游乐游手机版
首页/AI教程/文章详情

Claude Code新升级:子智能体默认后台运行,边聊边干活

时间:2026-07-01 17:29
ClaudeCode子智能体默认后台运行,用户可边聊天边让AI并行任务。AI从问答框转变为多智能体协作环境。Anthropic六人76天完成原需30人1 5年的重构,Spotify七成PR由AI辅助。瓶颈已从写代码转向知道写什么的人,判断力、品味和定义问题能力更重要。

备注:本文为信息整理与观点分享,旨在传递Claude Code的最新动态。

6月29日,Claude Code的负责人Boris Cherny在X平台上发布了一条重要消息:下一版Claude Code中,子智能体将默认在后台运行。

这意味着什么?你可以一边与Claude进行对话交流,一边让子智能体在后台默默完成任务。当你需要某个子智能体切换到前台时,只需招呼一声即可。

看到这条消息时的第一反应,不是“哇,好厉害”,而是“哦,终于来了”。

不少用户实际上早就以这种方式使用Claude Code了——比如你现在读到的这篇文章,就是一边与它梳理思路,一边让子智能体在后台查阅资料、核对数据、绘制图表,最后再由人工整体审核一遍。这套工作流程已经运行了相当长的时间,官方此次才正式将其设为默认行为。

翻阅了网上的讨论后,发现大多数人并未真正理解这次改动所带来的变化。有人说是“速度更快了一点”,有人说是“多了一个后台窗口”。

这些理解都不准确。这次调整的,是一个相当关键的底层逻辑。

一、先说清楚,这次到底新在哪里

需要首先澄清一个最大的误解——这其实并不是一个全新的功能。

Claude Code的后台任务功能,此前早已可用。通过按下Ctrl-b可以将一条命令发送到后台执行,输入/bg则可以开启一个后台会话。这两个功能许多用户每天都在使用。

那么,这次究竟新在哪里?新在两个字——默认。

以前,你需要主动喊一声“你去后台跑”,它才会去;今后无需再喊,子智能体天生就处于后台运行状态。如果你想让它切换到前台,反而需要专门说一声。

听起来似乎差别不大,但实际上差距相当显著。

以前使用Claude,像在打电话——你说一句,它回一句,你必须等着,下一句必须等这句说完。现在更像你给AI安排了一个专属工位:扔过去一堆任务,然后转头与它讨论其他事情,回头一看,那边的活已经干完,甚至连PR都开好了。

从一个你问我答的对话框,演变成一个能够同时运行多条工作流的生产环境。这完全是两种不同的模式。

二、这步棋,其实布局了半年

“默认后台”并非凭空出现,而是三步走战略的成果。

第一步,今年四月,Routines(定时任务)。你可以将一段提示词、一个代码仓库打包成固定流程,让它按时执行——可以按小时、过夜、按周。最关键的是,这些任务运行在Anthropic的云端。即使你合上电脑盖子,它依然能继续工作。

这件事的意义,很多人并未真正理解。以前的Claude Code是安装在本地电脑中的工具,你关机它就停止。Routines推出后,它变成了挂在云端的常驻员工——你睡着了,它还在那里开着PR。

第二步,五月底,Dynamic workflows(动态工作流)。当遇到全库审计、大型迁移这种单个对话框难以处理的任务时,你说一句“use a workflow”,它就会自行编写一段编排脚本,在后台拉起几十甚至上百个子智能体,分头干活、交叉验证,最后将所有结果汇总成一份报告。

说得直白一点:以前是一个AI在写代码,现在是一个AI写剧本,一群AI照着剧本开工。

第三步,就是现在。将前两步积累的能力,打包成一个无需用户操心的默认动作。

三步连起来看,一条清晰的脉络:能定时 → 能编排 → 默认就为你编排好。

行外人可能感觉不到,但这里需要点明一下。Claude Code里面这些干活的,叫做subagent(子智能体)。而“一个主Claude调度、一堆子智能体并行干活”这套打法,行业里有一个更通用的名称——agent team,即多智能体协作。

以前,你要实现这种效果,需要自己使用多智能体框架——比如CrewAI、AutoGen、LangGraph等——编写大量编排代码,将几个agent拼接起来、让它们互相传递消息、收集结果。门槛不低,搭建完成后还经常出现偏差。

Claude Code这三步棋,等于把这件事做成了开箱即用的默认能力。从“你得自己搭建一个agent团队”,变成了“你打开Claude Code,天生就拥有一个”。

这才是这三步棋真正厉害的地方:不是增加了一个功能,而是把一个原本需要专门搭建框架才能实现的东西,做成了基础设施。

三、光说不练假把式,来看数据

讲原理没意思,直接看真实案例。

先看Anthropic自身。VentureBeat在六月底发布了一篇报道,标题相当直接:Claude Code让每个工程师变成了三个。Anthropic对自己的增长团队说,多招产品经理,少招工程师。为什么?那篇文章中举了一个例子:原本需要30个工程师、计划干一年半的重构项目,6个人76天就完成了。

瓶颈已经从写代码转移到了“决定写什么代码”的人身上。原来产品经理和工程师的比例约为1:8,那篇文章测算下来,现在实际逼近1:20。

随后出现了一个颇为荒诞的画面:工程师写完代码,坐在那里等待需求。

再看Spotify。这个例子最具说服力。他们的工程副总裁Niklas Gustafsson在与Boris的对谈中透露了一组数据:每天生产环境部署大约4500次,超过70%的PR由AI辅助完成,PR频率提升了约六七成。他自己平时同时打开5到10个Claude会话,每个会话挂一个独立的工作目录,让一堆智能体在后台并行工作,他只负责看diff、做决策。

这些工作,发生在一个拥有超过2000万行代码的大仓库里。

2000行我信,2000万行确实没想到。Niklas自己都担心仓库太大智能体会迷路,结果出乎意料——Claude还能从仓库其他部分“找灵感”,知道该怎么写。

他给出了一句不那么性感但非常实在的话:代码库越规整、写法越统一,Claude就越好用;同一件事在仓库里能有十种写法,它也会跟着犯糊涂。这个道理,与过去十几年提升人类工程师效率的逻辑,完全一致。

四、所以稀缺的到底是什么

看到不少文章在讨论这件事,都喜欢说一句话:软件工程最稀缺的,从“能写代码的手”,变成了“知道写什么的脑子”。

这话没错。但它有一个问题——它把“脑子”说得好像你天生就拥有、只等着被释放一样。

并不是这样的。

这里所说的“脑子”,不是智商,不是聪明与否。而是以下三种能力:

第一种,判断力。AI写得快不快不重要,它写得对不对,你能看得出来吗?Spotify那位老兄同时打开十来个会话,自己一行代码不敲,全在看diff做决策——他干的就是纯粹的判断。如果你没有这种判断力,AI甩给你一堆能运行但埋了雷的代码,你照单全收,那不叫提效,叫加速翻车。

第二种,品味。什么是好代码、什么是烂架构、这个地方不应该这么搞——这就是品味。Niklas说“代码库越规整Claude越好使”,说的就是这件事。你的品味在线,AI顺着你的规矩越来越顺;你的品味稀碎,仓库里有十种写法,AI也跟着写得稀碎。

第三种,把话说清楚的能力——能把一个含糊的“我想要个什么”,拆成AI听得懂、干得了、你好验收的一串任务。这个能力,比会写代码值钱得多。

这几种能力,没有一个是装上Claude Code就自动拥有的。

Boris有一句话印象特别深刻:绝大多数Claude Code会话中,真正在写提示词的,其实是另一个Claude。

听起来像AI要通吃了。但你反过来想——那个写提示词的Claude,题目是谁出的?最后这堆活谁验收?还是那个人。AI把“敲”全部包了,但“出题”和“验收”这两头,反而被推到了前所未有的高度。

五、那跟你有什么关系

聊了这么多,落到实处。

如果你是写代码的:你正在从一个“敲代码的”,慢慢变成一个“看活儿、定方向的”。别老焦虑AI抢饭碗——真正会被抢的,是那个只会敲、不会判断的你。把精力花在判断、品味、把话说清楚上,这几样,AI短期内替代不了你。

如果你是带人的:瓶颈已经从干活的人,转移到了想清楚该干什么的人身上。Anthropic自己都在喊多招产品、少招工程师,这绝不是噱头,而是被三倍产出逼出来的现实。你应该操心的不是工程师够不够,而是团队里懂业务、能定义问题的人够不够。

说到底,就一句话——

代码不值钱了,知道该写什么的人,值钱了。

来源:https://juejin.cn/post/7657076812560859146
上一篇AI技能测评避免确认偏误的盲测对比与解盲方法 下一篇CSS 3D从布局到立方体的完整教程
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
RAG四标融合企业知识资产体系四库协同GEO优化实践
AI教程 · 2026-07-01

RAG四标融合企业知识资产体系四库协同GEO优化实践

生成式AI正在彻底改写信息检索的底层逻辑。传统SEO依赖关键词堆砌和外链建设的策略,在大模型的内容采信规则下已经基本失效。取而代之的,是生成式引擎优化(GEO)。它不再关注外链数量,而是重点衡量你的知识是否结构化、证据链是否坚实、信源是否可靠——这些维度才是RAG(检索增强生成)架构真正看重的核心指

一个普通上班人分享WorkBuddy使用心得与真实体验
AI教程 · 2026-07-01

一个普通上班人分享WorkBuddy使用心得与真实体验

前言 最近我开始使用WorkBuddy——这是腾讯推出的一款AI办公工作台。差不多用了一周时间,趁印象还新鲜,把真实的使用感受记录下来,给还在犹豫的朋友做个参考。不吹不黑,只说实际体验。 初印象:不只是聊天机器人 之前用过不少AI工具,大多数就是个对话框,你问它答,答完就结束了。WorkBuddy不

AI幻觉变真功能实战教程:App Inventor 2视频录制拓展一周开发实录
AI教程 · 2026-07-01

AI幻觉变真功能实战教程:App Inventor 2视频录制拓展一周开发实录

先讲一个颇具戏剧性的开端。 这件事的开端颇显荒诞——有用户前来咨询,称AI Pro版的介绍中提到我们有一款“视频录制拓展”。团队全体成员都感到困惑,翻遍产品列表,发现根本不存在该组件。AI那种“一本正经胡说八道”的能力,这次确实让我们陷入尴尬。 按常理,此事到此便可结束——一句“抱歉,暂时没有这个拓

别再混淆OLAP和SQL-on-Hadoop两者查询本质不同
AI教程 · 2026-07-01

别再混淆OLAP和SQL-on-Hadoop两者查询本质不同

OLAP和SQL-on-Hadoop虽都使用SQL查询数据,但本质不同。SQL-on-Hadoop负责海量数据批量计算与ETL,查询速度秒级至分钟级;OLAP通过预聚合实现毫秒级多维分析,适合BI报表。两者在数据平台分工协作,前者是后厨加工,后者是前台快速服务。

GEO优化深度解析:AI偏好FAQ还是长文内容?
AI教程 · 2026-07-01

GEO优化深度解析:AI偏好FAQ还是长文内容?

在GEO优化中,AI对内容形式无统一偏好:FAQ在简单查询中引用率41%,长文在复杂查询中达58%。内容应基于用户意图选择形式,FAQ适配简单事实类问题,长文建立主题权威,两者互补而非替代。