Anthropic Claude Code 负责人亲揭：AI 已接管他 100% 的代码，工程师正在消失，“Builder”时代来了。

GitHub上已有4%的公开提交由Claude Code完成。根据SemiAnalysis的报告，这个数字预计在2024年底前攀升至20%。这不是一个遥远的预测，它正在发生，而且速度远比多数人预想的快。

更直接的样本来自Claude Code负责人Boris Cherny本人。他在2026年2月接受Lenny's Podcast主持人Lenny Rachitsky访问时透露，自2024年11月以来，100%的代码由AI完成，没有手动修改过任何一行。

他表示每天能交出10至30个拉取请求（Pull Request,PR），靠的是同时启动多个AI Agent并行运作的“Multi-quading”模式。这不是对未来的描述，是他现在每天的工作状态。

为什么选择终端而不是IDE？

在开发者工具市场里，Anthropic做了一个反直觉的选择：把Claude Code做成命令列工具，而不是有图形介面的IDE外挂。

Boris的逻辑很简单。模型能力每隔几个月就跳一个层级，这个阶段如果花太多力气建复杂的GUI，很快就会被新模型的能力变成多余的包袱。终端机的好处是摩擦最低，模型可以直接操作档案系统，不需要绕过任何中介层。

这个决策也有一个意外的验证。Anthropic的资料科学家Brendan，本职工作不是软体工程师，却愿意自己装Node.js、设定终端环境，只为了在命令行里用Claude Code分析SQL资料。

一个非技术职能的人，为了用上这个工具，主动克服了那么高的设定门槛，Boris把这种行为叫做“滥用”，但他把它视为强烈的市场信号。这个观察直接催生了针对非技术工作的Cowork产品，原型只花了10天就做出来。

Boris的设计原则，是让模型的能力直接暴露出来，而不是把它封装在预设的规则逻辑里。AI决定工具的使用顺序，人类定义目标、审查输出，这是他理解的“以模型为中心”的开发方式。

资源压力是创新的催化剂

Anthropic在管理上有一套外人看起来有点奇怪的逻辑：刻意让团队人手不足。Boris把这个做法叫做“Underfunding”。他认为，当团队只有一个人时，那个人没有选择，只能想办法让AI完成99%的工作。人力的充裕反而会降低自动化的动力，因为总有人可以手动补上缺口。

数据支持这个说法。Anthropic的人均PR产出提升了200%。相比之下，Meta等大型科技公司投入数百名工程师做效能优化，年增长通常是个位数。但在人力资源上压紧的同时，Anthropic在Token使用上完全放开。部分核心工程师每个月的Token帐单高达数十万美元，公司没有要求他们控制成本。

Boris对CTO的建议是：创新早期不应该优先考虑成本优化，而是让工程师自由消耗Token，去找到真正有效的工作流。等规模化之后，再把任务迁移到成本更低的模型版本。先找到有效的做法，再想办法让它变便宜，这个顺序不能颠倒。

【延伸阅读】315晚会｜AI搜索造假成产业链！GEO技术变投毒工具　假产品能上榜（点击连结看全文）

工程师的角色正在换一个名字

Boris用了一个历史类比：印刷术出现之前，识字率不到1%，抄写员的工作是把文字逐字复制。印刷术普及之后，人们不再被“怎么写”占满精力，而是开始思考“写什么”。有意思的是，那个年代的抄写员并没有因此消失，他们转向了书籍装帧这类需要更多手艺判断的工作。他认为软体工程师正在走同一条路。

当程式语言变成跟组合语言一样的底层基础设施，工程师的职称可能会跟著改变。Boris用“Builder”这个词描述AI时代的开发角色：不再纠缠语法和debug，而是负责定义系统目标、判断输出是否正确，以及决定要解决什么问题。

两个角色的差异，不只是工具不同，思考方式也不同。传统工程师的核心问题是“怎么把这段代码写对”，Builder的核心问题是“我要让这个系统做到什么，以及怎么确认它做对了”。Boris预判，理解底层原理在未来一两年仍然有溢价，但长期来看，最稀缺的能力将是准确定义问题，而不是编码本身。

不要修补现在，为六个月后开发

在技术策略上，Boris明确站在“苦涩的教训（The Bitter Lesson）”那一边。这个概念来自AI研究员Rich Sutton，核心观点是：任何试图透过增加人工规则来让模型表现更好的做法，最终都会被模型的通用能力提升所淘汰。

这对开发者有一个很具体的含义：不要试图修补现在模型的缺陷。如果当前模型在处理复杂记忆体泄漏时能力不足，比较好的选择是等下一代模型，而不是花大量工程资源去建补丁。那些补丁等新模型出来之后，会直接变成负资产。

Anthropic的应对方式是刻意维持系统的通用性，有时宁可让功能“带病运转”，也不要为了修一个现有问题而锁死系统的弹性。Boris说，Claude Code的开发目标是六个月后的模型，不是现在的模型。

最后的竞争力叫常识

从编程，到工具使用，再到操作电脑，AI的自动化能力正在逐步往外扩散。Boris把Claude Code定位成Anthropic的“安全实验室”，用来观察AI Agent在真实环境中的行为，这些观察最终会回馈到Anthropic的安全研究。

他在访谈中提到一个叫“味噌哲学”的观察。白味噌需要三个月发酵，红味噌需要三到四年。AI工具让人可以在十天内交出原型，但一个能长期运作的系统，还是需要时间的积累和判断的沉淀。这两件事并不冲突，而是必须同时存在。

当AI具备足够的“常识”，组织结构会跟著扁平化，很多中介层会消失。在那个时间点，能够定义正确问题、审查输出品质的人，才是真正有竞争力的Builder。软体工程师这个职称，或许正在走向它的最后一段路。但那些在乎问题本质、能判断什么值得被建造的人，不会缺乏位置。

延伸阅读：

Perplexity Computer比龙虾更狂的10组提示词！写程式、理财研究到行销专家⋯领域一次看

Claude推出13堂免费线上课程！可领官方证书，Agent Skills、Claude Code实作一次学

【本文获“数位时代”授权转载。】