Boris Cherny

Anthropic的Claude Code创始人Boris Cherny披露，他已8个月未亲手写过一行代码，完全依靠管理数千个AI Agent完成软件开发工作。截至2026年5月，超过80%合并进Anthropic代码库的代码由Claude自主撰写，代码产出量较年初增长8倍。更值得关注的是，该系统已开始自主浏览GitHub和X寻找下一步构建方向，递归自我改进正在成为现实。

安全研究员 Johann Rehberger 发布了一个针对 Claude Code Opus 5 Auto Mode 的可复现漏洞利用链，通过网页摘要请求实现了 60-80% 成功率的远程代码执行攻击，与 Anthropic 此前声称'基本解决'提示注入问题形成鲜明对比。更值得关注的是，Auto Mode 的安全分类器不仅未能阻止攻击，还主动阻止了模型自身的清理补救操作，形成'倒置失败'。Anthropic 将该漏洞报告关闭为'Informative'，称这属于'设计如此'的行为。

安全研究员 Boris Cherny 通过构造多步骤攻击链，成功以 60-80% 的成功率突破了 Claude Code Opus 5 的 Auto Mode 安全防护，实现了代码执行。这与 Anthropic 委托第三方（Trajectory Labs）评估得出的 0.00% 攻击成功率形成直接矛盾。攻击核心在于利用 Python 模块路径劫持（struct.py 影子模块），绕过模型对直接二进制执行的拒绝。

Claude Code的创建者Boris Cherny分享了132+个真实工作流中的实用技巧，涵盖并行运行多个Claude实例、子代理调度、hooks自动化、工作流设计等高级用法。内容来自一线开发者的亲身实践，技术深度与可操作性兼具，是目前最权威的Claude Code使用指南之一。

Anthropic 公开了其内部 AI 辅助编程的规模化数据：截至2026年5月，Claude 已负责超过80%的生产代码提交，工程师人均代码产出提升8倍，开放性任务成功率达76%（半年内提升50个百分点）。这是业界首份来自前沿实验室的、基于真实生产环境的 Agentic 编程规模化原始数据报告，而非基准测试或演示。文章提炼了可供工程团队直接参考的工作流模式，如 maker-checker 循环等。

Anthropic内部人员Boris Cherny分享了在生产环境中使用Claude写代码的最佳实践：原型代码可以黑盒处理，但生产代码应设置比人类更高的质量标准。Anthropic内部使用lint规则、自动化测试、Claude驱动的模糊测试、自动代码审查等多重护栏来保障AI生成代码质量。开发者的核心职责是'守住代码质量的标准线'。

安全研究员在Anthropic宣称提示注入问题'基本解决'仅四天后，成功构建了针对Claude Code Auto Mode的间接提示注入攻击链，测试成功率达60-80%。攻击利用Python模块影子覆盖机制，通过多步骤链式操作绕过AI安全检测，最终实现远程代码执行。Anthropic的回应坦承Auto Mode从未被设计为安全边界，仅为便利性功能。

安全研究员 Johann Rehberger 证明了 Claude Code Auto Mode 存在通过 Python 模块劫持实现远程代码执行的漏洞，成功率高达 60-80%，而 Anthropic 委托的第三方评估却声称该模式零提示注入攻击成功率。Anthropic 将此漏洞披露归类为「按设计运行」，拒绝修复，导致其安全营销宣传与实际漏洞现实之间出现公开矛盾。文章深刻揭示了基准测试覆盖范围与真实攻击面之间的本质差距，以及 AI 分类器「批准命令」与「命令执行结果安全」之间的语义错位。

Anthropic Claude Code负责人Boris Cherny分享了Claude Code从简单终端原型成长为占GitHub公开提交4%的AI编程工具的历程，并探讨了编程问题被'解决'后的下一步。他分享了反直觉的产品原则，包括刻意缩减团队规模、给予无限token预算，以及AI如何重塑所有专业工作的未来图景。

Claude Code创始人Boris Cherny分享了AI编程工具的构建历程与工作流实践，包括每天并行运行5个Claude实例提交20-30个PR的高效模式。他深入探讨了AI时代软件工程师角色的演变——编码门槛降低，但工程师的职责边界正在向产品、设计等领域扩展融合。

Spotify首席架构师Niklas Gustavsson分享了公司在AI编程领域的前沿实践：73%的PR已由AI生成，任何人都能在1-2小时内完成原型开发。对话探讨了IDE的终结、AI代理处理2000万行代码的经验，以及异步编程工作流的组织变革。

Claude Code创始人Boris Cherny建议用户每6个月清空一次AI指令文件（如CLAUDE.md），因为底层模型持续升级后旧指令可能反而成为限制。他强调验证机制比提示词工程更重要，并指出Opus 5已大幅增强对提示注入的抵御能力，智能体可连续工作数天甚至数月。Anthropic内部每天运行20-30个Claude例行任务用于代码维护，标志着AI工作流进入新阶段。

Anthropic工程师Boris Cherny（Claude之父）分享了一项实验：让Claude自主维护其应用程序，在数周内提交了388个完全由AI编写的PR，其中180个已被合并。工程师唯一的工作是点击按钮决定是否合并代码。该实验覆盖iOS、Android、桌面、Web、CLI和Agent SDK六个环境，Claude每日自动执行崩溃检测、重复代码合并、死代码清理等任务。

Anthropic工程师Boris Cherny披露，Claude已在Anthropic内部软件上运行每日自动维护任务数周，共创建388个PR，其中180个经人工审核后被合并，合并率达46%。该系统通过Slack频道协调，覆盖iOS、Android、桌面、Web、CLI及Agent SDK等全平台。

Anthropic工程师Boris Cherny分享了一个实验：让Claude自动承担应用日常维护工作，包括崩溃检测修复、重复代码统一、死代码清理等，数周内提交388个PR，180个被合并。这一工作流展示了AI Agent在软件工程自动化维护领域的实际落地潜力。

Claude Code创始人Boris Cherny透露，Anthropic在Opus 5发布时删除了超过80%的系统提示词，因为新模型已能自主完成旧模型需要纠正的行为。他建议用户每六个月清空一次CLAUDE.md和技能配置重新测试，核心结论是：保留'不变量'（导航上下文、业务信息），删除'程序'（任务执行步骤），让更强的模型自主决策。

Boris Cherny（Anthropic工程师）分享了一个实验：让Claude自动承担应用日常维护工作，包括崩溃模糊测试、重复代码统一、死代码清除、抽象层修复等例行任务。几周内共提交388个PR，180个经人工审核后合并，整体效果超出预期。

Anthropic工程师Boris Cherny分享了Claude Code的核心方法论：随着模型能力提升，应主动删除而非增加系统提示词。Opus 5已能用单条指令完成10万行代码重写等复杂任务，并行代理架构使大规模自动化成为现实。提示词注入等安全问题也通过多层防御机制得到基本解决。

Claude Code创始人Boris Cherny分享了其利用AI代理每天合并10-30个PR的工作流程，涵盖自动模式、上下文极简主义、CLAUDE.md配置、验证循环和并行代理等核心实践。核心论点是软件工程师的角色正从「写代码」转向「审查和指挥AI代理」。这代表了一次范式级别的职业转型信号。

Claude Code 创始人 Boris Cherny 在 YC 访谈中提出，AI 产品团队应通过逐行删除系统提示做消融实验来优化 prompt，同时关注「产品过剩」（Product Overhang）和「解缚」（Unhobbling）两个核心概念。他指出，模型的潜在能力往往超出现有产品边界，关键在于通过工具、上下文和自我验证机制将其释放，而非依赖纯 prompt 工程。

Claude Code 之父 Boris Cherny 提出 AI 产品「脚手架」（系统提示、技能、钩子）的有效期仅约六个月，建议开发者定期通过消融实验（逐行删除测试）重建这些组件。他引入「产品溢出」和「解锁模型」两个核心概念，主张给模型分配更难、更长周期的任务，减少过度约束，将模型视为同事而非工具来协作。

Claude Code 之父 Boris Cherny 提出 AI 产品「线束」（system prompt、skills、hooks）的有效期仅约六个月，建议开发者定期通过消融实验（ablation study）删除并重建这些组件，因为更新的模型往往不再需要它们。他引入「产品过剩悬挂（Product Overhang）」和「解锁（Unhobbling）」两个概念，主张给模型分配更难、更长的任务并配备自验证机制，而非用繁琐的脚手架限制模型能力。核心理念是将模型视为同事而非工具，以实证而非规定性方式调优。

Anthropic工程师Boris Cherny在YC演讲中分享了Claude Code的构建经验：随着模型能力提升（如Opus 5在ARC-AGI-3达到30%），超过80%的系统提示词被删除，因为新模型不再需要这些补偿性提示。他提出'产品悬挂'概念，指出现有工具往往限制了模型真实能力的发挥，建议创业者定期清空提示词工程积累，让模型能力自然表达。

Claude Code 创始人 Boris Cherny 在 YC Startup School 2026 分享了 Claude Code 的构建历程，重点讲述了如何通过删除 80% 的系统提示来提升模型能力，以及随着底层模型持续升级，AI 产品该如何随之重构。他还探讨了 Prompt 工程的演变、大规模运行 AI Agent 的实践，以及编程能力即将被 AI「基本解决」的判断。

Claude Code创始人Boris Cherny介绍了Opus 5的核心突破：模型可自主运行数天乃至数周而无需额外脚手架，且首次在实践中解决了长期困扰AI产品设计的提示注入（Prompt Injection）问题。他还探讨了在底层模型能力持续加速迭代的背景下，如何重构AI产品的系统提示与产品设计思路。

Claude Code创始人Boris Cherny介绍了Opus 5的突破性能力，包括长时任务执行（数天至数月）和近乎完美的提示注入抵抗能力。他阐述了Claude Code的'去束缚'开发哲学——随每代模型迭代大幅精简系统提示（最多删除80%），并分享了通过高阶任务、自我验证和动态工作流编排数千个AI代理的产品构建思路。

Anthropic工程师Boris Cherny分享了构建Claude Code的核心理念：通过'产品过剩'概念（模型能力与产品实际释放能力之间的差距），开发者应给模型更难的任务、更少的指令和更多信任。Opus 5具备真正的自主代码能力，已用于将Bun运行时从Zig重写为Rust（11天完成），并每日运行数百个自动化维护例程。最大机会不在于训练更好的模型，而在于'解锁'现有模型的全部潜力。

Claude Code 的创建者 Boris Cherny 详细记录了自己一年来的工作流演变：他已停止手写代码，每天通过 AI 提交 10-30 个 PR，且两次公开推翻自己的建议——从推崇「计划模式」到完全放弃，从「上下文工程」转向「上下文极简主义」。其核心不变原则是：给 Claude 提供自我验证机制，可将输出质量提升 2-3 倍。

Anthropic工程师Boris Cherny称其八个月未手写一行代码，现通过自动化循环每天运行数千个Claude Code智能体。核心论点是AI编程的真正跃迁不是从人工到单一AI助手，而是从人工提示到智能体自主编排循环（agents prompting agents）。验证机制是这一模式能否规模化落地的关键瓶颈。

Claude Code创始人Boris Cherny分享了他将AI编程工具融入实际工作流的深度实践，包括构建自动化循环（loops）、并行Agent协作、CLAUDE.md配置和手机远程监督等高级用法。这标志着开发者工作方式从'提示单个任务'向'监督自主运行的Agent网络'的根本性转变。文章基于对8个工作坊视频和官方文档的深度整理，具有较高的一手信息价值。

Claude Code 创始人 Boris Cherny 分享了其通过「Loop」系统和「/goal」命令管理数百至数千个 AI Agent 的工作方式，一年来本人未写过一行代码却每日提交数十个 PR。他认为编程的未来在于构建由可验证目标驱动的自主系统，而非逐步提示 AI。Anthropic 新发布的 Fable 5 模型正是为此类长期自主运行场景设计。

Claude Code凭借软件领域独有的可验证奖励机制（编译器+测试套件）实现了强化学习的突破，成为史上最快达到十亿美元年化营收的软件产品。文章核心论点是：代码之所以率先被AI攻克，不是因为编程简单，而是因为它是极少数拥有客观评分函数的知识工作领域。这一结构性优势正在向其他行业蔓延，关键在于谁能为下一个领域构建'答案钥匙'。

Anthropic Claude Code负责人Boris Cherny在Meta @Scale大会上提出，AI编码正进入第三阶段：由Agent互相调用Agent来完成代码编写，形成持续运行的递归循环结构。这种'loop'模式颠覆了传统的'启动-检查-停止'工作流，子Agent会持续在后台监控代码库、提交PR，直到收到终止信号，Cherny本人已在日常开发中运行此类持久化子Agent。

Claude Code 的创始人 Boris Cherny 在一个月内提交了 259 个 PR、却未手写一行代码后，彻底卸载了 IDE，转向「循环工程」（Loop Engineering）范式——即构建能自动发现任务、调度执行、判断完成并决定下一步的小型系统。文章详细拆解了循环的三层「蜂巢」架构（本地循环层、云端例程层、集群并行层）和六大核心组件，并指出这一范式并非全新技术，而是 ReAct、AutoGPT 等已有思路的系统化落地。

Claude Code创始人Boris Cherny已完全转向自动化Agent工作流，不再手动编写提示词或使用IDE。他通过三层架构（/loop、Routines、动态工作流）实现白天5-10个交互式Agent、夜间数千个并行Agent的规模化运作，核心是让Claude自主编排任务、执行并自我验证结果。文章提供了完整的可复用模板，包括斜杠命令文件、cron表达式和800-Agent并行工作流代码。

Anthropic的Claude Code负责人Boris Cherny表示，自年初以来Anthropic的代码产出提升了8倍，且他本人已8个月未手写过一行代码。代码审查已成为新瓶颈，Anthropic通过多个具备不同视角的Claude agent协作进行代码审查来应对。更值得关注的是，Claude Code正逐步具备自主提出功能想法的能力，能主动扫描GitHub、Twitter、Slack后生成经过验证的PR。

Claude Code 创始人 Boris Cherny 描述了他编程方式的最新演变：从使用 IDE 到提示 Claude，再到如今编写自动化循环让系统自主与 Claude 交互、评估输出并迭代。他认为这代表了软件开发的下一层抽象，人类角色从执行者转变为编排者，预计这一转变将在未来数月内成为主流。

Claude Code 的创造者 Boris Cherny 认为，随着 AI 编程能力的成熟，'软件工程师'这一职位将逐渐消失，取而代之的是'构建者'（Builder）——一种以 AI 为中心、以判断力和目标感驱动的工作角色。黑客马拉松的结果表明，非技术背景的人（电工、医生、木匠）借助 AI 代理反而胜过专业工程师，说明真正稀缺的能力是'知道自己要构建什么'。他以1990年代企业采用个人电脑的历史为鉴，强调只有将 AI 置于工作流核心的组织才能获得真正的生产力提升。

Salesforce 使用 Claude Code Agents 将原本需要 231 天的代码迁移任务压缩至 13 天完成，同期 PR 数量上升但系统故障率反降 5%。这打破了'效率与质量不可兼得'的传统认知，核心在于将安全护栏和质量标准直接内嵌于 Agent 工作流中。作者强调，AI 真正的价值不在于加速现有流程，而在于重构工作方式、消除不必要的环节和交接。

Claude Code创始人Boris Cherny分享了AI编程工具如何重塑软件工程的核心洞察：工程师角色已从写代码转向编排AI工作流，Anthropic内部人均生产力提升200%，新工程师上手时间从数周缩短至两天。他预言通才工程师的黄金时代已到来，甚至对'品味'这一被认为是人类持久优势的东西提出了质疑。

Claude Code创始人Boris Cherny分享了其团队实际使用Claude Code的10种工作流配置，涵盖并行多实例运行、计划模式、自我改进的CLAUDE.md、技能封装、MCP集成等核心实践。这些方法代表了AI编程助手在生产环境中的高级用法，具有较强的实操参考价值。

Boris Cherny 分享了 Claude Code 团队在 Opus 5 发布后删减 80% 系统提示词的实践经验。新模型因具备更强的自我纠错和对齐能力，使大量原有提示词变得冗余。他提倡开发者定期对提示词和代码进行「消融实验」，以最小化提示词为目标，拥抱持续简化的开发哲学。

本文讲述了 Claude Code 的诞生历程：创始人 Boris Cherny 基于「模型能力远超现有产品」的判断，在 Anthropic 内部孵化了这款终端 AI 编程工具。产品初期几乎无人问津，直到 2025 年 5 月 Opus 4 发布后才迎来爆发式增长。核心洞察是：团队刻意为「下一代模型」而非当前模型构建产品，终端形态的轻量接口反而成为快速跟进模型迭代的战略优势。

Anthropic Claude Code 负责人 Boris Cherny 提出「AI 循环」概念：多个 AI Agent 相互协作、持续迭代优化代码，已使 Anthropic 工程师生产力提升近 70%。Claude Code 自身 90% 的代码由 Claude Code 编写，标志着 AI 自我改进能力进入实用阶段。工程师角色正在从写代码转向编排 AI Agent。

Anthropic Claude Code 创始人 Boris Cherny 表示，他每天管理数千甚至数万个 AI 代理，自己已八个月未手写一行代码。Claude Code 已实现自我编写与安全审查，并能自主浏览 GitHub 和 X 来决定下一步构建方向。他认为 AI 编程助手对软件创作的影响堪比古腾堡印刷机，将引发深远的社会变革。

Anthropic Claude Code负责人Boris Cherny分享了其运行多达15个并发AI会话的工作流，标志着AI辅助开发从人工提示交互进化到自主循环和大规模子智能体编排。Anthropic内部工程师生产力因此提升近70%，且Claude Code自身80-90%的代码由该方法生成。这一范式转变对AI工具投资和软件工程组织方式具有深远影响。

Anthropic内部有一个约20人的Labs团队，由联合创始人Ben Mann领导，专注于快速孵化和淘汰新产品创意，采用每两周一次的'坚持或转型'评审机制。该团队以约20-30%的成功率孵化出了Claude Code、MCP协议等重磅产品，是Anthropic商业化增长的核心引擎。其核心优势在于能够提前接触前沿AI研究成果，从而在产品开发上占得先机。

Anthropic内部有一个约20人的Labs团队，由联合创始人Ben Mann领导，专注于快速原型开发和产品孵化，采用每两周一次的'坚持或转型'评审机制，成功率约20-30%。该团队孵化了Claude Code、Model Context Protocol等重磅产品，被定位为类Bell Labs的内部创业引擎。随着Anthropic准备上市，Labs团队将在前沿AI模型商业化中扮演核心角色。

Claude Code创始人Boris Cherny建议用户定期删除CLAUDE.md、技能和钩子配置，通过'消融法'验证哪些提示词对新模型仍然有效。他指出现代模型（尤其是Opus 5）已内化了大量过去需要显式指令的行为，过度具体的指令反而会限制模型发挥。正确的提示方式是描述任务、护栏和退出条件，然后让模型自主执行。

Anthropic Claude Code负责人Boris Cherny指出，AI带来的真正竞争优势不在于速度提升（可量化、可复制），而在于'范围扩展'——当维护成本降低后，团队能够启动原本负担不起的项目，积累新能力，形成复利效应。两家使用相同AI模型的公司会因此快速拉开差距，而这种差距在常规效率仪表盘上根本无法被发现。