当世界上最先进的编码代理的创造者发言时，硅谷不仅会倾听，还会做笔记。
过去一周，工程界一直在热议Anthropic公司旗下Claude Code的创始人兼负责人Boris Cherny在X论坛上发布的一条帖子。最初，他只是随意分享了自己的终端设置，没想到却迅速演变成一篇关于软件开发未来的病毒式宣言，业内人士称之为这家初创公司的一个转折点。
“如果你没有直接阅读 Claude Code 的最佳实践，那么作为一名程序员，你就落后了，”开发者社区的知名人士Jeff Tang写道。另一位行业观察家Kyle McNease则更进一步，宣称凭借 Cherny 的“颠覆性更新”，Anthropic 正处于“巅峰状态”，可能即将迎来“他们的 ChatGPT 时刻”。
这种兴奋感源于一个悖论：切尔尼的工作流程出奇地简单，却能让一个人达到小型工程部门的产出水平。正如一位用户在X论坛上实施切尔尼的方案后所说，这种体验“感觉更像是星际争霸”，而非传统的编程——从输入语法转变为指挥自主单元。
以下是架构师本人对正在重塑软件构建方式的工作流程的分析。
如何同时运行五个人工智能代理，将编程变成实时战略游戏
切尔尼披露的信息中最引人注目的是，他的编程方式并非线性。在传统的“内循环”开发模式中，程序员编写一个函数，测试它，然后继续编写下一个函数。然而，切尔尼却像舰队指挥官一样统筹全局。
“我在终端里同时运行5个Claude程序，”切尔尼写道。“我把标签页编号为1到5，并使用系统通知来了解哪个Claude程序需要输入。”
通过利用 iTerm2 系统通知，Cherny 有效地管理着五个并行工作流。一个程序运行测试套件，另一个程序重构旧模块，第三个程序撰写文档。他还在浏览器中运行“ claude.ai上的 5-10 个 Claudes ”，使用“teleport”命令在网络和本地计算机之间切换会话。
这印证了Anthropic总裁丹妮拉·阿莫迪本周早些时候提出的“以更少资源创造更多价值”的战略。当OpenAI等竞争对手斥资万亿美元建设基础设施时，Anthropic正在证明，对现有模型进行更高效的协调可以带来指数级的生产力提升。
选择最慢、最智能模型的反直觉理由
令人惊讶的是，在这样一个痴迷于延迟的行业中，切尔尼透露他只使用 Anthropic 最重、最慢的型号：Opus 4.5。
“我用的是 Opus 4.5，配合 Thinking for Everything，”Cherny解释说。“这是我用过的最好的编码模型，虽然它比 Sonnet 更大更慢，但由于它需要的干预更少，而且工具使用更高效，所以最终它几乎总是比使用较小的模型更快。”
对于企业技术领导者而言，这是一个至关重要的洞见。现代人工智能开发的瓶颈不在于代币的生成速度，而在于纠正人工智能错误所耗费的人力。切尔尼的工作流程表明，预先支付“计算成本”以获得更智能的模型，可以避免日后支付“纠正成本”。
一个共享文件就能将人工智能的每一次失误都转化为永久的教训。
切尔尼还详细介绍了他的团队如何解决人工智能失忆的问题。标准的大型语言模型无法“记住”公司在不同会话中特定的编码风格或架构决策。
为了解决这个问题，切尔尼的团队在他们的git仓库中维护了一个名为CLAUDE.md的文件。“每当我们发现克劳德做错了什么，我们就会把它添加到CLAUDE.md文件中，这样克劳德下次就知道不要再犯同样的错误了，”他写道。
这种做法将代码库转变为一个自我纠错的有机体。当开发人员审查拉取请求并发现错误时，他们不仅会修复代码，还会标记人工智能以更新其自身指令。“每一个错误都会变成一条规则，”产品负责人Aakash Gupta在分析该讨论串时指出。团队合作的时间越长，人工智能就越智能。
斜杠命令和子代理可以自动完成开发过程中最繁琐的部分。
一位观察者称赞的“原生”工作流程得益于对重复性任务的严格自动化。Cherny 使用斜杠命令——即提交到项目代码库中的自定义快捷方式——只需按一次键即可处理复杂的操作。
他特别提到了一个名为/commit-push-pr的命令，他每天都会调用这个命令几十次。这样一来，他无需手动输入 Git 命令、编写提交信息和发起拉取请求，代理程序就能自动处理版本控制的繁琐流程。
Cherny 还部署了子代理——专门的 AI 角色——来处理开发生命周期中的特定阶段。他使用代码简化器在主要工作完成后清理架构，并使用验证应用程序代理在任何功能发布之前运行端到端测试。
为什么验证循环才是真正解锁人工智能生成代码的关键
如果说克劳德·科德(Claude Code)的年度经常性收入如此迅速地突破10亿美元大关，那么最可能的原因就是其验证循环。这款人工智能产品不仅仅是文本生成器，它还是一个测试器。
“Claude 会使用 Claude Chrome 扩展程序测试我提交到 claude.ai/code 的每一个更改，”Cherny 写道。“它会打开浏览器，测试用户界面，并不断迭代，直到代码运行正常且用户体验良好。”
他认为，赋予人工智能验证自身工作的方法——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”。人工智能不仅编写代码，还能证明代码有效。
Cherny 的工作流程预示着软件工程的未来走向
Cherny 的帖子引发的反响表明，开发者对自身技艺的思考方式正在发生根本性的转变。多年来，“AI 编码”通常指的是文本编辑器中的自动补全功能——一种更快捷的输入方式。而 Cherny 的研究表明，它如今可以作为劳动本身的操作系统。
“如果你已经是一名工程师……并且想要获得更多能力，那就读读这篇文章吧，” Jeff Tang在 X 上总结道。
将人类产出提高五倍的工具已经存在。它们只需要我们愿意改变观念，不再把人工智能视为助手，而是将其视为劳动力。率先完成这种思维转变的程序员不仅会提高生产力，他们还将参与到一场截然不同的游戏中——而其他人则依然在敲键盘。
当世界上最先进的编码代理的创造者发言时，硅谷不仅会倾听，还会做笔记。
过去一周，工程界一直在热议Anthropic公司旗下Claude Code的创始人兼负责人Boris Cherny在X论坛上发布的一条帖子。最初，他只是随意分享了自己的终端设置，没想到却迅速演变成一篇关于软件开发未来的病毒式宣言，业内人士称之为这家初创公司的一个转折点。
“如果你没有直接阅读 Claude Code 的最佳实践，那么作为一名程序员，你就落后了，”开发者社区的知名人士Jeff Tang写道。另一位行业观察家Kyle McNease则更进一步，宣称凭借 Cherny 的“颠覆性更新”，Anthropic 正处于“巅峰状态”，可能即将迎来“他们的 ChatGPT 时刻”。
这种兴奋感源于一个悖论：切尔尼的工作流程出奇地简单，却能让一个人达到小型工程部门的产出水平。正如一位用户在X论坛上实施切尔尼的方案后所说，这种体验“感觉更像是星际争霸”，而非传统的编程——从输入语法转变为指挥自主单元。
以下是架构师本人对正在重塑软件构建方式的工作流程的分析。
如何同时运行五个人工智能代理，将编程变成实时战略游戏
切尔尼披露的信息中最引人注目的是，他的编程方式并非线性。在传统的“内循环”开发模式中，程序员编写一个函数，测试它，然后继续编写下一个函数。然而，切尔尼却像舰队指挥官一样统筹全局。
“我在终端里同时运行5个Claude程序，”切尔尼写道。“我把标签页编号为1到5，并使用系统通知来了解哪个Claude程序需要输入。”
通过利用 iTerm2 系统通知，Cherny 有效地管理着五个并行工作流。一个程序运行测试套件，另一个程序重构旧模块，第三个程序撰写文档。他还在浏览器中运行“ claude.ai上的 5-10 个 Claudes ”，使用“teleport”命令在网络和本地计算机之间切换会话。
这印证了Anthropic总裁丹妮拉·阿莫迪本周早些时候提出的“以更少资源创造更多价值”的战略。当OpenAI等竞争对手斥资万亿美元建设基础设施时，Anthropic正在证明，对现有模型进行更高效的协调可以带来指数级的生产力提升。
选择最慢、最智能模型的反直觉理由
令人惊讶的是，在这样一个痴迷于延迟的行业中，切尔尼透露他只使用 Anthropic 最重、最慢的型号：Opus 4.5。
“我用的是 Opus 4.5，配合 Thinking for Everything，”Cherny解释说。“这是我用过的最好的编码模型，虽然它比 Sonnet 更大更慢，但由于它需要的干预更少，而且工具使用更高效，所以最终它几乎总是比使用较小的模型更快。”
对于企业技术领导者而言，这是一个至关重要的洞见。现代人工智能开发的瓶颈不在于代币的生成速度，而在于纠正人工智能错误所耗费的人力。切尔尼的工作流程表明，预先支付“计算成本”以获得更智能的模型，可以避免日后支付“纠正成本”。
一个共享文件就能将人工智能的每一次失误都转化为永久的教训。
切尔尼还详细介绍了他的团队如何解决人工智能失忆的问题。标准的大型语言模型无法“记住”公司在不同会话中特定的编码风格或架构决策。
为了解决这个问题，切尔尼的团队在他们的git仓库中维护了一个名为CLAUDE.md的文件。“每当我们发现克劳德做错了什么，我们就会把它添加到CLAUDE.md文件中，这样克劳德下次就知道不要再犯同样的错误了，”他写道。
这种做法将代码库转变为一个自我纠错的有机体。当开发人员审查拉取请求并发现错误时，他们不仅会修复代码，还会标记人工智能以更新其自身指令。“每一个错误都会变成一条规则，”产品负责人Aakash Gupta在分析该讨论串时指出。团队合作的时间越长，人工智能就越智能。
斜杠命令和子代理可以自动完成开发过程中最繁琐的部分。
一位观察者称赞的“原生”工作流程得益于对重复性任务的严格自动化。Cherny 使用斜杠命令——即提交到项目代码库中的自定义快捷方式——只需按一次键即可处理复杂的操作。
他特别提到了一个名为/commit-push-pr的命令，他每天都会调用这个命令几十次。这样一来，他无需手动输入 Git 命令、编写提交信息和发起拉取请求，代理程序就能自动处理版本控制的繁琐流程。
Cherny 还部署了子代理——专门的 AI 角色——来处理开发生命周期中的特定阶段。他使用代码简化器在主要工作完成后清理架构，并使用验证应用程序代理在任何功能发布之前运行端到端测试。
为什么验证循环才是真正解锁人工智能生成代码的关键
如果说克劳德·科德(Claude Code)的年度经常性收入如此迅速地突破10亿美元大关，那么最可能的原因就是其验证循环。这款人工智能产品不仅仅是文本生成器，它还是一个测试器。
“Claude 会使用 Claude Chrome 扩展程序测试我提交到 claude.ai/code 的每一个更改，”Cherny 写道。“它会打开浏览器，测试用户界面，并不断迭代，直到代码运行正常且用户体验良好。”
他认为，赋予人工智能验证自身工作的方法——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”。人工智能不仅编写代码，还能证明代码有效。
Cherny 的工作流程预示着软件工程的未来走向
Cherny 的帖子引发的反响表明，开发者对自身技艺的思考方式正在发生根本性的转变。多年来，“AI 编码”通常指的是文本编辑器中的自动补全功能——一种更快捷的输入方式。而 Cherny 的研究表明，它如今可以作为劳动本身的操作系统。
“如果你已经是一名工程师……并且想要获得更多能力，那就读读这篇文章吧，” Jeff Tang在 X 上总结道。
将人类产出提高五倍的工具已经存在。它们只需要我们愿意改变观念，不再把人工智能视为助手，而是将其视为劳动力。率先完成这种思维转变的程序员不仅会提高生产力，他们还将参与到一场截然不同的游戏中——而其他人则依然在敲键盘。
