美国 - 艾赫巴里通讯社
Claude Code 创造者揭示其工作流程，开发者们为之疯狂
当世界上最先进的编码代理的创造者发声时，硅谷不仅仅是倾听——它还会认真记录。在过去一周里，工程界一直在分析来自 Anthropic 的 Claude Code 创造者兼负责人 Boris Cherny 在 X（前身为 Twitter）上发布的一系列帖子。原本只是随意分享个人终端设置的帖子，已演变成关于软件开发未来的病毒式宣言，行业内部人士称之为该初创公司的一个分水岭时刻。
开发者社区中的知名人士 Jeff Tang 写道：“如果你不直接从其创造者那里阅读 Claude Code 的最佳实践，那么作为一名程序员，你就落伍了。”另一位行业观察家 Kyle McNease 则更进一步，宣称 Cherny 的“改变游戏规则的更新”让 Anthropic “如火如荼”，并可能面临“他们的 ChatGPT 时刻”。
另请阅读
这种兴奋源于一个悖论：Cherny 的工作流程惊人地简单，但它却能让一个人以小型工程部门的产出能力进行工作。正如一位用户在实施 Cherny 的设置后在 X 上指出的那样，这种体验比传统编码“更像是《星际争霸》”——从输入语法到指挥自主单位的转变。这代表了与传统开发方法的一个重大突破。
从单打独斗的编码者到数字舰队指挥官
Cherny 的方法从根本上重新定义了开发者的角色。传统的编码“内部循环”是程序员编写、测试和迭代单个函数，而 Cherny 则充当指挥官，协调多个 AI 代理。他透露自己“在终端中并行运行 5 个 Claude”，为标签编号 1-5，并使用系统通知来管理输入，这一信息吸引了科技界的目光。
利用 iTerm2 系统通知，Cherny 可以有效地管理五个并发工作流。一个 AI 代理运行测试套件，另一个重构遗留模块，第三个起草文档，而 Cherny 则监督整个过程。他通过在浏览器中运行“claude.ai/code 上的 5-10 个 Claude”，并使用“teleport”命令在 Web 界面和本地机器之间无缝切换会话，进一步扩展了这种能力。这种多代理、多平台的策略是他提高生产力的关键。
这种操作模式有力地验证了 Anthropic总裁 Daniela Amodei 所阐述的“用更少的资源做更多的事情”的战略。尽管像 OpenAI 这样的竞争对手专注于大规模的基础设施投资，但 Anthropic 通过 Cherny 的工作流程表明，对现有 AI 模型的卓越编排和智能利用可以带来指数级的生产力提升。这突显了领先 AI 公司在增长和创新方法上的战略分歧。
反直觉的选择：Opus 4.5，最慢但最智能的模型
在一个挑战行业对速度的痴迷的举动中，Cherny 透露他只依赖 Anthropic 最强大但最慢的模型：Opus 4.5。Cherny 解释道：“我用 Opus 4.5 来处理所有需要思考的事情。它是我用过的最好的编码模型，尽管它比 Sonnet 更大、更慢，但由于你不需要过多引导它，并且它在工具使用方面更出色，所以最终它几乎总是比使用更小的模型更快。”
这一见解对企业技术领导者至关重要。现代 AI 开发中的主要瓶颈不是 token 生成速度，而是花费在纠正 AI 错误上的人类时间。Cherny 的工作流程表明，预先支付更强大模型的“计算税”可以显著减少后续的“纠错税”。这种范式转变鼓励重新评估 AI 采用中的成本效益分析，优先考虑认知能力而非原始处理速度。
用于集体 AI 记忆的共享文件
Cherny 还解决了“AI 记忆缺失”的持续挑战——标准大型语言模型在不同会话之间无法保留公司特定的编码风格或架构决策。他的团队的解决方案非常简单：在他们的 Git 存储库中有一个名为 CLAUDE.md 的单一文件。
他写道：“每当 Claude 犯错时，我们都会将其添加到 CLAUDE.md 中，这样 Claude 下次就知道不要这样做了。”这种做法将代码库转变为一个自我改进的实体。当人类开发人员审查拉取请求（pull request）并发现错误时，他们不仅会修复代码，还会更新 CLAUDE.md 文件，从而有效地重新训练 AI。正如产品负责人 Aakash Gupta 所指出的，“每一个错误都变成了一条规则。”团队合作的时间越长，AI 代理就越完善和智能。
斜杠命令和子代理：自动化繁琐任务
Cherny 的“标准”工作流程的效率是通过严格的自动化实现的。他使用斜杠命令（slash commands）——集成到项目存储库中的自定义快捷方式——通过单击即可执行复杂操作。像 `/commit-push-pr` 这样的命令，每天被调用数十次，可以自主处理版本控制的官僚程序，消除了手动 Git 命令、提交消息编写和拉取请求创建。
相关新闻
此外，Cherny 利用子代理（专门的 AI 角色）来处理开发生命周期的不同阶段。一个“代码简化器”在主要工作完成后优化架构，而一个“verify-app”代理则在发布任何内容之前运行端到端测试。这种分层自动化简化了整个软件开发生命周期。
验证循环：AI 生成代码的真正解锁
Claude Code 据报道在短时间内达到 10 亿美元年经常性收入的显著成功，很大程度上归功于其强大的验证循环。AI 不仅仅是代码生成器，还是一个集成测试器。
Cherny 说道：“Claude 使用 Claude Chrome 扩展程序测试我提交到 claude.ai/code 的每一个更改。它会打开一个浏览器，测试 UI，并进行迭代，直到代码能够正常工作并且用户体验良好。”他认为，让 AI 能够验证自己的工作——无论是通过浏览器自动化、运行 bash 命令还是执行测试套件——都能将最终结果的质量提高“2-3 倍”。该代理不仅编写代码，还严格验证其有效性。
软件工程范式的转变
行业对 Cherny 工作流程的反应标志着一个重要的转变。“AI 编码”已从文本编辑器中的简单自动完成功能演变为一个全面的劳动操作系统。正如 Jeff Tang 在 X 上总结的那样，“如果你已经是工程师……并且想要更多权力，请阅读此文。”能够将人类产出成倍增加的工具已经存在。关键在于将 AI 视为一个能干的劳动力，而不是一个助手。那些首先实现这种思维飞跃的程序员，不仅会更有效率，还将从根本上重新定义他们在未来软件工程中的角色。
