当前位置: 首页
AI
Anthropic已停止的六项团队工作实践

Anthropic已停止的六项团队工作实践

热心网友 时间:2026-05-15
转载

Fiona在演讲结尾留了个思考题:找找你最不想开的会,或者最不想写的报告,然后问自己两个问题——它还在完成最初设立它的目的吗?如果不能,是能用AI(Claudify)优化掉,还是干脆直接砍掉?

上周,Anthropic在旧金山开了场开发者大会,叫Code with Claude 2026。有个演讲我反复看了好几遍,倒不是因为发布了什么炫酷的新产品,而是演讲者Fiona Fung说了一句话,让人瞬间警醒。

图片

“这些流程没有哪个是正式宣告死亡的,它们只是悄无声息地停止了运转。”

没有警报,没人站出来说“这个会没必要开了”,也没人质疑“那份设计文档到底还有没有人看”。流程就那么存在着,持续消耗着大家的时间,直到终于有人忍不住问:我们为什么还在做这件事?

这一幕,就真实发生在Anthropic工程团队的内部,当AI辅助编程从少数人的习惯,变成整个组织的默认工作方式之后。

Fiona Fung是谁

先交代下背景。Fiona Fung是Anthropic旗下Claude Code团队的工程负责人,职业生涯从2000年代初的微软起步,后来去了Meta,如今在Anthropic。她可不是刚刚接触AI工具的新手,而是亲眼见过软件工程在互联网普及时代经历的那场巨变。在她看来,眼下正在发生第二次同等量级的变革。

Code with Claude 2026是Anthropic的年度开发者大会,5月6日在旧金山举行,吸引了数千名工程师、产品经理和技术负责人到场,后续还会移师伦敦和东京。Fiona的这场演讲是下午的重头戏,主题直指许多团队正在回避的核心问题:当AI写代码成为日常,整个工程组织该如何随之进化。

写代码,不再是成本最高的环节了

她的核心洞察其实可以用一句话概括:写代码这件事,已经不再是软件开发中最昂贵的那部分了。

过去几十年,整个软件工程的组织方式,都是围绕一个稀缺资源搭建的——工程师的时间。多少人、多少天能产出多少行代码,这个公式决定了团队规模、冲刺节奏、设计文档的评审流程,以及代码所有权的划分。无论是瀑布模型还是敏捷开发,本质上都是在管理这种稀缺性。

Fiona指出,在Claude Code团队,这种稀缺性基本消失了。团队产出的代码量,不是增加了一点点,而是大幅跃升。另一位演讲者Noah Zweben的团队给出了具体数字:三个月内,每周合并的Pull Request从500个增长到了1150个,增幅高达300%,而团队规模保持不变。

代码像洪水一样涌来,堵不住了。于是,新的瓶颈浮出水面:如何验证这些代码的正确性?谁来评审?法务、设计、安全团队如何跟上这个节奏?日益庞大的代码库又该如何&维护?

她做了一个精妙的类比。在微软的早期岁月,所有工作都必须赶在光盘压制的出厂日期前完成。发布周期长达三年,因为刻录光盘需要时间。互联网发行模式的出现,彻底改变了节奏——这不是因为工程师突然变厉害了,而是成本结构发生了根本变化。如今,同样的事情正在重演。成本结构一变,流程就必须跟着变。

但问题是,很多团队还没开始行动。

他们重新设计了这六项工作规范

接下来,Fiona详细分享了Anthropic工程团队实际调整了哪些具体规范。每一条都源自真实故事,逻辑清晰,极具参考价值。

第一,规划方式。

她刚加入Anthropic时,团队还在做传统的六个月路线图。结果发现,这份路线图大概三个月后就开始失效,然后不得不推倒重来。

现在他们推行的是“JIT规划”,即即时规划。只在需要的时候,制定刚好够用的计划,把省下来的时间全部投入去做原型。这不是不要规划,而是把花在纸面争论上的时间,置换成了真实的产出和验证。

第二,技术争论的解决之道。

她讲了一个非常具体的故事。有一次,她和Claude Code的负责人Boris Cherny在讨论一个API该如何重构,两人意见相左,眼看就要陷入白板拉锯战。她叫了暂停,然后让Claude将两个人的方案分别实现成可运行的Pull Request。

他们不仅看到了两种代码实现,更清晰地看到了每种方案对调用方产生的具体影响。争论就这样自然而然地结束了。

“当构建(代码)变得廉价,争论就成了一种奢侈品。”这句话,可谓一针见血。

第三,代码评审(Code Review)的分工。

在这方面,他们形成了一套清晰的边界。Claude负责代码风格检查、Lint规则、PR格式反馈、小bug修复以及补充测试用例。而人类则专注于法务相关代码、安全敏感逻辑以及产品层面的判断。

她分享了一个有趣的细节,令人忍俊不禁。团队有个终端吉祥物,一次她让Claude给它加个节日主题。Claude返回的结果,是一个穿着礼服、戴着单片眼镜的“花生先生”(Mr. Peanut),而不是她想要的雪人。

她说,这件事说明了一个关键点:审美和“感觉对不对”这类主观判断,AI目前还搞不定。产品的品味和体验,依然需要人类来把关。所以,评审分工的边界,绝不是随意划定的。

第四,招聘逻辑。

公司的招聘团队曾想沿用经典公式:10个工程师配1个经理,层层向上搭建管理层。Fiona明确反对,她坚持要扁平化的组织架构,并且要求每一位新经理入职后,必须先从独立贡献者(IC)做起,亲手写代码,亲自摸清团队在做什么。

招聘团队的反应是:“没有经理愿意先去做写代码的活儿。”

她的回答斩钉截铁:“那我们早点知道这一点,总比晚点知道要好。”

这个逻辑非常硬核:如果一个人不愿意先深入理解他即将负责的系统,那你真的放心让他来管理这个系统吗?

第五,团队构成。

过去在评估工程师时,代码产出量是一个重要维度。现在,这部分工作大半已被Claude替代。她不再优先寻找“高吞吐量的通才”,而是转向两类人才:一是具有产品感的创意型工程师(那种看到问题就手痒想动手做原型的人),二是在分布式系统、底层基础设施等领域有深厚背景的专家。

同时,角色边界也在变得模糊。她团队里的设计师和产品经理现在也开始写代码;而当她自己需要起草用户调研问卷时,也会让Claude先出个初稿。

第六,信息的源头。

以前开会讨论功能细节,大家翻的是产品文档或规格说明书。现在,Fiona收到用户反馈后,会直接打开Claude Code,询问代码库本身。代码成了最终的真相来源,文档则退居为辅助参考。

她建议,如果团队有维护得比较好的设计文档,不妨把它也提交(check in)到代码库里。这样Claude就能同时看到设计规格和实际实现,自动发现两者之间的偏差。这项工作原本需要人眼逐行对照,现在可以省掉了。

三条不容商量的原则

在这六条可以因地制宜落地的规范之外,她还强调了在Claude Code团队内部三条不容置疑的原则。

第一,全员使用Claude Code。 不只是工程师,产品经理、设计师以及所有跨职能伙伴都必须使用。否则,大家的工作方式和理解框架就无法对齐,AI协作的优势就会支离破碎。

第二,“Claudify”一切可自动化的环节。 她举了自己的例子:以前每天早晨要手动打开用户反馈频道,再让Claude总结一遍。Anthropic的“Routines”功能上线后,这件事变成了自动定时任务,每天醒来,摘要已经躺在邮箱里了。

第三,明确授权团队成员“杀掉旧流程”。 这条听起来最虚,但她认为是最难落地的一条,因为它需要管理层在文化上做出真正的表态,而不是空喊口号。

她讲了那个“50人周例会”的故事。会上所有人开着电脑各忙各的,只有轮到自己发言时才抬起头。她直接问了一句:“我们为什么要开这个会?”

整个会议室的人点了点头。这个会随即被取消。

那个会存在了多久?没人说得清。也从来没人问过这个问题。

几个尚未找到答案的问题

演讲最后,她列出了几个自己也没有明确答案的问题。这段或许最值得细品,因为它表明她提供的并非一套完整的“卖方案”。

当Claude能让工程师低成本地在iOS和Android代码间切换时,独立的iOS团队和Android团队还有存在的必要吗?她不知道。

自动化评审应该推进到哪一步?她的原则是“信任但要验证”,但信任多少、验证多少,这条界线仍在动态移动,没有固定答案。

当设计师、产品经理、工程师都开始“借用”彼此的工作产出时,如何确保每个人仍有清晰的价值感和归属感?顺风顺水时一切美好,但这需要刻意去维护一种新的文化契约。

这三个问题目前都没有标准答案,但任何一个认真运营技术团队的人,都值得花时间坐下来好好思考一下。

瓶颈转移了,但工作不会消失

Fiona在演讲结尾布置的那个“作业”,值得我们所有人带入自己的工作场景:找到那个你最不想开的会,或最不想写的报告,然后认真审视它。

这让人联想到工业化早期,许多工匠担心自己的手艺会失去用武之地。但历史的走向是,手艺并未消失,工匠们转而开始管理和优化流水线了。

工程师们大概率也会走上类似的道路。只是这一次,变化来得快得多,而且很多团队尚未意识到,他们赖以运转的“流水线”,可能早已在悄无声息中停止了有效工作。

Fiona那句话依然精准:那些流程并没有正式宣告死亡,它们只是悄悄地停止了运转。

不妨也问问自己:你们团队里,现在有多少个这样的流程?

来源:https://www.51cto.com/article/843328.html

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。

同类文章
更多
AI语言模型纽约街头实测:哥本哈根大学研究揭示人机交互安全挑战

AI语言模型纽约街头实测:哥本哈根大学研究揭示人机交互安全挑战

这项由哥本哈根大学、IIIT兰契、ISI加尔各答、NIT安得拉邦、IGDTUW、IIT卡拉格普尔、谷歌DeepMind、谷歌以及南卡罗来纳大学AI研究所联合开展的研究,以预印本形式于2026年4月10日发布,论文编号为arXiv:2604 09746。 人工智能助手的能力日益强大,从撰写报告到规划行

时间:2026-05-15 14:06
字节跳动GRN模型革新AI绘画实现边生成边修改新方法

字节跳动GRN模型革新AI绘画实现边生成边修改新方法

在探讨AI图像与视频生成技术时,我们通常会想到扩散模型——它如同修复一张被雨水浸湿的照片,通过反复“去噪”从混沌中逐步显现清晰画面。尽管这种方法效果显著,却存在一个根本的效率瓶颈:无论生成内容的复杂程度如何,模型都需要执行固定且繁重的计算步骤,无法智能地分配算力资源。 另一条主流技术路径是自回归模型

时间:2026-05-15 14:06
斯坦福AI诊断师可自我评估短板并针对性优化

斯坦福AI诊断师可自我评估短板并针对性优化

这项由斯坦福大学主导的研究以预印本形式于2026年4月发表,论文编号为arXiv:2604 05336v1。研究提出了一个名为TRACE的系统,全称是“Turning Recurrent Agent failures into Capability-targeted training Environ

时间:2026-05-15 14:05
Meta AI新研究揭示旧数据复用如何提升40%训练效率

Meta AI新研究揭示旧数据复用如何提升40%训练效率

一项由Meta基础人工智能研究团队与纽约大学柯朗研究所联合开展的研究,于2026年4月9日以预印本形式发布,论文编号为arXiv:2604 08706v1。这项研究颠覆了AI训练领域一个长期被视为“金科玉律”的常识。 一、一个反直觉的发现:旧数据“回炉重造”,效果更佳? 在AI模型训练中,数据如同食

时间:2026-05-15 14:05
AI能否记住你?Kenotic Labs评估体系重新定义人工智能记忆边界

AI能否记住你?Kenotic Labs评估体系重新定义人工智能记忆边界

这项由Kenotic Labs开发的研究成果发表于2026年4月的第39届神经信息处理系统大会(NeurIPS 2025),论文编号为arXiv:2604 06710v1。 不知道你有没有过这样的体验:和一位朋友促膝长谈,分享了近期的压力、生活的变动,甚至一些私密的感受。可下次见面,对方却仿佛失忆了

时间:2026-05-15 14:05
热门专题
更多
刀塔传奇破解版无限钻石下载大全 刀塔传奇破解版无限钻石下载大全
洛克王国正式正版手游下载安装大全 洛克王国正式正版手游下载安装大全
思美人手游下载专区 思美人手游下载专区
好玩的阿拉德之怒游戏下载合集 好玩的阿拉德之怒游戏下载合集
不思议迷宫手游下载合集 不思议迷宫手游下载合集
百宝袋汉化组游戏最新合集 百宝袋汉化组游戏最新合集
jsk游戏合集30款游戏大全 jsk游戏合集30款游戏大全
宾果消消消原版下载大全 宾果消消消原版下载大全
  • 日榜
  • 周榜
  • 月榜
热门教程
更多
  • 游戏攻略
  • 安卓教程
  • 苹果教程
  • 电脑教程