风格或架构决策。为了克服这一点，他的团队在 Git 仓库中维护了一个名为 CLAUDE.md 的单一文件。
Cherny 解释说：“每当我们看到 Claude 做错某事时，我们都会将其添加到 CLAUDE.md 中，这样 Claude 以后就知道不要这样做了。” 这一实践有效地将代码库转化为一个自我改进的系统。当人类开发人员审查代码并发现错误时，他们不仅会修复代码，还会更新 CLAUDE.md 文件，本质上是教会 AI 避免将来出现类似的错误。正如产品负责人 Aakash Gupta 所指出的，“每一个错误都变成了一条规则”，使 AI 代理在使用过程中变得越来越智能。
通过斜杠命令和子代理实现自动化
Cherny 工作流程的效率通过严格的自动化得到了进一步提升。他使用斜杠命令（集成到项目存储库中的自定义快捷方式）通过简单的文本输入执行复杂的操作。一个典型的例子是 /commit-push-pr 命令，他每天使用数十次，自动完成了繁琐的 Git 命令、提交消息编写和拉取请求创建过程。
此外，Cherny 还部署了子代理，这些是为特定开发任务设计的专业 AI 角色。其中包括一个代码简化器（code-simplifier）代理，用于在主要工作完成后清理架构；以及一个应用程序验证器（verify-app）代理，用于在部署任何内容之前执行端到端测试。
验证循环的力量
相关新闻
Claude Code 报告称快速实现 10 亿美元年经常性收入的显着成功，很可能归功于其内置的验证循环。AI 不仅仅是代码生成器；它也是一个测试器。
Cherny 表示：“Claude 使用 Claude Chrome 扩展程序测试我提交到 claude.ai/code 的每一个更改。它会打开一个浏览器，测试 UI，并进行迭代，直到代码正常工作且用户体验良好。” 他认为，让 AI 能够自行验证其工作——无论是通过浏览器自动化、执行 bash 命令还是运行测试套件——都能将最终代码质量提高“2-3 倍”。这确保了生成的代码不仅功能齐全，而且用户体验良好。
软件工程中的范式转变
对 Cherny 披露内容的广泛反应表明，开发人员对自身角色和 AI 潜力的看法发生了重大转变。多年来，编码中的 AI 主要被视为一种高级自动完成功能。Cherny 已经证明，AI 现在可以作为整个开发过程的基础操作系统，充当一个劳动力，而不仅仅是一个助手。
正如 Jeff Tang 总结的那样：“如果你已经是工程师……并且想要更多力量，请阅读此文。” 能够将人类产出成倍增加的工具已经存在。关键在于思维的转变：将 AI 视为一个有能力的劳动力，而不是一个附属工具。那些首先实现这种思维飞跃的程序员不仅会获得前所未有的生产力，他们还将开创一个根本不同的软件工程新时代，而其他人则仍在手动编码。
