重點一：Claude Code 負責人自 2024 年 11 月起，所有代碼 100% 由 AI 完成。
重點二：Anthropic 主張早期不計 Token 成本，先找到有效做法再優化。
重點三：未來軟體開發的稀缺不是寫代碼的能力，而是定義問題的精確度。
GitHub 上已有 4% 的公開提交由 Claude Code 完成。根據 SemiAnalysis 的報告，這個數字預計在 2024 年底前攀升至 20%。這不是一個遙遠的預測，它正在發生，而且速度遠比多數人預想的快。
更直接的樣本來自 Claude Code 負責人 Boris Cherny 本人。他在 2026 年 2 月接受 Lenny's Podcast 主持人 Lenny Rachitsky 訪問時透露，自 2024 年 11 月以來，100% 的代碼由 AI 完成，沒有手動修改過任何一行。
他表示每天能交出 10 至 30 個拉取請求（Pull Request,PR），靠的是同時啟動多個 AI Agent 並行運作的「Multi-quading」模式。
這不是對未來的描述，是他現在每天的工作狀態。
為什麼選擇終端機，而不是 IDE？
在開發者工具市場裡，Anthropic 做了一個反直覺的選擇：把 Claude Code 做成命令行工具，而不是有圖形介面的 IDE 外掛。
Boris 的邏輯很簡單。模型能力每隔幾個月就跳一個層級，這個階段如果花太多力氣建複雜的 GUI，很快就會被新模型的能力變成多餘的包袱。終端機的好處是摩擦最低，模型可以直接操作檔案系統，不需要繞過任何中介層。
這個決策也有一個意外的驗證。Anthropic 的資料科學家 Brendan，本職工作不是軟體工程師，卻願意自己裝 Node.js、設定終端環境，只為了在命令行裡用 Claude Code 分析 SQL 資料。
一個非技術職能的人，為了用上這個工具，主動克服了那麼高的設定門檻，Boris 把這種行為叫做「濫用」，但他把它視為強烈的市場信號。這個觀察直接催生了針對非技術工作的 Cowork 產品，原型只花了 10 天就做出來。
Boris 的設計原則，是讓模型的能力直接暴露出來，而不是把它封裝在預設的規則邏輯裡。AI 決定工具的使用順序，人類定義目標、審查輸出，這是他理解的「以模型為中心」的開發方式。
資源壓力是創新的催化劑
Anthropic 在管理上有一套外人看起來有點奇怪的邏輯：刻意讓團隊人手不足。
Boris 把這個做法叫做「Underfunding」。他認為，當團隊只有一個人時，那個人沒有選擇，只能想辦法讓 AI 完成 99% 的工作。人力的充裕反而會降低自動化的動力，因為總有人可以手動補上缺口。
數據支持這個說法。Anthropic 的人均 PR 產出提升了 200%。相比之下，Meta 等大型科技公司投入數百名工程師做效能優化，年增長通常是個位數。
但在人力資源上壓緊的同時，Anthropic 在 Token 使用上完全放開。部分核心工程師每個月的 Token 帳單高達數十萬美元，公司沒有要求他們控制成本。
Boris 對 CTO 的建議是：創新早期不應該優先考慮成本優化，而是讓工程師自由消耗 Token，去找到真正有效的工作流。等規模化之後，再把任務遷移到成本更低的模型版本。先找到有效的做法，再想辦法讓它變便宜，這個順序不能顛倒。
工程師的角色正在換一個名字
Boris 用了一個歷史類比：印刷術出現之前，識字率不到 1%，抄寫員的工作是把文字逐字複製。印刷術普及之後，人們不再被「怎麼寫」佔滿精力，而是開始思考「寫什麼」。
有意思的是，那個年代的抄寫員並沒有因此消失，他們轉向了書籍裝幀這類需要更多手藝判斷的工作。
他認為軟體工程師正在走同一條路。
當程式語言變成跟組合語言一樣的底層基礎設施，工程師的職稱可能會跟著改變。Boris 用「Builder」這個詞描述 AI 時代的開發角色：不再糾纏語法和 debug，而是負責定義系統目標、判斷輸出是否正確，以及決定要解決什麼問題。
兩個角色的差異，不只是工具不同，思考方式也不同。傳統工程師的核心問題是「怎麼把這段代碼寫對」，Builder 的核心問題是「我要讓這個系統做到什麼，以及怎麼確認它做對了」。
Boris 預判，理解底層原理在未來一兩年仍然有溢價，但長期來看，最稀缺的能力將是準確定義問題，而不是編碼本身。
不要修補現在，為六個月後開發
在技術策略上，Boris 明確站在「苦澀的教訓（The Bitter Lesson）」那一邊。這個概念來自 AI 研究員 Rich Sutton，核心觀點是：任何試圖透過增加人工規則來讓模型表現更好的做法，最終都會被模型的通用能力提升所淘汰。
這對開發者有一個很具體的含義：不要試圖修補現在模型的缺陷。如果當前模型在處理複雜記憶體洩漏時能力不足，比較好的選擇是等下一代模型，而不是花大量工程資源去建補丁。那些補丁等新模型出來之後，會直接變成負資產。
Anthropic 的應對方式是刻意維持系統的通用性，有時寧可讓功能「帶病運轉」，也不要為了修一個現有問題而鎖死系統的彈性。Boris 說，Claude Code 的開發目標是六個月後的模型，不是現在的模型。
最後的競爭力叫常識
從編程，到工具使用，再到操作電腦，AI 的自動化能力正在逐步往外擴散。Boris 把 Claude Code 定位成 Anthropic 的「安全實驗室」，用來觀察 AI Agent 在真實環境中的行為，這些觀察最終會回饋到 Anthropic 的安全研究。
他在訪談中提到一個叫「味噌哲學」的觀察。白味噌需要三個月發酵，紅味噌需要三到四年。AI 工具讓人可以在十天內交出原型，但一個能長期運作的系統，還是需要時間的積累和判斷的沉澱。這兩件事並不衝突，而是必須同時存在。
當 AI 具備足夠的「常識」，組織結構會跟著扁平化，很多中介層會消失。在那個時間點，能夠定義正確問題、審查輸出品質的人，才是真正有競爭力的 Builder。
軟體工程師這個職稱，或許正在走向它的最後一段路。但那些在乎問題本質、能判斷什麼值得被建造的人，不會缺乏位置。
資料來源：Lenny's Podcast、SemiAnalysis、The Bitter Lesson — Rich Sutton（請確認連結）
本文初稿為AI編撰，整理．編輯/ 李先泰
