大佬说丨Claude Code 创始人的产品哲学：永远不要跟模型对赌
AI有招 · 大佬说 #17 来源：Y Combinator "Inside Claude Code With Its Creator Boris Cherny" 视频 ID：PQU9o_5rHC4 | 播放量：145,750+ 发布日期：2026-03-02
引言
最近 Y Combinator 的 Light Cone 播客请来了一位特殊的嘉宾——Claude Code 的创造者 Boris Cherny。
如果你用过 Claude Code，你一定体会过那种"火箭助推器"般的感觉。主持人 Gary Tan 上来就说："感谢你创造了一个让我连续三周没怎么睡觉的东西。" Boris 的回答更狠："我记得我第一次创造 Claude Code 的时候，连续三个月没休息过一天。"
作为一个每天用 AI agent 管理四台服务器集群的深度用户，我对这种"一旦上手就停不下来"的感觉太熟悉了。但 Boris 在这期访谈里分享的，远不只是"Claude Code 好用"这么简单——他讲的是一套完整的产品哲学，是关于如何在一个模型能力每六个月翻一番的时代构建产品。
这些原则，不管你是用 Claude Code、OpenClaw 还是任何其他 AI 工具，都适用。
Boris Cherny 是谁
Boris 不是一个典型的大厂工程师。他在加入 Anthropic 之前，住在日本农村。
每天早上打开 Hacker News，发现满屏都是 AI 新闻。他开始试用一些早期产品，然后——用他的原话：
"It just took my breath away." （它真的让我窒息了。）
这种感觉他之前只在 Stripe 有过。在 Stripe，他见识过顶级工程文化是什么样的——那个时代，100 个工程师花一年时间优化，能带来 2% 的生产力提升就已经很了不起了。
而 AI 带来的是 100% 的变化。他说："This is just unheard of, just completely unheard of."（这是前所未有的。）
所以他从日本搬到了旧金山，加入了 Anthropic。原因很简单：他发现 Anthropic 的人在午餐时间聊的是 AI 安全，不是股价。这让他觉得这是对的地方。
他加入的第一个团队叫 "Anthropic Labs"，这个团队只做了三个产品：Claude Code、MCP 协议、桌面应用。从这三个产品的组合你就能看出 Anthropic 的战略路径：先让模型学会写代码，再让它学会用工具，最后让它学会操作计算机。
一、"The path to safe AGI is through coding"
Boris 透露了 Anthropic 内部一个很有意思的赌注：通往安全 AGI 的路径是通过编程。
"The bet has been the path to safe AGI is through coding. And this has kind of always been the idea. And the way you get there is you teach the model how to code, then you teach it how to use tools, then you teach it how to use computers." （安全 AGI 的路径是通过编程。一直以来的思路就是：先教模型写代码，再教它用工具，最后教它用电脑。）
这不是一句空话。你仔细想想 Claude Code、MCP、Computer Use 这条线，逻辑是一脉相承的：
- Claude Code = 模型学会写代码
- MCP = 模型学会调用外部工具
- Computer Use = 模型学会操作电脑
我们自己在 OpenClaw 集群里的实践其实也在走同样的路。AI 先是帮我们写脚本、管理代码，然后通过 MCP 调用飞书 API 读写文档，现在已经可以通过 ADB 控制安卓模拟器操作手机 App。这条路径确实在一步步实现。
二、Claude Code 的意外诞生
最让我意外的是，Claude Code 的诞生完全是一个"意外"。
Boris 说，没有人叫他做一个命令行工具。他只是想理解 Anthropic 的 API 怎么用，就写了一个终端小应用来跟 API 对话。
然后他做了一件改变一切的事——他问模型："你现在在听什么音乐？"
"He wrote some AppleScript to script my Mac and look up the music in my music player. And this was Sonnet 3.5. I didn't think the model could do that. And that was my first ever 'feel the AGI' moment." （它写了一段 AppleScript 来操控我的 Mac，查到了我音乐播放器里在放什么歌。这还是 Sonnet 3.5 的时代。我没想到模型能做到这件事。那是我第一次感受到 AGI 的时刻。）
从那一刻起，他就睡不着了。连续三个月，周末不休息，每个晚上都在迭代。两天后他就把原型给团队用了——Robert 坐在他对面的同事，第二天就在用 Claude Code 写代码了。Boris 说："我说这东西还没准备好，它就是个原型！" 但 Robert 根本不在乎。
我对这个故事特别有共鸣。 我第一次让 OpenClaw 自动管理服务器的时候，也有过那种"这不可能吧"的感觉。凌晨三点它自己发现备份脚本有 bug、自己修复了，还给我发飞书消息汇报——那一刻，你就知道这东西不是玩具了。
三、永远不要跟模型对赌（The Bitter Lesson）
这可能是整期访谈最重要的一个思想：
Boris 说，在 Claude Code 团队的工区墙上，挂着一篇被装裱起来的文章——Rich Sutton 的《The Bitter Lesson》（苦涩的教训）。核心思想就一句话：
"The more general model will always beat the more specific model." （更通用的模型总会打败更专用的模型。）
翻译成产品语言就是：永远不要跟模型对赌。
Boris 解释了他们的做法：
"We could build a feature into Claude Code. We could make it better as a product, and we call this scaffolding. That's all this stuff around the model. But it's always a trade-off. The model is going to improve. And so whatever scaffolding you build today, either you can rebuild it again, or you just wait for the next model and then you kind of get it for free." （我们可以给 Claude Code 加功能，通过"脚手架"让它更好用。但这永远是个权衡——模型会进步。你今天搭的脚手架，要么得不断重建，要么等下一个模型，自然就不需要了。）
具体的例子：他们曾经搭了大量的"脚手架"来提升模型的编码能力，可能提升了 10-20%。然后新模型出来了，这些增益直接被抹平，脚手架全部作废。
所以他们的原则是：
"At Anthropic, the way that we thought about it is we don't build for the model of today. We build for the model six months from now." （在 Anthropic，我们不为今天的模型做产品。我们���六个月后的模型做产品。）
Claude Code 没有任何一行代码存活超过六个月。 全部重写。工具每隔几周就增删。Boris 说他们"unhip tools every couple weeks, add new tools every couple weeks"——不断淘汰旧工具、加入新工具。
这让我重新审视了我们自己的做法。我们的 OpenClaw 集群也在不断调整——最初手动配置的很多东西，后来发现模型升级后根本不需要了。这个"不要跟模型对赌"的原则，是真的适用于所有 AI 产品的。
四、Latent Demand（潜在需求）：产品的第一原则
Boris 反复强调一个概念：Latent Demand（潜在需求）。
"Probably the single biggest principle in product is latent demand. Every bit of this product is built through latent demand." （产品中最重要的原则就是潜在需求。这个产品的每一个功能都是通过潜在需求构建的。）
什么叫潜在需求？就是用户已经在做某件事了，但你还没有为他们提供正式的工具。
最经典的例子就是 CLAUDE.md 的诞生：
Anthropic 发现用户开始自己写 Markdown 文件，把写作指南和项目规范放进去，然后让模型读这个文件。没有人告诉用户要这样做——他们自己发明了这个工作流。
所以 Anthropic 把它正式化了，变成了 CLAUDE.md——一个项目级的指令文件，让你告诉模型该怎么做事。
这个故事完美呼应了我们自己的经验。 在 OpenClaw 里，SOUL.md、AGENTS.md、MEMORY.md 这些文件，本质上就是同一个思路。我们写了 SOUL.md 给 AI 定性格和���则，写了 AGENTS.md 定行为规范，写了 MEMORY.md 存长期记忆。这些文件不是产品团队设计出来的，是我们在实际使用中"自然长出来的"。
Boris 说的第二个潜在需求案例是他们最近隐藏了文件读取和搜索的详细输出——以前模型会显示"Read foo.md"，现在只显示"Read 1 file"。他说六个月前他们不敢这样做，因为模型还经常读错文件，用户需要看到细节来 debug。但现在模型已经足够准确了，可以隐藏了。
每一次简化，都是因为模型进步了。
五、Agent Swarm：一个周末就造完了 Plugins
访谈里最震撼的案例之一：Claude Code 的 Plugins 功能是被一个 AI "群体"在一个周末内完成的。
"Our plugins feature was entirely built by a swarm over a weekend. It just ran for like a few days. There wasn't really human intervention. And plugins is pretty much in the form that it was when it came out." （我们的 Plugins 功能完全是由一个 agent 群在周末构建的。它跑了几天，基本没有人工干预。Plugins 交付时的样子跟最初生成的差不多。）
怎么做到的？一个工程师给 Claude 一份 spec（规格说明），让 Claude 使用 Asana 看板，然后 Claude 自己把 spec 拆分成一堆任务放到 Asana 上，生成一堆 sub-agent，每个 agent 领取自己的任务开始干活。最惊人的部分是——agent 之间会互相做 code review。
Boris 提出了一个概念叫 uncorrelated context windows（不相关的上下文窗口）：
"Multiple agents, they have fresh context windows that aren't essentially polluted with each other's context or their own previous context. And if you throw more context at a problem, that's like a form of test time compute." （多个 agent 拥有全新的上下文窗口，不会被彼此的上下文或自己之前的上下文"污染"。如果你向一个问题投入更多上下文，这就像是一种测试时计算。）
这正是我们在 OpenClaw 里使用 sub-agent 的核心逻辑！我们每天自动生成文章、管理备份、监控天气——这些任务全部由主 agent 拆分成 sub-agent 并行执行。每个 sub-agent 有独立的上下文窗口，互不干扰。Boris 验证了这种方法论的正确性。
六、"我卸载了 IDE"——100% AI 编程的现实
这可能是最具争议性的一段：
"Dario predicted that 90% of the code at Anthropic would be written by Claude. This is true. For me personally it's been 100% since Opus 4.5. I uninstalled my IDE. I don't edit a single line of code by hand. It's just 100% Claude Code and Opus. And I land like 20 PRs a day, every day." （Dario 预测 Anthropic 90% 的代码会由 Claude 编写。这是事实。对我个人来说，从 Opus 4.5 开始就是 100% 了。我卸载了 IDE。我不手动编辑任何一行代码。全部是 Claude Code + Opus。我每天提交大约 20 个 PR。）
每天 20 个 PR。整个 Anthropic 的技术团队，团队规模翻了一倍，但人均产出提升了 70%。怎么衡量的？最简单的指标：PR 数量。他们也会交叉验证——PR 大小和质量也在同步提升。
更有意思的是，Boris 说甚至 Anthropic 的销售团队也在用 Claude Code。后来他们推出了 Co-work（一个更简单的版本），非技术人员用起来更方便——它运行在虚拟机里，有更多安全保护。
我们的经验也在印证这个趋势。 虽然我们没到 100%，但我的公众号文章——包括你正在读的这篇——从选题、拉字幕、写作到排版发布，整个链路都是 AI 驱动的。人类做的就是最后审核一遍、把关质量。
七、Plan Mode 的哲学
Boris 分享了一个使用技巧，也是一个产品哲学：
"Nowadays, what I find with Opus 4.5, I think it started with 4.6 it got really good. Once the plan is good, it just stays on track and it'll just do the thing exactly right almost every time. Before, you had to babysit after the plan and before the plan. Now it's just before the plan." （用 Opus 4.5 之后，我发现一旦计划是好的，模型就能一直保持在正轨上，几乎每次都能精确执行。以前你得在计划前后都盯着。现在只需要盯计划阶段就行了。）
这句话总结了 AI 工具使用的一个关键转变：人类的角色正在从"执行者"变成"审计者"，从"写代码的"变成"审计计划的"。
他还分享了团队内部的一个实践——大家都是先用 Plan Mode 让 Claude 制定方案，反复沟通直到计划没问题，然后一键执行。80% 的时间都在 Plan Mode 里。
有一个 YC 主持人说他的 Claude Insights（使用洞察）告诉他应该更多地用 sub-agent 来 debug——一个 agent 看日志，一个看代码路径，并行调试。他就把这条加到了自己的 CLAUDE.md 里。
这种"从使用中学习、把学到的东西沉淀成规则"的循环，是 AI 工具使用的核心方法论。
八、给创业者的建议
访谈最后，Boris 给了几条实用建议：
1. 为六个月后的模型做产品
不要为今天的模型设计功能。想想今天模型做得不好的地方——那才是机会，因为模型很快就会做好。
2. 永远不要跟模型对赌
The Bitter Lesson。你搭的脚手架会被下一代模型淘汰。把精力花在模型做不到的地方——用户研究、产品直觉、系统设计。
3. Latent Demand 是你的北极星
不要猜用户要什么。看他们在做什么。他们已经在用 workaround 解决的问题，就是你应该正式化的功能。
4. 如果一个人看代码，那就是浪费时间
Boris 引用了一个越来越流行的观点："Any time a real human being has to look at code, that's bad."（任何时候一个人类需要看代码，那就是坏的。）虽然他说自己还是"老派"的——喜欢看代码输出——但方向是明确的。
感受
这期访谈让我印象最深的，不是某个技术细节，而是 Boris 对产品的态度：谦逊、迭代、尊重用户。
他不断强调"我最喜欢的事情就是听用户反馈"。Claude Code 的每一个功能都来自观察用户行为，而不是团队的奇思妙想。CLAUDE.md 来自用户自己写 Markdown 文件的行为。Plan Mode 来自用户发现模型需要被引导的需求。Sub-agent 来自用户发现一个 agent 不够用的场景。
同时，"永远不要跟模型对赌"这个原则，应该被每一个 AI 时代的建设者刻在桌上。我们在 OpenClaw 集群里也学到了同样的教训——很多精心设计的自动化脚本，在模型升级后就变得多余了。最好的策略不是搭更复杂的脚手架，而是等模型自己变强。
Boris 说 Claude Code 没有任何一行代码存活超过六个月。这听起来疯狂，但这恰恰是在 AI 时代做产品的正确姿态：拥抱无常，保持重写的勇气。
最后引用 Boris 的话：
"There is no part of Claude Code that was around 6 months ago. It's just constantly rewritten." （Claude Code 没有任何一部分存在超过六个月。它一直在被重写。）
在一个模型能力指数级增长的时代，这可能是最明智的工程哲学。
