Claude Code创始人:程序员,2026年开始消失
本文基于Claude Code创始人Boris Cherny的访谈,深入探讨了AI编程对软件工程领域的颠覆性影响。Boris预言“软件工程师”这一头衔将逐渐消失,编程将从专业技能转变为像读写一样的通用基础能力。Anthropic内部数据显示,AI已承担70%-90%的代码编写,人均工程产出提升了150%。文章指出,代码的“保质期”缩短至数月,传统的经验积累不再有效,未来的核心竞争力将是与AI协作的能力及第一性原理思考。
本文基于Claude Code创始人Boris Cherny的访谈,深入探讨了AI编程对软件工程领域的颠覆性影响。Boris预言“软件工程师”这一头衔将逐渐消失,编程将从专业技能转变为像读写一样的通用基础能力。Anthropic内部数据显示,AI已承担70%-90%的代码编写,人均工程产出提升了150%。文章指出,代码的“保质期”缩短至数月,传统的经验积累不再有效,未来的核心竞争力将是与AI协作的能力及第一性原理思考。
文章及时传递了2026年Claude Code创始人关于AI颠覆编程的极高信息量与新颖观点,可读性极强,但内容偏向宏观趋势洞察,缺乏具体的技术操作与实践指南。
文章指出了大多数开发者在使用 Claude Code 时仅停留在“对话”层面的误区,提出了将其视为“可编程推理引擎”的理念。作者详细阐述了如何通过构建“输入层-推理层-执行层-反馈层-记忆层”的系统架构,利用 Prompt Builder、自动化测试闭环和 CLAUDE.md 记忆机制,将 AI 从辅助工具转化为高一致性的生成系统。
本文旨在打破 AI 编码仅限程序员的误区,指导非工程师(产品、运营等)如何上手 Claude Code。文章指出,虽然命令行是初学者的第一道门槛,但配合 Kaku 等工具并不难掌握。作者强调了具备基础技术素养的重要性,并详细介绍了 Claude Code 的订阅体系及适用场景(如数据处理、文档提取、内部工具原型)。此外,文章通过“为一人开发软件”的概念,鼓励非技术人员从解决自身日常痛点出发,利用 Claude Code 实现工作自动化。
Anthropic 工程经理 Felix Rieseberg 宣布其团队面试不再考核传统编程题,因为 Claude 等AI已能轻松完成这类题目,且团队最能出成果的人与编程题表现关系不大。他认为AI时代让入行不久的工程师有机会跑赢资历更老的员工,因为把想法做出来的成本大幅降低。文章介绍了新人面临的困境(想法不被重视、受所谓'常识'束缚),并给出五条建议:紧盯业务影响、提出大胆想法、快速做原型、一个原型聚焦一个好点子、善用新人视角。文中以两位新工程师用周末做出 Claude Code 图形界面版为例佐证。
文章介绍了 Anthropic Claude Code 团队的代码审查实践,以及作者团队自研 AI 代码审查工具 HeyDeer 的落地经验。核心思路是:AI 写代码占比接近 100% 后,人工逐行审查不再可行,应把人的注意力留给真正有风险的部分。做法包括按风险分级审批(低中风险由 AI 自动批准,高风险由人判断方向)、多模型交叉审查降噪、用仓库检查落实团队规范、通过 Autopilot 自动修复问题直至收敛。作者团队跑了 8 个月未因合并有 bug 的代码导致线上事故,认为大部分创业和中小公司都适用这种方式。
文章介绍 Anthropic 最新报告显示 Claude 已能作为“超级博后”全自动完成科研任务。仅凭一段 Prompt,Claude 可自主读文献、串联蛋白质开源模型,24-48 小时内完成 de novo 蛋白质设计;湿实验验证中 15 个靶点成功 14 个,单靶点命中率高达 35.1%,攻克了 TNFα 等地狱级靶点并实现跨物种结合。此外 Claude Opus 5 仅用 19 分钟即逆向解析 NMR 与质谱原始数据,纯度计算结果与人类专业实验室几乎一致。作者认为 AI 正从工具人进化为自主科研决策者,未来科研竞争将转向提出有价值的科学问题。
程序员鱼皮分享了让 Claude Opus 5.5 通过写代码自动制作产品宣传视频的方法:AI 基于 Remotion 框架把每个画面做成动效网页,再逐帧截图拼合成视频,文字和产品界面精确可控。作者开源了《AI 产品宣传视频制作器》,包含写给 AI 的工作规范、Remotion 模板和辅助脚本。使用时只需一句话描述需求,AI 会自动调研产品、确认需求、生成多种风格小样,完成写脚本、截图、配乐、配音到剪辑的全流程,几十块钱即可产出 4K 宣传片,附带 80 多条踩坑记录。
作者结合测试 TRAE 新版本的体验,总结了 AI 编程的四个趋势:人不再手写代码、IDE 淡出后台、工作入口向聊天窗口集中、从单个 Agent 写代码转向指挥多个 Agent 并行交付,代码审查也因此逐渐走向抽查模式。作者分享了个人的五个实践做法:搭建 Agent 易于验证的环境(文档地图、自动化测试、原型、AGENTS.md 规则)、把自己当管理者进行多 Agent 并行调度、按任务难度分配不同模型、善用模板和开源项目、把重复工作交给 Skill 和自动化任务。文章指出写代码成本快速下降,而想清楚需求和验证结果的能力越来越值钱。
作者以程序员视角深入分析了数字生命卡兹克零编程基础、纯靠 AI 构建的开源项目 AIHot(AI 热点新闻聚合网站)。文章详细解读了项目的技术选型与架构:TypeScript 全栈 monorepo、React Router SSR 前端、Fastify API、pg-boss 任务队列,以及 RSS、网页爬虫、JSON 接口、推特、微信公众号等六种信源采集方式。重点剖析了其基于大模型的文章处理流程:预筛、五维度加权打分、摘要生成、向量聚簇归组。作者由此引申讨论 AI 时代软件工程可维护性标准的转变:程序员注意力从代码实现转向架构设计与约束,类比铝从贵金属到飞机材料的价值观变迁。
文章引用 DHH 的观点指出,手写代码对绝大多数程序员已不再经济,软件工程正演变为系统架构设计。通过 Artemis 和 SpaceXAI Grok 团队的案例,说明工程师如今通过设计验证循环(verification loops)让 AI 大规模正确地编写代码——如 Lauren Tan 每月发布 2000 个 PR。文章借鉴 Donella Meadows 的系统理论,提出优秀系统设计的三大特性:韧性(AI 通过测试、审查代理和生产可观测性自我校验)、自组织(循环学习将失败类型转化为新技能)和层级(将技能、工具与沙箱组合成可复用组件)。工程师的新职业是'驾驭智能'。
作者回顾2025年7月三个改变其职业认知的事件:一是仅凭AI便完成一个完整SaaS应用;二是在Tinder用一段2000词的指令(Skill)让AI在10分钟内完成原本需要6-8小时的复杂线程库迁移且结果正确;三是目睹CFO和健身馆老板等非技术者用Claude构建出复杂的金融和健康平台。作者认为编码只是门槛,真正核心的是执行能力,而AI让执行几乎免费。超专业化曾被视为安全选择,如今反成风险。文章呼吁工程师直面身份焦虑,思考当执行不再稀缺时,自己真正价值何在。