Code 凭借代理式编程实现快速增长，其从终端切入的设计、子代理功能、记忆系统等创新，重塑了编程交互方式，不仅赋能开发效率提升，还拓展至非编程领域，展现出 AI agent 的广泛潜力。
你有没有想过，编程这件事情可能彻底变了？我们正在见证一场从直接操作代码到与 AI agent 对话的根本性转变。这不是什么渐进式改良，而是一次彻底的范式革命。
最近，我看到了一期非常精彩的播客访谈。Firstmark 的 Matt Turck 采访了 Anthropic 的 Boris Cherny，也就是 Claude Code 的创造者。整个对话长达一个小时，深入探讨了 Claude Code 是如何从一个意外的内部原型变成改变整个编程行业的产品。当 Boris 去年年底在终端里随便摆弄一个原型时，他绝对想不到自己会无意中创造出一个如此成功的产品。Claude Code 在短短 5 个月内就实现了年化 4 亿美元的营收，成为史上增长最快的产品之一。更重要的是，它正在重新定义程序员与代码之间的关系。
现在，Anthropic 的大部分代码都是通过 Claude Code 编写的，几乎每个工程师都在日常使用它。听完这个访谈，我开始思考一个深刻的问题：当 AI 不再只是辅助编程，而是成为编程的主要执行者时，编程本身意味着什么？Boris 在访谈中分享的那些细节和洞察，让我对这个问题有了全新的理解。
Boris Cherny 在访谈中提到了一个让我印象深刻的观点：编程方式在过去 50 年里几乎没有变化。他说：”从 Ed 和 Vim 这些早期的 1970 年代工具开始，程序员的工作方式就是直接操作文本文档。你在一个叫 IDE 的特殊软件中加载代码，就像使用 Microsoft Word 或 Google Docs 一样，然后手动编辑代码。这种方式已经持续了 50 年。”但现在，我们终于迎来了第一次真正的变革。
这种变革的核心不在于工具的表面功能，而在于交互方式的根本改变。传统编程要求程序员精确地告诉计算机”如何”完成任务，每一个步骤都需要明确指定。而 agentic 编程（代理式编程）则让程序员专注于表达”想要”什么结果，由 AI agent 来规划和执行具体步骤。正如 Boris 所描述的：”人类向模型描述他们想要的变化，然后模型完成所有编辑工作。”这种从”操作”到”表达”的转变，让编程变得更接近人类自然的思维方式。
我特别认同 Boris 对于这种转变历史意义的理解。他提到这就像从打孔卡到汇编语言，再从汇编语言到高级编程语言的演进一样，是编程发展的又一次重大跃迁。每一次跃迁都让程序员能够在更高的抽象层次上工作，从而释放出更多创造力。而 agentic 编程可能是迄今为止最大的一次跃迁，因为它不仅改变了我们编写代码的方式，更改变了我们思考问题的方式。
从 Claude Code 的实际应用来看，这种转变已经产生了显著效果。Boris 提到，Anthropic 的技术入职培训过去需要几周时间，但现在工程师通常在前几天就能变得高效。新员工不再需要打扰团队中的高级工程师或经理来获得问题答案，他们只需询问 Claude Code 就能得到所有这些问题的答案。这种效率提升不仅来自于工具的便利性，更来自于它降低了知识获取的门槛。当复杂的代码库可以通过自然语言进行探索和理解时，学习曲线变得平缓了许多。
很多人可能会好奇，为什么 Claude Code 选择在终端（CLI）而不是图形界面（IDE）中运行？这个选择看似反直觉，实际上体现了深刻的产品设计哲学。Boris 在访谈中透露，这个决定最初确实是”意外”的结果，但背后的逻辑却非常值得深思。
当时 Boris 和同事 Sid 在房间里头脑风暴，在白板上列出了几个选项：可以做 CLI 工具、IDE 扩展或基于网页的产品。他们最终选择了 CLI，因为”这是最简单的，而我处理产品的方式通常是先从简单的事情开始”。但这种”简单”的背后，实际上蕴含着更深层的设计哲学。
我认为 Claude Code 选择终端的真正原因，体现了一种”产品跟随模型”而非”模型适应产品”的设计理念。Boris 明确表示：”我们专注于构建展示模型能力的最简单界面。这样当模型快速进步时，我们能够快速适应，你能以同样的方式体验下一个模型。”在大语言模型快速演进的时代，构建复杂的图形界面可能会成为束缚，因为你很难预测下一代模型会带来什么新能力。
终端的通用性也是一个重要优势。正如 Boris 所说：”它在任何地方都能工作。不管你用的是 Mac 还是 Windows，不管你使用什么 IDE，不管你的偏好是什么。程序员都很有个人偏好，有各种不同的设置和喜好，但这个工具与所有这些都兼容。”这种设计哲学让我想到了 Unix 的设计原则：做好一件事，并且做到极致。
更有趣的是，这种”简单”的设计反而释放了更多可能性。虽然 Claude Code 主要在终端中运行，但它也支持 VS Code、Cursor、JetBrains 等 IDE 扩展，甚至可以作为 GitHub Action 运行。你可以在 GitHub 上直接 @claude 并像与同事对话一样与它交流，它就能为你做出修改。这种灵活性证明了简单设计的力量：不是因为功能少，而是因为核心足够纯粹，可以适应各种不同的使用场景。
我特别欣赏 Boris 提到的一个细节：尽管 Claude Code 运行在看似简陋的终端中，但他们在用户体验上投入了大量精力。”我们可能在加载指示器——也就是 Claude 工作时的旋转器上花了 30 或 40 次迭代，只是为了让它感觉恰到好处，让你知道正在发生什么，但又不会给你太多信息，也不会抖动和移动。”这种对细节的执着，展现了他们对产品品质的坚持。甚至那些在 Claude 工作时显示的随机词汇（像”cooking”、”hurting”、”sleeping”、”honking”、”clotting”），都是精心设计的用户体验元素，让枯燥的等待过程变得有趣。
要理解 Claude Code 的革命性，就必须深入理解什么是 agentic 编程。Boris 在访谈中给出了一个非常清晰的解释：传统的 LLM 交互是”你发送一条消息，它发送一条消息回来”，而 agentic 系统则是”你发送一条消息，它回复你，然后它可能会做更多事情”。这个”更多事情”就是工具使用（tool use）的能力。
我觉得 Boris 举的那个红色按钮变蓝色的例子特别生动。当你告诉 Claude Code “让我网站上的红色按钮变成蓝色”时，它会经历一个复杂的推理和执行过程：首先选择读取文件的工具，如果不知道文件在哪里，会使用文件搜索工具找到那个文件，然后打开并读取文件，接着编辑文件，保存文件，甚至可能打开浏览器检查按钮确实变成了蓝色。整个过程展现了 AI agent 将高级意图分解为具体步骤的能力。
这种能力的关键在于模型能够”串联工具并以新颖的方式组合它们”。这不是简单的自动化流程，而是智能化的问题解决。Claude Code 可以做”几乎任何人在计算机上能做的事情”，包括读取文件、写入文件、运行系统命令、编辑内容，甚至联网搜索。当然，出于安全考虑，大部分操作都需要人类批准，但这种能力范围的广泛性为各种创新应用打开了大门。
最近推出的子代理（sub-agents）功能更是将这种能力推向了新高度。Boris 提到这个功能源于一个 Reddit 帖子，有人分享了他们为 Claude Code 构建的子代理系统，包括产品经理子代理、工程师子代理和设计师子代理。这个想法激发了团队的兴趣，他们迅速将其官方化。子代理本质上是”其他的 Claude”，但有不同的提示和工具集。你可以定义一个专门的 QA 工程师子代理，负责验证代码正确性和测试代码，给它配备浏览器、iOS 模拟器、Android 模拟器等工具。
我认为子代理的概念特别有趣，因为它体现了一个重要的设计选择：是应该将人类的职能角色映射到 AI agent 上，还是应该创造一种更适合 AI 的工作分配方式？Boris 提到了两种可能性：一种是模仿传统工程团队的角色分工，另一种是让所有子代理都是通才，但承担不同的工作部分。这个问题的答案可能会随着模型能力的提升而变化。正如 Boris 所说，随着模型变得更强大，可能不再需要这种细分，因为单个模型就能处理更复杂的任务。
Claude Code 的记忆系统设计让我印象深刻，它完美体现了”最简单就是最好”的设计原则。Boris 介绍说，他们使用一种叫 claude.md 的特殊文件来记录记忆。这个文件的名字就叫 claude.md，你可以把它放在代码库中或任何你想要的文件夹中，用来记录记忆。当你告诉 Claude 记住某件事时，比如”每当我编辑这个文件时，我总是希望你在浏览器中双重检查它”，Claude 就会将这个信息记录在相应的 claude.md 文件中。
这种设计的巧妙之处在于它的简单性和共享性。这不是什么复杂的数据库或者专有格式，就是一个普通的文本文件。更重要的是，这个文件可以与团队共享。当你把 claude.md 文件提交到代码库中并与团队分享时，如果 Claude 在你使用时记住了什么，团队中的每个人都能从中受益。这创造了一种”集体记忆”的效果，每个团队成员都开始为这个知识库和记忆银行做贡献。
我特别欣赏这种设计的透明性。因为是文本文件，任何人都可以读取，也很容易编辑这些记忆，看到里面到底存储了什么。这种透明性不仅增加了信任感，也让团队能够主动管理和优化这些共享知识。想象一下，这就像是一个不断进化的团队知识库，每个人的经验和最佳实践都能自动积累和传承。
Boris 也提到了自动记忆的挑战。他们尝试过让 Claude 自动记忆事情，但遇到了两个问题：一是它会记住不应该记住的事情（比如用户说”让按钮变蓝”，它可能记住”用户总是希望按钮是蓝色的”），二是它有时不会记住非常重要的事情。这种人工与自动记忆的平衡问题，实际上反映了更深层的 AI 系统设计挑战：如何在自动化和控制之间找到合适的平衡点。
我认为 claude.md 文件的设计哲学值得很多产品学习。在一个充满复杂技术的世界里，有时最简单的解决方案反而是最有效的。这种设计不需要特殊工具、特殊提示或任何复杂配置，就是一个文件，Claude 自然而然地学会使用它。这种”自然性”让技术变得更加人性化和可接近。
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。
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。
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。
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。
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。
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。
本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。