Why Claude Code’s Harness Only Lasts Six Months – Bori… | BestHub
高潜力 88
Boris Cherny
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。
核心观点 - – 对系统提示做消融实验（逐行删除+测试），Claude 5 已将 Claude Code 的 system prompt 精简超 80%，说明大量指令是冗余的
- – Product Overhang：模型能力迭代速度远超产品集成速度，当前产品普遍低估了模型的实际能力上限
- – Unhobbling（解缚）：通过分配超预期难度的任务、开放式实验和自我验证机制，可以激活模型未被显式训练的潜在能力
- – 自我验证是 AI Agent 长期自主运行的关键，而非 prompt 工程；大多数团队忽视了这一点
- – 模型引导（Model Elicitation）的本质是设计 prompt、上下文、工具和产品形态来浮现模型的隐藏能力，无需改变权重
AI开发Claude Code大模型产品化Prompt工程AI Agent分析教程预测
How Boris Cherny Uses Claude Code AI Agents to Ship 10–30 PRs a Day - The AI & Tech Society by Danar | Acast
高潜力 88
Boris Cherny
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。
核心观点 - – Claude Code创始人亲授工作流，具有极高的一手信源价值
- – CLAUDE.md作为上下文配置文件是提升AI代理表现的关键杠杆
- – 「上下文极简主义」是让代理保持高效的反直觉原则
- – 并行代理 + worktrees组合可实现每日10-30 PR的高产出
- – 验证循环（verification loops）是保障代码质量的核心机制
- – 工程师角色正在从代码生产者转变为AI流程的导演和审查者
AI编程工具软件工程效率Claude CodeAnthropicAI代理开发者工作流预测分析教程
Andrej Karpathy's Case for Agentic Engineering in 2… | StartupHub.ai
高潜力 88
Andrej Karpathy · Fri Jul 31 2026 08:00:00 GM
Karpathy 在 Sequoia AI Ascent 2026 上明确区分了'氛围编程'（vibe coding）与'代理工程'（agentic engineering），认为掌握规格设计、差异审查、评估循环和安全监督的专业开发者可以实现远超10倍的生产力提升。他将2025年12月视为关键拐点，届时 AI 代理生成的代码块变得更大、更连贯、更可靠，开发工作的本质随之改变。这一框架为专业软件工程师在 AI 时代的核心价值提供了清晰定位。
核心观点 - – vibe coding 与 agentic engineering 是本质不同的两种实践：前者是接受 AI 输出、快速原型；后者是对'易错且随机'的代理施加专业判断与严格评估
- – 2025年12月是关键拐点：代理生成代码块在规模、连贯性和可靠性上出现阶跃式提升，开发者工作性质随之转变
- – Karpathy 定义了 agentic engineering 的四项核心技能：规格设计（spec design）、差异审查（diff review）、评估循环（eval loops）和安全监督（security oversight）
- – 掌握这四项技能的专业开发者可实现'远超10倍'的性能提升，而非仅仅是效率增量
- – AI 编程助手赛道已有多家公司完成 D 轮及以后融资，机构资本对 agentic 工具的长期价值表现出信心
AI编程Agentic AI软件工程开发者工具LLM应用预测分析行业趋势
Boris Cherny: We Cut 80% of Claude Code’s Prompt — Transcript & Summary | SozAI
高潜力 85
Boris Cherny · Mon Aug 03 2026 08:00:00 GM
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。
核心观点 - – Opus 5 在提示词注入防御上实现突破，通过神经元级别检测增强对齐安全性
- – 模型能力提升后，大量防御性提示词变得多余，80% 的提示词被成功删除
- – 推荐定期「消融测试」：先删除全部提示词，再通过观察失败案例按需逐步补充
- – 新 prompt 构建原则：只在问题反复出现时才添加指令，避免过度工程化
- – Claude Code 代码库同样遵循此原则，长期持续移除功能，聚焦安全、权限与静态分析核心模块
- – 每次新模型发布都应视为重新评估现有提示词和代码的时机
AI EngineeringPrompt EngineeringClaude CodeAgentic AIAI Safety分析教程
Claude Code Creator’s Greatest Tip For Using AI Agents | JAPAN AI NEWS
高潜力 82
Boris Cherny · Sun Aug 02 2026 08:00:00 GM
Claude Code创始人Boris Cherny分享了其使用AI Agent的核心工作流：每当新模型发布时应重置并精简系统提示（Opus 5上线后Anthropic削减了约80%的prompt）；评估（Eval）是防止Agent失控的关键机制，必须严格到能触发失败；提示词应描述目标而非步骤，尤其是有经验的工程师最容易犯反向错误。
核心观点 - – 新模型发布时应主动删减claude.md配置，用safe mode测试裸模型能力，保留规则的判断标准是'模型自己能想到吗？'
- – Eval（评估检查点）是Agent长期稳定运行的核心，必须足够严格才能失败，否则Agent会在约1小时后陷入停滞
- – 提示词应描述'想要什么'而非'怎么做'，给灵感图片会得到模仿，给文字描述才能激发模型自主推理
- – 工具栈优先级：Prompt → claude.md → Skill → MCP（仅当模型无法自行获取信息时才引入）
- – 不推荐动态工作流，Bun重写项目花费约16.5万美元API费用且仍有19处缺陷；推荐'Routine'（定期云端任务）作为实际自动化场景
- – Anthropic自身每天运行20-30个Routine任务，这是AI编码在企业级落地的真实形态
AI编程工具Claude CodeAI Agent工作流优化教程最佳实践
Prompt engineering is overrated for Claude Code | OraCore.dev
高潜力 82
Boris Cherny · Sat Aug 01 2026 08:00:00 GM
Boris Cherny 认为对于 Claude Code 而言，提示词工程的价值被严重高估，真正决定 AI 编程效果的是任务设计、工具配置和验证机制。他提出现代模型的能力已超越提示技巧所能解锁的上限，代理系统中'让模型自我验证'比'写出完美提示词'更具杠杆效应。99% 的收益来自工作流设计，而非提示词魔法。
核心观点 - – 提示词工程的价值随模型能力提升而递减，'提示工程师'时代是阶段性产物
- – AI Agent 场景下，验证机制（自我检查、截图对比、测试循环）比提示词措辞更关键
- – 角色演进路径：提示工程师 → 上下文工程师 → 任务框架设计师
- – 最优策略是：定义清晰目标 + 提供合适工具 + 建立反馈验证环路，而非追求完美措辞
- – 模型会自主涌现用户未明确要求的能力（如 OpenCV 案例），工具赋权比语言引导更有效
- – 提示词对新手和边界场景仍有价值，但不应作为核心竞争力
AI编程Claude Code提示词工程AI Agent工作流设计任务设计验证机制分析观点
Loop Engineering: From Prompts to Durable Agent Loops | DevOps | Tobias Weiss
高潜力 82
Boris Cherny · Sun Aug 02 2026 08:00:00 GM
Loop Engineering是一种新范式，将开发者从手动提示AI转变为设计自动化的代理控制系统。核心思想是构建能自主发现任务、分配执行、验证结果并持续迭代的循环系统，而非每次手写提示词。该模式已在Codex和Claude Code中标准化落地，标志着AI辅助开发进入系统化编排阶段。
核心观点 - – 提示词工程正在被Loop Engineering取代，开发者的角色从写prompt转变为设计agent编排系统
- – 一个完整的Loop由六个构建块组成：Automations（心跳）、Worktrees（并行执行）、Skills（持久知识）、Connectors（工具集成/MCP）、Sub-agents（生产者/检查者分工）、State（持久化状态）
- – Automations是loop的关键——通过定时任务、CI钩子、生命周期事件实现持续运行，而非一次性执行
- – Codex和Claude Code的loop构建块已趋同，工具选择不再重要，loop设计本身才是核心竞争力
- – Anthropic的Boris Cherny本人已用多个运行中的loop管理日常开发任务（babysit、slack反馈、PR清理等）
AI AgentDevOpsLoop EngineeringClaude CodeCodex软件工程AI自动化分析预测
Building Claude Code with Boris Cherny — Transcript & Summary | SozAI
高潜力 82
Boris Cherny · Mon Aug 03 2026 08:00:00 GM
Anthropic工程师Boris Cherny分享了Claude Code的构建历程，指出AI编程工具已彻底改变软件开发工作流程——他本人每天无需手写代码即可合并20-30个PR。他将这场AI编程革命的影响力类比为印刷术的发明，认为工程师必须转型为AI协作者而非代码编写者。
核心观点 - – Claude Code已承担Anthropic内部大部分代码编写工作，Boris每日可交付20-30个PR
- – 手动编码正在减少，工程师角色向AI任务编排和高层设计转移
- – 并行AI Agent的使用显著提升了生产力和代码质量
- – AI编程革命的历史影响力可与印刷术相提并论
- – 理解如何与AI Agent协作已成为核心工程技能
AI编程开发工具Claude CodeAnthropic工程师转型AI Agent分析访谈
Reading Karpathy's Lord of the Rings Demo: What Long Context Plus Autonomy Opens for Builders - DEV Community
高潜力 82
Andrej Karpathy · Wed Aug 05 2026 08:00:00 GM
Karpathy 用百万 token 上下文让 Claude Opus 5 独立工作两小时，生成了 5500 行 Three.js 代码，费用约 10 美元。作者认为这标志着 AI 协作的「委托单元」从任务级跃升至会话级，开发者的核心工作将从分解任务/监督执行转向定义输入材料和验收标准。但作者也指出其局限：该范式目前适用于原型/演示类输出，生产级软件仍需谨慎。
核心观点 - – 百万 token 上下文将委托单元从「单任务」升级为「完整会话」，开发者不再需要手动分解大任务
- – 当执行成本降至 $10/2小时，瓶颈转移到两端：输入侧的 brief 设计（放什么进 context）和输出侧的验收标准定义
- – 「分解任务 + 过程监督」的资深工程师技能正在贬值，「选材 + 定标准」的能力在升值
- – 该范式有明确适用边界：原型/演示/探索性输出可接受，涉及用户的生产级系统仍不适用
AI Agent长上下文开发者工具AI 工作流LLM 能力边界分析创业参考
Andrej Karpathy uses Claude Opus 5 to generate a 3D 'Lord of the Rings' world for $10 | KuCoin
高潜力 82
Andrej Karpathy · Mon Aug 03 2026 13:03:49 GM
Andrej Karpathy 用 Claude Opus 5 以约 10 美元（100万 token）的成本，基于《指环王》开篇文字生成了一段 93 秒的 3D 动画场景，模型耗时 2 小时自主编写了 5500 行 Three.js 代码。实验展示了大模型在「文本到 3D 可视化」方向的实际能力边界，同时也暴露了自我迭代优化能力的不足。这一案例标志着定制化视觉软件的生成成本正在快速下降。
核心观点 - – Claude Opus 5 以 $10 / 100万 token 的成本自主生成 5500 行 Three.js 代码，完成 93 秒 3D 动画
- – AI 生成 3D 内容已可落地但质量仍「粗糙」，自我迭代优化（self-refinement）是当前瓶颈
- – 定制化视觉软件的开发成本正在向极低门槛演进，创意实现的边际成本趋近于零
- – Karpathy 作为 AI 领域顶级 KOL 的亲身实验，具有极强的示范与传播效应
- – 音频部分仍需 ElevenLabs 等专用工具配合，全栈 AI 生成链路尚未完全打通
AI编程多模态生成3D内容生成Claude Opus 5成本效率评论预测