Claude Code 负责人：编码解决之后会发生什么 | Boris Cherny

00:00我的代码 100% 都是 Claude Code 写的。自 11 月以来，我一行代码都没有手动编辑过。每天我会发布 10、20、30 个 PR。所以目前我大概同时运行着 5 个智能体。

00:10就在我们录音的时候？

00:11是的，是的，是的。

00:12你会想念写代码吗？

00:13我从来没有像现在这样享受编码，因为我不必处理所有琐碎细节。每位工程师的生产力提高了 200%。

00:21人们总会问：‘我应该学习编程吗？’

00:22一两年后，这可能就不重要了。编码基本已经被解决。我想象的世界是：每个人都能编程，任何人随时都可以构建软件。

00:29软件编写方式的下一个重大变化是什么？

00:32Claude 开始提出想法。它会寻找反馈，查看漏洞报告，查看遥测数据来修复漏洞并决定要发布什么。它越来越像同事之类的角色。

00:41很多听众是产品经理，他们可能已经开始冒冷汗了。

00:44我认为到今年年底，每个人都会成为产品经理，每个人都会写代码。‘软件工程师’这个头衔会开始消失，被‘构建者’取代。这对很多人来说会很痛苦。

00:56今天的嘉宾是 Boris Cherny，Anthropic 的 Claude Code 负责人。很难描述 Claude Code 对世界产生的影响。本期节目播出时，距离 Claude Code 发布一周年大约还有不久。在这段很短的时间里，它彻底改变了软件工程师的工作，如今也开始改变科技行业许多其他职能的工作，我们会在节目中讨论这些。(00:01:19)：Claude Code 本身也是 Anthropic 过去一年整体增长的重要驱动力。Anthropic 刚刚完成一轮估值超过 3,500 亿美元的融资。正如 Boris 提到的，Claude Code 自身的增长仍在加速。仅仅过去一个月，他们的日活用户就翻了一倍。Boris 也是一位非常有趣、深思熟虑、思想深刻的人。在这次对话中，我们发现彼此出生在乌克兰的同一座城市，太有意思了，我完全不知道。(00:01:47)：非常感谢 Ben Mann、Jenny Wen 和 Mike Krieger 为这次对话建议主题。别忘了去 LennysProductPass.com 看看，那里有一系列专为 Lenny 的 newsletter 订阅者提供的超值优惠。听完精彩赞助商的简短信息后，我们就开始。(00:02:04)：本期节目由 DX 赞助。DX 是由顶尖研究人员设计的开发者智能平台。要在 AI 时代发展，组织需要快速适应，但许多组织领导者很难回答：哪些工具有效？它们如何被使用？究竟是什么在创造价值？DX 提供领导者应对变化所需的数据和洞察。Dropbox、Booking.com、Adeon 和 Intercom 等公司使用 DX 深入了解 AI 如何为开发者提供价值，以及 AI 对工程生产力产生了什么影响。访问 GetDX.com/Lenny 了解更多。(00:02:48)：应用会以各种方式出问题：崩溃、变慢、回归，以及只有真实用户出现后才会看到的问题。Scntry 能捕捉这一切。你可以在一个关联视图中看到发生了什么、在哪里发生、为什么发生，追溯到引入错误的提交、发布它的开发者以及确切代码行。(00:03:07)：我当然也试过打开五个标签页、翻找 Slack 线程来调试，但这种方式更好。Scntry 会展示请求经过的路径、运行的内容、变慢的环节以及用户看到的结果。Scntry 的 AI 调试智能体 Seer 会接手后续工作。它利用所有 Scntry 上下文告诉你根因、提出修复方案，甚至为你创建 PR。它还会审查 PR，发现破坏性变更并准备好修复。请访问 Scntry.AO/Lenny 免费试用 Scntry 和 Seer，并使用代码 LENNY 获得 100 美元的 Scntry 额度。网址是 S-C-N-T-R-Y dot A-O slash Lenny。(00:03:49)：Boris，非常感谢你来到这里，欢迎参加本期播客。

03:54是的，谢谢你邀请我。

03:55我想从一个尖锐的问题开始。大约六个月前，我不知道大家是否还记得，你其实离开了 Anthropic，加入了 Cursor。两周后你又回到了 Anthropic。发生了什么？我想我从没听过真实故事。

04:12这是我经历过最快的工作变动。我加入 Cursor，是因为我是这个产品的忠实粉丝。说实话，我见到团队后非常佩服。他们是一支很棒的团队，我现在仍然这么认为，他们正在构建非常酷的东西。他们比很多人更早看到了 AI 编程的发展方向。(00:04:33)：对我来说，构建优秀产品的想法很令人兴奋。但我一到那里就开始意识到，我真正想念 Anthropic 的是使命。这也是我最初加入 Anthropic 的原因：在加入之前，我在大型科技公司工作，后来我想去实验室，以某种方式帮助塑造我们正在构建的这个疯狂事物的未来。(00:05:00)：吸引我来到 Anthropic 的是使命，也就是安全。当你在 Anthropic 和人聊天，哪怕只是找走廊里的某个人，问他们为什么在这里，答案总会是：‘安全。’(00:05:11)：这种使命驱动的氛围非常打动我。我知道自己需要它才能快乐。无论工作多么令人兴奋，即使是在构建很酷的产品，也无法替代这一点。所以我很快就明确意识到自己缺少它。

05:35沿着你回到 Anthropic 以及在那里所做工作的线索继续。这个播客将在 Claude Code 发布一周年前后播出，所以我想花些时间回顾一下你的影响。最近 SemiAnalysis 发布了一份报告，我猜你看到了：现在 GitHub 上 4% 的提交由 Claude Code 编写，他们预测到今年年底，这一比例会达到 GitHub 所有代码提交的五分之一。(00:06:04)：他们的说法是：‘我们眨眼之间，AI 已经吞噬了全部软件开发。’就在我们录音当天，Spotify 刚刚发布标题，说他们最优秀的开发者自 12 月以来就没有写过一行代码，全靠 AI。(00:06:31)：越来越多最先进的资深工程师，包括你，都在分享自己已经不再写代码、代码全部由 AI 生成的事实，很多人甚至不再查看代码，事情已经发展到这种程度。这在很大程度上要归功于你一年前启动、后来由团队扩展的这个小项目。我想听听你回顾过去一年，以及你的工作产生的影响。

06:42这些数字太疯狂了，对吧？全球所有提交的 4% 远超我的想象。而且就像你说的，这感觉仍然只是开始。这些还只是公开提交，如果看私有仓库，我们认为比例会高得多。(00:06:56)：对我来说，真正疯狂的甚至不是现在的数字，而是增长速度。无论看 Claude Code 的哪个指标，增长都在加速，不只是上升，而是越来越快。(00:07:12)：我刚开始 Claude Code 时，它本来只是一个小实验。Anthropic 大体知道想发布某种编码产品。很长时间里，我们按照构建安全通用人工智能的思路来构建模型：模型先擅长编码，再擅长工具使用，然后擅长计算机使用，大致就是这条路线。(00:07:40)：我们已经做这件事很久了。我最初加入的团队叫 Anthropic Labs，Mike Krieger 和 Ben Mann 最近又重新启动了这个团队。(00:07:53)：团队做了很多很酷的东西：Claude Code、MCP、桌面应用。你能看到这套想法的种子：编码，然后工具使用，再到计算机使用。(00:08:03)：这对 Anthropic 很重要，因为涉及安全。AI 越来越强、能力越来越大。过去一年发生的事情是，至少对工程师来说，AI 不只是写代码，也不只是对话伙伴，它还会使用工具，在世界中行动。(00:08:23)：现在通过 Cowork，我们也开始看到非技术人员的转变。对许多使用对话式 AI 的人来说，这可能是他们第一次使用一个真正会行动的系统：它可以使用 Gmail、Slack，为你完成各种事情，而且做得相当好。未来只会越来越好。(00:08:42)：很长时间里，Anthropic 都觉得想构建某种东西，但具体是什么并不明显。我加入后花了一个月做实验，构建了一堆奇怪原型。大多数没有发布，甚至离发布还很远，只是为了理解模型能力的边界。(00:08:59)：然后我花了一个月做后训练，以理解研究侧的内容。作为工程师，我觉得要做好工作，必须理解自己所工作的那一层下面的那一层。传统工程中，如果你做产品，就要理解基础设施、运行时、虚拟机、语言以及所构建的系统。(00:09:23)：但做 AI 时，你必须在某种程度上理解模型，才能做好工作。所以我绕了一段路，随后回来制作最终成为 Claude Code 的原型。(00:09:36)：最初版本有一段视频记录。我当时称它为 Claude CLI，演示了它如何使用几个工具。最让我震惊的是，我给它一个批处理工具，它就能用这个工具写代码；当我问‘我正在听什么音乐？’时，它还能告诉我答案。(00:09:59)：最疯狂的是，我没有指示模型‘这个工具用于这件事’。模型得到了工具，自己想出了如何使用它来回答我甚至不确定它能否回答的问题：‘我正在听什么音乐？’(00:10:16)：于是我继续做原型，发了一篇文章，在公司内部宣布，结果只有两个赞。这就是当时的全部反应。因为人们想到编码工具时，会想到 IDE 和各种复杂环境，没有人认为它可以基于终端。这种设计方式很奇怪，也不是最初的意图。(00:10:43)：但我从一开始就把它做在终端里，因为前几个月只有我一个人，这是最容易构建的方式。对我来说，这是一个重要的产品经验：一开始应该适度投入资源。(00:10:58)：后来我们考虑过其他形态，但决定暂时坚持终端。最大的原因是模型改进太快，我们觉得没有其他形态能跟上它。(00:11:13)：过去一年 Claude Code 几乎占据了我的全部思考。深夜我会想：模型还在变好，我们该构建什么？怎样才能跟上？坦率说，终端是我唯一想到的答案。(00:11:31)：后来它开始流行。发布后很快在 Anthropic 内部成为热门产品，日活用户几乎垂直上升。Ben Mann 很早就提醒我做 DAU 图表，我说还早，现在就做吗？他说：做。(00:11:51)：图表很快就垂直上升。二月我们对外发布。人们可能不记得，Claude Code 刚发布时并没有立即成功。它获得了一些用户，有很多早期采用者立刻理解，但让所有人真正明白它是什么花了几个月，因为它太不同了。(00:12:15)：Claude Code 有效的部分原因，是它利用了潜在需求：把工具带到人们所在的地方，让现有工作流更容易。但因为它在终端里，也有点令人意外、陌生，所以用户必须保持开放心态并学习使用。(00:12:33)：现在 Claude Code 已经出现在 Claude 的 iOS 和 Android 应用、桌面应用、网站、IDE 扩展、Slack 和 GitHub 中，工程师所在的这些地方都能使用它，更加熟悉，但终端并不是从一开始就这样。(00:12:49)：最开始，人们甚至惊讶它有用。随着团队和产品成长、越来越多人使用，从小型初创公司到最大的公司都开始使用并反馈。(00:13:09)：回头看，这是非常谦逊的经历，因为我们不断从用户那里学习。最令人兴奋的是，没有人真正知道该怎么做，我们和所有人一起摸索。用户反馈是最好的信号。我被一次又一次地惊讶到了。

13:29今天的世界变化太快了。你一年前发布这个产品，当时并不是人们第一次用 AI 编程，但一年之内，软件工程师这个职业发生了巨大变化。过去人们预测‘AI 会写 100% 的代码’，大家会说不可能；现在却变成‘当然，事情正如他们说的那样发生了’。现在一切移动和变化都太快。

13:58确实非常快。2025 年 5 月的 Code with Claude 是 Anthropic 举办的第一次开发者大会。我做了一个简短演讲，问答环节有人问我年底的预测。我当时预测：到年底，编码可能不再需要 IDE，工程师可能不再这样工作。(00:14:20)：我记得现场明显倒吸一口气，因为这是个疯狂预测。但 Anthropic 的思考方式就是指数增长，这深深写进我们的 DNA。我们的联合创始人中有三位是 scaling laws 论文的前三位作者。(00:14:37)：我们确实用指数方式思考。如果看 Claude 编写代码的比例，沿着曲线推算，就很明显到年底会超过 100%，即使这完全不符合直觉。(00:14:51)：我只是沿着曲线推算。对我个人来说，11 月就发生了，现在仍是如此，许多客户也开始经历同样的事情。

15:01你刚才分享的旅程很有意思：先摆弄东西，看看会发生什么。OpenClaw 也经常出现类似情况：Peter 在玩，然后某件事发生了。AI 最大创新似乎都有一个核心因素，就是有人不断尝试，把模型推到大多数人还没推到的地方。

15:22这就是创新的特点。你不能强迫创新，也没有创新路线图。你必须给人空间，也许更准确的词是安全感：心理安全感，让人知道失败没关系，80% 的想法很糟糕也没关系。(00:15:36)：但也要让他们承担一定责任。如果想法不好，就及时止损、进入下一个，而不是继续投入。Claude Code 早期，我完全不知道它是否有用；甚至二月发布时，它只写了我大概 20% 的代码，五月也许是 30%，我当时大部分代码仍用 Cursor。(00:15:58)：直到十一月才超过 100%。这需要时间，但从一开始我就觉得它可能有东西，所以每天晚上、每个周末都在做。幸好妻子非常支持我。有时你找到一条线索，只能继续把它拉下去。

16:17所以现在你的代码 100% 都由 Claude Code 编写？这是你目前的编码状态吗？

16:23是的，我的代码 100% 由 Claude Code 编写。我本来就是高产的程序员，在 Instagram 工作时也是产出最高的几位工程师之一，在 Anthropic 也一样。

16:38即使你现在是团队负责人？

16:41是的，我仍然写很多代码。每天大约发布 10、20、30 个 PR。

16:47每天？

16:49每天。是的。

16:50天哪。

16:51100% 由 Claude Code 编写。我从 11 月以来没有手动编辑过一行代码。但我确实会看代码。我不认为现在可以完全不管，尤其是很多人同时运行程序时。必须确保代码正确、安全等等。(00:17:13)：我们还让 Claude 自动审查所有代码。在 Anthropic，Claude 会审查 100% 的 PR，之后仍有人工审查，但这些检查点很重要。仍然需要人看代码，除非只是不会运行的纯原型代码。

17:32下一个前沿是什么？现在你的代码 100% 由 AI 编写，显然整个软件工程行业都会走到这里。这曾经是疯狂的里程碑，现在却变成：当然，这就是世界。软件编写方式的下一个重大变化是什么？你的团队已经在做，或者你认为会走向什么方向？

17:54我认为现在正在发生的一件事是，Claude 开始提出想法。它会寻找反馈、查看漏洞报告和遥测数据，并开始提出修复漏洞和要发布的东西。它越来越像一个同事。(00:18:16)：第二件事是，我们开始稍微走出编码领域。现在可以说，对于我做的编程类型，编码基本已经被解决，因为 Claude 能够完成。所以我们开始思考：下一步是什么？之后是什么？(00:18:31)：有很多与编码相邻的事情，也有许多对我们普遍有用的事情。我现在每天使用 Cowork，自动完成大量完全无关编码的工作。(00:18:45)：比如前几天我需要缴停车罚单，就让 Cowork 完成。团队的项目管理也全部由 Cowork 处理，包括同步电子表格、在 Slack 发消息、发邮件等。(00:18:57)：所以我认为前沿大概是这个方向，而不是编码。编码基本已经解决，未来几个月我们会看到，各种代码库、各种技术栈的编码都越来越接近被解决。

19:14帮助你提出要做什么这件事非常有意思。很多听众是产品经理，可能已经开始冒汗。你如何使用 Claude 做这件事？你只是和它对话吗？有没有什么聪明方法帮助它提出要构建什么？

19:30最简单的方法就是打开 Claude 或 Cowork，把它指向一个 Slack 线程。我们有一个频道，里面是关于 Claude Code 的所有内部反馈。从 2024 年首次发布以来，那里一直像消防水带一样不断涌入反馈，效果非常好。(00:19:46)：早期只要有人发反馈，我就尽可能快地修复每一项，可能一分钟、五分钟就完成。这种快速反馈循环会鼓励人们提供越来越多反馈，因为它让人觉得自己的声音被听到了。(00:20:03)：通常使用产品时，反馈会掉进某个黑洞，再也没有回应。但如果让人觉得被听到了，他们就愿意贡献，愿意帮助产品变好。(00:20:13)：现在我仍然这样做，但很多工作由 Claude 完成。我把它指向频道，它会说：‘我能做这几件事，刚刚提交了几个 PR，要不要看一下？’我说：好。

20:25你有没有发现它在这方面进步很多？这是圣杯。现在构建已经解决，代码审查成了瓶颈，有这么多 PR，谁来审查？下一个重大问题是：人类现在还需要决定构建什么、如何排序优先级。你说 Claude Code 开始帮助你做这件事。随着 Opus 4.6，它进步很多吗？发展轨迹是什么？

20:50是的，进步很大。一部分是我们针对编码做的训练，世界上最好的编码模型还在不断变好，4.6 非常惊人；但我们在编码之外进行的训练也能很好地迁移。(00:21:07)：教会模型做 X，它可能会在 Y 上变好。收益非常惊人。Anthropic 过去一年大概把工程团队扩大了 4 倍，但每位工程师按 PR 计算的生产力提高了 200%。(00:21:31)：对任何从事开发者生产力的人来说，这个数字都疯狂得难以置信。我以前在 Meta 工作，负责公司代码质量，包括 Facebook、Instagram、WhatsApp。提高代码质量能提高工程师生产力，但过去数百名工程师花一年时间，也通常只能提高几个百分点。如今能看到数百个百分点的提升，完全不可思议。

22:06同样疯狂的是，这一切已经变得如此正常。我们听到这些数字，会想当然地认为 AI 就是这样做的。软件开发、产品构建和整个科技世界正在发生前所未有的变化，很容易习惯，但必须意识到这很疯狂。

22:25我有时也必须提醒自己。模型变化太快，这也有负面影响：我有时会陷入旧的思维方式。团队里的新人甚至应届毕业生，有时比我更以通用人工智能的方式思考。(00:22:53)：比如几个月前出现内存泄漏，Claude Code 内存使用量不断上升，最后崩溃。这是每个工程师都调试过上千次的常见问题。(00:23:07)：传统方式是获取堆快照，放进特殊调试器，使用专门工具分析发生了什么。(00:23:16)：我正在查看追踪记录时，团队里的新人直接让 Claude Code 做：‘Claude，听起来有泄漏，你能找出来吗？’Claude Code 做了和我一样的事情，获取堆快照，为自己写了分析工具，及时生成程序，找到问题并提交 PR，比我更快。(00:23:43)：所以长期使用模型的人也必须把自己带回当前时刻，不要停留在旧模型时代。它已经不是 Sonnet 3.5，新模型完全不同，思维方式也要改变。

24:03我听说你为团队制定了一些具体原则，新成员加入时会讲解。其中一条是：‘有什么比做一件事更好？让 Claude 做。’你刚才描述内存泄漏时，似乎正是忘记了这条原则：应该先问 Claude 能否解决。

24:21资源稍微不足时，会发生一件有趣的事：人们被迫让 Claude 参与。我们有时只给一个工程师负责一个项目，但他们仍然能快速发布，因为他们内在想做好工作。有好想法时，人自然想尽快实现，不需要别人强迫。(00:24:49)：有了 Claude，就能自动化大量工作，我们反复看到这种情况。所以原则之一是适度少投入。(00:25:01)：另一个原则是鼓励人们加快速度。如果今天能做，就今天做。早期团队只有我一个人，唯一优势就是速度，这是我们在拥挤的编码市场中竞争的唯一方式。(00:25:21)：现在团队仍然坚持这一原则。想更快，一个好方法就是让 Claude 做更多事情。

25:32‘资源不足’这个想法很有意思。通常人们觉得 AI 会让你不需要那么多员工或工程师。你的意思是，资源不足不仅让人更高效，如果一个项目人更少，实际上还能从 AI 工具中获得更多。

25:54是的。招聘优秀工程师，他们会找到办法，尤其是给他们授权。我经常和各公司的 CTO 讨论这个。我的建议通常是：不要一开始就优化或削减成本，先给工程师尽可能多的 token。Anthropic 让大家使用大量 token。(00:26:19)：有些公司也把无限 token 作为福利。我的确鼓励这样做，因为它让人可以自由尝试原本看起来太疯狂的想法。想法成功后，再考虑如何扩展和优化：也许用 Haiku 或 Sonnet 就够，不必用 Opus。(00:26:44)：但一开始应该投入很多 token，看想法能否成立，并给工程师自由。

26:49所以建议是对 token 成本宽松。听众可能会说：当然，你在 Anthropic 工作，当然希望我们尽量用 token。但你的意思是，最有趣、最创新的想法，往往来自有人把它推到极限，看看到底能做到什么。

27:08是的。小规模实验不会产生巨额账单。一个工程师进行实验时，token 成本相对于经营公司的其他成本通常很低。(00:27:27)：当事情扩大，比如构建出很棒的东西、消耗大量 token、成本变得很高时，才是优化的时机。不要过早优化。

27:37你见过 token 成本高于员工薪资的公司吗？你认为这是未来的趋势吗？

27:44在 Anthropic，我们开始看到一些工程师每月消耗数十万美元的 token，也开始看到其他公司出现类似情况。

27:58回到编码，你会想念写代码吗？作为软件工程师，这件事不再是你会做的事情，你会难过吗？

28:06很有意思。我学习工程是出于非常实际的原因：为了构建东西。我是自学的，大学学经济学，没有学计算机科学，但自己学会了工程。中学时我就开始编程。(00:28:26)：从一开始，它就是非常实用的。我学编程是为了数学考试作弊。这是第一件事……

28:33不错。

28:33……我们有图形计算器，我就编程……

28:36T83？TI83？

28:39是 T83+。对，就是。

28:40Plus。

28:41Plus。对。我把答案编进去，下一次数学考试，或者第二年，题目太难，我没法把所有答案都编进去，因为不知道题目是什么。所以我写了一个小求解器，让程序自动解代数题之类的问题。(00:28:58)：后来我发现可以用一根小线缆把程序传给全班同学，于是全班都得了 A，但我们被抓住了，老师让我们停止。不过从一开始……

29:08哇。

29:08对我来说，编程一直非常实用，是构建东西的方式，而不是终点。我曾经掉进编程之美的兔子洞，写过一本 TypeScript 书，因为爱上这门语言，也深入研究过函数式编程和其他内容。(00:29:36)：很多程序员会被这些东西分散注意力。编程和函数式编程、类型系统确实有美感，解决一个困难数学问题时会有兴奋感，平衡类型或让程序变得漂亮也类似。(00:30:01)：但这不是终点。对我来说，编码是做事的工具。不过不是每个人都这样。团队里有位工程师 Lena，周末仍然手写 C++，因为她就是享受手写 C++。(00:30:20)：每个人都不同。即使领域和一切都改变了，如果你愿意，仍然可以享受编程艺术，亲手做事情。

30:34你会担心作为工程师，技能会逐渐退化吗？这是你担忧的事情，还是你觉得事情本来就会这样发展？

30:41我觉得这就是事情发生的方式，我个人不太担心。编程处在一条连续谱上。软件其实很新：今天使用运行在虚拟机上的软件来写程序，大概从 1960 年代开始，只有 60 年左右。(00:31:06)：在那之前是打孔卡，再之前是开关，再之前是硬件，更早则是纸笔，整间屋子的人在纸上做数学。(00:31:16)：编程一直这样改变。有时仍然要理解‘下一层’，因为这会让你成为更好的工程师。我觉得未来一年左右可能仍然如此，但很快这可能不再重要，可能只剩下程序底层运行的汇编代码。(00:31:36)：在情感上，我一直习惯学习新东西。对程序员来说，这并不新鲜，因为总有新框架、新语言。我们已经很适应。但对有些人来说，这会带来失落、怀旧或技能退化的感觉。

32:00你看到 Elon 的说法了吗？为什么 AI 不直接把二进制写成二进制？最终为什么还需要这些编程抽象？

32:12这是个好问题。如果你想，它完全可以这么做。

32:15所以关于‘我应该学编程吗？学校里的学生应该学吗？’我的理解是，你认为一两年后其实不需要了。

32:27我的看法是，现在使用 Claude Code 或智能体编程的人仍然需要理解下面那一层，但一两年后可能不再重要。(00:32:40)：我在想历史上有什么类似转变。最接近的类比可能是印刷术。1400 年代中期的欧洲，识字率很低，只有不到 1% 的人，也就是抄写员，负责读写。他们受领主和国王雇佣，而后者往往自己不识字。(00:33:18)：古腾堡和印刷术出现后，短短 50 年内，印刷材料比此前一千年产生的还多。印刷材料数量大幅增加，成本在接下来 50 年下降了约 100 倍。(00:34:00)：识字率的提升更慢，因为学习读写很难，需要教育体系、空闲时间，以及不必整天在农场工作。之后 200 年，全球识字率升到 70%。(00:34:33)：历史文献中有一位 1400 年代的抄写员谈印刷术：他很兴奋，因为不喜欢的工作是书本之间的抄写，喜欢的是给书画艺术、装订书籍；印刷术让他解放了时间。作为工程师，我有类似感觉：不用再做繁琐编码，能更多关注构建什么、与用户交流、思考大系统和未来，以及和团队协作。

35:07更令人惊讶的是，你构建的工具让任何人都能这么做，没有技术经验的人也能完成。我最近做了很多小项目，卡住时只要说‘帮我解决’，它就能让我继续。早年做工程师时，我大量时间花在库、依赖和各种问题上，而现在只要请求帮助，就会得到一步步的解决方案。

35:39完全如此。我今天和一位工程师聊天，他写了一个服务，已经做了一个月，运行得很好。我问他感觉如何，他说：‘我仍然不太懂 Go。’如果你知道程序正确、高效地运行，就不必了解所有细节。

36:02软件工程师的生活已经剧烈变化，过去一两年里这几乎成了全新的工作。你觉得 AI 下一步最影响什么角色？科技行业里可能是产品经理、设计师，或数据科学家；甚至科技行业之外，你认为 AI 下一步会走向哪里？

36:23我认为会影响许多与工程相邻的角色：产品经理、设计师、数据科学家，最终几乎所有能在电脑上完成的工作，因为模型会越来越擅长。(00:36:44)：Cowork 是进入这一领域的第一个产品，但只是第一个。它把智能体 AI 带给此前没使用过的人，让人第一次感受到它。工程领域一年前还没人真正理解智能体，现在它已经成了工作方式。(00:37:04)：今天的非技术或半技术工作，例如产品和数据科学，使用的通常仍是对话式 AI，也就是聊天机器人。但人们还没真正使用智能体，这个词被滥用到失去意义。(00:37:26)：智能体有明确技术含义：能够使用工具的大语言模型。它不只是对话，还能行动、与系统交互，使用 Google Docs、发邮件、在电脑上运行命令。(00:37:46)：任何使用这类电脑工具的工作都可能受到影响。这是社会和行业必须解决的问题，也是我认为在 Anthropic 做这项工作很重要、很紧迫的原因。我们有经济学家、政策人员和社会影响团队，希望社会共同决定该怎么做，因为这不应该由我们单独决定。

38:19你暗示的重大问题是工作和失业。有人提出 Jevons 悖论：因为能做得更多，反而会雇更多人，情况没有看起来那么可怕。AI 成为工程工作重要部分后，你有什么经验？你们是否比没有 AI 时招聘更多？对就业有什么看法？

38:41我们的团队正在招聘。如果你感兴趣，可以去 Anthropic 招聘页面看看。对我个人来说，一切让工作更有乐趣。我从来没有像今天这样享受编码，因为不必处理琐碎细节。(00:39:00)：很多客户也这么说，他们喜欢工具和 Claude Code，因为它让编码再次令人愉快。(00:39:14)：但很难知道未来会怎样。印刷术是很好的历史类比：读写曾被少数人掌握，后来变得人人可用，天然具有民主化作用。文艺复兴之所以可能，也与知识传播、书面记录和交流有关。(00:39:54)：关键是它接下来会带来什么。我对乐观版本很兴奋：几年后，每个人都能编程，任何人随时都能构建软件，但没人知道这会解锁什么，就像 1400 年代的人无法预测今天。(00:40:15)：不过与此同时，它会造成巨大颠覆，让很多人痛苦。社会必须共同讨论并解决这个问题。

40:42对于想在即将到来的巨大动荡中取得成功的人，你有什么建议？是玩 AI 工具、熟练掌握最新技术，还是还有别的？

40:58是的，基本就是这些。使用工具、了解工具，不要害怕，直接深入、尝试，站在最前沿。(00:41:08)：第二条建议是，比过去更努力成为通才。很多学计算机科学的人只学编码，很少学其他东西，可能只学一点系统架构。(00:41:25)：但我每天合作的高效工程师、产品经理等，都会跨学科。在 Claude Code 团队，所有人都写代码：产品经理、工程经理、设计师、财务人员、数据科学家，每个人都写。(00:41:43)：很多优秀工程师也是混合型：产品和基础设施兼具，或有很强设计感的产品工程师，也能做设计；或者对业务有感觉，能决定下一步；或者喜欢和用户交流，能提炼用户需求。(00:42:10)：未来几年最受奖励的人，不只会使用 AI 工具，也不只是 AI 原生。他们还要有好奇心、成为通才、跨越多学科，思考更广泛的问题，而不只是工程部分。

42:29你觉得工程、设计、产品管理这三个独立职能仍然有用吗？即使他们现在都会写代码、参与思考构建什么，你认为这是长期存在的三个角色吗？

42:46短期内会存在，但我们开始看到这些角色可能有 50% 重叠，很多人实际上做着相同的事情，同时各自有专长。例如我写更多代码，我们的产品经理 Kat 做更多协调、规划和预测。

43:04利益相关者对齐。

43:06对，利益相关者对齐。我认为到今年年底，这些职能会变得更模糊。在一些地方，‘软件工程师’这个头衔会消失，被‘构建者’取代；或者每个人都会成为产品经理，每个人都会写代码。

43:26谁说招聘必须公平？我最近接触的每位创始人和招聘经理都感受到同样压力：尽快招聘最优秀的人，但招聘耗时、达成共识困难，优秀人才竞争越来越激烈。(00:43:43)：所以 ElevenLabs、Brex、Replit、Deal 以及其他 5,000 多个组织使用 Metaview。这家 AI 公司让高绩效团队在招聘中获得真正不公平的优势。它提供一套像招聘同事一样工作的 AI 智能体：根据确切标准寻找候选人，自动记录面试笔记，汇总整个招聘流程的洞察，帮助识别候选人池中最优秀的人。(00:44:11)：AI 处理招聘琐事并提供真实信息源，让团队专注最重要的事：赢得合适候选人。不要让竞争对手在招聘上超过你。Metaview 客户完成招聘的速度快 30%。访问 Metaview.AI/Lenny 免费试用，并获得额外一个月的候选人搜寻服务。网址是 M-E-T-A View dot AI slash Lenny。(00:44:38)：你说自己更享受编码。我在 Twitter 做过一个非正式调查：问工程师、产品经理和设计师采用 AI 工具后工作更开心还是更不开心。工程师和产品经理中，70% 说更开心，约 10% 说更不开心；设计师只有 55% 说更开心，20% 说更不开心。这个差异很有意思。

45:11这很有意思。我想和两边的人都聊聊，了解原因。你有跟进他们吗？

45:20有几个人回复了，我们还会做后续调查，放在节目说明里继续深入。工作变得更有趣或更无趣有很多因素。设计师没有分享太多自己为什么变得不开心的内容，所以我也很好奇发生了什么。

45:37我在 Anthropic 看到了一些情况。公司里大家技术能力都比较强，这是招聘时考察的内容，非技术职能也会经过很多技术面试。(00:45:53)：我们的设计师大多会写代码，所以他们似乎更享受现在的工作：不用再麻烦工程师，可以直接写代码。有些以前不会编码的设计师也开始写，对他们来说很好，因为能自己解除阻塞。(00:46:12)：但我很想听更多人的经历，因为我猜并不是所有人都一样。

46:18如果你正在听，发现工作变得没那么有趣，可以留言。你说的和我听到的多数情况是，70% 的产品经理和工程师更喜欢自己的工作。如果你属于另一类，可能正在发生某些事情。

46:32人们使用的工具也不同。比如设计师更多使用 Claude 桌面应用来写代码：下载桌面应用，旁边有代码标签页和 Cowork，功能与 Claude Code 相同。这样不用打开很多终端，却能获得 Claude Code 的能力，还可以并行运行任意多个 Claude 会话，我们称之为 multi-Claude-ing。(00:47:04)：这对非工程师更自然，核心还是把产品带到人们所在的地方。不要要求他们改变工作流或学习全新东西；让现有工作稍微容易一点，产品就会更好，也更令人愉快。(00:47:23)：这就是潜在需求原则，我认为是产品中最重要的原则。

47:29你能具体谈谈吗？我本来就想问。请解释这个原则，以及释放潜在需求后会发生什么。

47:37潜在需求是指：如果你构建的产品可以被人以非预期方式改造或使用，去做他们想做的事情，这会帮助产品构建者了解下一步该把产品带向哪里。(00:47:55)：例子是 Facebook Marketplace。团队经理 Fiona 曾是 Marketplace 的创始经理，她经常讲这个故事。大约 2016 年，Facebook 观察到群组中 40% 的帖子都在买卖东西。(00:48:17)：人们在‘滥用’ Facebook 群组进行买卖。这不是安全意义上的滥用，而是产品设计本来不是为此，但用户找到了有用的用法。(00:48:29)：因此很明显，如果构建一个更好的买卖产品，人们就会喜欢。先是买卖群组，后来是 Marketplace。Facebook Dating 也有类似起点：Facebook 上 60% 的个人主页浏览来自互不认识、且性别相反的人，用户在互相‘窥探’，于是可以构建约会产品。(00:49:11)：Cowork 也来自潜在需求。过去大约六个月，很多 Claude Code 用户并不用它编码：有人用它种番茄，有人分析基因组，有人从损坏硬盘恢复婚礼照片，还有人分析 MRI。(00:49:43)：这些都是非技术用例，人们为了完成这些事不得不绕道使用终端。于是很明显，我们应该为他们构建产品。(00:49:55)：去年五月左右，我在办公室看到数据科学家 Brendan 打开 Claude Code 终端，震惊地问他在做什么。他学会了打开终端、下载 Claude Code，并在终端做 SQL 分析。第二周所有数据科学家都这样做。(00:50:36)：当用户以产品未设计的方式使用它来完成有用事情时，这是非常强的信号：应该构建一个专门面向这个需求的产品。(00:50:50)：潜在需求还有第二个维度。传统理解是观察用户在做什么，让事情更容易；现代理解是观察模型想做什么，让事情更容易。(00:51:10)：早期人们常把模型放进一个盒子，规定应用做什么、模型负责什么工具。但 Claude Code 反过来：产品就是模型，只加最少的脚手架和工具，让模型自己决定运行哪些工具、按什么顺序运行。(00:51:41)：这源自对模型潜在需求的观察。研究中叫作保持在分布内；产品上，潜在需求就是把同一个概念应用于模型。

51:55你之前谈到 Cowork。它最初是 10 天构建出来的，这太疯狂了。

52:02是的。

52:02它发布后很快被数百万人使用，10 天做出这样的产品。除了‘我们用了很多代码构建它’，还有什么故事吗？

52:14Claude Code 发布时并没有立即成功，后来经历几个增长拐点：Opus 4 后、11 月后，增长曲线越来越陡。早期很多人不会用，也不知道它有什么用，模型也还不够好。Cowork 发布后则立即成功，主要来自团队，以及对人们用 Claude Code 做非技术工作的观察。(00:52:55)：团队尝试了几个月，最终决定把 Claude Code 放进桌面应用。10 天内，他们用 Claude Code 构建了 Cowork，其中包含复杂安全系统和护栏，确保模型正确工作、不偏离轨道。(00:53:30)：产品很早发布，边缘仍然粗糙，但这正是学习方式：产品和安全都需要早点发布，获得反馈、与用户交流、理解需求，再决定未来方向。

54:05这一点很有意思。过去一直有‘尽早发布、从用户学习、获得反馈、迭代’的说法。但 AI 的独特之处是，你甚至很难知道它能做什么，以及人们会怎样使用它，所以更有理由早发布，看看这种未知产品中的潜在需求。

54:30对 Anthropic 这个安全实验室来说，还有安全这一层。研究模型安全有三层。最低层是对齐和机制可解释性：训练模型时确保安全，我们已经有相当复杂的技术理解神经元发生了什么。(00:54:52)：例如，如果有与欺骗相关的神经元，我们开始能够监测其激活。这是最低层。(00:55:05)：第二层是评测，在实验室环境中把模型放进‘培养皿’，设置合成情境，观察它是否做正确、安全且对齐的事情。(00:55:17)：第三层是观察模型在真实世界中的行为。模型越复杂，这越重要，因为它可能在前两层表现很好，第三层却不理想。(00:55:30)：我们很早发布 Claude Code，就是为了研究安全。对外发布前，我们在 Anthropic 内部使用了四五个月，因为这是当时第一个大型智能体，也是第一个广泛使用的编码智能体，我们不知道它是否安全。(00:55:51)：自那以后，我们学到了很多对齐和安全知识，并放回模型和产品。Cowork 也类似：它在新环境中承担非工程任务，是代表用户行动的智能体。对齐和评测都很好，内部和少数客户测试也好，现在必须确保它在真实世界安全。(00:56:21)：所以我们早发布并称为研究预览版。持续改进是长期确保模型对齐、做正确事情的唯一方式。

56:33你所在的领域竞争激烈、节奏极快，同时又担心 AI 逃逸并造成伤害。听起来你们有三层安全方法：观察模型思考和行动，进行评测测试，以及早发布。第一层尤其有意思：你们有可观测性工具，可以查看模型内部如何思考、将走向哪里。

57:16你应该找 Chris Olah 来聊，他是这个领域的专家，创立了机制可解释性。模型本质上是相互连接的神经元。就像研究人脑或动物大脑一样，可以从机制层面研究神经元在做什么。(00:57:33)：模型神经元不等同于动物神经元，但很多行为相似。我们已经了解到神经元如何工作、某个神经元映射哪个概念、概念如何编码，以及模型如何规划、提前思考。(00:58:03)：过去我们不确定模型只是预测下一个 token，还是做更深层的事情。现在有较强证据表明它确实在做更深的事情。随着模型变大，一个神经元不再只对应一个概念，一个神经元可能对应十几个概念；和其他神经元一起激活时，就是‘超位置’，共同表示更复杂概念。(00:58:50)：Anthropic 存在的原因就是让这项工作安全、对世界有益。我们公开了很多研究，希望激励其他实验室安全地推进。Claude Code 也采用‘向上竞赛’原则：我们发布了开源沙箱，让智能体在边界内运行，不能访问系统所有内容，而且它适用于其他智能体，不只是 Claude Code。

59:37我注意到工程师和产品经理使用智能体时会焦虑：智能体卡住、没有回答，就感觉损失了大量生产力，想赶紧让它重新运行。你有这种感觉吗？团队有吗？这是需要关注的问题吗？

60:11我一直运行很多智能体，目前有五个。醒来后会立即启动一些，比如在手机 Claude iOS 应用的代码标签里让智能体做事情，因为我想确认昨天写的代码是否正确。(01:00:29)：我个人没太焦虑，因为智能体一直在运行，也不再被终端绑定。现在大约三分之一代码在终端，三分之一在桌面应用，三分之一在 iOS 应用。2026 年我没想到会这样。

61:03你仍然把这叫作编码，实际上就是告诉 Claude Code 你想要什么，让它为你编码。现在编码变成描述需求，而不是亲自写代码。

61:16我想知道，以前用打孔卡编程的人看到软件时会怎么想。

61:22不是很棒吗？

61:24我读过早期 ACM 杂志的一些内容，里面有人说这不是同一件事，不是真正的编码，而是另一种编程。(01:01:39)：我的家族来自苏联，我出生在乌克兰。祖父是苏联最早的程序员之一，用打孔卡编程。母亲说，小时候祖父会把成摞打孔卡带回家，她用蜡笔在上面画画。(01:02:08)：对祖父来说那就是编程，但他从未看到软件转型。转型发生后，上一代程序员可能也会说：这不是真正的编码。(01:02:23)：但这个领域一直在这样变化。

62:27我想你不知道，我也是在乌克兰出生的。

62:30我不知道。是吗？

62:31是的。

62:32哪个城市？

62:32我来自敖德萨。

62:34我也是。

62:35什么？

62:36是的，太巧了。

62:39哇，太不可思议了。也许我们有某种微小联系。

62:44是的。

62:44你和家人哪一年离开？

62:48我们 1995 年来的。

62:50我们 1988 年离开，早一些。如果没有离开故乡，人生会完全不同。

62:57我每天都觉得很幸运，能在这里长大。

63:02是的。每当家人举杯或吃饭时，都会说：为美国干杯。好吧，关于这个已经够多了。但真正想想人生可能是什么样，就会明白。

63:12是的，我们也会这样祝酒，不过喝的还是伏特加。

63:16还是伏特加，Absolut。好，我再问几个问题。你分享过如何充分利用 AI、构建 AI、构建优秀 AI 产品的建议。其中一条是给团队尽可能多的 token，让他们自由实验；另一条是面向模型将要走向的方向构建，而不是面向它今天的状态。对于构建 AI 产品的人，你还有什么建议？

63:43我还会分享几件事。第一，不要把模型限制在盒子里。很多人构建模型应用时，会试图让它以非常具体的方式运行，把它当成更大系统中的一个组件。(01:03:56)：例如给模型叠加严格工作流：必须第一步、第二步、第三步，再用复杂编排器控制。(01:04:06)：但现在通常效果更好的是给模型工具和目标，让它自己解决。一年前可能需要很多脚手架，如今不太需要。(01:04:16)：可以把原则理解为：不要问模型能为你做什么，而要思考如何给模型工具去完成事情。不要过度策划，不要把它关进盒子，不要一开始塞给它大量上下文，而是给它工具，让它自己获取需要的上下文，通常会得到更好结果。(01:04:37)：第二个、更普遍的原则是‘苦涩的教训’。团队一直参考这篇大约十年前的文章。核心是，更通用的模型总会超过更具体的模型。(01:05:06)：所以长期应押注更通用的模型。不要总用小模型，也不要急着微调，除非有明确原因。脚手架可能提升 10% 或 20% 的表现，但下一代模型常会抹平这些收益。(01:05:50)：最后，Claude Code 从一开始就面向六个月后的模型构建，而不是今天的模型。早期模型写的代码很少，因为 Sonnet 3.5 等模型还不够擅长编码。产品的下注是：最终模型会好到能写大量代码。Opus 4 和 Sonnet 4 出现后，我们看到拐点，增长开始指数上升。(01:06:56)：我给创业者的建议是：前六个月产品市场匹配可能不太好，但如果面向六个月后的模型构建，模型出现时就能立即起跑，产品会突然运转起来。

67:15当你说面向六个月后的模型构建时，你认为人们可以假设什么？只是模型会普遍变好，还是说现在已经‘差不多够好’，说明它可能会在某件事上变好？有什么建议吗？

67:30这是个好方法。在 AI 实验室里，我们能看到它具体会如何变好。

67:36是的。

67:37我们会谈论其中一些方向。模型会越来越擅长使用工具和计算机，这是我会下注的方向。(01:07:49)：它也会越来越擅长长时间运行。大约一年前，Sonnet 3.5 运行 15 或 30 秒就可能偏离轨道，复杂任务需要人不断引导。(01:08:13)：现在 Opus 4.6 平均可以无人看管运行 10、20、30 分钟，我可以再启动另一个 Claude。它们还能运行数小时、数天，有些案例甚至持续数周。(01:08:31)：未来模型长时间运行会越来越正常，你不必再坐在那里照看。

68:39你刚讲了构建 AI 产品的建议。对于第一次使用 Claude Code 的人，或想用得更好的人，有哪些专业技巧？

68:51先说明，没有唯一正确的 Claude Code 用法。这是开发工具，开发者偏好、环境都不同，必须找到自己的路径。(01:09:08)：幸运的是，可以直接问 Claude Code，它能给建议、修改设置，也了解自己。(01:09:17)：第一，使用最强模型，目前是 Opus 4.6，我一直开启最大努力。有些人使用更便宜的 Sonnet，但由于智能程度低，完成同一任务可能消耗更多 token。最强模型可能反而更便宜，因为它更快完成、需要更少修正和引导。(01:09:51)：第二，使用计划模式。我约 80% 的任务从计划模式开始。它很简单，只是在提示中加入一句‘暂时不要写代码’。(01:10:11)：终端用户按两次 Shift-Tab，桌面和网页有按钮，手机也即将支持，Slack 集成已经支持。模型会和你来回讨论，计划满意后再执行。计划看起来正确时，我会自动接受编辑，Opus 4.6 几乎总能第一次做对。(01:10:42)：第三，尝试不同界面。Claude Code 支持终端、Mac、Windows，也支持 iOS、Android、桌面应用和 Slack。找到适合自己的形式即可，不必使用终端，所有地方运行的是同一个 Claude 智能体。

71:15最后几个问题。你怎么看 Codex？对这个产品及其发展方向有什么看法？在竞争激烈的编码智能体领域，你怎么看竞争？

71:30我其实没怎么用过，发布时可能用过一次。它看起来很像 Claude Code，这让人受宠若惊。更多竞争是好事，用户应该可以选择，也会迫使大家做得更好。(01:11:49)：但我们团队专注解决用户问题，不会花很多时间研究竞品，也不怎么试其他产品。知道它们存在就够了。(01:12:03)：我喜欢和用户交流、改进产品、根据反馈行动，归根结底就是构建好产品。

72:13最后一个问题。我和 Anthropic 联合创始人 Ben Mann 聊过该问你什么，他给了很多建议，其中一个是：AGI 之后你的计划是什么？你认为 AGI 到来后会做什么、过怎样的生活？无论 AGI 意味着什么。

72:30加入 Anthropic 之前，我住在日本乡村，生活方式完全不同。我是镇上唯一的工程师，也是唯一说英语的人。每周骑几次自行车去农贸市场，经过稻田，生活节奏与旧金山完全相反。(01:12:54)：我喜欢的一点是，我们通过交换腌菜认识邻居、建立友谊。镇上人人都会做味噌和腌菜，我也逐渐很会做味噌，做了很多批，现在仍然制作。(01:13:18)：味噌教你进行长期思考，这和工程非常不同。一批白味噌至少要三个月，红味噌则要两三年甚至四年，必须非常有耐心。

73:31哇。

73:32把材料混合后放在那里，必须耐心等待。我喜欢这种长期技能。AGI 之后，或者如果我不在 Anthropic，我可能会做味噌。

73:46我喜欢这个答案。Ben 让我问你和味噌的故事，现在答案很棒。未来可能就是深入研究味噌、成为味噌高手。Boris，这次对话太精彩了。我感觉我们现在像乌克兰兄弟。进入快速问答前，还有什么想分享、留给听众或想强调的吗？

74:18我想强调 Anthropic 从一开始的思路：先从编码到工具使用，再到计算机使用。这是我们理解模型发展和构建模型的方式，也是学习、研究和改进安全性的方式。(01:14:40)：Claude Code 现在成为数十亿美元业务，我的朋友都在使用并不断发短信谈论它，这很令人惊讶。我们没想到它会成为这个产品，也没想到从终端开始。(01:15:04)：但从另一个角度完全不意外，因为这一直是公司的信念。现在仍然很早：世界上大多数人还没有使用 Claude Code，大多数人还没有使用 AI，感觉只完成了 1%，未来还有很多事情。

75:21看到你们公布的数字，这很疯狂。你们刚刚筹了巨额资金，我认为 Claude Code 单独就有 20 亿美元收入，Anthropic 的收入数字可能是 150 亿美元。想到现在仍然如此早期，以及我们看到的这些数字，太不可思议了。

75:42Claude Code 的增长来自用户。大家使用、喜爱并反馈问题和需求；持续使用、讨论和反馈是产品不断改进的唯一原因。我最喜欢和用户交流、为他们改进产品。

76:09以及制作味噌。

76:11味噌还没什么进展，只能等待。

76:14那就只能等待。我们进入快速问答，你准备好了吗？

76:23开始吧。

76:24你最常推荐哪两三本书？

76:29我推荐《Scala 函数式编程》。这是我读过最好的技术书。你可能不会使用 Scala，但函数式编程和类型思维很优雅，这就是我的编码思路。

76:29哇。

76:51可以把它看作历史文物，也可以看作……

76:51一本冷门佳作。

76:54……一本能让你升级的书。

76:56我喜欢这本从未被提到的书。

76:59第二本是 Stross 的《加速世界》。我主要读科幻。它节奏越来越快，捕捉了这个时代的速度：从接近奇点开始，几十年后变成围绕木星运行的集体龙虾意识。还推荐刘慈欣的《流浪地球》。他的短篇比《三体》更打动我，中国科幻有不同于西方的视角，作品非常有趣、优美。

78:15科幻帮助我们思考未来，提供了‘我读过类似世界’的模型。

78:24我住在日本乡村时思考长期技能，也读了很多科幻。我知道事情可能怎样发展，希望帮助它走得更好，所以加入了 Anthropic，Ben Mann 也影响了我。

79:17我想专门做一期节目聊你从日本到 Anthropic 的旅程。你读过《深渊上的火》吗？

79:32是 Vinge 的？

79:33是的。

79:34很棒。

79:34从 AI/AGI 角度看很有意思，很少人读过。

79:42我也很喜欢《天渊》，应该是续集，对吧？

79:42是的。

79:50是的。

79:52这本书很长、很复杂，但非常好。快速问答继续：你最近喜欢的电影或电视剧是什么？

79:59我基本不看电视或电影。最近很喜欢 Netflix 的《三体》，觉得它很好地呈现了原著。

80:12AI 领导者的共同点是没时间看电视。你最近发现并喜欢的产品是什么？

80:22我要推荐 Cowork。它一直运行，真正改变了我的生活，Chrome 集成尤其好。它替我缴交通罚单、取消订阅，解决了大量琐事。我还喜欢 Ben 和 David 的 Acquired 播客，它把商业史讲得很生动，建议从 Nintendo 那期开始。

80:51当然。

80:52是的，Acquired 很棒。

81:08Cowork 可以根据文字要求启动 Chrome、登录、填写表格。有人休假时，你们用它填写复杂医疗表格。

81:30一年前模型还做不到，现在真的能工作。很多人没用过智能体，所以不理解它；它很像一年前的 Claude Code，但增长更快。

81:55Chrome 扩展可以让 Claude 看着浏览器，执行操作、解释和总结页面。

82:08初次使用 Cowork，先让它使用工具：清理桌面、总结邮件、回复邮件。然后连接工具，例如把邮件放进表格。我用它做项目管理：每周一，它会自动在 Slack 提醒没填状态的工程师。还可以并行运行多个 Claude，去喝咖啡等待。

82:52哇。

82:52一个提示就能完成全部工作，也可以并行启动多个任务。

83:09节目说明会链接很多原来用 Claude Code、现在可以用 Cowork 完成的非技术用例。例子能让人意识到它还能做什么。

83:27你的‘Claude Code 的 50 个非技术用例’曾被我们用来评测 Cowork。它能完成 50 项中的 48 项时，我们认为已经很好。

83:46哇，我成评测了。

83:53是的。

83:55我对 AI 的未来有价值了。

84:01这是反向突破。

84:05还有两个问题。你常想起的人生格言是什么？

84:14运用常识。很多失败来自不思考就遵循流程、继续糟糕产品或想法。最好的结果来自第一性原理和自己的常识；如果某件事闻起来不对，通常不是好想法。

84:46你最近更活跃地使用 Twitter/X，为什么？体验如何？

85:06我曾长期只用 Threads，因为参与构建过它，也喜欢它干净的设计。

85:14是的。

85:15我开始使用 Twitter 是因为无聊。十二月我和妻子在欧洲旅行，每天写代码。后来没想法了，就打开 Twitter，看到有人讨论 Claude Code，开始回复并寻找漏洞反馈。

85:21你是说开始使用 Twitter。

85:23是的。用户惊讶于我们处理反馈的速度；只要描述清楚，Claude 几分钟内就能修复漏洞。我很喜欢与用户互动，了解需求、漏洞和功能。

86:38我看到你前几天在 Twitter 上发了很多帖子，结果系统坏了。

86:45是的，有一个漏洞，希望已经修好了。

86:49Boris，谢谢你。大家在哪里能找到你？听众如何帮助你？

87:00在 Threads 或 Twitter 找我。请 @ 我，发送漏洞、功能请求和改进建议，我很喜欢听这些。

87:16谢谢你，Boris。

87:18谢谢，Lenny。

87:20大家再见。感谢收听。如果觉得节目有价值，可以订阅、评分或评论。往期节目和更多信息见 LennysPodcast.com。