Claude 3.7、4.0、Sonnet 4.5、Opus 4.6——几乎每次发布都是同级别最强。Claude Code 从 CLI 起步（没有 IDE，对 AI 代码生成的绝对自信），到 Cowork 覆盖 Slack、Word、Excel、Design，改变了用户的工作习惯。MCP、Skills、Multi-Agent、Teams——每一个概念都是行业首创。
为什么是 Anthropic？不是因为它有最好的模型（虽然有），而是因为它有一种完全不同的做事方式。
最近，Claude Code 和 Cowork 的产品负责人 Cat Wu 做客 Lenny's Podcast，做了一次近 90 分钟的深度访谈。从中我们可以窥见 Anthropic 遥遥领先的七个底层逻辑。
"我们很多产品功能的发布周期，已经从六个月压缩到一个月，有时甚至到一周，甚至一天。"
这不是夸张。Anthropic 几乎每天都有重大功能或产品发布。有人做了一个日历，标注 Anthropic 的所有发布——每天至少一个。
怎么做到的？
Research Preview 机制。 Claude Code 几乎所有功能都以 Research Preview 形式发布。明确告知用户这是早期产品、是试水、不保证永远支持。这大幅降低了发布的心理负担——不用完美，先跑起来。
Evergreen Launch Room。 工程师觉得功能准备好了、内部 dogfood 过了，就往一个专门的 Slack 频道发一条。文档负责人、市场负责人、开发者关系团队看到后，第二天就能把公告写好。流程极简，摩擦极低。
Cat Wu 的原话：
"我们想要消除阻碍发布的一切障碍。我们要确保团队里的每一个人都能在一周内、有时甚至一天内，把一个想法变成面向用户的产品。"
"做到正确程度的 AGI-pilled 非常难。每个人都能看到模型极度聪明的未来，那时你其实不需要复杂的产品——一个文本框就够了。难的是：对于当前的模型，你如何榨取它的最大能力？"
这是全文最重要的一段话。
很多 AI 公司犯了两个极端的错误：
Anthropic 的方法是针对当前模型能力做最优产品，同时为更强的模型做准备。Cat Wu 举了一个具体的例子——代码审查：
"我们尝试过好几次做代码审查产品，也发布过简单版本（/codereview 命令），但一直觉得准确度不够高。直到 Opus 4.5 和 4.6，我们才觉得：好了，现在代码审查好到我们的工程团队依赖它通过才能合并 PR。"
策略是：提前构建那些"当前模型还撑不住"的产品原型，等新模型发布时直接替换，你就领先所有人。
"每次发布新模型，我们会做的很多工作是移除功能。"
这和直觉相反。传统软件只加功能不减功能。但 Anthropic 的逻辑是：很多功能是给模型打的"拐杖"——因为模型做不到，所以产品层面加补丁。
经典的例子是 Todo List（待办列表）。早期 Claude Code 做大型重构时，模型会漏掉一些修改点。团队加了一个 Todo List 工具，强制模型列清单、逐项完成。
"早期模型需要我们不断提醒：'你做完清单上的所有项了吗？不能结束直到全部完成。'后来的模型，不需要任何提醒，自然就把所有项做完了。"
Todo List 现在还在，但更多是给用户看的进度指示，不再是驱动模型完成任务的必要工具了。
这就是 Anthropic 的产品进化论：模型强一分，产品简一分。 每次新模型发布，团队会重新审查整个 system prompt，逐段问"这个提醒还需要吗"，不需要就删。
"如果 Claude Code 失败了，但 Anthropic 成功了，我会非常高兴。"
这句话的分量很重。Cat Wu 解释了 Anthropic 的核心决策框架：
"我们把 Anthropic 的目标置于任何单个团队或产品之上。当两个优先级冲突时，我们会讨论哪个对 Anthropic 的使命更重要，这让决策变得容易得多。"
使命是什么？安全地将 AGI 带给全人类。
这个使命不只是墙上的标语。Cat Wu 说团队在决策时经常引用这个使命。当有人提议做某个功能时，问题不是"这个功能好不好"，而是"这个功能是否推动我们向使命前进"。
这也解释了为什么 Anthropic 没有做社交网络、没有做信息流——不是做不了，而是和使命无关。专注是 Anthropic 最大的竞争优势。
"当代码变得非常便宜时，更有价值的是决定写什么。"
Cat Wu 认为 PM 角色正在发生根本变化。传统 PM 花大量时间做跨季度路线图对齐、写 PRD、协调各方资源。AI 时代的 PM 应该做三件事：
关于招聘，Cat Wu 透露了一个关键信息：
"我们团队几乎所有的 PM 都当过工程师，或者现在还在 Claude Code 上写代码。我们的设计师也做过前端工程师。"
这不是偶然。在 AI 时代，工程背景让人能判断"这个功能应该多难实现"，直接影响优先级决策。
Cat Wu 描述了 Anthropic 对 Agent 未来的规划路径：
第一层：单个任务成功。 用户给一个 prompt，Agent 能稳定地产出可接受的结果。这是基础。
第二层：多任务并行。 2025 年底的 Multi-Claude 趋势——用户同时跑六个 Agent。
第三层：几十上百个 Agent 并行。 这就是 Anthropic 正在准备的下一步。
"到那时，你不可能在本地机器上跑所有东西，内存不够。所以这些 Agent 会跑在远程。你需要一个界面来知道哪些任务需要你亲自看。Agent 要能完全验证自己的工作，当它说完成了，你能快速确认真的完成了。这个过程还要自我改进——你给反馈，模型在未来的运行中永远不再犯同样的错误。"
这不是遥远的愿景。Claude Code 的 Mobile 端、Cowork 的远程执行、Managed Agents——这些已经是这条路径上的具体产品。
"我大概 30% 的时间在推 Cowork 和 Claude Code 的边界，这样我对'我们哪里做得不好'有非常强的感知。"
Cat Wu 分享了她用 Cowork 做会议 PPT 的例子：
这不是特例。Anthropic 内部到处是这样的场景：
自己造的工具自己用，自己用的痛点自己修。 这个飞轮在 Anthropic 转得比任何公司都快。
Cat Wu 的人生格言只有四个字：
Just Do Things.
"职位是假的。如果你理解了约束条件，你就能弄清楚你能做什么，然后就去做。快速学习，犯了错就道歉或修复。"
这就是 Anthropic 的底色：不是完美的计划，不是无懈可击的策略，而是一群有着极强使命感的人，以不可思议的速度，持续地把东西推向世界。
模型领先只是表象。真正的护城河是：
Anthropic 遥遥领先，不是因为某一次发布，而是因为这种做事方式本身就是复利。每过一个月，差距就大一点。
作者: itech001
来源: 公众号：AI人工智能时代
主页: https://www.theaiera.cn，每日分享最前沿的AI新闻和技术。
本文首发于 AI人工智能时代，转载请注明出处。
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。