Claude Code 再次迎来重大更新——这次将「后台自动执行」设为了默认模式。

不久前，Claude Code 的创造者 Boris Cherny 在 X 平台上透露：下一版 Claude Code 中，子智能体将默认在后台运行。你可以一边与 Claude 对话，一边让它替你处理繁琐任务；若想让某个智能体在前台运行，只需跟 Claude 说一声即可。

仅这一句话，就让众多开发者恍然大悟：Claude Code 正从「一问一答的交互界面」转型为「能同时协调多条任务线的工作流引擎」。

当你还在与 Claude 讨论架构方案时，子智能体已在后台完成了代码重构、测试运行，甚至提交了 PR。你只需要在聊天结束后，扫一眼结果即可。

听起来像科幻？但这正是 Boris Cherny 的日常——他已经连续八个月没有手动写过一行代码，某些日子里他甚至同时管理着数千甚至上万个 AI 智能体。

「你不再是那个为 Claude 撰写提示的人了，」他说道，「撰写提示的是另一个 Claude。」

已有网友体验了这一功能，并直言“太关键了”——可以在等待智能体处理时不再无聊，同时为下一步行动做出规划。

Claude Code 发展迅猛

回顾 Claude Code 在过去半年的演进路径，「后台子智能体」并非凭空冒出的噱头，而是水到渠成的必然步骤。

Boris Cherny 在创造 Claude Code 时秉持的设计理念是：不只是聊天工具，而是基础设施。

今年 4 月，Anthropic 首先将「定时任务」打造成官方能力：Routines。你可以将一个 prompt、一个代码仓库以及一组 connectors 打包成固定的工作流程，使其按小时、夜间或每周触发，也能通过 API 调用、GitHub 事件乃至外部 Webhook 启动运行。更关键的是，它运行在 Anthropic 托管的云端基础设施上——即使合上电脑，智能体依然持续工作。

这意味着，cron 和 hooks 回来了，只不过这一次，定时执行的并非脚本，而是一群能够读取代码、修改代码并提交 PR 的 AI 工人。工程师的角色也随之转变：以往是睡前关电脑，第二天继续写代码；如今是睡前派遣一批智能体，早上起来审核一批 PR。

5 月底，Claude Code 又向前迈进了一步：Dynamic workflows。对于大型迁移、全库审计、复杂研究等单个对话框无法承载的任务，你只需在提示词中说明「use a workflow」或启用 ultracode，Claude 便会为当前任务生成一段编排脚本，在后台调度数十到上百个子智能体分阶段推进、并行交叉验证，最终将结果整合为一份报告或一批改动。

这已经超越了「一个 AI 写代码」的范畴，而是「一个 AI 编写剧本，一群 AI 按剧本开工」。

而如今，「后台子智能体默认运行」这一更新，本质上是将上述所有能力打包成了一个开箱即用的默认行为：你无需手动指示「去后台运行」，它天生就在后台执行。你只需专注于真正重要的事情——思考下一步行动。

一名工程师变身三名

Claude Code 究竟有多强？最具说服力的不是 Demo，而是 Anthropic 自身被「反噬」的经历。

VentureBeat 在 6 月 27 日发布了一篇重磅文章，标题直截了当：Claude Code 将每位工程师的效能提升至三倍。如今公司更需要产品思考者。

Anthropic 近期告知其增长团队：多招聘产品经理，而非工程师。原因很简单——Claude Code 已将工程团队的实际产出提升至人数的三倍。一个五人团队，如今能完成十五到二十人的工作量。

瓶颈已不在编码层面，而在于「决定编写什么代码」的人。传统上，产品经理与工程师的比例约为 1:8。如今每位工程师的日产出翻了三倍，这一比例在实际效果上变成了 1:20。PM 来不及为工程师分配任务——工程师写完代码后只能等待需求，这种场景想想都觉得荒诞。

Spotify 2000 万行代码由 Claude 接管

最能说明「后台子智能体」威力的，是 Spotify 的真实案例。

Spotify 工程副总裁 Niklas Gustafsson 在与 Boris Cherny 的访谈中披露了一组数据：Spotify 每天生产环境部署约 4500 次，73% 的拉取请求由 AI 辅助完成，PR 频率直接提升 75% 以上。

他个人的日常工作方式是：同时开启 5 到 10 个 Claude 会话，每个对应一个独立的 git 工作树，让多个智能体在后台并行处理，自己只负责审查 diff 并做出决策。这一切发生在一个超过 2000 万行代码的超级单体仓库中。

Niklas 坦言自己原本担心代码库规模过大，智能体会迷失方向。结果却出奇地顺畅——Claude 甚至能从仓库中其他代码里「汲取灵感」，了解该如何编写代码。

他给同行的建议听起来并不华丽，但极其务实：代码库越一致、工具链越统一，Claude 的表现就越出色。同一件事在仓库中存在十种写法，Claude 也会随之困惑。这与过去十几年提升人类工程师效率的逻辑如出一辙，只是现在多出了 AI 这个新角色。

更值得关注的是，Spotify 将这套能力开放给了非工程师群体。他们构建了一套基础设施，让产品经理、设计师——任何人都能用自然语言描述一个想法，Claude 直接在真实的移动端和后端代码中实现端到端原型。Niklas 透露，甚至连 Spotify 的联合 CEO 都曾在平台中发布自己的原型。以往需要说服整个工程团队才能验证的想法，如今一两个小时就能跑通。

当「边聊天边处理任务」成为默认设定

Niklas 表示，这件事最早可以追溯到五六年前——那时团队就发现，代码库的增长速度比工程师数量快了七倍，迫使他们提前思考「机器能否替代人类维护代码」这一命题。结果他发现，自己真正享受的从来不是敲代码本身，而是解决问题这一过程。如今他同时让多个智能体在后台运行，腾出的时间用于思考下一步该做什么、与客户沟通什么以及制作更多原型。

这恰好印证了 Boris Cherny 那条推文背后的判断：当后台子智能体成为标配，「写代码」不再是工程师最重要的任务，「决定做什么、判断是否正确」才是核心。

当「边聊天边处理任务」从一位开发者的个人技巧，演变为一家 2900 人工程团队共同的工作方式时，AI 编程工具已经悄然跃升了一个层级——工程师的产出翻了三倍，但最稀缺的不再是会写代码的人，而是知道该写什么代码的人。