5个月4亿营收！Claude Code负责人重磅访谈，首次分享更多细节内幕

5个月4亿营收！Claude Code负责人重磅访谈，首次分享更多细节内幕 5个月4亿营收！Claude Code负责人重磅访谈，首次分享更多细节内幕 Modified September 11, 2025 在讨论 AI agent 的强大能力时，安全性始终是一个核心关切。Claude Code 在这方面的设计思路值得深入分析。Boris 明确表示："默认行为总是有人在循环中。这非常重要，因为最终这是一个模型，它不可预测，你要确保它不会做任何危险的事情。" Claude Code 的安全机制采用了分层设计。对于已知不会产生危险后果的操作，比如读取文件，系统知道这本质上是安全的，就会直接让模型在你允许的文件夹中执行。但对于其他操作，如编辑文件、运行命令或使用互联网，总是需要人类参与并批准。这种设计既保证了安全性，又保持了工作流程的效率。 更有趣的是，系统还提供了个性化的安全配置。如果你发现自己总是批准对同一文件的编辑或总是批准同一命令，你可以配置一个设置文件，在团队范围内使用。你可以用这个文件创建允许列表或阻止列表，指定某些命令或某些文件，让模型在无需人类批准的情况下总是能够编辑，或者永远不能运行。这种灵活性让团队能够根据自己的工作习惯和安全要求定制 AI agent 的行为边界。 我认为这种设计哲学代表了 AI 系统安全性思考的一个重要方向：不是简单的禁止或允许，而是建立一个动态的、可配置的信任系统。随着用户对 AI agent 行为的了解加深，以及 AI agent 证明其可靠性，这个信任边界可以逐步扩展。这种渐进式的信任建立，比一刀切的安全策略更加实用和有效。 对于企业用户来说，Claude Code 的安全设计还体现在数据隐私方面。Boris 提到，在高度监管的行业中，Claude Code 表现得相当不错，"因为它除了 API 本身之外不使用任何服务"。如果你的公司已经批准了 AWS Bedrock，你就可以直接使用 Bedrock 运行 Claude Code。这种设计避免了复杂的数据治理问题，让企业更容易采用这种技术。 这种安全设计的另一个优势是透明性。所有的操作都是可见的，所有的批准都是明确的，用户始终了解 AI agent 在做什么。这种透明性不仅增加了信任感，也为问题排查和行为分析提供了基础。当出现问题时，用户可以清楚地回溯 AI agent 的操作历史，理解问题的根源。 超越编程：Claude Code 的意外应用场景 最让我感到惊讶的是 Claude Code 在非编程领域的广泛应用。Boris 在访谈中提到："有趣的是，我们看到很多人将 Claude Code 用于非编程用例。例如，Anthropic 的数据科学家都使用 Claude Code 来编写查询，设计师用它来构建小型原型，产品经理用它来管理任务。"这种现象让我重新思考了 AI agent 的本质和价值。 更令人惊讶的是，甚至有人将 Claude Code 用于完全与技术无关的用例。Boris 提到有个叫 Alex Finn 的人在 Twitter 上分享了他使用 Claude Code 进行笔记记录、个人生活组织和业务指标管理的经验。这些用例的出现让我意识到，Claude Code 的价值可能远超出了编程工具的范畴。 我认为这种现象的根本原因在于 Claude Code 提供了一种全新的人机交互模式。当你可以用自然语言描述你想要完成的任务，而 AI agent 能够理解并执行时，传统的软件类别边界就开始模糊了。终端不再只是程序员的专用工具，而是成为了一个通用的任务执行环境。 这也解释了为什么 Claude Code SDK 被用于构建各种与编程完全无关的 agentic 应用。Boris 提到："人们使用 Claude Code SDK 来构建 agentic 编程应用和平台，以及在其上的用户界面。但他们也将其用于各种完全无关的 agentic 用例。任何需要 AI 的地方，几年前你可能会使用 API，现在我们发现一些用户转向 agentic SDK，将其作为构建当今 AI 应用所需的工具。" 这种趋势让我思考 AI agent 可能代表着软件发展的一个新阶段。就像 API 曾经改变了软件的构建方式一样，agentic SDK 可能正在开创一个新的软件构建范式。在这个新范式中，软件不再是预定义功能的集合，而是能够理解意图并动态执行任务的智能系统。 我特别感兴趣的是这种跨领域应用背后的心理机制。当人们发现一个工具如此强大和通用时，他们会自然地尝试将其应用到生活的各个方面。这种"工具扩散"现象在技术史上经常出现，通常预示着一项技术的真正突破。从某种意义上说，Claude Code 的成功不仅在于它解决了编程问题，更在于它提供了一种新的思考和解决问题的方式。 AI 编程大战中的生态思维 当谈到 AI 编程领域的竞争格局时，Boris 的观点让我印象深刻。他认为这个市场足够大，能容纳所有参与者。"你可以将其视为整个编程市场。你可以将其视为所有创造力和创造事物的市场，因为这在某个时候会扩展到编程之外，扩展到设计和类似的事情。我认为有足够的空间容纳每个人。" 我认为 Boris 的这种生态思维特别值得关注。在许多技术领域，我们经常看到零和竞争的心态，但在 AI 编程这个快速发展的领域，合作可能比竞争更重要。Boris 自己就是这种思维的实践者："我个人使用很多这些产品，我每天使用 Claude Code，但我也每天使用 Cursor，也每天使用其他产品。所以这些都有空间，它们都以某种方式融入人们的工作流程。" 这种多工具并存的现象揭示了一个重要趋势：在 AI 时代，单一工具很难满足所有需求。不同的 AI 编程工具有不同的优势和特色，它们更可能是互补而非替代的关系。Claude Code 在 agentic 工作流和终端操作方面表现卓越，Cursor 在 IDE 集成方面有优势，其他工具也各有特色。 Boris 提到的另一个重要观点是"为 6 个月后的模型能力构建产品，而不是为今天的模型"。这个建议对所有 AI 产品构建者都极其重要。他们在构建 Claude Code 时就遵循了这个原则："我们开始构建 Claude Code 时还是 Sonnet 3.5，它还行，然后随着 3.6 和 3.7，它还不错，挺好的，但当 Sonnet 4 和 Opus 4 出来时，它才真正发挥作用，我们感觉产品真的很好，我们开始能够将其用于大量编程。" 这种前瞻性思维需要对技术发展趋势的深刻理解。Boris 建议产品构建者应该"使用所有这些产品，看看它们在哪里遇到困难，尝试感受模型本身"。要"远离所有脚手架和人们围绕它构建的所有产品，只是感受模型在尽可能原始形式下的能力"。只有深入理解模型的能力边界，才能设计出真正发挥其潜力的产品。 我特别认同 Boris 对于竞争对手构建自己模型这一趋势的看法。他认为平台上构建的创新会比内部构建的更多，"只是因为有太多东西要构建，没有足够的时间、人员和精力来构建所有这些东西"。这种平台思维体现了 Anthropic 对于生态建设的重视，也解释了为什么他们在构建 Claude Code 的同时，也在大力推广 Model Context Protocol（MCP）等开放标准。 编程职业的未来：赋能而非替代 关于 AI 对编程职业的影响，这可能是最敏感也最重要的话题。Boris 的观点既现实又充满希望。他认为这种转变"就像 60 年代从打孔卡和汇编语言转向后来的汇编语言与 Fortran、Cobol 和第一批高级语言之间的转变一样。我认为这只是另一个下一个转变。" 我特别欣赏 Boris 对于这种转变赋能性质的强调。他说："作为完成这项工作的人，让 agent 编写代码是非常令人兴奋的。作为工程师，这感觉非常赋能，因为我可以探索比以前更多的想法。我可以做得更快。我可以在我一无所知的领域工作。也许我不懂 iOS，但我可以编写一个应用程序，因为我可以大致进行代码审查，我可以看到它看起来合理，但 Claude 实际上完成了所有的编写和所有的测试。" 这种观点让我想到了历史上每一次重大技术变革。当印刷术发明时，人们担心抄写员会失业；当计算机出现时，人们担心计算员会失业；当电子表格软件出现时，人们担心会计师会失业。但历史告诉我们，这些技术更多地是解放了人类去做更有价值的工作，而不是简单地替代人类。 Boris 提到的一个细节特别有趣：团队中有个工程师 Lena，她周末有时仍然手工编写 C++，"因为作为程序员，这是我们享受的事情之一，因为有时你必须深入底层，你必须以这种方式来做"。这让我想到，即使在 AI 高度自动化的未来，仍然会有人选择手工编程，就像在数字摄影时代仍有人坚持胶片摄影一样。 对于年轻开发者，Boris 的建议很实用："对于今天学习编程的人来说，实际上比我学习编程时更困难，因为你不仅要知道编程——因为你仍然需要理解语言，仍然需要理解框架，仍然需要理解系统设计和所有这些东西——而且你还必须使用所有这些工具，你必须两者兼顾。" 我认为这种"双重技能"的要求实际上为新一代程序员创造了更大的机会。那些能够既理解传统编程又精通 AI 工具的人，将拥有比任何一代程序员都更强大的创造能力。他们不仅能够编写代码，还能指挥 AI agent 军队，实现以前不可能完成的项目规模和复杂度。 从更宏观的角度看，我相信 AI 编程工具会大大降低软件开发的门槛，让更多人能够参与到软件创造中来。这不会减少专业程序员的需求，反而可能增加对高级软件架构师、AI agent 管理专家和跨领域问题解决者的需求。编程的未来不是人与机器的对立，而是人机协作的新纪元。 Claude Code 的下一步：持续进化的产品哲学 当谈到 Claude Code 的未来发展时，Boris 展现了一种持续实验和快速迭代的产品哲学。他提到了几个即将到来的重要更新：原生 Windows 支持、单文件分发（不再需要 NodeJS）、以及将 Claude Code 集成到更多地方的努力。但最令人兴奋的是他对"更多 agent"的展望："期待更多的 agent。能够启动 agent，agent 管理 agent，以及更多这种自由度。" 这种 agent 管理 agent 的概念让我想到了软件架构中的微服务思想，但这是在 AI 层面的实现。想象一下，未来可能会有专门的 agent 负责项目管理，它能够根据项目需求动态创建和管理各种专业 agent：前端 agent、后端 agent、测试 agent、部署 agent 等等。这种分层的 agent 架构可能会成为复杂软件系统的标准组织方式。 我特别欣赏 Boris 对于产品发展不确定性的坦诚承认："总的来说，我们真的不知道。我们仍在测试各种东西，我们有很多想法，我们不知道什么会成功，但我们很兴奋展示我们想出的东西，看看人们是否喜欢。"这种实验性心态在快速变化的 AI 领域尤其重要。 从产品策略角度看，Claude Code 的发展路径体现了一种"最小可行产品"的思维。他们始终坚持构建最简单的接口来展示模型能力，而不是构建复杂的功能堆叠。这种策略在模型快速迭代的时代特别有效，因为它让产品能够快速适应新模型的能力，而不会被旧的设计假设所束缚。 我认为 Claude Code 的成功还有一个重要因素：它真正体现了"Dogfooding（Eating your own dog food）"的产品理念。Boris 多次强调，Anthropic 内部几乎每个人都在日常使用 Claude Code，大部分代码都是通过它编写的。这种内部深度使用不仅确保了产品质量，也让团队能够第一时间发现问题和改进机会。当产品团队本身就是重度用户时，产品的演进方向往往更加准确和实用。 另一个值得关注的趋势是 Claude Code 如何处理定价模式的演进。随着用户发现更多创新用法，比如运行"Claude 军队"——5 个、10 个、20 个 Claude 并行工作——传统的定价模式就需要调整。Boris 提到："有些人有这些 Claude 军队，一天 24 小时并行运行，只是在工作。这非常令人兴奋，但我们原有的定价结构真的不适合为这类用户提供服务。"这种定价模式的演进反映了产品从单用户工具向平台服务的转变。 我特别感兴趣的是 Boris 提到的容器化运行方式，这为更自主的 AI agent 部署提供了可能。"基本上，你需要为它设置一个容器，只是给它一些容器存在的环境，然后它可以在不需要批准的情况下以安全的方式运行。"这种部署模式可能会催生出全新的 AI agent 应用场景，比如持续的代码监控、自动化的测试执行、甚至是 24/7 的开发助手。 最让我印象深刻的是 Claude Code 团队对用户反馈的敏感度。子代理功能的诞生就来自一个 Reddit 帖子，那些随机显示的工作状态词汇也是在用户建议下不断丰富的。这种快速响应用户需求的能力，在产品早期发展阶段尤其重要。它不仅让用户感到被重视，也让产品能够快速找到真正有价值的功能方向。 重新思考软件开发的本质 Claude Code 的成功让我开始重新思考软件开发的本质。传统上，我们认为编程是一种技能，需要学习特定的语法、理解复杂的概念、掌握各种工具。但 Claude Code 展示了另一种可能：编程可能更接近于一种交流艺术，关键是如何准确表达你的意图，然后指导 AI agent 实现这些意图。 这种转变的深层含义是巨大的。当编程从"如何做"转向"做什么"时，软件开发的门槛大大降低了。Boris 提到的非技术用户跳过复杂界面直接使用终端的现象，就是这种转变的早期信号。当工具足够强大时，人们愿意学习新的交互方式来获得更大的能力。 我特别感兴趣的是 Claude Code 对团队协作方式的影响。传统的软件开发团队有明确的角色分工：前端开发、后端开发、QA 工程师、DevOps 工程师等等。但当 AI agent 能够胜任多种角色时，团队结构可能会变得更加扁平化。Boris 提到的"团队会因此变得更加横向化"的观点，可能预示着软件开发组织结构的根本性变革。 从更宏观的角度看，Claude Code 的成功可能标志着我们正在进入一个"intent driven programming"（意图驱动编程）的时代。在这个时代，程序员的核心技能不再是记忆语法和 API，而是清晰地表达问题和需求、有效地与 AI agent 协作、以及对结果进行审查和优化。这种技能组合更接近于产品经理或系统架构师的技能，而不是传统的编码技能。 我也注意到 Claude Code 在代码库探索和学习方面的卓越表现。Boris 说这方面的能力是"10 分满分"，而代码编写只有"6 分"。这个差异很有启发性：AI 在理解和分析现有信息方面可能比创造新内容更擅长。这提示我们，AI agent 的最大价值可能不是替代人类的创造性工作，而是大大提升人类获取和理解信息的能力。 当我思考 Claude Code 的 claude.md 记忆系统时，我意识到这可能代表了一种新的知识管理模式。传统的文档和知识库往往是静态的，需要人工维护和更新。但 claude.md 文件是活的，它随着团队的实际工作经验不断积累和进化。这种动态知识系统可能会成为未来团队协作的标准组件。 最后，我认为 Claude Code 的成功证明了一个重要观点：在 AI 时代，最成功的产品往往不是那些功能最复杂的，而是那些最能发挥 AI 核心能力的。Claude Code 没有华丽的界面，没有复杂的功能堆叠，但它提供了一个直接、强大、灵活的 AI 交互方式。这种"少即是多"的设计哲学，可能会成为 AI 产品设计的重要原则。 展望未来，我相信 Claude Code 只是 AI agent 革命的开端。当更多领域的专业软件开始采用类似的 agentic 设计时，我们可能会看到整个软件行业的重新洗牌。那些能够最早理解并应用这种新范式的公司和个人，将在这场变革中获得巨大优势。而 Claude Code 的故事告诉我们，有时最大的突破来自最简单的开始，最重要的是保持对用户真实需求的敏感，以及对技术发展趋势的前瞻性思考。 在讨论 AI agent 的强大能力时，安全性始终是一个核心关切。Claude Code 在这方面的设计思路值得深入分析。Boris 明确表示："默认行为总是有人在循环中。这非常重要，因为最终这是一个模型，它不可预测，你要确保它不会做任何危险的事情。" Claude Code 的安全机制采用了分层设计。对于已知不会产生危险后果的操作，比如读取文件，系统知道这本质上是安全的，就会直接让模型在你允许的文件夹中执行。但对于其他操作，如编辑文件、运行命令或使用互联网，总是需要人类参与并批准。这种设计既保证了安全性，又保持了工作流程的效率。 更有趣的是，系统还提供了个性化的安全配置。如果你发现自己总是批准对同一文件的编辑或总是批准同一命令，你可以配置一个设置文件，在团队范围内使用。你可以用这个文件创建允许列表或阻止列表，指定某些命令或某些文件，让模型在无需人类批准的情况下总是能够编辑，或者永远不能运行。这种灵活性让团队能够根据自己的工作习惯和安全要求定制 AI agent 的行为边界。 我认为这种设计哲学代表了 AI 系统安全性思考的一个重要方向：不是简单的禁止或允许，而是建立一个动态的、可配置的信任系统。随着用户对 AI agent 行为的了解加深，以及 AI agent 证明其可靠性，这个信任边界可以逐步扩展。这种渐进式的信任建立，比一刀切的安全策略更加实用和有效。 对于企业用户来说，Claude Code 的安全设计还体现在数据隐私方面。Boris 提到，在高度监管的行业中，Claude Code 表现得相当不错，"因为它除了 API 本身之外不使用任何服务"。如果你的公司已经批准了 AWS Bedrock，你就可以直接使用 Bedrock 运行 Claude Code。这种设计避免了复杂的数据治理问题，让企业更容易采用这种技术。 这种安全设计的另一个优势是透明性。所有的操作都是可见的，所有的批准都是明确的，用户始终了解 AI agent 在做什么。这种透明性不仅增加了信任感，也为问题排查和行为分析提供了基础。当出现问题时，用户可以清楚地回溯 AI agent 的操作历史，理解问题的根源。 超越编程：Claude Code 的意外应用场景 最让我感到惊讶的是 Claude Code 在非编程领域的广泛应用。Boris 在访谈中提到："有趣的是，我们看到很多人将 Claude Code 用于非编程用例。例如，Anthropic 的数据科学家都使用 Claude Code 来编写查询，设计师用它来构建小型原型，产品经理用它来管理任务。"这种现象让我重新思考了 AI agent 的本质和价值。 更令人惊讶的是，甚至有人将 Claude Code 用于完全与技术无关的用例。Boris 提到有个叫 Alex Finn 的人在 Twitter 上分享了他使用 Claude Code 进行笔记记录、个人生活组织和业务指标管理的经验。这些用例的出现让我意识到，Claude Code 的价值可能远超出了编程工具的范畴。 我认为这种现象的根本原因在于 Claude Code 提供了一种全新的人机交互模式。当你可以用自然语言描述你想要完成的任务，而 AI agent 能够理解并执行时，传统的软件类别边界就开始模糊了。终端不再只是程序员的专用工具，而是成为了一个通用的任务执行环境。 这也解释了为什么 Claude Code SDK 被用于构建各种与编程完全无关的 agentic 应用。Boris 提到："人们使用 Claude Code SDK 来构建 agentic 编程应用和平台，以及在其上的用户界面。但他们也将其用于各种完全无关的 agentic 用例。任何需要 AI 的地方，几年前你可能会使用 API，现在我们发现一些用户转向 agentic SDK，将其作为构建当今 AI 应用所需的工具。" 这种趋势让我思考 AI agent 可能代表着软件发展的一个新阶段。就像 API 曾经改变了软件的构建方式一样，agentic SDK 可能正在开创一个新的软件构建范式。在这个新范式中，软件不再是预定义功能的集合，而是能够理解意图并动态执行任务的智能系统。 我特别感兴趣的是这种跨领域应用背后的心理机制。当人们发现一个工具如此强大和通用时，他们会自然地尝试将其应用到生活的各个方面。这种"工具扩散"现象在技术史上经常出现，通常预示着一项技术的真正突破。从某种意义上说，Claude Code 的成功不仅在于它解决了编程问题，更在于它提供了一种新的思考和解决问题的方式。 AI 编程大战中的生态思维 当谈到 AI 编程领域的竞争格局时，Boris 的观点让我印象深刻。他认为这个市场足够大，能容纳所有参与者。"你可以将其视为整个编程市场。你可以将其视为所有创造力和创造事物的市场，因为这在某个时候会扩展到编程之外，扩展到设计和类似的事情。我认为有足够的空间容纳每个人。" 我认为 Boris 的这种生态思维特别值得关注。在许多技术领域，我们经常看到零和竞争的心态，但在 AI 编程这个快速发展的领域，合作可能比竞争更重要。Boris 自己就是这种思维的实践者："我个人使用很多这些产品，我每天使用 Claude Code，但我也每天使用 Cursor，也每天使用其他产品。所以这些都有空间，它们都以某种方式融入人们的工作流程。" 这种多工具并存的现象揭示了一个重要趋势：在 AI 时代，单一工具很难满足所有需求。不同的 AI 编程工具有不同的优势和特色，它们更可能是互补而非替代的关系。Claude Code 在 agentic 工作流和终端操作方面表现卓越，Cursor 在 IDE 集成方面有优势，其他工具也各有特色。 Boris 提到的另一个重要观点是"为 6 个月后的模型能力构建产品，而不是为今天的模型"。这个建议对所有 AI 产品构建者都极其重要。他们在构建 Claude Code 时就遵循了这个原则："我们开始构建 Claude Code 时还是 Sonnet 3.5，它还行，然后随着 3.6 和 3.7，它还不错，挺好的，但当 Sonnet 4 和 Opus 4 出来时，它才真正发挥作用，我们感觉产品真的很好，我们开始能够将其用于大量编程。" 这种前瞻性思维需要对技术发展趋势的深刻理解。Boris 建议产品构建者应该"使用所有这些产品，看看它们在哪里遇到困难，尝试感受模型本身"。要"远离所有脚手架和人们围绕它构建的所有产品，只是感受模型在尽可能原始形式下的能力"。只有深入理解模型的能力边界，才能设计出真正发挥其潜力的产品。 我特别认同 Boris 对于竞争对手构建自己模型这一趋势的看法。他认为平台上构建的创新会比内部构建的更多，"只是因为有太多东西要构建，没有足够的时间、人员和精力来构建所有这些东西"。这种平台思维体现了 Anthropic 对于生态建设的重视，也解释了为什么他们在构建 Claude Code 的同时，也在大力推广 Model Context Protocol（MCP）等开放标准。 编程职业的未来：赋能而非替代 关于 AI 对编程职业的影响，这可能是最敏感也最重要的话题。Boris 的观点既现实又充满希望。他认为这种转变"就像 60 年代从打孔卡和汇编语言转向后来的汇编语言与 Fortran、Cobol 和第一批高级语言之间的转变一样。我认为这只是另一个下一个转变。" 我特别欣赏 Boris 对于这种转变赋能性质的强调。他说："作为完成这项工作的人，让 agent 编写代码是非常令人兴奋的。作为工程师，这感觉非常赋能，因为我可以探索比以前更多的想法。我可以做得更快。我可以在我一无所知的领域工作。也许我不懂 iOS，但我可以编写一个应用程序，因为我可以大致进行代码审查，我可以看到它看起来合理，但 Claude 实际上完成了所有的编写和所有的测试。" 这种观点让我想到了历史上每一次重大技术变革。当印刷术发明时，人们担心抄写员会失业；当计算机出现时，人们担心计算员会失业；当电子表格软件出现时，人们担心会计师会失业。但历史告诉我们，这些技术更多地是解放了人类去做更有价值的工作，而不是简单地替代人类。 Boris 提到的一个细节特别有趣：团队中有个工程师 Lena，她周末有时仍然手工编写 C++，"因为作为程序员，这是我们享受的事情之一，因为有时你必须深入底层，你必须以这种方式来做"。这让我想到，即使在 AI 高度自动化的未来，仍然会有人选择手工编程，就像在数字摄影时代仍有人坚持胶片摄影一样。 对于年轻开发者，Boris 的建议很实用："对于今天学习编程的人来说，实际上比我学习编程时更困难，因为你不仅要知道编程——因为你仍然需要理解语言，仍然需要理解框架，仍然需要理解系统设计和所有这些东西——而且你还必须使用所有这些工具，你必须两者兼顾。" 我认为这种"双重技能"的要求实际上为新一代程序员创造了更大的机会。那些能够既理解传统编程又精通 AI 工具的人，将拥有比任何一代程序员都更强大的创造能力。他们不仅能够编写代码，还能指挥 AI agent 军队，实现以前不可能完成的项目规模和复杂度。 从更宏观的角度看，我相信 AI 编程工具会大大降低软件开发的门槛，让更多人能够参与到软件创造中来。这不会减少专业程序员的需求，反而可能增加对高级软件架构师、AI agent 管理专家和跨领域问题解决者的需求。编程的未来不是人与机器的对立，而是人机协作的新纪元。 Claude Code 的下一步：持续进化的产品哲学 当谈到 Claude Code 的未来发展时，Boris 展现了一种持续实验和快速迭代的产品哲学。他提到了几个即将到来的重要更新：原生 Windows 支持、单文件分发（不再需要 NodeJS）、以及将 Claude Code 集成到更多地方的努力。但最令人兴奋的是他对"更多 agent"的展望："期待更多的 agent。能够启动 agent，agent 管理 agent，以及更多这种自由度。" 这种 agent 管理 agent 的概念让我想到了软件架构中的微服务思想，但这是在 AI 层面的实现。想象一下，未来可能会有专门的 agent 负责项目管理，它能够根据项目需求动态创建和管理各种专业 agent：前端 agent、后端 agent、测试 agent、部署 agent 等等。这种分层的 agent 架构可能会成为复杂软件系统的标准组织方式。 我特别欣赏 Boris 对于产品发展不确定性的坦诚承认："总的来说，我们真的不知道。我们仍在测试各种东西，我们有很多想法，我们不知道什么会成功，但我们很兴奋展示我们想出的东西，看看人们是否喜欢。"这种实验性心态在快速变化的 AI 领域尤其重要。 从产品策略角度看，Claude Code 的发展路径体现了一种"最小可行产品"的思维。他们始终坚持构建最简单的接口来展示模型能力，而不是构建复杂的功能堆叠。这种策略在模型快速迭代的时代特别有效，因为它让产品能够快速适应新模型的能力，而不会被旧的设计假设所束缚。 我认为 Claude Code 的成功还有一个重要因素：它真正体现了"Dogfooding（Eating your own dog food）"的产品理念。Boris 多次强调，Anthropic 内部几乎每个人都在日常使用 Claude Code，大部分代码都是通过它编写的。这种内部深度使用不仅确保了产品质量，也让团队能够第一时间发现问题和改进机会。当产品团队本身就是重度用户时，产品的演进方向往往更加准确和实用。 另一个值得关注的趋势是 Claude Code 如何处理定价模式的演进。随着用户发现更多创新用法，比如运行"Claude 军队"——5 个、10 个、20 个 Claude 并行工作——传统的定价模式就需要调整。Boris 提到："有些人有这些 Claude 军队，一天 24 小时并行运行，只是在工作。这非常令人兴奋，但我们原有的定价结构真的不适合为这类用户提供服务。"这种定价模式的演进反映了产品从单用户工具向平台服务的转变。 我特别感兴趣的是 Boris 提到的容器化运行方式，这为更自主的 AI agent 部署提供了可能。"基本上，你需要为它设置一个容器，只是给它一些容器存在的环境，然后它可以在不需要批准的情况下以安全的方式运行。"这种部署模式可能会催生出全新的 AI agent 应用场景，比如持续的代码监控、自动化的测试执行、甚至是 24/7 的开发助手。 最让我印象深刻的是 Claude Code 团队对用户反馈的敏感度。子代理功能的诞生就来自一个 Reddit 帖子，那些随机显示的工作状态词汇也是在用户建议下不断