上次整理过 Lenny’s Podcast 那期 Boris Cherny 的中文版：编程已被"解决"之后的世界。这次是 Boris 在 Sequoia Capital 的另一场访谈（2026-05-04 发布，YouTube 24 分钟版），重叠不多，更聚焦在 Claude Code 起源、他现在的工作方式，以及组织和团队的变化。下面是我整理润色的中文版。

现场#

主持人是 Sequoia 合伙人 Lauren Reeder。她介绍 Boris 时说：“整个软件开发似乎都压在他肩上。“她想聊三个方向：软件的未来、写代码的未来、大家以后应该把空闲时间花在什么事情上。

Lauren 顺带补了一个细节：Boris 一直是非常纯粹的工程师，写过《Programming TypeScript》。但她上次和 Boris 聊时，Boris 说自己 2026 年到目前为止，没有亲手写过一行代码。

Boris 反问现场使用 Claude Code 的方式。多数人主要用 CLI；桌面端用户也有一些；VS Code 或 JetBrains 插件用户相对较少。他自己现在反而主要在 iOS 上用。

Claude Code 是怎么开始的#

Claude Code 很大程度上是"意外"做出来的。

Boris 在 2024 年底加入 Anthropic Labs。这是 Anthropic 内部的一个孵化器——非常小，像一个创新小组。这个小组后来做出了 Claude Code、MCP 和桌面 app。完成阶段性任务后团队一度解散，现在又重新聚在一起做第二轮，由 CPO Mike Krieger 带队（前 Instagram 联合创始人）。

他开始做 coding 产品，是因为看到明显的 product overhang：模型已经有能力做很多事情，但还没有对应产品把这些能力承接起来。

2024 年底主流 coding 产品形态还是 type-ahead：打开 IDE，按 Tab，模型一次帮你补全一行——这是 Sonnet 3.5 第一次真正带来的体验。但 Anthropic Labs 觉得模型已经接近下一步：让 agent 直接写全部代码。

前六个月 Claude Code 并不好用，只能说勉强可用。Boris 自己大概只会用它写 10% 左右的代码。即使最初发布后也不是一夜爆红。真正的增长拐点出现在 Opus 4 发布之后，2025 年 5 月。之后每次模型升级，增长都会再上一个台阶：Opus 4、4.5、4.6、4.7 一路推动。

他的判断是：他们当时在做一个"模型还没完全准备好"的产品。它在产品市场匹配之前就被做出来了，团队知道大概要等六个月，等下一代模型补上能力。这个下注一直很清晰：为下一代模型提前做产品。

“写代码已经被解决"是什么意思#

Boris 公开说过 coding is solved。这句话到底是什么意思？

他先问现场：谁 100% 手写代码？谁 100% 用 Claude Code 这样的 agent 写代码？大多数人介于中间——他开玩笑说，那大概就是"50% 被解决”。

但对他自己已经是 100%。Claude Code 的代码库主要是 TypeScript 和 React。团队选这套技术栈是因为它们在模型训练分布中非常常见——早期模型还没有今天这么聪明，越常见模型越擅长。现在模型已经能写各种语言、学习没见过的新框架，但当时要尽量选模型"熟"的东西。

所以 Claude Code 团队比较早就进入了模型写 100% 代码的状态——大概是 2025 年 10 月或 11 月。

到今天，Boris 的代码全部由模型写。他通常每天会做几十个 PR。有一天为了测试上限，一天做了 150 个 PR，这是他的个人纪录。

他也强调，这并非所有地方都已经成立。很多大型复杂代码库、很怪的语言、模型不擅长的环境，仍然没有完全解决。但大方向上，他认为答案通常就是：等下一个模型。

Boris 现在怎么工作#

Boris 大约六个月前在 Twitter 上分享过自己的 setup，当时完全没意识到别人会觉得惊讶——那就是他平时写代码的方式。现在它又变了：他大部分工作都在手机上完成。

他打开 Claude app，左侧有一个 code tab，里面开着很多 session。通常 5 到 10 个 session；每个 session 里又有很多 agent，所以当前可能同时跑着几百个 agent。每晚通常还会有几千个 agent 做更深的工作。

管理这些 agent 有几种方式。一种是让 Claude 使用很多 sub-agent 去并行完成任务。但他最近越来越常用的是 loop。

Loop 的核心很简单：让 Claude 用 cron 在未来某个时间点安排一个重复任务。可以每分钟跑一次、每五分钟跑一次、每天跑一次，频率由你决定。

Boris 现在有几十个 loop 在跑：

  • 一个 loop 专门看守他的 PR，修 CI、自动 rebase
  • 一个 loop 维持 CI 健康，遇到 flaky test 就去修
  • 一个 loop 每 30 分钟抓取 Twitter 上的反馈，并自动聚类给他看

他认为 loops 很可能就是未来。如果还没试过，强烈建议去试。

Anthropic 也刚发布了 routines。它和 loop 类似，但运行在服务器端——即使关掉电脑任务仍然继续。

未来团队会变成什么样#

Boris 的核心判断是：未来 generalist 会更多。

今天大家说 generalist，通常还是指工程内部的多面手——比如既能写 iOS，也能写 web 和 server 的产品工程师。但接下来会出现更多跨学科 generalist：一个工程师不仅擅长产品工程，还非常懂设计；或者同时懂产品、数据科学和工程。

Claude Code 团队已经在发生这种变化。每个人都会写代码：工程经理、产品经理、设计师、数据科学家、财务、用户研究员。他们各自仍然有专业背景，但现在也都能编码。

软件产品和 SaaS 会发生什么#

如果 AI 让写代码便宜 10 倍或 100 倍，软件生产出来的产品价值会怎样变化？会不会出现 SaaS apocalypse？

Boris 说这是他最喜欢的问题。他认为会发生两件事，都不是大家最常讨论的那种。

第一，AI 会改变不同 business moat 的重要性。

他提到 Acquired 播客里 Hamilton Helmer 的 Seven Powers 框架。因为 AI，有些护城河会变得更重要，有些会变得不那么重要。

会变弱的例子：

  • Switching costs：模型可以帮你把一个系统迁移到另一个系统，切换成本会下降
  • Process power：如果一家公司护城河主要是流程、工作流、过程经验，Claude 越来越擅长理解并优化流程。尤其是 4.7，只要给它目标、让它持续迭代，它就能不断爬坡直到完成

但传统护城河依然重要——网络效应、规模经济、稀缺资源等。这些不会因为 AI 立刻消失。

第二，未来十年会出现更多能颠覆大公司的创业公司，数量可能是过去十年的 10 倍。

原因是：小团队现在可以做出和大公司一样有价值的东西并正面竞争。大公司要改变业务流程、改变工作方式、重新训练所有人使用新技术，还会遇到内部阻力。新创业公司没有这些包袱，可以从第一天起就以 AI-native 的方式搭建。

Boris 的结论很明确：现在是最适合创业、最适合 build 的时代，未来会有大量 disruption。

模型能力 vs 产品决策#

观众问：Claude Code 在产品市场匹配之前提前做了六个月。现在模型已经足够好，Claude Code 的成功有多少来自模型，有多少来自产品决策？

Boris 说是混合结果。六个月前他可能会说大概 50/50。

他自己做过 YC，是一家 YC 公司的第一位员工。YC 反复灌输的一句话是：做出人们真正热爱的东西。不管模型多强，最终仍然要做出用户爱用的产品。所以产品仍然重要。Claude Code 团队非常在意细节，因为用户会整天使用它，体验必须好。

但随着模型变强，harness 会相对变得不那么重要。团队现在思考的是如何演进这个 harness：怎么让 loops 成为更一等的能力，怎么让用户更容易运行大量 agents。sub-agents 只是一个方向，还有更多东西在做。

他预测一年后模型会对齐得更好。今天围绕 prompt injection、命令静态验证、权限模式、human-in-the-loop 等安全机制，未来重要性会下降——因为模型本身会更自然地做正确的事。

写软件会变成人人都会的基础技能#

观众问：现在可以看到店主为自己写软件，甚至写微控制器程序控制开门亮灯。未来写软件会不会变成类似 Microsoft Office 的技能？

Boris 的回答非常肯定。他认为它甚至会比 Office 更基础，更像"会发短信”。

他平时主要读两类书：科幻和技术史。在技术史中，最清晰的类比是 15 世纪欧洲的印刷术。

印刷术出现前，欧洲大约只有 10% 的人口识字。会读写的人常被国王、领主雇用，因为那些统治者本人未必识字。读写是一种稀缺专业技能。

印刷术发明后，最初只有少数几台印刷机。但在之后 50 年里，欧洲出版的文献总量超过了此前 1000 年，同时书籍成本下降约 100 倍。随后几百年，全球识字率上升到大约 70%。

今天读写已经是普通能力，不需要拿"读写学位"才会读写。当然，专业作家仍然存在。

Boris 认为软件会经历类似变化，而且会比印刷术后的识字普及快得多。

这会带来一个推论：如果要写会计软件，最好的人选可能就是非常优秀的会计。真正难的是领域知识，编码会变成相对容易的部分。

Anthropic 内部领先外部多少#

观众问：Anthropic 工程方式和外部世界之间的差距是一月、三月还是六月？

Boris 说，在模型层面他们用的基本就是外部也能用到的模型。Dogfooding 对 Anthropic 很重要。他们会用一点 mythos 做尝试，也大量使用 Opus 4.7 来 dogfood 和写大多数代码。

所以模型侧没有太大差距。Anthropic 做的是平台，让开发者使用和内部相同的技术非常重要。

真正差距更大的是产品侧和组织流程侧。

Anthropic 内部几乎所有事情都用 Claude。Boris 说他们的 Claudes 整天互相沟通：当他在写代码、他的 Claude 在 loop 里写代码时，它们会通过 Slack 和其他人的 Claude 交流，弄清未知问题。

公司里已经没有任何手写 SQL，SQL 都由模型写。几乎所有东西都由模型构建。

领先之处在组织结构和组织流程的调整，不在技术本身。这个部分更难，也更值得其他团队学习和演化。

多 agent 和 delegation#

观众问：用户现在还得靠自己的直觉判断什么时候并行。模型层和 harness 层如何帮助用户更好地委派工作？

Boris 说，在产品层面本质上还是 prompting。团队会调整 prompt 让模型更自然地并行做事。

但随着模型变强，它会自然学会这样做。比如 4.7 已经开始主动做 loop。Boris 举例：他让模型去拉一个数据查询，模型注意到数据随时间变化，于是主动建议开一个 loop，每 30 分钟发一份报告。如果他要求发到 Slack，它就用 Slack MCP 做到。

长期看，用户不应该需要学习怎样更好地"握住工具”。如果用户必须学很多工具操作技巧，那是产品设计没做好。模型应该把这些事做得更好，产品通过 prompt 和体验设计让它自然发生。

本地 AI 还是云端 AI#

观众问：随着开源模型追上来，未来高质量 coding assistant 会不会转向本地 agents？

Boris 说，最根本的答案是：这可能不重要。

模型正在变得能够自己决定怎么做。几年后，模型会写所有代码、启动 agents、搭建环境。如果它判断某个任务适合用本地模型，它就会用本地模型。到那时，这些不再是工程师需要亲自做的决策。

Co-work、MCP 和 Computer Use#

观众问：Claude Code 一个关键决策是利用了开发者本地工具和本地 workflow。但普通知识工作很多在云端工具里。Co-work 如何获得足够的工具访问权限？

Boris 说他以前在大公司时，团队花了五年把环境迁到远程，非常辛苦。但知识工作很大程度上已经在云端，比如 Salesforce、Google Docs。

最简单的答案是 MCP。Claude AI 里同样的 MCP connector 可以接 Salesforce、Google Docs、Google Calendar——接好后 Co-work 可以用，Claude CLI 可以用，Claude Code everywhere 也可以用。

如果某些系统没有 MCP，Computer Use 就是兜底方案。Boris 认为 Anthropic 在 computer use 上已经相当领先。通过 Co-work 使用时，它已经能操作电脑上的几乎任何软件。速度还很慢，但现在做得已经很好，尤其是 4.7。

更一般地说，模型不在乎底层是 MCP、API 还是别的程序化访问方式。对模型来说这些都只是 tokens。

今天为未来模型做产品，会做什么#

最后一个问题：当初 Boris 看到了 coding 的 product overhang，于是做了一个会随着模型变强而变得更有趣的产品。如果今天再做一个类似的产品，什么形态会在未来六到十二个月变得更有价值？

Boris 说 Claude Design 是一个很好的例子。它今天已经不错，但会变得好很多。

此外 Claude Code 接下来几周也会有一些新东西上线。围绕大量并行 agents 的 loop、batch 等能力会继续变强。Computer Use 也是一个重要方向。

一句话提炼#

这场访谈最有价值的部分在组织层。当每个人都能写代码，真正稀缺的能力会从编码技能转向领域判断、任务分解、流程设计、并行调度，以及组织吸收新工作方式的能力。Claude Code 的重点也不只在代码生成——它在把软件开发变成由大量 agent、loop、MCP 和组织流程共同驱动的新生产系统。