# Claude Code 之父深度揭秘：直觉驱动的 AI 编程革命，软件工程师未来如何重塑与进化？ 本教程将带你深入解读 **Claude Code 项目负责人 Boris Cherny** 的最新内部访谈精华，全面揭示 **智能体编程（Agentic Coding）** 的范式转变、Claude Code 的迭代秘诀、软件工程师的未来技能图谱，以及独家使用技巧。通过本教程，你将理解 AI 编程工具如何从辅助角色演变为开发核心，并学习如何在这场变革中抢占先机。 ## 一、仅一年时间，Agentic Coding（智能体编程）走向实用与主流 在一年前，AI 在编程领域的应用还处于初级阶段。你或许还在经历这样的工作流：在 IDE 中编写代码，依赖基础的自动补全，同时开着聊天应用。遇到问题时，向 AI 提问，然后手动复制、粘贴代码片段来修改。这几乎是当时 AI 辅助编程的能力上限。 然而，在过去短短一年里，整个范式发生了根本性转变。AI 不再是被动的代码片段提供者，而是进化为主动的、能深度参与开发的 **Agent（智能体）**。智能体编程已经从新奇的概念，变成许多开发者日常工作循环中不可或缺的核心组成部分。 这场变革的核心，是你与代码的交互方式从“直接操作文本” 演变为“指导智能体为你操作文本”。现在，你只需下达指令，描述功能或漏洞，然后信任 Agent 去分析、修改甚至创建大量文件。 **Boris Cherny** 认为，这一飞跃主要归功于两个关键因素的成熟： ### 1. 模型的进化与能力跃升 底层语言模型的能力得到了质的提升。早期模型缺乏长期规划和复杂逻辑推理能力。随着 **Claude 3.7**、**Claude 4.0** 乃至 **Opus 4.1** 等强大模型问世，它们在理解复杂指令、保持任务连贯性以及执行多步操作方面的能力显著增强，为智能体编程奠定了坚实基础。 ### 2. “鞍具”的完善与系统化 仅有强大的模型还不够，还需要高效的“鞍具”来驾驭它。对于 Claude Code，这个“鞍具”就是整个产品本身，包含所有用于交互和控制的系统组件： - **系统提示**：用于设定模型的角色、行为准则和目标。 - **上下文管理**：智能地决定提供哪些相关的代码文件和信息。 - **工具集**：赋予模型执行具体操作的能力，如读写文件、运行命令、搜索代码库。 - **扩展协议**：例如 **MCP（Meta-Context Protocol）**，允许模型接入外部信息源，如 Sentry 错误日志或 Slack 消息。 - **设置与权限系统**：让用户精细控制智能体的行为边界。 > **小提示**：模型与“鞍具”是**共同进化**的紧密关系。Anthropic 内部员工（包括模型研究员）在日常工作中使用 Claude Code，当遇到模型局限时，这些亲身使用体验会直接反馈给模型团队，用于针对性微调。这种持续反馈循环，使模型本身越来越擅长 Agentic 式的工作。 ### 常见问题 **Q：Agentic Programming 和传统的自动补全有什么区别？** A：传统自动补全是逐行预测，依赖你已有的代码。Agentic Programming 则是一个能理解复杂指令、主动分析代码库、跨多个文件执行多步操作（如重构、创建新功能）的智能体，它更像一个“独立程序员”而非“键盘助手”，是 AI 编程工具的重大进化。 ## 二、直觉驱动的迭代：Claude Code 的独特进化方式与反馈循环 当 AI 模型能力越来越强，如何准确评估一个编码模型是否真的更好了？传统做法依赖**标准化基准测试**，例如 SWE-bench。这些测试通过预设编程问题的成功率来打分。 但 Boris 指出，这些测试正面临局限。软件工程的真实世界充满复杂性、模糊性和多变性，是任何合成测试都难以完全捕捉的。 因此，Claude Code 团队更依赖一种看似不科学但更有效的方法：**直觉测试**，或称为 **“氛围检查”**。Boris 的做法是直接用新版本完成自己的日常开发工作——编写新功能、修复紧急漏洞、阅读既有代码。 真正的衡量标准变成了： 它是否让我感觉更有效率？它是否能更好地理解我的意图？它是否让我的开发过程更流畅？ ### 如何建立高效的反馈循环？ 为了系统化收集这种直觉，团队建立了一个极其高效的内部反馈循环： - **中心化的反馈渠道**：设立专门的 **Slack 频道**，作为所有内部用户提供反馈的唯一入口。 - **超快速的响应与闭环**：Boris 会第一时间响应每条反馈，追问细节，并以极快速度修复漏洞或改进功能。 - **激励与正向循环**：用户看到自己的意见被认真倾听并迅速解决，受到鼓舞，更愿意提供更多高质量反馈。 > **小提示**：这种由直觉驱动的内部试用循环，让团队能在没有复杂评估框架的情况下，快速、准确地迭代产品。所有用户的**集体直觉**汇聚成了比任何硬性指标都更宝贵的导航信号。 ### 常见问题 **Q：直觉测试会不会过于主观？** A：直觉测试不是否定基准测试，而是补充。基准测试衡量模型在预设任务上的表现，而直觉测试衡量它在你**真实工作流**中的表现。两者结合，能给出更全面的评估，这也是 Claude Code 迭代策略的独特之处。 ## 三、Claude Code 的设计哲学：保持简单，同时具有可扩展性 Claude Code 的核心设计哲学是 **保持简单，并使其具有可扩展性**。它被构造成一个开放平台，提供一系列扩展点，让用户按需定制。 ### 1. CLAUDE.md 最基础的方式。在项目根目录或子目录创建 `CLAUDE.md` 文件，内容会被 Claude Code 自动读取，作为额外上下文。你可以写入项目架构概述、编码规范、常用库说明等。文件可被 Git 版本控制，确保 AI 掌握的信息始终是最新的。 ### 2. 设置与权限系统 用户可配置智能体行为，例如限制可访问的文件路径、可执行的命令类型，确保安全性。 ### 3. Hooks（钩子） 在 Claude Code 工作流的特定节点（如执行命令前后）注入自定义逻辑，实现复杂自动化和与其他工具的深度集成。 ### 4. 模型上下文协议（MCP） 让 Claude Code 接入外部数据源，如公司内部文档、任务管理系统、**Sentry** 错误日志、**Slack** 消息，获得更全面的上下文。 ### 5. Slash Commands（斜杠命令）与 Subagents（子智能体） 这是目前最新的扩展方式： - **Slash Commands**：用户可自定义预定义、可复用的工作流，以 Markdown 文件存在于代码库中。例如，创建 `/commit` 命令，Claude 会自动按规范生成提交信息并执行提交。 - **Subagents**：拥有“分叉的上下文窗口”，可像独立的智能体工作，不干扰主对话上下文。 > **小提示**：如果你希望最大化利用 Claude Code，建议从 `CLAUDE.md` 开始，逐步探索 Slash Commands 和 Subagents。这些扩展点将 Claude Code 从一个编码工具，转变为可深度定制的开发平台。 ### 常见问题 **Q：CLAUDE.md 文件需要特别复杂的格式吗？** A：不需要。它本质是一个 Markdown 文件，你只需用清晰的语言描述项目架构、编码规范、注意事项等即可。重要的是内容要准确、持续更新，这样才能充分发挥 Claude Code 的上下文理解能力。 ## 四、软件工程师的未来：从“代码工匠”到“AI 增强型创造者” ### 短期未来（6-12 个月内）的工作模式 - **人机协作模式演变**：手工编码不会消失，但形式发生改变。你将更频繁地通过与 Claude 对话指导它完成修改、重构和生成。 - **主动与被动结合**：你主动发起任务，指导 Claude 完成；Claude 也会更主动地根据静态分析或新 issue，提出改进建议、修复漏洞。 ### 长期愿景（12-24 个月及以后）的工作模式 - **从任务导向到目标导向**：你告诉 AI “为用户增加一个认证系统”，AI 自动分解目标，规划步骤，并自主完成编码、测试和部署。 - **工程师成为架构师和产品经理**：核心从“如何实现”转变为“应该实现什么”和“为什么这样实现”。 ### 开发者如何为未来做好准备？ **1. 打好坚实的基础功底** Boris 强调：“只有懂‘手艺’的人，才能更好地驾驭和指导 AI 这个强大的工具。” 你仍然需要深入学习编程语言、编译器、运行时、网络协议、系统设计等核心知识。当 AI 犯错或无法解决复杂问题时，需要你来介入和纠正。 **2. 拥抱创造力，将想法快速落地** 智能体编程让开发者能像过去使用简单工具一样，快速将创意原型化。Boris 认为，在这个新时代，代码本身不再那么珍贵，更重要的是“你想要构建的东西”——你的产品、你的创意。 > **小提示**：如果你有一个创业点子或产品想法，现在就可以借助 AI 智能体立即动手实现。这个时代解锁了前所未有的潜力，让个人能以过去无法想象的速度进行创造。 ### 常见问题 **Q：AI 会完全取代软件工程师吗？** A：Boris 认为不会。AI 会接管底层的实现细节，但工程师的角色会向更高层次抽象演进，专注于目标设定、系统设计和创意实现。**人类的洞察力、创造力和决策力依然是不可替代的。** ## 五、Boris 的独家秘笈：如何高效使用 Claude Code ### 技巧一：入门时，先问而后写 当你第一次使用 Claude Code 时，**先不要急于用它写代码**，而是从提问开始。 把它当作一个代码库的专家问答系统，探索和理解你正在处理的代码。你可以问： - “如果我想在这个项目里新增一个日志记录器，应该怎么做？涉及哪些文件？” - “这个函数为什么被设计成现在这样？” - “请帮我梳理一下用户认证流程的核心逻辑。” **建立信任与心智模型**：通过这种方式，亲身体验 Claude Code 如何为你进行代码库研究。它会阅读文件、分析依赖关系，甚至用 `git blame` 追溯历史。当你对它辅助你工作的方式感到舒适后，再开始让它写代码，效果会好得多。 ### 技巧二：根据任务难度，采用分级协作策略 | 任务类型 | 定义 | 工作流 | | :--- | :--- | :--- | | **简单任务** | 很明确，Claude 基本一次提示就能完成（如修复拼写错误、添加文档字符串）。 | 最放手的方式：直接在 GitHub issue 里 `@Claude`，简单描述任务，让它自动完成编码、创建 PR 并提交，完全不占用你的开发环境。 | | **中等任务** | 需要修改多个文件或包含逻辑判断，AI 不一定能一次性完美搞定。 | **“先规划，后执行”**：先进入规划模式（快捷键 `Shift + Tab`），与 Claude 讨论并确定清晰的执行计划。确认计划无误后，切换到自动接受模式执行。 | | **困难任务** | 高度复杂、充满不确定性，需要深度架构思考（如设计新系统、重构核心模块）。 | **人类主导**：你是驾驶员，Claude 是强大的结对编程伙伴。利用它进行代码库研究、探索不同思路、快速编写原型代码。你亲自完成核心代码实现，最后或许可让 Claude 完成收尾工作（如编写单元测试）。 | > **小提示**：通过这种分级策略，你可以根据任务性质**灵活调整与 AI 的协作深度**，既能最大化利用 AI 的效率优势，又能确保在关键环节保持人类的控制力。 ### 常见问题 **Q：如何在计划模式和自动接受模式之间切换？** A：在终端中使用 Claude Code 时，默认模式是手动接受模式，Claude 会询问你的确认。你可以通过快捷键 `Shift + Tab` 进入规划模式，与 Claude 讨论计划。当计划确定并切换到自动接受模式后，Claude 会按照计划自主执行修改。 --- ## 总结 现在，你已全面了解了由 **Boris Cherny** 揭示的 AI 编程革命。从 **Agentic Programming** 的范式转变，到 **直觉驱动** 的迭代方式；从 **Claude Code** 的可扩展设计，到软件工程师的未来技能；再到 **Boris 的独家秘笈**——你已掌握在这场变革中胜出的关键。 **下一步行动建议：** 1. **立即尝试**：把 Claude Code 当作代码库的研究工具，从提问开始。 2. **建立基础**：持续巩固编程基础知识。 3. **拥抱创造**：将你的创意快速用 AI 工具实现，体验从想法到产品的过程。 这场革命才刚刚开始，愿你成为驾驭 AI 的创造者，而非被取代的旁观者。