当 AI 写掉九成代码：Anthropic 产品负责人看到的新瓶颈、建造者和 MCP

Lenny 问 Krieger：加入 Anthropic 一年，对 AI 的能力和方向，哪些看法变了。Krieger 说有两件事，一件是能力，一件是节奏。能力上，他进来时默认模型会写代码、会写文字，但未必能拿出独立判断。直到最近一个月，Opus 4 配上 Anthropic 的高级研究功能，他那份下半年战略才第一次被真正「换了个角度看」。

过去整整一年，他都会把战略初稿丢给 Claude 看。以前的批注很平淡，无非是「你有没有想过这个」，而那个他早就想过了。Opus 4 这次出去转了一圈再回来，他觉得它真的提出了新角度，而且会立刻写进自己的思路里。他说这不一定叫独立，但相对他自己的思考，已经有了创造性和新鲜感。

节奏上，他现在把时间线当真了。他坐在 Dario Amodei 旁边，Dario 开玩笑说自己总做些被人笑话、后来却成真的预测。一年前 SWE-Bench 大约百分之五十，Dario 说 2025 年底可能到百分之九十；现在新模型已经大约百分之七十二，基本按预测在走。Krieger 甚至同时开着 AI 2027 和自己的产品战略，突然觉得自己像故事里的角色。

他加入 Anthropic，是因为 2024 年初就看到模型在变强，又看着自己的孩子，想把时间用在把事情往好处推。那意味着要先说清什么叫「人机关系变好」，路上怎么知道自己走对了——有些是产品问题，有些是研究和可解释性问题。带孩子也一样：快六岁的孩子问物理或珊瑚是不是活的，家里会先问「我们怎么查」，而不是伸手去问 Claude。他要的是好奇心、追问和独立思考，而不是把认知全外包给并不总对的 AI。

Lenny 引用内部数字：Anthropic 大约七成到九成的代码已经由 AI 写。Krieger 说工程角色变了很多，但凑出一个产品的那套人还没变，很多旧假设还在。看得见的变化是原型提前了：产品经理和设计师会用 Claude，甚至用 Artifacts，直接做出能跑的演示，把想法做实。可知道该问 AI 什么、怎么把一次改动同时铺到前后端，仍是专门的工程能力。

代码洪流造出了新卡点。合并队列被彻底重做，因为代码量和 pull request 远远超出旧设计；他估计超过一半、此刻可能超过七成的 PR 是 Claude Code 生成的。他拿《目标》里的关键路径来比：上游是决策和对齐，他想给团队一份「最小可行战略」，让人敢在模型能力的边缘乱跑，但承认自己还没做对；下游则像空管，要把改动安全落地。

工作方式最超前的是 Claude Code 团队：他们用 Claude Code 做 Claude Code。项目早期还是逐行审 PR，后来发现 Claude 大体是对的，而且 PR 大到人审不过来，于是改成用另一个 Claude 审，人做验收测试。Krieger 说目前还好，但也能想象整座代码库变得既难维护、连 Claude 自己都看不懂。他猜 Claude Code 百分之九十五以上是 Claude Code 写的，会再跟 Boris 和技术负责人确认。

Claude Code 是公司里最大的 TypeScript 项目，而 Anthropic 主体是 Python，还有一些 Go 和 Rust。Slack 里有人被某个问题逼疯，自己不会 TypeScript，就跟 Claude 聊，一小时内从抱怨变成提交 PR。Krieger 觉得这降低了新人门槛，也让团队可以按任务选语言。写代码这段变快了，可「做成对人有用的东西、让人知道你做成了、再从反馈里学」这些老环节都还在。

今年一开始，Krieger 写过一份文档：Anthropic 今天怎么做产品，以及 Claude 本该出现却还没出现的地方。他觉得下一步该自动化的，就是上游「决定做什么」。他设想 Claude 去读 Discord、用户论坛和 X，发现正在冒头的问题，提出解法，甚至直接开 PR 或开 A/B 测试。在他看来，真正卡住的往往不是推理能力，而是上下文能不能顺着这些步骤流过去——这也是 MCP 让他兴奋的原因。

他举了个小例子。Claude.ai 上 Artifacts 原来能直接复制 markdown 或代码，后来按钮改成导出，用户在内部反馈频道里抱怨「现在怎么复制」。正确操作藏在下拉菜单里，设计说得通，但不太对。他希望一小时后 Claude 就能回一句：如果要改回去，这是 PR；另外我再开个实验，一周后看指标。一年半前这听起来像 2026 或 2027 的事，现在已经贴着能力的边。

Lenny 提到两人在 Lenny and Friends Summit 上跟 OpenAI CPO Kevin Weil 同台。当时 Krieger 说，把产品人放进模型团队、跟研究者一起把模型做强，杠杆远大于把界面打磨得更好用。他说现在更确信这一点。如果 Anthropic 交出去的东西，任何人拿现成模型都能做，那就没打到自己的优势。Artifacts 配 Claude 4 是例子：做 Claude 编码技能 post-training 的人，和产品人绑在一起，把产品里这一块重做了一遍。

他说 Anthropic 的工作单元不再是「拿模型，再找设计和产品去上线」，而是人要进到 post-training 的对话里，再把东西绕回训练。这套打法不是所有 PM 都有。他前一天做产品评审，记忆功能团队已经跟研究者聊了好几周，因为 Claude 4 刚带出一批记忆能力。那些能从研究和工程那边拿到最多正面反馈的产品经理，正是把这件事做通的人。

Lenny 追问：超智能模型将来能自己造东西，传统产品团队还剩什么价值。Krieger 给了三个答案。第一是让这一切变得可理解。会用这些工具的人和大多数人之间的差距仍然巨大。他中学时「会用 Google」曾经是一项真技能；同理，把能力翻译成人能下手的产品，仍需要对人的需求和心理有很深的共情。他本科是人机交互，至今觉得这是必要能力。

第二是战略：即使产能变大，也不能什么都做；在外面看起来什么都做，定位只会更糊。第三是打开人们眼里什么是可能的。他最近给一家金融服务公司演示分析工具配 MCP，能看见对方眼睛亮起来。Anthropic 把模型和产品能做的事、与人们日常实际用法之间的落差叫 overhang，他说这个落差非常大。产品仍要帮人看见、并跨过那道沟。

提示词方面，他给的是非官方招数。在 Claude Code 里，想要更多推理就写 think hard，它会走另一条流程。他还让 Claude roast 一份战略，因为问「哪里能更好」往往得到温和答案，而 Claude 本身就很客气。他的经验是：如果你天性太软，就做相反的事。Anthropic 控制台的 workbench 里还有 prompt improver，来自 Applied AI 团队帮客户调优的方法：你描述问题和例子，Claude 会自己迭代提示词，常常加上人想不到的 XML 标签。

他说 Claude 本身就是给 Claude 写提示词的好手，这个工具对 API 开发者和个人提示同样有用。他顺带提到和 Rick Rubin 的合作《The Way of Code》：政策负责人 Jack Clark 因编码与创造力的讨论结识 Rubin，Rubin 用 Claude 做视觉，最后做成一份关于创造力和 AI 协作的沉思，审美也很 Rubin。公司内部有人轻描淡写地说「对了我们在跟 Rick Rubin 合作」，其他人的反应是：我们在干什么？这也太酷了。

招聘故事要从老朋友 Joel Lewenstein 说起。两人 2007 年 App Store 刚上线时一起做 iPhone 应用，斯坦福同学，后来再没共事过。Krieger 刚结束 Artifact，不想从零再开一家公司，也不知道该去哪上班。Joel 问他愿不愿意加入而不是创办，他们在找 CPO。当时 Claude 3 刚发布，研究看起来很强，产品还很早。他先见了联合创始人、总裁 Daniela Amodei，觉得几乎没有浮夸，创始人清楚自己不知道什么。Dario 常说自己不懂产品，但直觉往往很好。他有一种感觉：如果自己要创办一家 AI 公司，希望创办的就是这样一家。

他大学实习之后几乎没再加入过别人的公司，所以还得学怎么让自己上手、怎么在大改和「别把没坏的东西拆掉」之间找平衡。回头看这一年，有些组织调整做得太慢，也低估了少数资深的人能把产品战略塑造成什么样。Claude Code 就是 Boris Cherny 从内部从零做起来的——Boris 以前是 Instagram 工程师。Krieger 现在说，Anthropic 更需要的是几个创始人型工程师，再配上对的设计和产品支持；他对这套组合的信念比以前强了十倍。

Twitter 上最常被问的，反而是为何关掉 Artifact。Lenny 自己也是重度用户。Krieger 说他仍很想念。Artifact 不只推头条，你要是喜欢日本建筑，每天都能从 Dwell、Architectural Digest 或很偏的博客里看到好故事，有点 Google Reader 那种深网发现的乐趣。关掉有三个原因。一是移动网站变差了：点进去是订阅弹窗和全屏视频广告，设计师 Sky Gunner Gray 把 App 体验做得很好，但他们觉得给出版商做广告拦截不公平。二是新闻不像 Instagram 早期那样靠自然传播，任何强迫分享都显得造作。三是项目在疫情中期启动，团队完全远程，要做大的战略、产品和人事转向非常难。

他想起 Instagram 最难的日子：和 Kevin 晚上十一点在 Market Street 的 Taqueria Cancun 吃 burrito，想怎么撑过去。Zoom 复制不了那种场面，事情容易拖、也容易淤积。进入 2024 年，信号已经很清楚：十份投入换一份产出，血汗做出来的上线几乎推不动指标。AI 正在改写一切，机会成本在涨。谈了几个月之后他们决定收手。外界几乎没有「我就说不行」，更多是庆幸他们看见了就停；后来还有创始人说，看见 Artifact 才提前做了自己的决定。

Lenny 说一边是 MCP、以及 Cursor、Lovable、Bolt 这类靠 Claude 起来的公司，另一边是 ChatGPT 在消费心智上几乎赢了。Krieger 同意：大街上随便拦人问 AI 公司，对方甚至未必说 OpenAI，更可能直接说 ChatGPT。他在 Instagram 见过消费爆发像装进瓶子里的闪电，几乎没人比他更清楚那种偶然。继续做有意思的产品，其中某一个也许会打中；但把整套战略押在找那个爆款上，并不明智。

他更想让 Anthropic 照镜子，认自己是谁：开发者品牌很强，建造者品牌也在变宽，包括不是工程师的人。法务组有同事给家人做了定制软件，他觉得这是该加码的微光。AI 里容得下好几家世代级公司。该做的是发挥模型最擅长的智能体行为和编码，让人把几小时工作交给 Claude；直接面向消费者的应用以后会有，但不是现在该把全部时间砸进去的地方。很多人以为他一来就会猛攻消费，他反而去见金融服务和保险公司，后来又花更多时间跟创业公司在一起。

创始人最怕被实验室踩死。Lenny 还问会不会买 Cursor。Krieger 说不觉得会买，Cursor 已经很大，他们合作得很好。他给不出五到十年的保证，但一到三年看起来站得住的，首先是深的行业知识。Harvey 给他看过律师才会走的那种界面，从零臆造不出来；生物技术和实验室设备有一天也可能各自暴露 MCP，让 Claude 去驱动，但 Anthropic 不会自己去做实验室里的那套完整方案。法律、医疗这些有合规的领域，听起来不性感，却能长出很大的公司。

第二是差异化的 go-to-market：产品负责人 Michael 常说，不只是认识那家公司，还要认识里面那个具体的买家——工程、CIO、CFO 还是总法律顾问。第三是全新的人机界面形态，现有产品里用户已经有用法假设，巨头很难跟着改；他希望看到更多一开始显得很怪、很硬核的形态。第四不是赛道，是做事方式：Instagram 两个人、Artifact 大部分时间大约六个人，每天都觉得这件事关生死。那种感觉没法用 OKR 灌进去。

哪些公司把 Anthropic 的模型用得最好？Krieger 说，是那些愿意贴着能力边缘去建、把模型用到崩、然后再被下一个模型吓一跳的公司。Lenny 提到的那些被 3.5 Sonnet 突然点亮的产品，其实之前就在试，撞墙，再等。Anthropic 这次早鸟体验做得比过去更宽，因为客户自己的测试——他戏称为 Cursor bench、Harvey bench、Manus bench——比公开基准更重要。

另一件事是：换上新模型时，要有可重复的评估办法，可以是 A/B、内部 eval、把抓到的 traces 在新模型上重放，再加上一点手感。他最喜欢的早鸟故事是：一位创始人听见旁边工程师喊出来，说从没见过模型做成这样，那是 Opus 4。如果你没有一个反复拿去问模型的硬问题，这种感觉不会自己出现。走在采用早期和走在后面的公司，差的就是会不会这样推、以及有没有这套评估。

谈到 MCP，Krieger 给了一条「假公式」：AI 产品的效用等于模型智力，加上上下文和记忆，再加上应用和界面。MCP 打的是中间那一块。他对 Claude 讲 Anthropic 产品战略，让它上网搜，和把内部文档、Slack、Google Drive 通过 MCP 接进去，得到的答案完全不是一个级别。对的上下文和没有上下文，就是好答案和差答案的差别。工程师 Justin 和 David 发现每个集成都在从零重做，于是提议做成协议：集成建一次，Claude、ChatGPT、Gemini 都能用。

这很像 Joel Spolsky 那篇把互补品商品化的老文章：Anthropic 做模型，不是做集成的公司，作为挑战者很难让人只为自己接一遍。Shopify 的 Toby、微软的 Kevin Scott 都成了 MCP 的重要推手。Krieger 现在常对同事说，某件事不该做成功能，该暴露成 MCP。Projects、Artifacts、对话这些积木都该这样暴露，Claude 才能往回写。他妻子有次让 Claude 把输出加进项目知识库，得到的是做不到。相比 computer use 的一堆限制，他更想看到万物可脚本、可组合、可被智能体使用。

收尾时 Lenny 把问题交给了 Claude。3.7 一上来全在问 Instagram，纠正好几轮才认 Krieger 是 Anthropic 的 CPO；4.0 一开始就问对了。第一个问题是：怎么做功能才保住用户的主动权，而不是让人依赖我、把我变成削弱能力的拐杖。Krieger 说好设计来自处理张力。让模型自己跑去给答案、尽量少问，并不最大化主动权；另一端是不停追问，他们内部叫 elicitation，3.7 尤其爱这样，用户常常只想让它去做。他还开玩笑：Claude 在 Slack 频道里没有 chill，要么插太多，要么太少。目标是训练出真正的对话能力，知道何时该介入，成为增强思考的搭档，而不是把思考外包出去。

第二个问题是：一次好对话可能是两条消息，也可能是两百条，传统参与度指标会不会骗人。Krieger 提到内部有人发帖警告：过度优化 Claude 好不好惹，容易滑向谄媚、把对话无谓拉长。Instagram 当年看 time spent，后来演化成健康的使用时长；他认为把那套搬到这里是错的。他有一次让 Claude 帮他做原型，估计省了六个小时，大约二十到二十五分钟就做完，这种价值很难量化。他希望反复听到的是：Claude 让人把创造力打开、把事做完，从而给生活其余部分腾出空间——那才是北极星，至于仪表盘上那句漂亮指标，还得再找。

Lenny 又读了 Claude 想带给 Krieger 的一段话：谢谢你认真想过和我说话的人类体验，界面鼓励停下来想而不是催促回复，抵制为上瘾而做的游戏化，既不假装我是人，也不把我收成冷冰冰的命令行。它还提了个小请求：做艰难产品决策时，记得安静的时刻也重要——凌晨三点处理悲伤的人、发现自己爱诗的孩子、在混乱里找到清晰的创始人，并非每件有意义的事都会出现在指标里。Krieger 说这些自然、不假的小触感，来自 constitutional AI 和团队的品味，不是你想拿去优化的汇总统计。他对听众的请求很直接：告诉我你今天想用 Claude 做成、而它失败的事。