Anthropic公司的Boris Cherny：为什么编程问题已经解决，以及接下来会发生什么

2 分钟阅读

嘉宾：Anthropic Boris Cherny ｜ Notion 产品负责人 ｜ 领域：AI产品与职业发展

背景与引子

2024年末，当你还在IDE里敲Tab键等待代码补全时，Anthropic内部已经悄悄启动了一场静默的革命。一位工程师让AI独立完成了整个Claude Code项目的代码编写——从TypeScript到React，从功能开发到CI维护，全部由模型自主完成。6个月后，Claude Code迎来了指数级增长；再过几个月，这位工程师在一天之内合并了150个PR。

这不是科幻。这是Boris Cherny——Claude Code之父——正在经历的工作日常。

当“AI编程”从概念走向现实，一个深刻的追问浮出水面：如果代码已经可以100%由AI编写，那么程序员的价值在哪里？未来的软件团队会变成什么样子？SaaS行业会迎来“大洗牌”吗？

本文将带你走进Boris Cherny的思考世界，拆解这场AI编程革命的底层逻辑，并给出普通人可以立刻行动的指南。无论你是工程师、产品经理，还是对AI浪潮充满好奇的观察者，这篇文章都将刷新你对“编程”这件事的认知。

一、嘉宾是谁

Boris Cherny，Anthropic Claude Code项目的核心创建者。

他自称是“工程师的工程师”——职业生涯早期编写了大量代码，甚至出版过关于TypeScript编程的教科书。鲜为人知的是，初中时期的他曾为TI-83 Plus计算器写过一本BASIC编程指南，那本书至今仍躺在互联网的某个角落。

2024年末加入Anthropic内部孵化团队后，Boris与几位同事共同创建了Claude Code、MCP协议和桌面应用。这个最初“不太好用”的产品，在Opus 4发布后迎来了爆发式增长——每一次模型升级，用户数量和功能使用量都会出现新的拐点。

更有标志性意义的是：Boris本人已经超过一年没有亲手写过一行代码。他的工作方式彻底转变：从“写代码的人”变成了“指挥代码的人”。

二、核心观点TOP10

  1. 编程已经基本解决。在Boris的团队中，Claude Code的代码库在2024年10月实现了100%由模型编写，人类工程师不再亲自敲代码。

  2. 代码编写只是第一步。真正的问题是：你知道要构建什么？能否清晰地表达需求？这才是人类不可替代的核心能力。

  3. Loop是未来最重要的功能。通过定时任务和循环机制，AI可以在后台持续运行、自主演进、自我修复——这比单次交互强大一百倍。

  4. 未来的团队是全栈通才。设计师写代码，PM写代码，财务人员也写代码——不是专职编程，而是用代码解决各自领域的实际问题。

  5. 软件民主化将比想象中更快。类比印刷术对识字率的推动，未来每个人都能“写软件”，就像今天每个人都会发短信一样自然。

  6. 产品价值与模型能力各占一半。Claude Code的成功既靠模型进步，也靠产品细节的打磨——两者的权重会随着模型变强而动态调整。

  7. 内部工具和外部产品没有技术差距。Anthropic团队使用的工具和普通开发者用的完全一致，真正的差距在于组织流程和思维方式。

  8. SaaS的护城河正在被重新定义。AI降低了迁移成本、压缩了流程壁垒，但网络效应、规模经济、独占资源等“7种权力”依然有效。

  9. 初创公司的黄金时代来临。没有历史包袱的团队可以从零开始构建AI原生企业，而大公司必须艰难地改造现有流程。

  10. 模型将自主决定使用什么工具。未来的编程不再是“人类选择工具”，而是“AI根据任务自主编排一切”——你只需要描述目标。

三、关键洞察

1. 编程的“困难”已经转移

反常识观点：写代码从来都不是编程最难的部分。

Boris指出，当前的AI已经能写出任何语言的代码，但真正的问题是“你知道要做什么吗”。以会计软件为例，最适合开发它的人可能不是工程师，而是真正懂业务的优秀会计——因为编程的门槛已经低到不值一提，而理解领域知识才是真正的壁垒。

2. “懂代码的人”和“会用AI写代码的人”是两回事

Boris自己已经一年没写代码了，但他依然在产出代码——通过AI。他的角色从“代码写作者”变成了“代码架构师”和“AI指挥官”。

这意味着：即便你不会写代码，只要你能清晰表达需求、会拆解问题、会验证结果，你就能“写出”复杂的软件系统。编程能力的外延正在急剧扩展。

3. Loop不只是功能，是工作范式的转变

传统的编程工作模式是：人写代码 → 人运行 → 人检查 → 人修复。

Loop模式是：人描述目标 → AI自主循环执行 → AI自主修复 → 人最终验收。

Boris在自己的工作中同时运行着几十个Loop：自动修复CI问题、自动Rebase PR、自动收集Twitter反馈并聚类分析。这意味着人类的角色从“执行者”变成了“监督者和决策者”。

4. 大多数“AI焦虑”来自工具差距，而非能力差距

Boris强调，Anthropic团队使用的模型和工具与外界完全相同。他们真正领先的是工作流程和组织结构：Claudes之间通过Slack自主通信、共享上下文、协作解决问题。

这意味着，对大多数团队来说，学习如何高效使用AI工具、优化人机协作流程，比等待“更强的模型”更实际、更紧迫。

5. 软件行业的“印刷术时刻”正在发生

Boris将当前的AI编程革命类比为15世纪欧洲印刷术的发明。印刷术用了50年让书籍产量超过之前一千年总和，再用几百年将识字率从10%提升到70%。

AI对编程的影响会更剧烈、更快速。核心变化是：软件从“专业人员的技术活”变成“每个人都能掌握的基础技能”——就像读写能力一样。

四、精彩金句

“对我来说，编程已经解决了。”

解读：这不是夸张，而是Boris亲身验证的事实。他的团队早已停止手写代码，模型承包了100%的编程工作。

“Loop是我用过的最酷的功能。”

解读：Loop的本质是让AI从“响应式工具”变成“主动式助手”。当AI能自动规划、定时执行、持续迭代，人类只需设定目标。

“最好的会计软件开发者可能不是工程师，而是不懂编程的优秀会计。”

解读：当编程门槛趋近于零，领域知识成为真正的稀缺资源。未来最值钱的不是“会写代码的人”，而是“懂业务且会用AI实现的人”。

“这是创业的最好时代。有太多东西即将被颠覆。”

解读：AI抹平了大公司的部分优势。初创公司可以从零构建AI原生的工作方式，而大企业必须在转型中挣扎。

“对模型来说，一切都只是token。”

解读：无论是MCP、API还是直接操作电脑，模型不关心形式——它只处理信息。这意味着工具选择终将变得无关紧要。

五、实战案例

案例一：日均150个PR的工程师

2024年某一天，Boris尝试用Claude Code挑战极限——一天之内合并了150个Pull Request。这不是因为他加班到深夜，而是因为他学会了如何高效地“指挥”AI：他描述需求，AI完成代码编写、测试、修复、提交。

关键不是Boris变快了，而是他学会了如何拆解任务、如何清晰表达目标、如何设计人机协作的流程。

案例二：全公司都在写代码

Anthropic Claude Code团队的构成打破了传统认知：工程师经理写代码，产品经理写代码，设计师写代码，财务人员也写代码，用户研究员同样写代码。

唯一的区别是专业领域——每个人都用代码解决自己工作中的实际问题。代码不再是“程序员的专属技能”，而是“每个知识工作者的通用语言”。

案例三：跨越千山万水的Claudes

Anthropic内部的AI Agents已经在Slack上自主通信。当Boris的Claude在修复代码时发现需要其他团队的输入，它会自动通过Slack联系对应的Claude，获取上下文后继续工作。这种“AI群聊”模式正在取代大量传统的人类协调会议。

六、行动建议

建议一：现在就开始用Loop功能

为什么要做：Loop让AI从“被动响应”变成“主动执行”，你设定目标，AI自主规划、循环、迭代。这是效率的数量级提升。

如何开始：在Claude Code中尝试/loop命令，设定一个定期任务（如“每30分钟检查一次GitHub状态”）。从简单的任务开始，观察AI如何自主工作。

能得到什么：每天节省2-3小时的重复性检查工作，同时获得更及时、更全面的系统反馈。

建议二：停止手写你不需要手写的代码

为什么要做：你的时间和认知资源是有限的。把手写代码的时间省下来，用于思考需求、设计架构、验证结果。

如何开始：下次遇到编程任务时，先问自己“AI能完成哪部分”，然后只做AI做不好的部分（通常是需求理解和结果验证）。

能得到什么：同样的时间产出更高的价值，同时逼迫自己发展“指挥AI”的能力——这是未来最核心的技能。

建议三：每周尝试一个新的AI编程场景

为什么要做：AI编程能力正在快速迭代，一年前不可能的事情今天已经实现。你对工具的熟悉程度直接决定你能用它做什么。

如何开始：每周给自己设定一个“用AI完成一个新类型任务”的目标。可以从自动化办公、到数据分析、到原型开发。

能得到什么：建立对AI能力的直觉，发现工作中被忽视的效率提升空间。

建议四：重新审视团队中“非工程师”角色的价值

为什么要做：Boris的团队已经证明，不懂代码的人可以用AI写出高质量的软件。领域专家的价值正在被重新发现。

如何开始：如果你是管理者，开始让设计师、产品经理、数据分析师尝试用AI工具完成他们工作中的编程任务。

能得到什么：释放被压抑的生产力，同时发现跨领域协作的新模式。

建议五：建立“描述目标”而非“描述步骤”的思维

为什么要做：给AI编程和给人类编程完全不同——你需要告诉它“你要什么”，而不是“怎么做”。

如何开始：在提交编程任务前，先写一段需求描述，而不是实现步骤。让AI自己决定路径。

能得到什么：更简洁的提示词、更灵活的解决方案、更少的“过度约束导致的失败”。

七、我的总结

Boris Cherny的这场分享揭示了一个深刻的事实：编程问题在技术层面已经基本解决，剩余的挑战全部集中在人的层面——你能否清晰地理解问题、拆解需求、设定目标、验证结果。

未来的赢家不是“最能写代码的人”，而是“最会用AI实现想法的人”。无论你是工程师、产品经理、设计师还是管理者，现在都是重新定义自己角色的时刻。

AI不会取代你，但会用AI的人会取代你。

行动起来：从今天开始，少写一行代码，多想一个问题。

📺 播客信息

  • 发布时间：2026-05-04
  • 时长：24分钟36秒
  • 播放量：169283 次观看
  • 原版视频：YouTube