谷歌工程师公开点赞Claude Code:1小时搞定我一年工作量
1 月 4 日消息,谷歌一名资深工程师表示,Anthropic 公司的 Claude Code 仅用一小时就生成了一套可用系统,而她的团队从去年起就一直在研发该系统。谷歌负责 Gemini API
1月4日有消息称,谷歌的一位资深工程师透露,Anthropic公司的Claude Code仅用一小时就生成了一套可用系统,而她的团队从去年起就一直在研发该系统。

谷歌负责Gemini API的首席工程师亚娜·多根在X平台发文称,她向Claude Code提交了一份问题描述,仅一小时就收到了结果,这个结果与她的团队过去一年一直在构建的东西相当。这项任务的核心是分布式智能体编排器——即一种能协调多个人工智能体协同工作的系统。多根透露,谷歌此前针对该问题尝试了多种技术方案,但始终未能达成共识。
在被问及提示词细节时,多根解释道,她给出的提示词并不算十分详尽,仅有三段内容。由于不能使用公司内部资料,她基于现有公开思路搭建了一个简化版需求,用以测试Claude Code的能力。
多根坦言,Claude Code生成的结果并非尽善尽美,仍需进一步优化完善。她建议那些对代码生成智能工具持怀疑态度的人,不妨在自己深耕的专业领域中亲自试用这类工具。当被问及谷歌是否在使用Claude Code时,多根表示,该工具仅被允许用于开源项目,禁止在内部工作中使用。有用户追问Gemini何时能达到同等水平,多根回应称:“我们目前正全力以赴推进研发,包括模型本身和配套工具链的优化。”

她补充道,人工智能行业从来都不是一场零和博弈,因此,在竞争对手确有建树时给予肯定,是合乎情理的做法,“Claude Code的表现令人赞叹,这既让我备受鼓舞,也更坚定了推动整个行业向前发展的决心。”
多根还阐述了人工智能辅助编程技术的飞速演进历程:2024年,这类系统只能完成单条代码的补全;到了2024年,已能处理完整的代码片段;直至2024年,其能力拓展至跨多文件协作,并可搭建简单的应用程序;进入2025年,它们已经能够独立构建并重构完整的代码库。
多根回忆道,早在2024年时,她还认为2024年的这些技术里程碑,要转化为可规模化推广的全球开发者产品是不切实际的;而在2024年,她曾预判当前的技术水平需要再等五年才能实现。她在文中写道:“迄今为止,这一领域在质量与效率上取得的突破,已经超出了所有人的想象。”
注意到,几乎在同一时间,Claude Code的开发者鲍里斯·切尔尼也分享了这款工具的使用诀窍。他的首要建议是:为Claude提供验证自身工作成果的方法。这种反馈机制能将最终输出结果的质量提升一倍甚至两倍。
切尔尼建议,大多数使用场景都应从“规划模式”开始,与Claude反复迭代沟通,直至敲定一份详实可靠的执行方案。在此之后,Claude通常就能一次性完成任务。对于重复性的工作流程,他会利用斜线命令和子智能体,将代码简化、应用测试等特定任务自动化。
针对耗时较长的大型任务,切尔尼会启动后台智能体,在Claude完成工作后对其成果进行复核审查。他还会并行运行多个Claude实例,以此同时处理不同的任务。他日常使用的默认模型是Opus 4.5。
切尔尼表示,在代码审查环节,团队会在同事的代码合并请求中直接标记Claude,让它自动补充相关文档。此外,Claude Code还可与Slack、数据分析工具BigQuery、错误日志监控工具Sentry等外部应用程序集成使用。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:谷歌工程师公开点赞Claude Code:1小时搞定我一年工作量要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点微软与约翰霍普金斯大学的研究团队近日联合发表了一项最新研究成果,提出了一种名为 KBLAM (Knowledge Base augmented Language Model,即知识库增强语言模型) 的创新方法。简单来说,KBLAM的核心思路是:将知识库压缩成一张张“知识卡片”,并直接嵌入到大语言模型
MCP这个词,最近在圈子里频繁刷屏。说到底,MCP协议的出现,确实把模型调用工具的难度拉低了一大截。发布短短几个月,各类工具的MCP服务就像雨后春笋般冒了出来。 但说实话,MCP本身的使用逻辑并不难——跟平时和AI聊天提需求差不多。真正的痛点,卡在配置环节。目前支持MCP的客户端,要么是Claude
摘 要:快速、精准地识别铝型材表面缺陷,是生产线面临的一项实际挑战。传统方法要么成本高昂、设备复杂,要么检测效率欠佳。本文提出一种基于YOLO深度学习模型的缺陷识别方案——首先通过图像增广技术解决样本量不足和类别分布不均问题,随后构建YOLO模型,并增加预测尺度以增强对微小缺陷的捕捉能力。同时,对缺
树莓派安装OpenCV 4 完整实战教程:从零开始搭建计算机视觉环境 早期的计算机主要依赖键盘和鼠标进行交互,但如今它们已经进化到能够智能读取图像与视频中的信息。这种能力——让计算机从图像中提取、分析并理解信息——正是计算机视觉的核心。近年来,计算机视觉技术突飞猛进,不仅能识别出人和物体,还能分析其
- 日榜
- 周榜
- 月榜
热点快看
