Reflecting on a year of Claude Code
编译摘要
1. 浓缩
-
Verification ≠ 自动化测试，而是 agent 能自主运行验证循环
- 关键证据: Boris 描述 Claude 自己打开 CLI 测试自己写的 feature；Cat 用 desktop development skill 让 Claude 用 computer use 点击测试 UX
- 关键区分: 人们误以为 verification = lint/type check/unit test，但 agent verification = 能不能自己跑起来验证
-
Auto mode 通过"不读 99% 请求"反而更安全
- 关键证据: 收集数千条 agent 轨迹训练分类器；红队攻击测试；内部团队尝试 prompt inject
- 核心机制: 路由到另一个模型做安全检查，比人类逐条审批更可靠——人会"eyes glaze over"
-
Context minimalism 取代 context engineering
- 关键证据: Boris："Sonnet 3.5 时代需要 prompt engineering，Opus 4 时代需要 context engineering，今天的模型只需要最小 prompt + 工具，让模型自己拉取上下文"
- 关键区分: 给太多 context = 微管理，模型可能有更好的路径
-
角色融合：PM/设计师/财务都在写代码
- 关键证据: Anthropic 内部设计师提 PR、PM 改代码、财务团队用 Claude Code 做预测
- 组织影响: AI 让"谁写代码"不再重要，"谁有产品判断力"更重要
2. 质疑
-
关于"verification 是 agent 能自己跑"的质疑: 这依赖 Claude 的工具使用能力足够强。如果 agent 无法访问运行环境（如 iOS 模拟器、生产数据库），verification 仍然是外部的。当前案例都在 Anthropic 内部，外部企业是否同样适用存疑。
-
关于"auto mode 更安全"的质疑: 这是 Anthropic 自己训练的分类器评估自己的产品。存在 self-serving bias。红队测试是内部进行的，没有独立第三方审计。
-
关于"context minimalism"的质疑: 这是 Claude 特定模型能力下的建议。如果模型推理能力不足，过少 context 可能导致幻觉或错误决策。"minimal" 的边界在哪里没有给出。
-
关于"角色融合"的质疑: 选择性偏差——Anthropic 招的人本来就技术素养高。设计师提 PR 不等于所有公司的设计师都能提 PR。
3. 对标
-
Verification 概念: 类似软件工程中的"测试金字塔"——unit test 是底层，integration test 是中层，agent 自主验证是顶层。但 agent verification 更接近"探索性测试"而非"规范测试"。
-
Auto mode 安全机制: 类似网络安全中的"默认拒绝"策略——不是逐条审批，而是建立分类器自动判断。类似 spam filter 的演进：从规则匹配到 ML 分类。
-
Context minimalism: 类似 Unix 哲学"做一件事做好"——给 agent 最小指令，让它自己组合能力。与 "context engineering" 的关系类似"微服务 vs 单体"的演进。
-
角色融合: 类似 1990 年代计算机进入办公室的转型期——不是"在旁边加一台电脑"，而是"电脑成为中心"。Boris 引用的 Harvard Business Review 案例直接对应。