Claude创始人访谈揭秘无代码AI智能体如何用手机指挥上千任务

未来的软件世界，或许将不再有一行行冰冷的代码，取而代之的，是无数个精准表达的想法，在云端不知疲倦地运转、生长。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

不久前，在红杉资本主办的AI Ascent 2026峰会上，Greg Brockman、Andrej Karpathy、Demis Hassabis等150多位全球顶尖的创始人或研究者齐聚一堂，共同探讨前沿科技的未来图景。其中一场备受瞩目的对话，主角是Claude Code的缔造者之一——Boris Cherny。

当Boris Cherny坐在台上时，现场座无虚席。他分享的每一个观点，都像投入平静湖面的石子，在台下众多软件工程师心中激起层层波澜。他描述了一个正在加速到来的现实：2026年，他本人已经几乎不写代码，甚至日常都不再打开电脑，仅凭一部手机就能指挥上千个智能体协同工作。他更预言，Claude Code自身的代码库，一年后可能将精简到仅剩100行左右。

这背后是一个更为深刻的趋势：软件工程的门槛正在被彻底踏平。未来的顶尖应用，极有可能出自那些完全不懂传统编程的会计师、医生或设计师之手。我们正站在一个历史节点上，亲眼目睹软件行业经历一场“活字印刷术”式的革命。

告别手动敲代码

把时间拨回到2024年底，那时AI编程的“先进水平”还停留在“Type ahead”（智能补全）。在很多人看来，AI辅助写代码，无非是一个更聪明的自动补全工具——打开集成开发环境，按下Tab键，让系统一行一行地预测接下来的代码。

然而，Anthropic内部的孵化团队Anthropic Labs，却敏锐地察觉到了技术与产品形态之间的巨大落差。模型明明蕴藏着更强大的潜能，但产品设计却显得想象力匮乏。他们决定尝试一条更激进的路：让智能体（Agent）接管全部的代码编写工作。

起步并不顺利。初版产品表现糟糕，前六个月里，它只能勉强处理极少量的代码生成任务。即便后来首次对外发布，市场的反响也平平无奇。

真正的转折点发生在2025年5月，随着Opus 4模型的发布，一条指数级的增长曲线被瞬间拉起。此后，模型迭代到4.5、4.6直至如今的4.7，机器的理解能力和自主性开始呈爆发式攀升。团队最初的信念得到了印证：只要为下一代模型提前构建好产品框架，一旦模型能力到位，用户体验就会发生质变。

如今，机器写代码的能力已经触及了一个临界点。Boris Cherny用极其平静的语气描述了现状：“对我来说，模型现在编写了我100%的代码。我通常每天会提交几十个PR（代码合并请求）。”他甚至在某一天提交了150个PR，创下了个人纪录。

当然，面对极其庞大复杂的旧有代码库，或是某些边缘的编程语言，机器偶尔仍会“卡壳”。但对于这些残存的死角，工程师们的心态已经变得非常放松：没关系，等下个月的新模型发布就好。

手机里的自动化帝国

当工程师从繁重的键盘敲击中解放出来，他们的工作形态也随之变得极具科幻感。不再需要三台显示器和高性能机械键盘，Boris Cherny坦言，他甚至不常打开电脑了，一部手机就足以指挥“千军万马”。

他现场演示了手机上的Claude应用，在代码标签页下，有5到10个主会话在同时运行。而每一个会话背后，都可能挂载着数百甚至上千个并行工作的智能体。每到深夜，成千上万的智能体就会在云端不知疲倦地执行深度代码重构等复杂任务。

支撑起这个庞大自动化帝国的核心机制，是一个看似简单的循环命令——\loop。利用类似cron的定时任务调度，你可以让智能体在未来某个特定时间点，或者按照固定频率，反复执行某项任务。Boris Cherny认为，这种循环机制就是未来：“在目前这个阶段，我感觉循环机制就是未来。”

他本人就配置了几十个这样的循环任务：有的负责全天候监控代码库，自动修复持续集成过程中的报错并完成代码变基；有的负责清理系统中偶尔出现的测试波动；还有一个任务，每隔30分钟就会去社交平台抓取用户反馈，自动完成分类整理，然后通过办公软件将报告发送给他。

随着最新的服务端日常任务功能上线，连手机都不用特意打开，这些“数字劳工”便会永远在后台自主运转。

工作流的质变，直接引发了团队人员结构的重组。“全栈工程师”这个旧概念被赋予了全新的内涵。过去，它指的是既能写前端网页又能写后端服务器逻辑的人。而现在，全栈的“栈”已经跨越了专业的壁垒。

Boris Cherny分享了他们团队的现状：“我们团队里的每一个人都在写代码。”工程主管、产品经理、设计师、数据科学家、财务人员、用户研究员……全体成员都在使用自然语言编写程序。每个人依然保有自己领域的专业特长，而写代码，只是他们实现想法的最短路径。

软件界的活字印刷

面对技术门槛的消失，许多人担忧传统的软件行业会被摧毁。但回望历史，类似的技术跃迁早有先例，而结局无一例外都导向了更大的繁荣。

在14世纪的欧洲，只有大约10%的人具备读写能力。阅读和书写是一项被极少数文士垄断的高门槛特权技能，他们通常受雇于不识字的王公贵族。

历史的转折点出现在15世纪，活字印刷术的诞生，使得书籍的制作成本下降了近百倍。印刷术普及后的50年里，欧洲出版的文献数量超过了过去一千年的总和。阅读不再是奢侈品，随着教育体系的跟进，全球识字率最终攀升至70%以上。今天，没有人需要去考一个“阅读与书写”学位才能发送信息，文字成了全人类的基础工具。

软件开发正在经历完全相同的故事，而且演进速度远超当年。开发软件，正逐渐变成一项如同发信息一样普及的大众技能。想象一下：路边便利店的老板可以随手为自己的店铺写一个库存管理系统；普通人可以轻松编写微控制器程序，让家里的灯在推门的瞬间自动亮起。

当编写代码本身不再是障碍，真正稀缺和有价值的，就变成了深刻的行业认知。开发一款顶级的财务软件，最佳人选可能不再是精通各种算法的资深程序员，而是一位精通税务知识、深谙企业资金运转规律的顶级会计师。懂行，成了未来唯一的、也是最重要的入场券。

护城河的重构

技术平权不仅改变着个人，也在暴力重构商业世界的游戏规则。传统软件服务公司赖以生存的护城河，正在经历一轮残酷的洗牌。

以经典的商业分析“七大护城河”理论来看，在AI的冲击下，这些护城河的价值发生了剧烈分化。其中，“转换成本”这一项正在迅速贬值。过去，企业一旦用惯了某个系统，迁移数据和业务流程的成本高得令人望而却步。而现在，只需给模型下达清晰的指令，它就能干净利落地把所有历史数据和业务逻辑，平滑地移植到新平台。

“流程壁垒”也随之瓦解。那些依靠复杂的审批流和精细化协同工具建立起优势的公司，正面临降维打击。以当前4.7版本模型的能力，只要给定一个明确的业务目标，它就能像“爬山算法”一样，自动摸索、试错、迭代，直到独立跑通整个流程。

当然，并非所有护城河都如此脆弱。“网络效应”、“规模经济”以及对“稀缺资源的垄断”，依然坚不可摧。技术的普及并不会动摇这些底层的商业逻辑。

对于初创企业而言，这无疑是历史上最好的时代。未来十年，碘伏性创新公司的数量有望实现十倍级的增长。三五个人的小团队，借助数字智能体的力量，完全有可能打造出匹敌科技巨头的产品。大公司往往被庞大的组织惯性所拖累，改变流程、培训员工、应对内部阻力都需要漫长的时间。而轻装上阵的创业者，从第一天起就能生长在AI构建的地基上。这种组织形态的进化速度，有时比模型参数的增长更令人敬畏。

在最前沿的实验室里，连人与机器的协作方式都被重写了。Boris Cherny透露：“我们在公司任何地方都不再有手工编写的代码了。”所有的数据库查询语句，所有的底层架构，全部交由模型生成。工程师的智能体甚至会在办公软件里互相“聊天”，自动协商解决系统对接时遇到的未知变量。

这种深入骨髓的组织与流程变革，才是未来拉开企业差距的真正壁垒，而不仅仅是大家都能触手可及的模型API。随着时间的推移，各种繁杂的约束工具和人为设定的安全护栏，也会逐渐变得多余。

回顾一年前，产品的成功一半靠模型能力，另一半则靠产品经理精心打磨的交互细节和防注入机制。而今天，产品设计的重心已经转向如何让模型更好地进行大规模并行计算。关于未来计算力部署的争论，比如到底该用云端大模型还是本地小模型，很快就会失去意义。因为随着模型能力越来越强，工具本身需要做的事情会越来越少——工具，正在慢慢变成模型的一部分。

这也正是Boris Cherny预言Claude Code代码库将大幅精简的底层逻辑。他一语道破了人机关系的终局：“因为我认为现在我们已经到了模型能够自行解决问题的地步。”

模型会自己评估任务复杂度，自主决定是在本地启动一个小容器快速处理，还是调用云端算力进行深度运算。MCP协议正在打通各类办公软件的数据孤岛，机器操作工具则接管了所有没有开放接口的传统桌面软件。在机器的“眼”中，无论多复杂的软件界面，最终都只是供它读取和输出的字符凭证。

至此，人类工程师的角色发生了根本性转变：他们只需要指明方向，提出精准的想法。剩下的所有构建、执行与优化，全部可以交给那些在云端永不休眠的智能体。一个由想法直接驱动软件的世界，正在加速成为现实。