Claude Code负责人Boris Cherny：当编码被彻底解决后，行业会发生什么

来源： YouTube | Boris Cherny | 2026-02-24 分类： Anthropic 原文发表： Feb 19, 2026 纪要生成： 2026-02-24

全集重点

编码已基本被AI解决：未来1-2年手动编码技能将不再必要，Anthropic内部工程师人均生产力提升超200%
AI Agent将成为下一轮核心变革：具备工具调用能力的智能体将替代大量电脑端非技术类工作，岗位边界将快速模糊
潜在需求是AI产品的核心创新逻辑：观察用户甚至模型本身的非预期使用行为，是AI时代产品成功的核心路径
安全与发展需并行推进：Anthropic通过三层安全机制保障智能体落地的安全性，同时倡导全行业共同建设安全标准
通用大模型长期价值远高于定制方案：长期来看通用模型的迭代会抹平所有短期通过微调、流程化获得的效率优势

嘉宾/话题简介

本集嘉宾Boris Cherny是Anthropic的Claude Code负责人，曾任职Meta负责全公司代码质量，自学编程，著有TypeScript相关专业书籍，曾短暂加入AI编辑器Cursor团队，后因认同Anthropic的安全使命回归。本集播客恰逢Claude Code发布一周年，Boris分享了Claude Code从内部小项目成长为占GitHub公开提交量4%的核心产品的历程，探讨了AI对软件工程师岗位的变革、AI Agent的未来发展、Anthropic的安全理念，以及AI时代个人的职业发展建议。

分节详述

[00:00] 开场与行业变革预告

本节重点 - Boris自2025年11月起100%代码由Claude Code生成，日提交10-30个PR，生产力保持团队顶尖水平 - 未来1-2年手动编码技能将不再必要，软件工程师岗位头衔将逐渐被「构建者」替代 - Claude Code上线一周年已完全改变软件工程师工作模式，成为Anthropic增长核心驱动力

详细精要

AI已完全替代手动编码工作：Boris作为Claude Code负责人，自2025年11月起未手动修改过一行代码，所有代码由Claude Code生成，每日可提交10-30个PR，个人生产力保持在Anthropic顶尖水平
该趋势已经在全行业普及，Spotify公开表示其顶尖工程师自2025年12月起也不再手动编写代码
Anthropic内部工程师人均生产力较Claude Code上线前提升了200%，远高于传统软件工程领域每年个位数的生产力提升幅度
编码技能的重要性将快速下降：未来1-2年是否学习编码将不再重要，编码问题已基本被AI解决，未来人人都可以无需掌握编程知识即可构建软件
现有软件工程师岗位头衔将逐渐消失，被「构建者」替代，未来所有人都将兼具产品经理与编码能力
Claude Code增长仍在加速：Claude Code上线一周年已贡献Anthropic全年核心增长，过去一个月日活用户翻倍，Anthropic最新估值超过3500亿美元
第三方研究机构Semi Analysis报告显示，当前GitHub上4%的公开提交由Claude Code生成，预计2026年底该比例将提升至20%

💬 精华片段（中文）

"I have never enjoyed coding as much as I do today because I don't have to deal with all the minutia. Productivity per engineer has increased 200%."

[02:01] 赞助商环节

本节重点 - 本期播客由开发者智能平台DX和错误监控平台Sentry联合赞助 - DX帮助企业量化AI工具对工程师生产力的价值，服务Dropbox、Booking.com等头部客户 - Sentry的AI调试助手Seir可自动定位问题根因、生成修复方案甚至直接提交PR

详细精要

DX（开发者智能平台）：专为AI时代的企业打造，可帮助管理者回答「哪些工具有效、如何被使用、实际创造了哪些价值」等核心问题
可量化AI工具对开发者生产力的实际影响，为企业技术投入决策提供数据支撑
现有客户包括Dropbox、Booking.com、Adion、Intercom等全球头部科技公司，官网为getdx.com/lenny
Sentry（错误监控平台）：可全链路捕获应用崩溃、性能下降、版本回归等各类问题，定位到具体提交、开发人员和代码行
内置AI调试助手Seir，可基于全链路上下文自动定位根因、生成修复方案，甚至直接提交PR
还可自动审查PR，标记潜在破坏性变更并给出修复方案，新用户通过sentry.io/lenny注册可获得100美元信用额度

💬 精华片段（中文）

"Seir, Sentry's AI debugging agent, takes it from there. It uses all of that Sentry context to tell you the root cause, suggest a fix, and even opens a PR for you."

[03:37] Boris的职业选择与Claude Code一周年回顾

本节重点 - Boris曾短暂离开Anthropic加入Cursor两周，因怀念Anthropic的安全使命最终回归 - Claude Code当前占GitHub公开提交量的4%，私有仓库占比更高，增长速度仍在持续加速 - Claude Code最初只是Boris的个人小项目，立项初衷是验证Anthropic「编码→工具使用→计算机使用」的技术路线

详细精要

Boris的职业变动背景：2025年中Boris曾短暂离开Anthropic加入AI编辑器团队Cursor，仅两周后就回归Anthropic
加入Cursor的原因是认可其产品理念，团队对AI编码的未来趋势判断早于行业大多数玩家
回归的核心原因是认同Anthropic的安全使命：Anthropic所有员工的核心工作目标都是保障AI安全，这种使命感是其他工作无法替代的
Claude Code的行业影响：发布一周年已对全球软件开发行业产生了颠覆性影响
Semi Analysis报告显示其占GitHub公开提交量的4%，私有仓库的占比更高，预计2026年底将达到20%
当前增长速度仍在持续加速，各项核心指标的增长斜率越来越陡峭
Claude Code的立项初衷：最初只是Anthropic内部的一个小实验，是为了验证公司「编码能力→工具使用能力→计算机使用能力」的技术演进路线
该路线是Anthropic安全理念的核心：先让模型在可控的编码场景落地，再逐步扩展到更复杂的工具使用场景，最终实现通用计算机操作能力
该项目最初由Anthropic Labs团队孵化，后续诞生的MCP、桌面端应用等产品都是该路线的延伸产物

💬 精华片段（中文）

"When you talk to people at Anthropic, just like find someone in the hallway, if you ask them why they're here, the answer is always going to be safety."

[07:11] Claude Code从内部小项目到行业标杆的发展历程

本节重点 - Claude Code最初只是终端形态的小工具，内部发布时仅获得2个赞，后续DAU快速垂直增长 - 选择终端作为初始形态的核心原因是模型迭代速度太快，其他产品形态无法跟上模型的进化节奏 - 对外发布初期并未爆火，经过数月用户教育后才逐步普及，当前已覆盖终端、桌面、移动、IDE、Slack、GitHub等全场景

详细精要

Claude Code的内部孵化过程：Boris加入Anthropic后先花了1个月做原型、1个月做模型后训练，了解大模型的底层逻辑后才开始开发Claude Code
最初版本名为Claude CLI，仅支持终端运行，Boris曾录下演示视频：给模型一个批量工具，它就能自主调用工具回答「我现在在听什么音乐」这类完全超出预设的问题
内部发布时仅获得2个赞，多数员工认为编码工具应该是IDE形态，终端形态的产品没有前景
终端形态的决策逻辑：选择终端作为初始形态并非刻意设计，而是因为只有Boris一个人开发，终端是开发成本最低的载体
更深层的原因是大模型迭代速度太快，其他产品形态的迭代速度无法跟上模型的进化节奏，只有终端的灵活性可以适配模型的快速变化
该决策带来了超出预期的效果，内部DAU曲线很快就呈现垂直增长态势
对外发布后的发展历程：2025年2月对外发布初期并未爆火，只有少数早期 adopters 能理解其价值，经过数月用户教育后才逐步普及
当前Claude Code已覆盖iOS/Android客户端、桌面端、网页端、IDE扩展、Slack集成、GitHub集成等全场景
全球范围内从初创公司到FAANG巨头都在使用Claude Code，用户反馈是产品迭代的核心信号

💬 精华片段（中文）

"This is actually a pretty important product lesson right is like you want to underresource things a little bit at the start."

[16:24] 编码能力被AI解决后的行业变化

本节重点 - Claude当前已可自主分析用户反馈、Bug报告、遥测数据生成产品迭代建议，已经具备类似同事的协作能力 - 编码已经是基本被解决的问题，未来AI的能力边界将向编码的周边领域、通用办公场景扩展 - 软件工程师的核心能力将从编码转向需求理解、跨领域协作，岗位边界将逐步模糊

详细精要

AI的能力边界已超出编码范畴：Claude当前已经可以自主分析用户反馈、Bug报告、遥测数据，自动生成修复方案甚至提交PR，已经具备类似同事的协作能力
编码本身已经是基本被解决的问题，未来AI的能力将向编码周边领域、通用办公场景扩展
Boris日常已经用Co-work处理停车罚单、团队项目管理、跨工具数据同步、Slack/邮件沟通等非编码类工作
工程师的思维模式需要快速更新：大模型迭代速度极快，老工程师很容易陷入传统的工作思维，反而不如新员工更擅长用AI解决问题
案例：Boris曾用传统工具调试内存泄漏问题，新员工直接让Claude Code自主抓取堆快照、写分析工具、定位问题并提交PR，完成速度远快于Boris
Claude Code团队的核心原则之一：「比自己做更好的选择是让Claude做」
团队管理的新原则：项目要适度低配人员，倒逼员工用AI提升效率，反而能获得更快的交付速度
给员工开放无限制的模型使用额度，优先验证创意而非提前优化成本，创新成功后再考虑用更低成本的模型优化
部分工程师每月的token消耗已经达到数十万美元，未来token成本超过员工薪酬将成为普遍趋势
编码能力的价值变化：Boris认为未来1-2年手动编码能力将不再重要，类似历史上的穿孔卡片、汇编语言，最终变成底层的实现细节
历史类比：印刷术普及前只有1%的人口掌握读写能力，普及后读写成为全民技能，带来了文艺复兴等全社会的创造力解放
AI普及后编程也将成为全民技能，人人都可以构建软件，带来的社会变革将远超当下的想象
过渡期会给部分从业者带来阵痛，需要全社会共同探索应对方案

💬 精华片段（中文）

"I imagine a world, you know, a few years in the future where everyone is able to program. And what does that unlock? Anyone can just build software anytime."

[36:31] AI Agent的崛起对非技术岗位的影响

本节重点 - 下一个被AI深度影响的岗位将是产品经理、设计师、数据科学家等所有需要使用电脑的岗位 - 具备工具调用能力的Agent将成为下一个普及的AI产品形态，当前多数用户对Agent的价值还没有认知 - AI时代的核心竞争力是跨领域的通用能力，纯单一领域的专业能力价值将快速下降

详细精要

Agent将渗透所有电脑端工作：下一个被AI深度影响的将是产品经理、设计师、数据科学家等所有需要使用电脑的岗位
当前多数用户使用的还是对话式AI，对具备工具调用能力的Agent没有认知，Agent的定义是「可以自主调用工具、在数字系统中执行动作的大模型」
Co-work是第一款面向普通用户的Agent产品，未来将逐步普及到所有办公场景
个人职业发展的新建议：AI时代要优先尝试最新的AI工具，适应新的工作模式，同时要成为跨领域的通才而非单一领域的专才
Claude Code团队所有成员都会编码：产品经理、工程经理、设计师、财务人员、数据科学家都可以用Claude Code完成编码工作
最有竞争力的员工都是跨界人才：同时懂产品和基础设施的工程师、懂设计的产品经理、懂用户沟通的工程师等
短期来看工程师、产品、设计的岗位划分还会存在，但边界会越来越模糊，预计2026年底部分公司会取消软件工程师头衔，统一改为「构建者」
AI对工作体验的影响：Lenny的调研显示70%的工程师和产品经理认为AI让他们的工作体验更好，只有10%认为更差；设计师群体55%认为更好，20%认为更差
Anthropic的设计师因为可以用Claude Code自主编码实现需求，不用再依赖工程师，工作体验提升明显
产品体验的核心是贴合用户现有 workflow，不需要用户刻意学习新的使用方式

💬 精华片段（中文）

"I think by the end of the year what we're going to start to see is these start to get even murkier where I think in some places the title software engineer is going to start to go away and it's just going to be replaced by builder."

[43:47] 赞助商环节（MetaView）

本节重点 - 本环节由AI招聘平台MetaView赞助，服务11 Labs、Brex、Replit等5000多家企业 - MetaView的AI Agent可自动完成候选人挖掘、面试记录、流程分析等招聘全流程工作 - 客户平均招聘周期缩短30%，大幅降低招聘的流程性工作

详细精要

MetaView的核心能力：定位为招聘领域的AI协作同事，通过一系列AI Agent完成招聘全流程的流程性工作
可根据企业需求自动挖掘匹配的候选人，自动生成面试记录，聚合全流程招聘数据，识别最优候选人
可大幅降低招聘的流程性工作，让招聘团队聚焦于候选人评估本身
MetaView的客户价值：当前服务11 Labs、Brex、Replit、Deel等5000多家企业，客户平均招聘周期缩短30%
新用户通过metaview.ai/lenny注册可免费试用，并获得额外一个月的候选人 sourcing 服务

💬 精华片段（中文）

"Metav customers close roles 30% faster. Try Metaview today for free and get an extra month of sourcing at metaview.ai/lenny."

[44:50] 产品创新的核心逻辑：潜在需求原则

本节重点 - 潜在需求是AI时代产品创新的核心逻辑：观察用户超出产品设计预期的使用行为，针对性优化产品更容易获得成功 - Co-work的诞生就是基于潜在需求：大量用户用Claude Code完成非编码类工作，证明通用Agent的需求真实存在 - AI产品设计要给模型足够的自由度，不要把模型限制在固定的流程里，效果反而更好

详细精要

潜在需求的定义：如果用户用一个产品完成它原本设计之外的任务，说明这部分需求没有被满足，针对性打造产品更容易获得成功
案例1：Facebook Marketplace的诞生是因为观察到40%的Facebook群组帖子是买卖商品，用户在滥用群组功能完成交易需求
案例2：Facebook Dating的诞生是因为观察到60%的非好友异性用户会互相访问主页，说明存在约会需求
Co-work的诞生过程：完全基于潜在需求的洞察，大量用户用终端形态的Claude Code完成非编码类工作
有人用Claude Code种植番茄、分析基因组、恢复损坏硬盘里的婚礼照片、分析核磁共振影像
Anthropic的数据科学家主动学习终端操作、安装Node.js和Claude Code，用它完成SQL分析工作，证明非技术用户也有使用Agent的需求
Co-work的开发仅用了10天，全部由Claude Code完成代码编写，内置了完整的虚拟机安全系统，发布后立即成为爆品，增长速度远超早期的Claude Code
AI产品设计的新逻辑：传统产品设计是给模型套上固定流程，让它完成特定任务；AI时代的产品设计应该给模型足够的自由度，仅提供最小的脚手架和工具，让模型自主决定完成任务的路径
这种逻辑和研究领域的「在分布上（on distribution）」概念一致：观察模型本身的行为倾向，而不是强行让模型适配人的预设流程

💬 精华片段（中文）

"When you see people abusing the product in this way, using it in a way that it wasn't designed in order to do something that is useful for them, it's just such a strong indicator that you should just build a product and people are going to like that."

[54:38] Anthropic的三层安全体系与开放理念

本节重点 - Anthropic的三层安全体系：机制可解释性、实验室评测、真实世界灰度发布，层层保障模型的安全性 - 作为安全实验室，Anthropic会提前很久在内部测试产品，确认安全后才会对外发布 - Anthropic倡导「竞优（race to the top）」理念，开源安全相关技术，推动全行业共同提升AI安全水平

详细精要

三层安全体系：Anthropic通过三层机制保障模型和产品的安全性
第一层：机制可解释性（Mechanistic Interpretability）：研究大模型神经元的运行逻辑，可定位到和欺骗等风险行为相关的神经元，监控其激活状态
第二层：评测（Evals）：在实验室环境下用合成场景测试模型的行为，验证其对齐性和安全性
第三层：真实世界灰度发布：先在内部测试，再小范围开放给客户，最后全面发布，观察模型在真实场景下的行为
安全落地实践：Claude Code在内部测试了4-5个月才对外发布，是全球第一个大规模落地的编码Agent，当时团队对Agent的安全性还没有足够的把握
Co-work也采用同样的发布节奏，先经过对齐和评测验证，再小范围测试，最后以研究预览版的形式对外发布，持续收集反馈优化安全机制
开放安全理念：Anthropic倡导「竞优」理念，大量开源安全相关技术，推动全行业共同提升AI安全水平
开源了Claude Code使用的沙箱工具，支持所有Agent产品使用，可限制Agent的系统权限，避免风险操作
大量公开发布安全相关的研究成果，鼓励其他AI实验室共同推进安全技术的发展

💬 精华片段（中文）

"We call this the race to the top internally and so for Claude Code for example we released an open source sandbox and this is a sandbox they can run the the agent in and it just makes sure that there's certain boundaries and it can't access like everything on your system."

[01:03:32] AI产品开发与Claude Code使用的实用建议

本节重点 - AI产品开发要面向未来6个月的模型能力做设计，而不是适配当前的模型能力 - 不要给模型套上固定的流程框架，给模型足够的工具和自由度，效果反而更好 - Claude Code的使用技巧：优先用最高性能的模型、多用计划模式、尝试不同的产品形态找到最适合自己的

详细精要

AI产品开发建议：
不要把模型限制在固定的流程里：一年前模型能力不足需要大量的脚手架和流程编排，现在只需要给模型足够的工具和目标，让它自主决定完成路径，效果更好
遵循「苦涩教训（Bitter Lesson）」原则：长期来看通用大模型的表现一定会超过定制化的小模型、微调方案，尽量选择通用大模型作为底座
面向未来6个月的模型能力做产品设计：虽然前6个月产品可能没有PMF，但等模型能力达到预期时产品会立即爆发，Claude Code就是基于这个逻辑，在Opus 4发布后迎来了指数级增长
可以预判的模型进化方向：工具调用能力会越来越强、可无监督运行的时间会越来越长，当前Opus 4.6已经可以无监督运行20-30分钟，部分场景可以运行数天甚至数周
Claude Code使用技巧：
优先使用最高性能的模型：当前是Opus 4.6，开启最大努力模式，虽然单token成本更高，但因为不需要反复纠错，总token消耗反而更低，总成本更低
多用计划模式：80%的任务先开启计划模式，模型会先输出执行方案，确认方案后再让模型自动执行，准确率接近100%
多尝试不同的产品形态：Claude Code支持终端、桌面端、移动端、Slack集成、网页端等多种形态，不需要强迫自己用终端，选择最适合自己的形态即可，所有形态的底层都是同一个Claude Agent

💬 精华片段（中文）

"From the very beginning, we bet on building for the model six months from now, not for the model of today."

[01:16:26] 闪电问答与结尾

本节重点 - Boris推荐的三本书：《Functional Programming in Scala》、《Accelerondo》、《流浪地球短篇小说集》 - 近期最喜欢的产品是Co-work，最喜欢的播客是Acquired，人生格言是「运用常识」 - Boris活跃在Twitter/Threads的核心目的是收集用户反馈，Claude Code的迭代核心驱动力就是用户反馈 - Boris和主持人都是乌克兰敖德萨出生，Boris1988年离开乌克兰，主持人1995年离开

详细精要

书籍推荐：
《Functional Programming in Scala》：最好的技术书籍，教会人用函数式编程和类型思维思考问题，是Boris的编码底层逻辑
《Accelerondo》：科幻小说，节奏越来越快，完美捕捉了当前技术爆炸时代的感受，故事最终以集体龙虾意识环绕木星结束
《流浪地球短篇小说集》：刘慈欣的短篇集，比《三体》更让Boris喜欢，中国科幻的视角和西方科幻有明显差异，非常有价值
生活相关问题：
基本不看电影和电视剧，最近看过的喜欢的影视是Netflix版的《三体》
近期最喜欢的产品是Co-work，用它处理交罚款、取消订阅、项目管理、邮件回复等各类琐碎工作，Chrome集成体验极佳
最喜欢的播客是Acquired，推荐从任天堂那一期开始听
人生格言是「运用常识」：很多人工作中只会遵守流程，不会独立思考，从第一性原理出发运用常识是最好的工作原则
2025年12月在欧洲旅行时因为无聊开始玩Twitter，现在主要在上面收集用户的Bug反馈和功能建议，大部分Bug可以在几分钟内通过Claude Code修复
加入Anthropic之前曾在日本农村生活，是镇上唯一的工程师和英语使用者，学会了做味噌，白味噌需要发酵3个月，红味噌需要发酵2-4年，AGI之后打算专注于做味噌
和主持人都是乌克兰敖德萨出生，Boris1988年离开乌克兰，主持人1995年离开，双方家庭都有举杯感谢美国的传统

💬 精华片段（中文）

"I think post AGI or if I wasn't at anthropic, I'd probably be making miso."

专业术语注释

术语	解释
Claude Code（英文）	Anthropic推出的AI编码智能体，可自动生成、审查代码，调用工具完成开发任务，当前占GitHub公开提交量的4%
Co-work（英文）	Anthropic推出的通用智能体产品，可调用浏览器、办公软件等工具完成非编码类任务，10天开发完成，发布后快速成为爆品
Agent（英文/智能体）	本集语境下指具备工具调用能力、可自主在数字系统中执行任务的大模型应用，区别于仅能对话的传统Chatbot
Mechanistic Interpretability（英文/机制可解释性）	Anthropic用于研究大模型神经元运行逻辑的技术，可定位风险相关的神经元，是Anthropic三层安全体系的第一层
Opus 4.6（英文）	Anthropic2026年推出的最高性能大模型，是Claude Code和Co-work的底层模型，可无监督运行20-30分钟完成复杂任务
Sonnet（英文）	Anthropic的中端大模型，性能低于Opus，成本更低
Haiku（英文）	Anthropic的轻量大模型，响应速度快、成本低，适合简单任务
Latent Demand（英文/潜在需求）	本集语境下指用户或模型超出产品设计预期的使用行为，是AI时代产品创新的核心信号
Bitter Lesson（英文/苦涩教训）	Rich Sutton提出的AI领域核心原则，指长期来看通用大模型的表现一定会超过定制化的小模型、微调方案
Scaling Laws（英文/缩放定律）	大模型领域的核心理论，指大模型性能随参数、数据、计算量的增加呈可预测的指数级提升，Anthropic三位联合创始人是该论文的前三位作者
Cursor（英文）	AI原生代码编辑器，Boris曾短暂加入其团队，后回归Anthropic
Semi Analysis（英文）	全球知名科技产业研究机构，本集中发布了Claude Code占GitHub提交量4%的报告
Evals（英文/评测）	Anthropic的第二层安全机制，在实验室环境下用合成场景测试模型的安全性和对齐性

延伸思考

未来1-2年软件工程师的核心能力将从编码转向需求理解、系统设计和跨领域协作，从业者需提前调整能力结构，避免陷入纯技术细节的路径依赖
具备工具调用能力的AI Agent将快速渗透产品、设计、数据等岗位，如何将Agent与现有工作流结合是企业当前的核心命题，可优先给员工开放无限制的模型使用权限，鼓励创新
大模型迭代速度远超应用层的想象，AI创业公司需要面向未来6个月的模型能力做产品设计，避免当前的短期流程优化、小模型微调等工作被下一代通用模型的迭代抹平
AI带来的生产力变革将像印刷术一样推动全社会的创造力解放，但过渡期的岗位冲击需要社会层面形成配套的应对方案，包括职业教育、社会保障等
AI安全不是单一公司的责任，需要全行业共同推进安全标准的建设，Anthropic的「竞优」理念和开源安全技术的实践值得全行业参考

原文发表：Feb 19, 2026 · 纪要生成：2026-02-24