企业官网建设流程全解析

网站建设的请示报告,中国做出口的网站平台,网站开发用什么数据库,上海网站建设 app开发大家好#xff0c;我是Boris#xff0c;我在Claude Code工作。我打算开始在X上更活跃一些#xff0c;因为这里有很多关于人工智能和编程的讨论。 欢迎随时向我反馈 Claude Code 的使用体验或提交 bug 报告。我很想了解大家是如何使用 Claude Code 的#xff0c;以及我们如…大家好我是Boris我在Claude Code工作。我打算开始在X上更活跃一些因为这里有很多关于人工智能和编程的讨论。 欢迎随时向我反馈 Claude Code 的使用体验或提交 bug 报告。我很想了解大家是如何使用 Claude Code 的以及我们如何才能让它变得更好。圣诞节当天ClaudeCode 背后创造者终于决定我准备在X上多说点什么了25日被外界视为 ClaudeCode 之父的 Boris Cherny出来发了一条X帖子表示之后自己打算在X上活跃起来大家好我是Boris我在Claude Code工作。我打算开始在X上更活跃一些因为这里有很多关于人工智能和编程的讨论。 欢迎随时向我反馈 Claude Code 的使用体验或提交 bug 报告。我很想了解大家是如何使用 Claude Code 的以及我们如何才能让它变得更好。当天评论区就炸了大神 Karpathy 也闻讯过来反馈了一个关于CC token文件上下文限制的问题。很快 Boris 就给出了回复下一个版本就会新增功能解决。更重磅的还得是今天一早。这两位大佬又开始互动了。Karpathy 几个小时前发帖表示一场 9 级地震正在席卷程序员行业。“作为一名程序员我从未像现在这样感到自己在掉队。这个职业正在被剧烈地重构。”为什么这么惊悚Karpathy举例说道程序员真正亲手贡献的那部分代码正在变得越来越稀疏、越来越零散。我隐约感觉到只要能把过去大约一年里出现的这些新能力真正串联起来我完全可以变得强大 10 倍而如果没能吃到这波增益那种挫败感几乎可以明确地归结为“能力问题”。他提到两点一个是全新的抽象层技术栈另一个是覆盖全局的心智模型。首先我们现在需要掌握的是一层全新的、可编程的抽象层而且是在传统技术栈之上再叠一层它涉及 agents、subagents以及它们的 prompts、上下文、记忆、模式、权限、工具、插件、skills、hooks、MCP、LSP、斜杠命令、工作流、IDE 集成等等其次你还必须在脑中构建一个覆盖全局的心智模型用来理解这些本质上随机、可能出错、不可解释、而且持续变化的“实体”的优势与陷阱。而它们如今已经与过去那套“老派但可靠”的工程实践彻底交织在一起。“这感觉就像是某种强大的外星工具被突然发到了每个人手里但它没有说明书所有人都只能一边摸索怎么握住它、怎么操作它。”不止是编程小编更有这样的感觉我甚至对同事说我发现自己在日益强大的大模型面前感觉自己的能力越来越渺小。有一种萤烛之火也敢与日月争辉的感觉CC之父每周都有这样的感觉作为开发顶流编程AI产品的 Boris 则很快回应到1而且是几乎每周都有这样的感觉并曝料上个月自己作为工程师第一次整整一个月都没有打开过 IDE。Opus 4.5 写了大约 200 个 PR每一行代码都是它写的。软件工程正在发生根本性的变化而即便是像我们这样最早的一批使用者和实践者最难的部分依然是不断重新调整自己的预期。而这仍然只是一个开始。在10天前Boris 在一次播客中还表示自己其实会亲自下手编写核心循环的逻辑代码。但很快Boris 就发现大模型已经厉害到连第一代AI使用者都可能比不过了。有时候我会开始用“人工”的方式去处理一个问题然后才提醒自己一句“Claude 可能就能直接搞定这个。”Boris 还举了两个对比鲜明的例子。最近我们在调试 Claude Code 里的一个内存泄漏问题我一开始又走了老路连上 profiler跑应用暂停 profiler然后手动翻 heap 分配情况。与此同时我的一个同事也在看同一个问题他的做法是——直接让 Claude 生成一个 heap dump然后再让 Claude 读这个 dump去找那些大概率不该被保留的对象。Claude 一次就命中了问题还顺手提了一个 PR。这样的事情几乎每周都会发生。Boris 甚至感觉某些方面新人工程师更有 AI 原生优势。某种程度上那些新同事甚至刚毕业的新人工程师因为他们对模型“能做什么、不能做什么”没有太多先入为主的判断——也没有那些在使用老模型时形成的“历史记忆”——反而能把模型用得最有效。要跟上模型能力的变化其实需要相当多的心理调整成本几乎每隔一两个月你就得重新校准一次自己对模型能力的认知因为模型在写代码和工程能力上的提升实在太快了。近期一场必看的Boris播客可以说Boris 真的如自己所说越来越公开活跃了。正如上文所说前不久他还罕见接受了一次采访播客聊了自己的职业生涯。Boris 之前在 Facebook 工作过而后随着 ChatGPT 的爆发催发了他想加入 Anthropic为这个行业做一点点贡献的念头。其中小编感受最深的是一、Boris 是一个很看重“常识”和使命感的工程文化的人。大公司往往由于成熟的组织结构和路径依赖会把常识拉走二ClaudeCode 竟然背后还有一段联合创始人逼着 Boris 往前看的经历。Boris被逼着把视野放长些“不要为今天的模型做产品而是要为6个月之后的模型做产品”篇幅关系这里把大家最为关注的Claude Code相关的部分截取了出来如果想看全部内容可以走这个传送门。https://www.youtube.com/watch?vAmdLVWMdjOk希望能对身处百忙之中的各位有所启发为什么离开Meta加入Claude主持人你离开 Meta 加入 Anthropic我一直很好奇你当时是怎么想的。Boris Cherny我记得第一次用 ChatGPT 的时候那已经是好几年前了。我当时在日本一个小镇里只有我一个工程师也是唯一一个说英语的人身边完全没有人可以聊技术。每天早上我都会刷 Hacker News。后来用了 ChatGPT真的被震住了。那种感觉——现在大家可能已经习以为常了但当时的大模型真的像魔法一样是一种不可思议的技术。后来我的看法又变了在我看来大模型更像是一种“外星生命形式”我们在把它们培育出来、带到这个世界上它不只是技术而已。我自己也读很多书尤其是科幻小说。那是我最喜欢的类型。所以当时我就在想“天哪我一定要参与到这个东西里。”于是我开始琢磨哪些实验室在做这件事就去和在不同实验室工作的朋友聊。等我来到 Anthropic我还记得第一次午餐是和联合创始人之一 Ben还有一群同事一起。我提到了一本科幻书挺冷门的应该是 Greg Egan 写的那种硬科幻。我以前几乎没遇到过读过这本书的人。我随口讲了书里的一个情节结果桌上所有人都说“对对那本不错但你看过另外那本吗”那一刻我就意识到这是一个由一群重度科幻迷组成的团队是一群会对我关心的这些问题进行极深思考的人。还有一点是读多了科幻你会对这些技术可能走向哪里形成一种直觉性的想象。AI 对社会的影响太具颠覆性了。它现在首先冲击的是工程领域但它会波及社会的每一个角落影响一切。我们现在看到的只是第一波浪潮。我读得够多也大概知道这件事可能走向哪些糟糕的结局出问题的方式太多了。所以对我来说Anthropic 几乎是一个显而易见的选择——我想待在一个地方哪怕只是以工程师的身份尽我所能让这件事往好的方向发展。说起来也挺有意思的。加入之前我对“安全”是认真对待的但更多是一种抽象概念。在 Meta安全常常被视为一种“税”是完整性团队推着你做的事但很少有人真正为此感到兴奋因为它不是产品本身。这就是我以前对安全的理解。但我同时也隐约觉得它可能完全不是这么一回事。到了 Anthropic 之后我发现真的完全不同。每一个新模型发布我都会看到它带来的新风险我也看到公司如何真正“言行一致”——有多少算力投入到安全与对齐研究有多少人在做这件事。我们过去甚至因为无法确认模型是否安全而推迟过发布直到确认安全为止。像 Opus 4 这种模型风险就陡然上升了。如果模型能够设计生物病毒能做这些极其危险的事情那风险已经完全不是一个量级了。早期模型的基线风险可能还是选举操纵之类的问题那在当时已经是大事了。但随着模型能力不断增强风险迅速升级人们开始可以用模型去制造真正威胁人类的东西——不是某个国家的政治问题而是关乎人类存续本身。这不是科幻这是当下真实存在、我们必须正面应对的风险。所以能参与其中哪怕只是贡献一点点这件事本身就已经足够让我下定决心。Anthropic的工程文化常识和使命感主持人那你刚加入的时候呢从你之前待过的工程文化到 Anthropic有没有让你感到很“冲击”的差异Boris Cherny我觉得主要有两点。第一是作为一家仍然处在创业阶段的公司这里充满了常识。这是所有大公司都会逐渐失去的东西——决策者离决策影响越来越远不管是对产品还是对人于是就需要各种流程把他们拉回来提升决策质量。但在一家创业公司里大家天然就有常识通常都会去做“对的事情”。我不需要花太多时间去说服别人只要事情该做大家一看就明白然后就去做了。第二点对我个人来说真正驱动我的是使命感。这一点极其重要也是我每天愿意、而且兴奋地去上班的原因。它让我在周末写代码不是因为有截止日期而是因为我真的想做这件事。我在 Facebook Groups 时期其实也很有这种感觉那里的使命感很强。当时的 VP Jen Dolski 曾是 change.org 的 CEO她几乎是把 Facebook Groups 当成一家非营利组织来运营有一整套“改变理论”讲的是如何把志同道合的人连接起来、形成社区那种感觉非常有激励性。到了 Instagram也许是地理距离也许是别的原因我始终没有找到同样强烈的使命感。但在 Anthropic这种感觉非常强烈对我来说这可能是最让人兴奋的一点。被创始人逼着放大视野为6个月之后的模型做产品主持人我知道你被认为是 Claude Code 的创造者这个故事你在很多地方都讲过了。但我更好奇的是当年 Claude Code 出现的时候内部环境到底是什么样的。我之前和一个朋友聊起这件事当时其实已经有不少接入模型的竞品工具了。你觉得Claude Code 到底有什么不同为什么它能脱颖而出并且在内部迅速“野火般”扩散开来Boris Cherny在那个时间点大家对“写代码”这件事的想象完全不一样。如果你当时提到 AI 编程大多数人想到的就是自动补全仅此而已。可能有一些非常早期的 agent但那更多是自动补全之外的附属品很多时候还是被当作问答工具在用并不是真正用来写代码。所以当时大家心里的 AI 编程产品形态其实就是“按 Tab 自动补全”。我当时也是这么想的觉得这差不多就是全部了。后来是 Ben——当时我的经理——逼着我把视野放大一点。我觉得他是真的把“规模定律”内化进去了。毕竟他从 Anthropic 创立之初就在也在其他实验室待过所以他很清楚模型能力会以多快的速度提升。他当时对我施加了很大的压力不要为“今天的模型”做产品要为“六个月后的模型”做产品。说实话在很长一段时间里Claude Code 并不是一个好用的产品。即便在内部我可能也就用它写了 10% 左右的代码偶尔用用但模型能力不够大多数事情它还做不了。直到后来我们发布了 Sonnet 和 Opus 4——我记得大概是今年三月——产品突然就“跑通”了。这一点无论是使用数据还是我自己的编程体验都非常明显。我开始能用它写大概一半的代码。而这完全验证了当初的判断那正好是项目启动六个月之后。现在Claude Code 本身大概有 80% 到 90% 的代码是用 Claude Code 写的。如果你看 Anthropic 内部的一些团队有的团队 90% 的代码都是通过 Claude Code 完成的而且不只是我们这一组。如果看整体生产力Anthropic 今年以来规模大概翻了三倍但按你刚才提到的那种“每工程师成本产出”来衡量人均生产力几乎提升了 70%而这基本上就是 Claude Code 带来的结果。所以作为一个做产品的人我通常会往前想一步而在实验室里你反而要用一种不太一样的方式思考——既不是想两步之后而是非常清楚模型本身以及我们正处在一条指数级增长曲线上。自己有一套大模型的组合用法主持人你看了 Karpathy 最近的那次采访吗Boris Cherny还没来得及看。主持人他说了一点挺有意思的内容也算是一种“反向提醒”。他说 vibe coding 虽然能带来很多看起来很神奇的结果但同时也会产出不少“垃圾”——或者说有一些隐性的代价。所以我很好奇当模型生成了大量代码但结果并不完全符合你的预期甚至埋着一些不那么明显的问题时你是怎么思考和应对的Boris ChernyAI 编程和我们使用的其他工具一样本质上是一种工具而工具是需要学习怎么用的。Karpathy 本身当然非常会写代码。我觉得很多刚接触这类工具的人常犯的一个错误是一上来就让模型做太大的事情或者对模型写出来的代码和对自己写的代码设定了不一样的标准。在 Claude Code 团队里我坚持的一点是无论代码是模型写的还是人写的标准完全一样。如果代码不行我们就不会合并标准只有一个。然后你就让模型继续改把代码变好。另外这类工具的“使用方式”其实有很多种。有时候你确实可以 vibe coding这在写一次性代码、原型代码、或者不在关键路径上的代码时非常重要。我自己也经常这么做但这绝对不该成为唯一模式。因为在很多场景下你需要的是可维护的代码需要对每一行都非常谨慎。不同的问题本来就应该用不同的方法。我自己通常会有一套组合用法。有时候会 vibe coding但其实挺少的主要用在原型或即弃代码上。更多的时候我是和模型“结对”写代码。我们先对齐一个计划——在 Claude Code 里就是用 ShiftTab 进入计划模式。模型先给出计划我再看代码然后让它改进、清理整个过程非常深入是我和模型一起协作完成的。当然有些地方我还是会自己手写。比如在核心查询循环的一些部分我对参数命名、某一行代码具体写在哪里都有很强的主观判断这种时候我就会直接自己写。整体来说我认为模型目前在“写代码”这件事上还远谈不上优秀提升空间非常大。但这已经是它“最差”的状态了。回头看一年前AI 编程还只是预测式输入而现在已经完全是另一个世界了。再想想接下来几个月、几年会发生什么这条轨迹本身就足够让人兴奋。对我来说真正让我持续保持热情的就是对这条演进路径的清晰认知。当人们听到 Claude Code第一反应往往还是“写代码”但其实它指向的远不止这些。不止编程万物皆可ClaudeCode主持人不过Claude Code 的用途显然不只是软件工程本身。比如数据科学家用它来查询数据。当你把 Claude Code 放在“万物皆可用”的语境下你是怎么想的Boris Cherny这件事对我来说真的挺疯狂的。我记得大概六个月前我走进办公室看到我们的数据科学家 Brandon 在电脑上开着 Claude Code。他就坐在我们旁边。我问他“哥们你在干嘛是在试用吗”他说“不是啊这是我在干活。”我当时直接愣住了。他自己摸索着学会了怎么用终端、怎么装 Node.js然后装了 Claude Code接着就开始写一堆 SQL帮他做数据分析。现在我再从数据科学家那一排走过去几乎每个人屏幕上都同时开着好几个 Claude Code 窗口已经不是一个了。他们在干各种事情写 SQL、跑数据、写 DBT pipeline也在写代码。所以我觉得除了“写代码”之外还有大量的应用场景。看到大家用它来做各种事情真的很酷。甚至还有完全不算技术背景的用户——在 Anthropic差不多一半的销售团队都在用 Claude Code 工作。他们可以把它接到 Salesforce接各种数据源然后直接完成自己的工作。这完全不是我们最初设计它时的预期也不是最初的使用意图。不要被竞品带跑偏主持人当我听到 Claude Code 的时候也会想到 Codex它算是你们最大的竞争对手之一。我挺好奇的你怎么看和 Codex、OpenAI 的竞争Claude Code 做得更好的地方是什么另外这类 AI 产品的“黏性”从哪里来是什么让用户留在 Claude Code而不是转去 CodexBoris Cherny说实话我也不太确定。我自己并不怎么用其他产品。对我来说我一直跟团队强调的一点是太容易被竞争对手带跑偏了。我在大公司里见过这种失败模式很多次——竞争者一多你就会忍不住去看他们在做什么然后照着抄。这样做很容易但真正难的是想出新的点子用更好的方式解决用户的问题。所以我一直很刻意地提醒团队不要被其他产品分散注意力。产品永远会有很多竞争者越多其实越说明我们做对了一些事情。我们真正要保持高度聚焦的是解决我们自己的问题解决 Anthropic 研究人员的问题以及解决用户的问题。编程是一门实操学问主持人在快结束之前我想问几个关于职业发展的回顾。一个我注意到的点是你并没有计算机科学背景却成长为一名非常强的软件工程师。你有没有在某些阶段觉得这件事限制过你还是你觉得它其实并不重要Boris Cherny我学的是经济学后来为了创业直接辍学了。对我来说不管做什么真正的学习都发生在工作中。编程是一项极其偏实践的技能。我很难想象在学校里学到的那些东西比如数据结构课程如果你从来没真正做过产品那到底有什么现实意义所以我给别人的建议通常是用非常实用的方式去学编程。这是一门实操技能。如果之后你想回过头来补理论再去学就好。就我个人而言我从来没有觉得没有 CS 学位这件事拖过我的后腿。高效的核心秘诀Agent主持人那说说生产力吧。我看到你说自己基本是朝九晚六而且只用两根手指打字但你的产出却非常惊人。你有很多 side project主线工作也一点不轻松。你的核心效率秘诀是什么Boris Cherny现在的答案和几年前会完全不一样。现在的“秘诀”其实很简单学会用 Claude Code学会同时跑一堆 Claude Code 去干活。比如我们前几周刚上线插件功能Daisy 是负责这个的工程师之一。她直接让一堆 Claude Code 帮她建看板、拆任务然后开了一个“群”大概 20 个 Claude Code在一个周末里一起写插件。她把它们跑在 Docker 容器的危险模式下几天就搞定了。这种工作方式我觉得就是工程的未来。所以现在谈生产力本质上是学会用 Claude 来自动化那些重复劳动也学会让多个 Claude 一起协作完成工作。你更像是在编排而不是手写所有代码。如果是几年前我的建议可能会很不一样会更偏向于时间管理、专注时段之类的传统方法。主持人这也让我想到一个问题Claude Code 会不会改变我们常说的“创造者日程”和“管理者日程”的区别听你刚才描述工程师好像越来越像管理者手里有一支 Claude Code 的“队伍”不再依赖长时间深度专注而是频繁在很多事情之间切换。你现在还会有大块的专注编码时间吗Boris Cherny比以前少了。我现在也会在周末写代码因为我很喜欢那种安静的时间。但平时的话我每天早上基本都是打开 Claude Code——包括手机端。我们这周刚发布了一个新的版本里面有一个 Code 标签其实内部已经用了一段时间了。所以我每天醒来第一件事就是启动几个 agent让它们先帮我把当天要写的代码跑起来。这真的很疯狂。如果你在六个月前问我我会不会用这种方式写代码我大概会说“你疯了吗怎么可能这样写代码”但事实证明它真的可行。它已经在这里了而且确实能跑起来这已经成了我现在写大量代码的方式。我通常会先启动几个 agent等我真正坐到电脑前再去看进度。有时候代码看起来没问题我就直接合并有时候我会拉到本地像“瞬移”一样稍微改几下。而且你之后会和 Fiona 聊到。从她跟我说的情况来看她已经差不多十年没写过代码了但现在却每周都会写好几次。作为一名管理者她的日程非常疯狂但她依然可以用手机 App、用 Web 端甚至直接开个终端随手就能写点代码。所以是的这真的太不可思议了。我们正亲身经历这样一次转变我们一直以来做的事情、我成长过程中熟悉的那套方式正在发生彻底改变。而且这件事真的很酷——写代码这件事正在变得对所有人都可达。不要路径依赖要保持常识主持人最后一个问题。以你现在对职业发展的理解如果你能回到刚入行的自己给当时的自己一些建议你会说什么Boris Cherny用常识行事。我觉得尤其是在大公司里有太多东西会把你从常识中拉走。各种组织结构、路径依赖“事情之所以这么做是因为一直以来都是这么做的”。还有很多激励机制并不对齐。当然大公司也有很多好东西但这些问题同样存在。所以保持常识非常重要。职业早期我做过不少创业项目也在很多初创公司待过在那些地方也是一样的道理用常识去判断市场真正想要什么用户真正需要什么然后去做。总之信任自己慢慢培养并打磨你的常识判断力。主持人太棒了。非常感谢你Boris抽出时间来分享真的很感激。Boris Cherny谢谢谢谢你。如果你想更深入地学习大模型以下是一些非常有价值的学习资源这些资源将帮助你从不同角度学习大模型提升你的实践能力。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能​因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取四、AI大模型商业化落地方案作为普通人入局大模型时代需要持续学习和实践不断提高自己的技能和认知水平同时也需要有责任感和伦理意识为人工智能的健康发展贡献力量