过去一年,他没再亲手写过一行代码。
他每天提交几十个PR,有一天冲到150个,创了个人纪录。
更离谱的是,他手上同时跑着几百个AI智能体,每晚还有几千个替他上夜班。
这是Claude Code之父Boris Cherny,前段时间在一场面向开发者的公开对谈上亲口说的。
他手机上开着Claude应用,左边一个小小的代码标签,里面同时挂着5到10个会话。
每个会话底下又是一堆智能体,白天几百个在跑,一到晚上,几千个开始干更深的活。
模型写了全部的代码,他一行都不碰。
对于他来说,编程这事,已经解决了。
一个人凭什么能管几千智能体?
一个人管几千个智能体,让它们同时在一个代码库里改代码,不失控、不打架、不成批制造垃圾。
Boris的秘诀,藏在一个词背后:循环(Loop)。
他说,Loop是他见过最简单、又最好用的东西,Loop才是未来。
Loop的本质,是让Claude用定时任务调度一个能重复跑的活,每分钟、每五分钟、每天,随你定。跑起来之后,基本不用管。
他手上有几十个Loop常年在转:
一个专门盯着他的PR,自动修持续集成(CI)、自动变基;
一个负责让CI保持健康,哪个测试不稳定,它自己去修;
还有一个每30分钟去X上扒一遍用户反馈,聚类整理好了再提交给他。
更关键的是,越到后面,连开Loop这一步都不太用Boris开口了。
有回他只让模型跑个数据查询,模型自己回了一句:我发现这份数据一直在变,那我起个Loop,每30分钟给你出份报告。
他说行,顺手发我Slack上。模型转头就把这事办了。
就在前段时间,Boris还说自己不再写prompt了,只写loop。
很快可能他连loop也不用写了。
智能体
正在改写「干活」这件事
这背后,是「干活」这件事本身变了。
过去是你写一句、AI答一句、你再写下一句;现在是你搭一个会自己找活、自己干活、自己交活的小系统,然后转身走开。
Anthropic前不久还上线了Routines,把同一套机制搬到服务器端,合上电脑,它照跑不误。
「工程师」这个角色,在Boris这儿也被改写了:
模型负责写代码,他负责搭系统、做验收。一天几十上百个PR从智能体手里冒出来,他真正的活儿,是判断哪些能合、哪些得打回去。
用他的话说,这并非「AI取代了工程师」,而是人正从操作执行者,变成自动化系统的设计者:重心从「把这一行代码写对」,挪到了「搭一套能自己把代码写对的系统」。
他甚至预测,再过一年,防提示注入、命令校验、人工审批这些安全环节都会没那么重要,因为模型会越来越自觉地做对的事。
而这套打法,早就不只是他一个人的玩法。
据Boris说,公司里几乎没有手写代码这回事了,连SQL都是模型写的。整个公司,找不出几行还是人敲出来的代码。
更魔幻的是另一幕。当他的几个Claude在Loop里写代码时,它们会自己跑到Slack上,跟同事的Claude聊天,对齐那些谁都还没想明白的地方。
一群AI在Slack群里开会,把活儿分清楚,各自回去干,这在Anthropic已经是日常。
更狠的是团队构成:工程经理、产品经理、设计师、数据科学家、财务、用户研究员,每一个人都在写代码。
职能还在,但人人都多了一层「调度AI去干活」的通用能力,成了跨学科的通才。
从写prompt到写loop
中间隔着一道验收
一个会自己无限干活的AI,凭什么不是一台高速产出bug的机器?
答案在一个被大多数人略过的环节:验收。
Loop能自己跑而不自嗨,靠的是一套「目标驱动」机制,在Claude Code里对应/goal命令。
你给它一个目标,比如「/tests/下所有单测通过、lint干净」,它每干完一步,就有一个独立的小模型来判一次:到了没?没到,接着干;到了,停。
这个负责打分的「监工模型」,不是那个干活的模型。
这个简单的设计,恰恰是整个loop的心脏。
没有它,一个跑一整晚的Loop,很可能就是一台睡着了还在批量提交垃圾代码的机器,而且提得理直气壮。
Boris早就验证过这一点。
他此前分享工作流时给过一条建议:想把Claude Code榨到极致,最重要的一步,就是给它一个能验证自己工作的方式。
一旦有了这个反馈闭环,产出质量通常能翻2到3倍。
一个「让AI自己检查自己」的动作,抵得上换一代模型。
这套循环普通人也能用
前面那套循环,已经被做成了产品,普通人照样能上手。
Fable 5发布后,一份在X上流传很广的教程,作者实测3周后称:大多数人像用普通Claude那样用Fable 5,等于白白浪费了它真正值得付费的东西。
该作者先点出Fable 5区别于以往所有Claude模型的三项能力。
教程总结的Fable 5三大能力:长期自主干活、自我校验、读懂密集图表。
第一项,它能连着干几天的活,而非几分钟。
以往的模型都是短跑选手,Fable 5是第一个为「长期自主干活」而生的模型。
在Claude Code里,你可以把一个跨越多天的项目整个丢给它,它自己分阶段规划、自己派子智能体、一直干到达标为止。
第二项,它会自己查自己。任务干完,它不急着交差,先给自己写测试、跑测试、抓出错误、修完,才说一声「做完了」。
第三项,是读懂密集图表的能力。
据作者实测,财报里的表格、PDF里嵌的图、架构图、仪表盘截图,以往Opus 4.8偶尔会认错列、看混坐标轴的地方,Fable 5能稳定读对。
而要把这些能力真正用起来,靠的就是两个命令:/goal和/loop。
不用它们,你是在花2倍的价钱买一个聊天机器人;用上它们,你买到的是一个自主干活的员工。
/goal奔着终点跑,到了自己停;/loop按点反复跑,直到你喊停。
/goal的机制,是你定义结果,它负责迭代。它能不能跑好,有条铁律:把「完成标准」写具体,而且必须给一条失败退路。
比如,「改进这段代码」是个坏目标,因为没法验证;「/tests/下所有测试通过,只许改/src里的文件,修3次还不过就停下来汇报」是个好目标,因为每一条都能核对。
/loop则不奔某个终点,而是按点反复跑,跑到你喊停。
比如每30分钟查一遍错误日志,把严重级别的挑出来用大白话汇报;或者每小时扫一遍收件箱,摘要新邮件、把该回的草稿先拟好。
分工口诀就三句:有明确终点,用/goal;按周期重复,用/loop;要一直跑到某个条件达成,两个叠着用。
放手之前,还有句最实在的告诫:先把花费的上限设好。一个没封顶的/goal撞上难题,token能烧得飞快。
让它记住你:20分钟的本地配置
教程还提到一步,多数指南都跳过了,偏偏最要紧。
Fable 5不会记住你。每次开新会话,它对你的业务、文风、客户、偏好一无所知,一切从零开始。
解法是在自己机器上搭一套本地上下文系统,只用20分钟就能搭完。
一个文件夹、两个markdown文件、一组技能,就是让Fable 5「认识你」的全部配置。
一共分四步。
第一步,建一个上下文文件夹,比如叫fable-workspace,当作它每次开工前必读的「单一事实源」。
文件夹中可以放如下内容:一页纸的业务和优先事项概要、常干活儿的操作规程、在办项目的关键信息、常引用的战略文档,再加一份决策日志。
每个文件压在一页内,内容太多反而吃掉上下文窗口。
第二步,建一个记忆文件claude-memory.md,再留一条指令:每当我聊到业务、偏好或处境的重要信息,就把要点更新进去,写短点,标上日期。
从此它自我更新,你提过一次新客户,下次会话它已经知道。
第三步,建一个指令文件claude-instructions.md,写清每次会话的行为守则:开工前先读记忆文件、给建议前先翻旧决策、拿不准就问别瞎猜、干完活主动汇报并标出需要人过目的地方。
第四步,在Claude Code里用/add指向这个文件夹,或写进CLAUDE.md。连上之后,每次会话一开场,它就已经带着你的全部背景。
这套配置还有个好处:哪天换了别的AI工具,上下文直接打包带走。
省钱方面,有一套二八打法:只把Fable 5用在那20%真正吃它长处的活上。
在Claude Code里,Fable还能自己派更省钱的子智能体去干粗活:它出方案,Sonnet、Haiku这些去执行,最后再由它回来验收。
到这一步你会发现,Boris那套「夜间AI军团」拆开无非三样:
一个会自己干活的模型、一套定义「做完」的标准、一个按时运转的循环。
模型和循环都已具备。
真正稀缺的,是那个能和模型说清「任务做完是什么样」的人。
参考资料:
https://safe.ai/blog/significant-increase-in-digital-labor-automation
https://x.com/free_ai_guides/status/2073050543027638443
https://youtu.be/SlGRN8jh2RI
https://x.com/bcherny/status/2007179861115511237
本文来自微信公众号“新智元”,编辑:元宇
