鲍里斯·切尔尼的革命性工作流程：Claude Code 创始人如何重新定义软件开发

全球 - 艾赫巴里通讯社

鲍里斯·切尔尼的革命性工作流程：Claude Code 创始人如何重新定义软件开发

当世界上最先进的编码智能体架构师发言时，硅谷不仅仅是倾听，而是细致地做笔记。在过去的一周里，全球工程界一直处于狂热之中，剖析了 Anthropic 的 Claude Code 远见卓识的创建者兼负责人鲍里斯·切尔尼在 X 上发布的一个详细帖子。最初看似随意分享的个人终端设置，迅速演变为一份关于软件开发未来的病毒式宣言，业内人士普遍称其为这家新兴初创公司的分水岭时刻。

切尔尼的见解不仅新颖，而且正在积极重塑开发者在人工智能时代对效率和生产力的看法。开发者社区中的一位杰出人物杰夫·唐（Jeff Tang）强调了这种情绪，他表示：“如果你没有直接从 Claude Code 的创建者那里阅读最佳实践，那么你作为一名程序员就已经落后了。”另一位有影响力的行业观察家凯尔·麦克尼斯（Kyle McNease）则更进一步，大胆宣称，凭借切尔尼“改变游戏规则的更新”，Anthropic“如火如荼”，可能正在经历“他们的 ChatGPT 时刻”。围绕切尔尼的披露所产生的强烈兴奋感源于一个引人入胜的悖论：他的工作流程出奇地优雅和简单，但它使一个人能够以通常与一个小型、专业的工程部门相关的输出能力进行操作。正如一位用户在实施切尔尼的设置后在 X 上恰当地指出，这种体验“更像星际争霸”，而不是传统的编码——这是从费力地输入语法到战略性地指挥自主单元的深刻范式转变。

从线性编码到舰队指挥官：一种新的开发范式

切尔尼坦率披露中最引人注目的启示是，他背离了传统的线性编程方法。在传统的开发“内部循环”中，程序员通常会编写一个函数，对其进行严格测试，然后按顺序转到下一个任务。然而，切尔尼扮演着一个复杂的舰队指挥官的角色。切尔尼解释说，他详细介绍了他的设置：“我在我的终端中并行运行 5 个 Claude。我将我的标签页编号为 1-5，并使用系统通知来知道 Claude 何时需要输入。”通过巧妙地利用 iTerm2 系统通知，切尔尼巧妙地管理着五个同时进行的工作流。当一个 AI 智能体勤奋地运行一套全面的测试时，另一个则负责重构一个复杂的遗留模块，而第三个则积极地起草复杂的文档。他的操作范围超出了本地终端；他还在浏览器中运行“claude.ai 上的 5-10 个 Claude”，使用巧妙的“传送”命令在网络界面和他的本地机器之间无缝切换会话。这不仅仅是生产力的提升；它代表了软件开发人员在 AI 时代如何看待自己的角色的根本转变。开发者不再仅仅是编码员，而是战略性的协调者，管理着一支 AI 智能体舰队以实现复杂目标。

这一创新策略直接验证了 Anthropic 总裁丹妮拉·阿莫迪（Daniela Amodei）本周早些时候阐述的“事半功倍”的理念。尽管像 OpenAI 这样强大的竞争对手正在追求万亿美元的基础设施建设，但 Anthropic 正在有力地证明，对现有模型的卓越协调和智能利用可以带来指数级的生产力增长。这使得 Anthropic 在竞争激烈的 AI 竞赛中处于独特的地位，强调真正的创新不仅在于模型规模或原始计算能力，还在于智能系统的巧妙应用和管理。

反直觉的优势：为什么最慢、最智能的模型会获胜

在一个对延迟最小化持续痴迷的行业中，切尔尼透露了一个令人惊讶的偏好：他专门使用 Anthropic 最重、也是按传统指标计算最慢的模型 Opus 4.5。切尔尼阐明：“我将 Opus 4.5 与思考结合使用。它是我用过的最好的编码模型，尽管它比 Sonnet 更大、更慢，但由于你无需过多引导它，而且它在工具使用方面表现更好，所以最终它几乎总是比使用更小的模型更快。”

对于企业技术领导者和 CTO 来说，这提供了一个关键的、范式转变的见解。现代 AI 驱动开发中的真正瓶颈不是令牌的原始生成速度；而是花费在精心纠正 AI 不可避免的错误上的宝贵人工时间。切尔尼的工作流程有力地表明，主动为更智能、更有能力的模型预先支付“计算税”可以极大地消除开发周期后期更昂贵、更耗时的“纠正税”。这代表了一种深刻的哲学转变，优先考虑输出质量和最小化人工干预，而不是纯粹的生成速度。投资于一个需要较少引导和较少纠正的模型，最终会在长期内带来更快、更高效、更健壮的开发周期。

一个用于集体 AI 学习的共享文件：CLAUDE.md 启示

切尔尼进一步阐述了他的团队如何巧妙地解决普遍存在的“AI 失忆症”问题。标准的大型语言模型，就其本质而言，不会从一个会话到下一个会话固有地“记住”公司的特定编码风格、架构决策或首选约定。为了巧妙地规避这一重大限制，切尔尼的团队在其 Git 存储库中维护了一个名为 CLAUDE.md 的单一关键文件。切尔尼解释说：“每当我们看到 Claude 做了不正确的事情时，我们都会将其添加到 CLAUDE.md 中，这样 Claude 就会知道下次不要再犯。”

这种创新方法将 AI 错误从短暂的障碍转变为永久的、可操作的学习经验，从而创建了一个不断演进的知识库。通过有效地将这些积累的智慧整合到模型的训练或其上下文提示中，开发团队可以系统地构建不仅更智能，而且更具适应性并能根据其独特需求进行微调的 AI 智能体。切尔尼的工作流程，作为一个整体，不仅展示了个人的操作方法，而且展示了软件开发未来的一个引人注目的愿景——一个人类和 AI 在动态、战略环境中无缝协作，从根本上重新定义生产力和创新界限的未来。

艾赫巴里通讯社