AI news

Claude Code团队讲究啊,这都往外说

By 程浅3 viewsSource: 量子位
Claude Code团队讲究啊,这都往外说

话说。 Claude发布了一则Claude code团队如何使用Claude code持续优化Claude code的访谈视频。

The full text has not been translated yet. The Chinese original is shown below.

话说。

Claude发布了一则Claude code团队如何使用Claude code持续优化Claude code的访谈视频。

文章配图

访谈中,Claude员工们对最近这一年工作方式的变化大发感慨。

由此重点谈到了他们如何看待“要在非常快的迭代节奏下做产品”这件事。

文章配图

△《How the Claude Code team uses Claude Code》访谈截图

(这画面温馨得像三个超级奶爸在讨论如何育儿。)

本文整理了这次访谈的核心内容,精华包括不限于:

“你必须对自己正在构建的东西保持非常不执着的态度,因为它们很快就会消失。”

“我们现在的工作层级,已经比Claude实际输出的token高出了一个抽象层。”

“被迫放手让Claude自己发挥,因为信任比监督更重要。”

““你必须既站在技术前沿,又为今天使用模型的人提供价值。这是一门艺术,也是一门科学。”

“软件工程是「变化的职业」。你解决的问题在变,但核心始终是problem solving。”

希望对同样处在快技术迭代节奏下的你有所启发。

团队现在是怎样工作的?

团队表示,当前已经将70%-80%的日常工作交给Slack(美国飞书)原生的AI agent——Claude Tag完成。

而一年之前,Claude Code的工程师还在逐行阅读AI的工作记录。

包括每一次工具调用、每一个参数选择、每一步推理决策……

(这工作量。)

他们现在工作的核心理念是:不再逐条审视tool call和模型决策,而是下达一个goal,让模型自行达成。

不知道这种理念是否与Claude Tag产品设计有关,或许是为了让它更像一个真实的Slack参与者,他们将用户界面和模型的思考记录彻底解耦了。

文章配图

如此,AI的内部独白将被Slack界面隐藏起来,人类看到的每一条消息,只是Claude在调用发消息的工具,它真正的思考过程并不会实时展示。

团队认为这是一种有点吓人的强制性放手。

与此同时,他们也在激进地使用Claude Tag开发Claude Tag自身。

随之举了一个新内部工具的开发案例,很有意思:

第一步是问Claude Tag:“我在想这样一个点子,我应该去找谁聊聊?谁会对这个感兴趣?

Claude Tag交付了一批stakeholder的名单。

聊完之后,第二步就直接让Claude Tag做原型示意图和具体实现。

第三步,让Claude Tag加入大量埋点,把工具部署到内部使用,观察“大家是怎么用这个的?有没有人给我反馈?”

此后,Claude Tag会持续监控这个工具的使用数据,一旦收到反馈就会主动提醒负责人,同时让它“去改进这个转化漏斗,你自己想想办法”。

总之就是一个纯粹的放养型,他们表示,到了现在这个阶段,或许信任比监督更重要。

核心要义是“不恋战”

实际上,所有的问题都要放在一个前提下去考虑。

底层模型的能力每两个月发生一次根本性跃迁。

“技术的地基每两个月就会在你脚下发生根本性的变化……你必须待在前沿,其实得越过前沿才能真正感受到那个边界。但与此同时,你又得为今天正在使用这些模型的人提供价值。”

文章配图

而这是一种平衡,一半是艺术,一半是科学。

由此带来的一条工作准则是,“你必须对自己造的东西保持非常不执着的态度。”

毕竟很多写进harness里的功能,本质上是为了弥补当时模型能力上的短板,一旦模型变强,这些功能就需要立刻拿掉。

一个很经典的案例就是to-do list功能。

在Sonnet 3.5阶段,模型还没办法完成连续多步的复杂任务,因此需要给它一份待办清单。

但一年之后,模型具备了更复杂的记忆能力,这个曾经的救命功能就像脚手架一样被拆除了。

另一个例子是AskUserQuestion工具。

最初是为了让Claude能在任务中途主动向用户提问而精心设计,但模型生成HTML的能力变强之后,开发者自然地转向让Claude直接生成带图表和mockup的可视化artifact来提问。

文章配图

面对如此摇摇欲坠的现实,团队采取的方法是不再去构建一整套固定的解决方案,而是搭建一个个可以自由组合的“原语”(primitive)。

比如Permissions、Visualizations、Verification、Code Review、Feedback……

这样做的好处是,当某一个原语过时、需要替换时,付出的代价更小。

并且,当这些原语层层叠加、组合在一起时,往往会涌现出超乎意料的新能力。

工程师的核心永远是Problem Solving

如果非要说这一年里工作方式的最大变化,概而言之就是,人与AI打交道的颗粒度不断上移。

先是token和具体的工具调用,到一次对话(session),再到一个完整的目标(goal),再到如今的“持续运行、跨越多次对话边界的工作系统。”

抽象的层级在不断上升,这一点也体现在两条并行的线索上。

第一条是基础设施的演进,从最早的本地运行到远程开发机,再到托管容器,再到可以运行在云端容器里的网页版,确保了任务能够一直在后台运行,并完成例行任务(routines)。

第二条是代码审查路线的演变。

人从更琐碎的代码审查中得以抽身——让Claude大范围搜索出尽可能多的疑似问题,再针对每一个疑似问题做对抗性审查,从三个不同角度做一次交叉复核,从而过滤掉大部分噪音,只把真正需要关注的问题留给人。

而这套思路后续也演变成了workflows,由Claude自己编写代码,去编排多个子智能体的协作方式,把确定性的代码逻辑和智能体的自主判断结合在一起。

目前,Claude code团队里那些热衷于匠心手作的员工们已经放下了“被取代”的执着,开始享受性能提升的快感……

毕竟,软件工程本质上就是一个关于变化的行业,尽管解决的问题一直在变,解决问题的工具也一直在变。

谁能想到?十几二十年前人们还在手写没有任何框架的JavaScript。

如今,变化的速度快了些,但底层的逻辑始终没有变,归根结底——

工程师,始终是一个关于“如何解决问题”的职业。

参考链接:

[1]https://www.youtube.com/watch?v=S-sYlFiGFv8

文章来自于"量子位",作者 "程浅"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)