异类崛起：鲍里斯·切尔尼的非传统之路
鲍里斯·切尔尼的职业生涯，从一开始就带着不按常理出牌的基因。他并非科班出身的计算机专业人士，甚至曾中途辍学，却凭借经济学背景和十八岁时创办第一家公司的全能型创业经历，养成了从整个产品流程而非单一技术领域思考问题的独特习惯。这种在小公司“什么都得做”的环境进一步强化了他的通才（Generalist: 指具备广泛技能和知识，能在多个领域工作的个体）特质。他从Meta的高级工程师，成长为Anthropic的核心技术推动者，其职业轨迹不仅充满传奇，更预示着AI能力指数级增长下软件工程的深刻变革。
Original English
大家好，这里是最佳拍档 今天我们要分享的 是一位颠覆了软件工程行业的异类 鲍里斯·切尔尼 他不是计算机科班出身 还曾经中途辍学 却一手打造出了Claude Code这款神器 生成了Anthropic内部百分之八十到百分之九十的代码 从Meta的高级工程师 到Anthropic的核心技术推动者 他的职业生涯不仅充满了传奇色彩 更揭示了一个正在发生的深刻变革 那就是当AI模型的能力开始以指数级增长 软件工程正在经历着一次结构性的重写 而我们每个人都可能被这场变革所影响 鲍里斯·切尔尼的职业生涯 从一开始就带着不按常理出牌的基因 他在大学时学的是经济学 并不是计算机专业 但是十八岁那年 他创办了自己的第一家公司 在那个时候，他不得不事事亲力亲为 写代码、做产品、搞设计 甚至还要直接对接用户 这种全能型的创业经历 让他养成了一种独特的工作习惯 那就是不局限于单一的技术领域 而是从整个产品流程的角度去思考问题 在加入Meta之前 他一直在小公司工作 这种什么都得做的环境 进一步强化了他的通才特质Meta文化与用户洞察：通才的实践场
二零一零年加入Meta后，鲍里斯参与了Messenger与Facebook群组同步的项目，这一被称为“群组聊天”的项目成为了他的成名之作。尽管跨部门协作困难重重，他依然带领团队，在资源有限的情况下，通过在公司食堂进行观察性用户研究等方式，验证了产品可行性并最终取得成功。这个项目让他深刻体会到Meta早期重视通才型人才的文化，这种文化强调工程师不仅要会写代码，还需具备产品意识、用户沟通能力甚至设计参与度。这种跨领域协作的氛围，后来也被他带到了Anthropic。在Meta的早期工作中，鲍里斯还提炼出“关注用户的潜在需求”（Latent Needs: 指用户自身可能未明确表达，但通过行为洞察可发现的需求）的产品设计原则，如Facebook Marketplace和Facebook Dating的诞生，均源于对用户现有行为的深刻洞察，而非凭空创造。他认为，产品设计的核心在于引导用户更轻松地实现其未被满足的意图。
Original English
二零一零年，鲍里斯加入了Meta 最初的几个项目都围绕着Messenger和Facebook展开 当时，扎克伯格提出了一个想法 想让Messenger的聊天记录和Facebook的群组实现同步 拉近这两个产品之间的距离 之所以有这样的需求 是因为当时团队观察到一个趋势 那就是公共空间的社交产品正在逐渐降温 用户的注意力更多转移到了聊天和更加随意的实时互动空间上 这个被称为群组聊天的项目 成为了鲍里斯在Meta的成名之作 这个项目的推进过程 充分体现了他的工作风格 当时，他所在的Facebook Groups部门 和Messenger团队的组织架构距离很远 跨部门协作困难重重 但是他依然毫不犹豫的接下了这个任务 项目最初只在网页端启动 团队规模很小 每个人都要包揽所有的工作 既当工程师 又做产品经理，还得自己搞用户研究 由于没有专门的用户研究专员 鲍里斯就想出了一个简单有效的办法 每推出一个新的功能点 他就会利用午餐时间去公司食堂 找食堂的工作人员展示产品 询问他们是否可以顺利找到打开聊天窗口的方法 这种观察性的用户研究 不需要过多的提示 却最真实的反映出了 普通用户在使用过程中遇到的问题 后来他也把这种方法教给了团队成员 让大家一起参与到用户的体验优化中 以现在的产品标准来看 当时的群组聊天功能体验并不算好 那时候Web开发还不够成熟 出现各种bug是常态 但在当时的市场环境下 先推出再迭代的模式是可行的 最终，这个项目取得了成功 验证了在Facebook群组内进行实时聊天的可行性 也让鲍里斯获得了晋升 更重要的是 这个项目让他深刻体会到了Meta早期的一种独特文化 那就是重视通才型的人才 这种文化和他的个人特质不谋而合 鲍里斯一直强调，他喜欢和通才共事 在他看来，一个优秀的工程师 不仅要会写代码 还应该具备产品意识 愿意和用户交流 甚至能够参与设计工作 这种文化后来也被他带到了Claude团队 在Anthropic，不仅产品经理会写代码 数据科学家会写代码 就连用户研究员也能写一点代码 这种人人都能跨领域协作的氛围 成为了他后来打造成功产品的一个重要基础 在Meta的早期工作中 鲍里斯还提炼出了一个重要的产品设计原则 关注用户的潜在需求 他发现，Meta的许多成功产品 都不是凭空想象创造出来的 而是源于对用户现有行为的洞察 比如Facebook Marketplace的诞生 就是因为团队发现 当时Facebook群组中 百分之四十的帖子都是关于买卖物品的 群组功能原本并不是为商业用途设计的 但是用户却自发用它来进行交易 于是，团队基于这种潜在需求 开发了专门的交易功能 最终演化成了Marketplace 同样，Facebook Dating的出现 也是因为数据显示 大约百分之六十的个人资料浏览量 来自互不相识的异性用户 这种窥探行为的背后 实际上是用户潜在的交友需求 鲍里斯认为，产品设计的核心 永远不是强迫用户去做他们原本不想做的事情 而是找到他们还没有被满足的潜在意图 然后通过产品设计 引导他们更轻松的实现目标 这种基于用户真实行为的产品思维 贯穿了他的整个职业生涯 也成为了他后来打造Claude Code的重要指导原则AI愿景与价值观契合：转向Anthropic
在Meta工作多年并晋升为高级技术主管后，鲍里斯做出了一个令人意外的决定：离职加入当时相对小众的Anthropic。这一决定并非基于薪资或职位，而是源于一次震撼人心的技术体验——初次使用ChatGPT，以及与Anthropic创始团队在价值观（Value Alignment: 指个体或组织的目标、原则与AI系统或其开发理念高度一致）上的高度契合。他敏锐地意识到，AI模型指数级增长的能力预示着一个全新时代的到来，并渴望参与其中。与Anthropic团队的交流中，他对公司不仅关注技术本身，更深入思考技术长期影响和潜在风险的理念深感认同。他认为，AI存在生物安全、社会系统性破坏等现实风险，而Anthropic将安全和对齐研究（Alignment Research: 指研究如何确保AI系统的行为与人类的意图、价值观保持一致的领域）置于核心位置，甚至不惜推迟产品发布以确保模型安全，这与他将安全视为前提而非负担的理念高度一致，促使他毫不犹豫地选择了加入。
Original English
在Meta工作多年 晋升为高级技术主管后 鲍里斯却做出了一个令人意外的决定 离职加入Anthropic 这个决定在今天看来似乎是顺理成章的 但是在当时却并不是一个容易的选择 毕竟 当时Meta是全球顶尖的科技巨头 而Anthropic还只是一家相对小众的AI研究机构 促使他做出这个决定的 不是薪资待遇，也不是职位晋升 而是一次震撼人心的技术体验和深层的价值观契合 他第一次使用ChatGPT的时候 正是它刚推出不久之后 而他当时正在日本的一个小地方 几乎没有人能和他讨论技术 每天刷Hacker News的他 在使用ChatGPT后的第一反应是 这东西太不可思议了 现在我们已经对大语言模型习以为常了 但是在当时 鲍里斯切身感受到的 不仅仅是一项技术的突破 更像是一种新的生命形态的诞生 这种模型的能力增长是呈指数级的 影响范围远远超过了软件工程本身 最终会重塑社会的运行方式 作为一名科幻小说的爱好者 尤其是硬科幻的忠实读者 他敏锐的意识到，这种模型的出现 意味着一个全新的时代即将到来 而他非常渴望参与其中 于是 他开始了解哪些实验室在专注于大模型的研究 也和一些在不同研究机构工作的朋友聊过 当他第一次和Anthropic的创始团队吃饭时 随口提到了一本科幻小说 结果发现桌上的几乎所有人都读过 还能围绕这本书展开深入的讨论 那一刻，他意识到 Anthropic是一个真正在认真思考 这些技术会把世界带向哪里的地方 这里的人不仅关注技术本身 更关注技术的长期影响和潜在风险 这一点与他的价值观高度契合 在他看来，人工智能正在改变社会 而且是从工程领域开始 逐步扩散到各个层面 但是这项技术也存在很多潜在的风险 甚至可能会走向非常危险的方向 比如生物安全的风险、社会系统性破坏等等 这些风险并不是科幻设想 而是随着模型能力的提升 工程师当下必须正视的现实边界 而Meta的文化 让他无法实现自己的理想 在Meta，安全往往被当成一种负担 是和产品对立的事情 产品团队追求的是速度和规模 而安全措施则会拖慢产品的发布节奏 但是在Anthropic 安全和对齐研究被放在了核心位置 公司甚至会投入大量算力和人力在这些方面 甚至为了确保模型的足够安全 不惜推迟产品的发布时间 这种把安全当作前提而不是负担的理念 让鲍里斯毫不犹豫的选择了加入AnthropicClaude Code：为未来AI能力而设计
加入Anthropic后，鲍里斯成为了Claude Code的核心推动者。他坦言，Claude Code在早期并非一款易用的产品，用户体验上不及其它AI编程工具（如Codex）的明显优势。然而，其最终成为Anthropic内部主力生产方式的关键在于，团队从一开始就选择“为未来六个月后的模型能力而设计”，而非围绕当下模型的短板打补丁。在AI编程工具早期普遍被理解为自动补全或简单代码片段生成的阶段，Claude Code的设计理念就已超越当前，旨在构建一个能与未来强大模型协同工作的编程体系。这种远见在Sonnet和Opus 4等模型上线后得到爆发式体现，Claude Code迅速跃迁为主力生产方式，使得公司在规模扩大的同时，工程师整体生产力反而显著提升，大量代码由Claude Code生成。
Original English
加入Anthropic后，在工程文化方面 他感受到和在Meta最大的不同主要有两点 第一，公司虽然已经不算小了 但是仍然保留着创业公司的常识感 很多事情不需要复杂的流程去推动 大家天然会做出正确的决定 这种无需层层说服 直接为结果负责的文化 是大公司最容易丢失的东西 也是鲍里斯非常珍视的 第二是强烈的使命感 这种使命感让他每天都愿意来上班 甚至周末也愿意写代码 因为他发自内心的想做这件事 他在Facebook群组项目里曾经感受过类似的氛围 但是在Anthropic 这种感觉更加强烈，也更加一致 所有人都为了同一个目标在努力 那就是打造强大、安全、对齐人类价值观的AI 作为Claude Code的核心推动者之一 鲍里斯坦言 这款工具在相当长的一段时间里 并不是一款好用的产品 当时市面上已经有不少类似的AI编程工具了 比如OpenAI的Codex Claude Code在早期的用户体验上 并没有什么明显的优势 但是它最终能跑出来 成为Anthropic内部的主力生产方式 核心原因只有一个 团队从一开始就选择为未来六个月后的模型能力而设计 而不是围绕当下模型的短板来打补丁 在AI编程工具的早期阶段 大家对AI编程的理解非常狭窄 基本等同于自动补全 最多就是帮工程师写一些简单的代码片段 或者回答一些技术问题 即便有一些Agent的概念 也更多的是问答工具 而不是能够真正参与到完整编程流程中的协作伙伴 Claude Code早期也是如此 在Anthropic内部 鲍里斯自己当时只用它写了不到百分之十的代码 但是他的主管一直提醒他 不要被当前模型的能力所局限 大模型的进化速度是指数级的 今天做不到的事情 六个月后很可能就能轻松实现 所以，Claude Code的设计理念 从来不是解决当下工程师的小痛点 而是构建一个能够和未来强大模型协同工作的编程体系 这种远见卓识 在Sonnet和Opus 4等模型上线后 终于迎来了爆发 短短几个月时间里 模型的编码能力就实现了质的飞跃 Claude Code也从辅助工具 迅速跃迁为主力的生产方式 现在，在Anthropic内部 很多团队百分之八十到百分之九十的代码 都是由Claude Code生成的 公司规模虽然在不断的扩大 但是工程师的整体生产力反而得到了显著的提升 鲍里斯自己也不例外 他现在有一半以上的代码 都交给Claude Code来写人机协作新范式：工程师角色的演进
鲍里斯反复强调，AI生成的代码与人写的代码必须接受同一套质量标准。AI编码并非无条件替代人类判断，而是形成一种新的协同分工：工程师从繁琐的代码编写中解放出来，更多地扮演规划者、审核者和决策者的角色。AI编程是一个需要工程师引导、协作和把关的伙伴，而非一键生成完美代码的黑盒。大多数时候，工程师与模型共同写代码：工程师制定计划，模型生成初始代码，工程师再进行修改、清理和优化。对于涉及安全、核心算法的关键部分，工程师仍坚持手写。他认为，现在的模型编码能力已远超一年前，而未来六个月的能力可能超乎想象。Claude Code的使用场景已从软件工程扩散到数据科学、分析等领域，揭示了当写代码门槛降低时，软件能力正被重新分配给更多角色。
Original English
但是这并不意味着 AI编码可以无条件替代人类判断 鲍里斯反复强调 模型生成的代码和人写的代码 必须接受同一套质量标准 不合格就不合并 不同的任务 需要对应不同的协作方式 原型代码、临时代码可以交给模型快速推进 充分发挥AI的效率优势 而核心逻辑、关键模块 则必须由工程师逐行审视 确保代码的安全性和可靠性 这不是人被AI取代 而是人类工程师和模型之间形成一种新的协同分工 工程师从繁琐的代码编写中解放出来 更多地扮演规划者、审核者和决策者的角色 对于很多人担心的 模型生成代码质量不稳定、bug隐蔽的问题 鲍里斯的看法是 AI编程和任何工具一样 是需要学习如何使用的 它不是一个一键生成完美代码的黑盒 而是一个需要工程师引导、协作和把关的伙伴 Anthropic内部的使用原则很简单 不管代码是人写的还是模型生成的 质量标准都完全一致 大多数时候 工程师的工作模式是和模型一起写代码 先由工程师制定整体的计划 明确需求和技术方案 然后让模型生成初始的代码 再由工程师不断的修改、清理、优化 最终形成高质量的产品代码 在某些关键部分 比如涉及安全、核心算法的代码 工程师仍然会坚持手写 他还提到 现在的模型编码能力虽然已经非常强大 但是仍然是史上最差的一代 一年前还只是自动补全 现在已经能够生成完整的功能模块 而六个月后的模型能力 很可能会远超我们现在的想象 这种快速迭代的节奏 也让Claude Code的使用场景不断拓展 它已经不再局限于传统的软件工程领域 在Anthropic 数据科学家用它写SQL、跑分析、搭数据管道 分析师用它处理复杂的业务数据 甚至销售团队也把它接入Salesforce 用来自动化处理客户信息、生成销售报告 这种场景的扩散 并不是最初的产品设计目标 却揭示了一个重要的趋势 当写代码本身变得门槛更低时 软件能力正在被重新分配到更多的角色手中软件工程民主化与未来工程师的必备素养
面对竞争，鲍里斯的态度淡然，他认为Claude Code的核心竞争力在于解决真实问题，而非超越对手。他指出，AI时代之前，工程师是代码的直接生产者；现在，他们正转变为Agent（Agent: 指能够自主感知环境、做出决策并执行任务的AI实体或系统）系统的设计者、管理者和最终责任人。这种转变让软件工程变得更加民主化，非技术角色也能通过自然语言指令让AI生成代码。然而，AI降低的是写代码的门槛，而非软件工程的门槛。一个优秀的工程师，其核心能力在于对业务的理解、架构的把握、风险的预判和质量的把控，这些是AI目前无法替代的。未来的工程师需要学会与AI协作，利用其优势弥补不足，同时坚守质量和安全底线。对于担心被AI取代的工程师，鲍里斯建议拥抱变化，将AI视为工具，专注于提升创造性和价值性工作，学会清晰传达需求、审核代码、解决复杂技术问题。对于非科班出身者，他的经历本身就是激励，强调编程是实践性技能，真正的成长源于解决实际问题的过程。