Claude Code親授:4個轉變和3個原則,重建AI時代的工作方法
重點摘要
AI應用風向標(公眾號:ZhidxcomAI) 編譯|畢偉豪 編輯|漠影 當寫代碼不再是拖累,下一個阻礙會是什麼呢? 智東西6月4日報道,Claude Code團隊給出的答案是:驗證、代碼審查和安全檢查。這是Claude Code工程總監Fiona Fung發佈的最新博客,內容出自一個月前她的演講,博客中,她透露了Claude Code團隊“不容商榷”的核心原則。 這篇博客從一線團隊的角度出發,剖析了在Agent時代,整個工程流程所發生的變化,從規劃、背景信息獲取、代碼審查到團隊構成,每個環節都在發生深刻的改變,一些舊流程正在消失。 她提出了一個觀點:舊流程不會自己退出歷史舞臺,你必須主動淘汰它們。文章最有價值的地方在於,將每個舊流程和新流程都做了對照,為什麼淘汰,為什麼制定,很清晰。 一、規劃(Planning):6個月路線圖3個月就過時,團隊轉向即時規劃 在編程時間昂貴的年代,提前規劃是標配,Fiona Fung剛加入Claude Code團隊時,制定了一份相當完善的六個月路線圖。結果因為Claude Code自身進化太快,很多東西在第三個月就過時了。 團隊最新的的做法是轉向即時規劃(JIT planning),借鑑JIT編譯的概念:在正確的時間做恰到好處的規劃,規劃流程從設計文檔轉向PR討論和原型驗證。 由於整個行業發展變化的節奏太快,所以Claude Code團隊不會做太多產品評審,新流程變成:先做原型,讓大量內部用戶上手,然後根據反饋再持續改進。 二、背景信息收集(Context gathering):別找代碼作者了,直接問Claude 過去工程師遇到問題,第一步是找到寫代碼的人。但現在Claude Code團隊所有的PR都有Claude協助,如果還是和以前一樣問一下是誰寫的代碼,然後兩個工程師再一起討論,那不僅浪費了Claude的能力,也不足以支撐高速運轉的研發
AI應用風向標(公眾號:ZhidxcomAI) 編譯|畢偉豪 編輯|漠影 當寫代碼不再是拖累,下一個阻礙會是什麼呢? 智東西6月4日報道,Claude Code團隊給出的答案是:驗證、代碼審查和安全檢查。這是Claude Code工程總監Fiona Fung發佈的最新博客,內容出自一個月前她的演講,博客中,她透露了Claude Code團隊“不容商榷”的核心原則。 這篇博客從一線團隊的角度出發,剖析了在Agent時代,整個工程流程所發生的變化,從規劃、背景信息獲取、代碼審查到團隊構成,每個環節都在發生深刻的改變,一些舊流程正在消失。 她提出了一個觀點:舊流程不會自己退出歷史舞臺,你必須主動淘汰它們。文章最有價值的地方在於,將每個舊流程和新流程都做了對照,為什麼淘汰,為什麼制定,很清晰。 一、規劃(Planning):6個月路線圖3個月就過時,團隊轉向即時規劃 在編程時間昂貴的年代,提前規劃是標配,Fiona Fung剛加入Claude Code團隊時,制定了一份相當完善的六個月路線圖。結果因為Claude Code自身進化太快,很多東西在第三個月就過時了。 團隊最新的的做法是轉向即時規劃(JIT planning),借鑑JIT編譯的概念:在正確的時間做恰到好處的規劃,規劃流程從設計文檔轉向PR討論和原型驗證。 由於整個行業發展變化的節奏太快,所以Claude Code團隊不會做太多產品評審,新流程變成:先做原型,讓大量內部用戶上手,然後根據反饋再持續改進。 二、背景信息收集(Context gathering):別找代碼作者了,直接問Claude 過去工程師遇到問題,第一步是找到寫代碼的人。但現在Claude Code團隊所有的PR都有Claude協助,如果還是和以前一樣問一下是誰寫的代碼,然後兩個工程師再一起討論,那不僅浪費了Claude的能力,也不足以支撐高速運轉的研發體系。 Claude Code團隊的新做法是:再深入一層,去思考你真正需要知道什麼,是找regression的責任人,還是找一個能回答客戶問題的專家,亦或者是想了解某個決策的背景?直接把問題交給Claude,來看看Claude能否給出你想要的答案,以及提供更多數據和背景信息。 Fiona Fung透露,Claude Code團隊遇到問題時,統一的流程是先思考有沒有辦法把它自動化。比如讓Claude每天早上查看客戶反饋渠道並整理,把這項工作從手動整理變成後臺自動運行的任務。 三、代碼審查(Code Review):Claude自己審查,關鍵部分保持人工 這是全文最關鍵的變化,以前,人類會對AI生成的代碼進行全面審查,而當模型能力越來越強,Claude Code團隊也越發信任AI所生成的代碼了。 在Claude Coed團隊內部,Claude現在負責所有代碼風格和語法檢查、PR反饋請求、在正式提交前發現並修復bug,以及添加測試這些部分的審查。 雖然信任,但不是完全丟給Claude不管,Claude Code團隊會在關鍵部分引入人工審核,把問題交給人類專家。 法律專家參與風險承受能力的評估;對於信任邊界和安全敏感代碼,由該領域專家審查;產品經理和設計師也需要參與,以確保產品理念和品味。 但Fiona Fung也強調,信任和驗證的平衡會隨著模型能力提升不斷變化。今天需要人來做的事,換個新模型可能就不需要了。 四、團隊構成(Team makeup):團隊中的角色邊界正在模糊 這其實是個老生常談的變化,Claude和一眾AI編程工具正在重塑著團隊中的職業邊界,PM現在大量參與編程,工程師開始承擔內容和設計這類傳統”非技術側”工作。 Fiona Fung直言,Claude Code團隊中,有兩類人才是受到重點關注的:有產品sense的創意建造者和擁有深度系統專業知識的工程師,前者充滿理想,熱衷於開發可以解決問題的產品,後者知識淵博,可以為整個團隊技術問題兜底。 Fiona Fung認為產出速度這方面的重要性在降低,起碼在Claude Code團隊內部是這樣的,因為模型會解決速度這件事,更重要的是哪些方面需要人類的專業知識解決。 五、三條鐵律與三個變革中要關注的指標 Fiona Fung公開了Claude Code核心團隊的三條必須遵守的核心原則: 1.無情地dogfood自己的產品:Claude Code團隊的每個成員,還有其他部門的同事,都會持續不斷地使用Claude Code和Claude Cowork,內部測試是讓產品在交付到用戶手上之前驗證質量的重要環節。 2.團隊結構儘可能扁平:Fiona Fung加入Claude Code時,就希望每個管理者都先從個人貢獻者做起,通過實際交付產品來學習如何成為團隊中高效的成員,真正體驗並理解在Anthropic做工程師的感受,去保持團隊的敏捷性,讓團隊成員能夠靈活地參與到工作中。 3.毫不猶豫地淘汰失效的流程:要不斷質疑做事方式背後的原因,團隊成員有權限去質疑並淘汰舊流程。 儘管原則不多,但團隊中的每個小組都擁有很大的自主權。他們可以靈活調整如何使用Claude進行優先級排序、如何開展計劃,以及哪些工作流程優先“Claude化”。 Fiona Fung提到在工程流程變革中,要追蹤是否真正落地,需要看三個指標: 1.新人入職培訓週期縮短:工程師、設計師或項目經理入職多久才能開始高效工作?在Claude Code團隊,這個速度比一年前快得多,工程師現在入職第一週就能交付代碼。 2.PR週轉時間縮短:這一點值得深入研究,因為它有助於團隊定位流水線中哪裡跟不上規模。隨著代碼量的激增,構建系統和持續集成(CI)有時可能難以跟上。 3.Claude輔助提交佔比上升:對Claude Code團隊來說,默認情況下,每個提交都是由Claude協助完成的。在過去的四個月裡,FionaFung基本上沒有見過非Claude協助的提交。 但第三點有個重要提醒:不要把token用量和成功混為一談。用量只是一個數字,真正的指標是你試圖解決的問題是否被解決了。 結語:找到你工作中最複雜的部分,看看能不能自動化 Fiona Fung在最後留下了這樣一句話:“找出你工作流程中最繁瑣的部分。” 這可能是你成本最高的流程,也可能是你最害怕的流程,或者你的團隊最不願面對的流程。找到它,然後問問自己:它現在還能發揮作用嗎?如果可以,你能把它自動化嗎? Fiona Fung講了一個往事:她曾在一個團隊中,每週都要開週會,所有人除了輪到自己彙報的那幾秒都在看筆記本電腦。於是她問了一個問題:“我們為什麼還需要這個會?”自此以後這個會就取消了。 AI發展到現在,有太多工作環節可以被自動化了,Fiona Fung所說的,是要不斷精簡工作流程,能自動化的就自動化,能砍掉的就砍掉,讓整個團隊高效敏捷地運轉。
Related
相關文章

專家預測年底才到,Claude Mythos今天就跑出3小時6分
這篇消息聚焦「專家預測年底才到,Claude Mythos今天就跑出3小時6分」。原始導語提到:AI加速,超乎想象! 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Nemotron 3.5 內容安全:為全球企業 AI 打造可自訂的多模態安全防護
回顧過去兩年,NVIDIA 的內容安全技術棧已從一個專注於英文的分類器,發展為一系列專業模型,逐步擴展至新的模態、語言與推論模式。2026 年 3 月推出的 Nemotron 3 Content Safety 首次在單一 4B 參數模型中整合多模態與多語言能力。今日我們發布 Nemotron 3.5 Content Safety,補齊最後一塊拼圖:一個統一處理多模態輸入的單一模型。

全球最強開源生圖 AI 模型:Ideogram 4.0 登場
Ideogram 於6月3日正式發表4.0版本,這是一款採用開放權重架構的文字轉圖片生成模型,官方宣稱其為「全球最佳開源生圖AI模型」。開發人員與研究人員可下載模型權重進行本地部署與二次開發,此舉有望進一步拉高開源模型的品質天花板。
全球首個!材科源圖發佈有機高分子應用智能體
在人工智能重塑科研範式的科技浪潮中,因體系複雜、配方變量多,長期面臨高度依賴專家經驗、試錯成本高、知識難以沉澱複用等行業瓶頸,研發效率提升亟待突破。近日,據雷峰網瞭解,蘇州材科源圖(MatSource)正式發佈全球首個有機高分子材料研發應用智能體(Organic Polymer Agent)。該智能體依託自主構建的通用材料科學智能體框架(Materials Agent Framework),面向高分子材料研發場景打造專家級人工智能系統,推動“人工驅動”向“人工智能協同驅動”加速躍遷,為高新材料的高效自主研發提供了關鍵的技術支撐。01 面向複雜研發場景,構建高分子材料研發“智能中樞”作為材科源圖(MatSource) 材料科學智能體體系的重要組成部分,有機高分子應用智能體聚焦高分子材料研發中的關鍵痛點,融合材料知識圖譜、多模態數據理解、大模型推理與領域機理模型能力,構建覆蓋“設計-預測-優化-決策”的全流程智能研發體系。依託這一技術架構,系統可實現高分子分子結構設計與性能預測、配方體系智能生成與多目標優化、工藝參數推薦與實驗路徑規劃,以及文獻知識解析、研發知識沉澱等核心功能,推動專家經驗向數字化能力轉化。通過“知識+模型+工具”的深度協同,顯著提升研發效率與決策質量,為行業由傳統“經驗驅動”向“智能驅動”轉型提供新的技術路徑。02 率先落地光刻膠,完成產業級驗證作為有機高分子材料中技術壁壘最高、研發難度最大的典型代表,光刻膠成為該智能體的首個驗證場景。目前,系統已完成在ArF光刻膠研發場景中的實測驗證,實現從樹脂設計、配方篩選到性能預測的全流程支持,並完成關鍵指標驗證,證明瞭其在複雜有機高分子體系中的工程化能力與應用價值。這意味著,材科源圖(MatSource)不僅驗證了“AI+高分子材料”的技術可行性,也打通了從實驗室研發到產業應用的關鍵路徑。03 從ArF到EUV,持續拓
不卷價格和參數,中國汽車如何賣到5000萬輛?
2026年,國內新能源汽車滲透率突破60%,中國汽車品牌的售價提升到80萬元。中國乘聯會秘書長崔東樹說,國產車未來要達到5000萬輛銷售規模,在全球市場中,佔比超過50%。中國汽車越過規模大關,但高速發展之下,行業參數內卷、體驗同質化、盈利承壓等痛點日益凸顯。第四屆未來汽車先行者大會上,奇瑞副總經理王琅直言,行業進入新的“無人區”,不能再卷參數了。跳出價格與參數之外,國產車如何尋找下一個增長點?01元戎啟行周光:智駕幾十公里接管一次和1000公里接管一次,是兩個物種最近幾年,智駕行業的技術重心從端到端、VLA向著大模型、基座模型和物理AI快速迭代。元戎啟行CEO周光分享了他對物理AI基座模型的思考。他認為,過去5年,智駕行業走的是小模型路線,已經到了能力的上限,投入越來越多,提升越來越慢。這個現象可以用“蹺蹺板效應”來形容:在小模型系統裡,當一個版本解決了上海、武漢等城市的問題,可能就會在深圳、廣州等地效果變差,引入新問題。版本之間因此要反反覆覆地修改。周光說,這種蹺蹺板效應在行業中非常普遍,這也是用戶難以長期信任這個系統的原因。2026年,行業認知進入到大模型階段。周光解釋,大模型並不是一個更大的小模型,而是有一整套技術邏輯,在技術棧、網絡結構、訓練方式和模式上都有變化。他舉了一個例子,來說明大模型和小模型的認知區別。假設一條狗被染上斑馬的條紋,小模型會識別為一隻斑馬;但大模型會作出這是一隻狗的判斷。“小模型擅長條件反射、局部特徵相應,大模型擅長高級認知”,周光總結。自動駕駛從一開始的被激活,城區安全接管,再到更高的認知理解,做到像人一樣的整體判斷和泛化能力,需要從執行系統升級到認知系統。周光判斷,今年年底到明年初,行業裡會迎來從小模型到大模型、基座模型的轉換浪潮。技術陡峭升級,大模型成為智駕發展的下一個技術範式。他透露,元戎啟行很早就判斷要全面擁抱大模型和多模態,202

奧爾特曼:OpenAI 內部有人每月用掉約 1000 億個詞元
從六年前月耗十萬詞元到如今月耗千億,OpenAI 的詞元消耗量呈爆炸式增長。公司內部設有消耗排行榜,員工甚至曬圖炫耀,與亞馬遜等嚴控成本的企業形成鮮明對比。奧爾特曼承認成本已成難題,正尋求降本增效。 #AI 成本# #詞元消耗#