「もうプロンプトは書かない」 Claude Code生みの親が明かす“ループエンジニアリング”の衝撃（ITmedia ビジネスオンライン）｜ｄメニューニュース（NTTドコモ）
高潜力 88
Boris Cherny · Sun Nov 01 2026 04:47:38 GM
Claude Code创始人Boris Cherny提出'循环工程'概念：不再手动输入提示词，而是设计让AI自主循环运作的系统，由循环自动向AI发出指令并判断任务执行。2026年起Cherny本人已不再直接写代码，通过手机审批AI提交的PR。这一理念在硅谷技术社区引发广泛讨论。
核心观点 - – 编程范式转变：从'写提示词'到'设计让AI自主循环的系统'（Loop Engineering）
- – Boris Cherny 2026年起不再手写代码，每天通过手机审批数十个AI生成的PR
- – OpenAI工程师Peter Steinberger在X上的相关帖子获500万次曝光，引爆社区讨论
- – 人类角色从'执行者/提示者'转变为'循环架构师与审批者'
AI编程工具AI Agent工作流自动化Claude CodeLoop Engineering预测分析趋势
Greg Isenberg's agent stack for running a company
高潜力 88
Greg Isenberg
创始人Greg Isenberg分享了其50人公司的完整Agent工作流：从语音笔记到产品规格、并行代码构建、自动化测试，再到错误修复PR，实现产品全流程Agent化管理。其核心原则是一个Agent负责一个平台、廉价模型做分拣、最强模型负责上线，并将每次错误转化为新技能。该帖子获得1.1万次收藏，成为目前最具参考价值的Agent实操案例之一。
核心观点 - – 端到端Agent工作流：语音笔记 → 竞品分析 → 产品规格 → 并行构建 → 多角色测试 → 错误修复PR → 漏斗复盘
- – 模型分层策略：廉价模型做分拣，Opus等旗舰模型负责最终上线内容
- – 一Agent一职责原则，避免职责混乱导致的质量下降
- – 输出评分机制：每个Agent输出LLM打1-10分，低于8分自动打回重做
- – 错误即资产：每次Agent失误写成技能文档，防止重复
- – 人类仍负责创意反馈与关系维护，Agent负责执行循环
AI Agent产品研发创业工具工作流自动化Claude Code案例分析实操教程
The Startup Ideas Podcast | Greg Isenberg | All You Can Books | AllYouCanBooks.com
高潜力 84
Greg Isenberg
Greg Isenberg 与 Varick 的 Vas 对谈，核心主张是 AI 的价值不来自模型本身，而来自先做流程再造、再把 agent 嵌进客户的既有系统（Salesforce、NetSuite、Slack）。他们给出了一套 FDE（前置部署工程师）的完整作业方法：访谈 + 流程挖掘 + 步骤分类（删除/纯代码/agent/人工决策），并用案例证明效果——某 50 亿美元上市软件公司、应付账款流程把每张发票成本从 31 美元压到 6 美元。节目把 FDE 从一份高薪职业延伸成一门可创业的生意（AI roll-up 与五天起步计划）。
核心观点 - – AI 的回报来自流程再造，而不是把模型接到旧流程上；顺序是先重设计流程，再在其中构建 agent。
- – 流程映射有可复制的三步：做访谈、挖掘系统记录（system of record）、翻既有文档，而不是听客户口述。
- – 把每个流程步骤归入四个桶：直接删除、用普通代码解决、交给 agent、保留人工判断——这是决定要不要上 AI 的关键分流。
- – Agent 要建在客户已经在用的工具里（Salesforce、NetSuite、Slack），而不是另起一个客户端，否则永远推不动。
- – 销售话术按买方的 KPI 定制，用改造前后指标对比来证明效果（如每张发票 31 美元降到 6 美元）。
- – 顶级 FDE 的三种能力组合：领域知识 + 生产级工程 + 客户沟通，稀缺性解释了其高收入。
- – FDE 不只是岗位，也是创业切入点：AI roll-up（批量收购传统服务型公司后做流程再造）以及五天起步计划。
- – 模型选择不是核心变量，代码/agent/人工的边界判断才是；区分 sidekick（副驾式）与 background agent（后台自主）两种形态。
AI 落地与企业服务创业机会与商业模式Agent 与工作流自动化职业发展（FDE）分析教程
ככה עובד מי שבנה את קלוד קוד: בוריס צ'רני | פלג דרור
高潜力 82
Boris Cherny · Fri Oct 30 2026 12:13:26 GM
בוריס צ'רני, יוצר Claude Code באנתרופיק, שיתף ב-2026 ארבעה הרגלי עבודה מרכזיים: הרצת מספר סשנים במקביל, שימוש ב-Plan Mode לפני כל משימה, קובץ CLAUDE.md שמתעדכן מכל טעות, ומנגנון שבו Claude בודק את עצמו. הפוסט זכה ליותר מ-8.2 מיליון צפיות וממחיש כי ההבדל האמיתי נמצא בהרגלים ולא בהגדרות טכניות.
核心观点 - – הרצת 5-10 סשנים של Claude במקביל ממקסמת תפוקה על ידי עבודה על משימות מרובות בו-זמנית
- – Plan Mode (Shift+Tab פעמיים) מונע טעויות יקרות - תיקון בשלב התכנון עולה משפט אחד, לעומת סבב שלם אחרי 300 שורות
- – קובץ CLAUDE.md משותף שמתעדכן עם כל טעות יוצר 'זיכרון מוסדי' שמשפר את תפוקת הצוות לאורך זמן
- – Claude שבודק את עצמו הוא הטיפ שבוריס מגדיר כהכי חשוב - self-verification loop
- – הסוד הוא הרגלים ולא קובץ הגדרות חכם
Claude CodeAI Coding ToolsAnthropicDeveloper WorkflowProductivity教程分析
Aakash Gupta's Post
高潜力 82
Boris Cherny
Claude Code创始人Boris Cherny提出了现代AI提示词的三大核心原则：清晰表达需求、控制模型努力程度（影响成本与速度）、以及定义验证标准。作者强调旧式的超长提示词已过时，当前顶尖模型更需要清晰简洁的指令和明确的完成标准。尤其是'验证机制'（Judge设计）是被大多数人忽视却最关键的步骤。
核心观点 - – 现代大模型（如Opus 5.5）不再需要超长少样本提示或思维链脚手架，简洁清晰的指令效果更好
- – 提示词需明确三要素：任务目标、期望努力程度（影响成本4倍差异）、验证/判断标准
- – Opus 5.5 Max模式比Medium模式在基准测试上高出约10分（58 vs 48），但成本高4倍，建议低effort+多轮迭代
- – 设计高质量的'Judge'（验证者角色）是被忽视的最重要步骤，需为具体任务定制评判者人格
- – AI使用范式正从'长提示优化'转向'harness（工具链）思维'，提示本身反而应该更简单
- – 避免缩写歧义（如DN可能被误读为'do'而非'do not'）
AI提示工程LLM应用ClaudeAI工作流生产力工具教程分析
Claude Code Creator's Prompting Rules as a Copy-Paste CLAUDE.md (Boris Cherny)
高潜力 82
Boris Cherny
Boris Cherny（Claude Code创始工程师）分享了9条高效使用Claude Code的实践规则，涵盖从代码探索、规划到执行的完整工作流。核心思想是：先理解再编辑、先规划再编码、用CLAUDE.md固化团队规范。文章还提供了可直接复用的CLAUDE.md模板。
核心观点 - – 新代码库应先用AI做Q&A探索（读git log/blame/issues），禁止立即编辑
- – 非平凡改动需先输出计划或多个方案供人选择，人确认后才开始写代码
- – 通过CLAUDE.md（共享）+CLAUDE.local.md（个人）+子目录嵌套文件分层管理AI上下文
- – 给AI提供自检机制（测试/截图/模拟器），让其迭代直到结果匹配目标
- – 用claude -p实现CI/脚本非交互模式，--output-format json输出机器可读结果
- – 用@-mention精确指向相关文件，避免AI盲目搜索
Claude CodeAI编程工具提示词工程工作流优化教程最佳实践
How Anthropic Engineers Use Claude Code: 8 Habits From Their Own Talks - Artimind
高潜力 82
Boris Cherny · Sun Nov 01 2026 22:29:10 GM
Anthropic工程师分享了8个使用Claude Code的核心习惯，核心观点是应给AI明确目标和验收标准而非详细步骤，并建立独立的验证机制。这些习惯与一年前的最佳实践相反，强调更高层次的目标设定和更好的质量检查。
核心观点 - – 给AI结果导向的指令（目标+护栏+验收标准），而非逐步操作列表
- – 让Claude先通过提问来澄清需求，再生成规格文档
- – 将计划和方案渲染为HTML页面以便交互审阅
- – 在任务流程中内置验证机制，让Claude自我检查输出
- – 用独立会话来评审和攻击已完成的工作，避免同一会话自我评分
- – 要求专业方法论而非角色扮演（persona）
- – 让Claude直接访问原始数据并执行重复性工作，而非人工传递
- – 模型更新后应从头重建CLAUDE.md和技能配置
AI工具使用Claude CodeAI编程助手开发工作流提示工程教程最佳实践
Andrej Karpathy says 6,454 Hacker News picks beat YouTube's algorithm for him - Startup Fortune
高潜力 82
Andrej Karpathy · Mon Nov 02 2026 06:02:40 GM
Andrej Karpathy 利用 Claude（Opus 5.5 + Sonnet）在两小时内构建了 HackerTube，一个从4300万条 Hacker News 评论中提取的6454个视频合集，以人工筛选的社区品味替代 YouTube 算法推荐。项目的核心价值不仅是工具本身，更是'一个有深厚技术背景的人+前沿编程模型=周末内将个人痛点变成可用产品'的协作范式。数据集完全开放，无需登录，浏览历史保存在本地浏览器。
核心观点 - – 用20年人工社区品味（HN评论）替代平台算法，是对抗'推荐enshittification'的可行路径
- – Karpathy 仅投入约2小时，Claude 完成了服务器部署、代码优化、安全加固等全部基础设施工作，展示了人机协作的效率上限
- – 隐私设计细节（无登录、本地session状态、开放数据集）反映了'为自己造工具'的产品哲学，而非面向大众的商业逻辑
- – Opus 5.5 负责数据提取管道构建，Sonnet 负责内容分类过滤，两个模型分工明确，体现了多模型协作的实际落地案例
- – 项目可复制性强（开放数据集+简单技术栈），任何人可基于相同6454个视频构建自己的排序逻辑
AI工具应用个人工具开发算法替代内容发现Hacker NewsYouTubeClaude应用评论
Andrej Karpathy Launches HackerTube With 6,454-Video Catalog | TokenPost
高潜力 82
Andrej Karpathy · Mon Nov 02 2026 04:14:11 GM
Andrej Karpathy 发布了 HackerTube，一个基于 Hacker News 评论构建的视频发现网站，收录 6454 个视频、覆盖 150 个话题。整个项目利用 Claude Opus 5.5 和 Claude Sonnet 在 Claude Code 工作流中完成数据处理，Karpathy 估计仅耗时约 2 小时。该项目展示了 AI 辅助开发在处理大规模社区数据、快速构建产品方面的实际能力。
核心观点 - – 使用 Claude Opus 5.5 + Claude Sonnet 组合完成数据过滤、去重、分类全流程，token 缓存率达 90%，显著降低成本
- – 39,834 条 Hacker News 评论处理后提炼出 6,454 个高质量视频，体现 AI 在社区数据结构化上的高效率
- – 整个项目（含建站部署）约 2 小时完成，唯一需人工介入的是 API Key 申请、VPS 启动和域名购买
- – 504M 输入 token 中 90% 命中缓存，说明合理设计提示词结构对大规模 AI 任务的成本控制至关重要
- – Claude Code 工作流被用于实际生产级项目，而非仅做演示，验证了 AI 辅助编程的产品化可行性
AI开发工具Claude应用Vibe Coding内容发现社区数据挖掘案例分析评论
Andrej Karpathy Builds Custom YouTube Recommendation Site in 2 Hours With Claude | HuggingNews
高潜力 82
Andrej Karpathy · Mon Nov 02 2026 05:07:52 GM
Andrej Karpathy 用 Claude Opus 5.5 在约2小时内构建了 HackerTube——一个通过分析 Hacker News 20年、4300万条评论来筛选高质量 YouTube 视频的推荐网站。整个开发、部署、服务器加固流程几乎全部由 Claude Code 自动完成，Karpathy 本人仅做了购买域名、获取 API Key 等少量手工操作。这一案例展示了 AI 编程助手在端到端项目交付上的实际能力已达到相当高的水平。
核心观点 - – Claude Opus 5.5 以 'medium effort' 设置处理4300万条评论，筛选出6454个高频推荐视频，展示大模型在大规模非结构化数据分析上的实用价值
- – Claude Code 完整接管了代码生成、服务器部署、安全加固全流程，人类介入降至最低，标志着 AI Agent 在 DevOps 场景的成熟度提升
- – Karpathy 作为 AI 领域顶级 KOL 亲身实践并公开分享，对 Claude/Anthropic 的产品可信度有极强的背书效应
- – 项目无需用户登录、以 HN 社区口碑替代算法推荐，体现了一种反主流平台的内容策略思路
AI编程Claude CodeAI Agent开发工具案例分析评论