AI 如何重塑编程：
Claude Code 的构建之路

从手写到 AI 生成

Boris 按照传统方式手写了他的第一个 Pull Request。

• 顿悟时刻： 虽然学习工具用了半天，但 Claude 直接 One-shot (一次通过) 生成了可工作的代码。
• 起源： Claude Code 最初只是为了研究"AI 安全性"而开发的内部 CLI 工具，结果内部采用率垂直飙升至 100%。

并行化工作流

Boris 不再使用 IDE，而是使用终端和 iOS App。

• 5 个并行终端： 使用 `git worktree` 或多个文件夹，同时运行 5 个 Agent。
• 模式切换：
  • Plan Mode: 制定计划，人类确认。
  • Act Mode: Claude 执行，通常一次成功。
• 移动端编程： 每天早上在床上通过 Claude iOS App 的 Code Tab 启动任务，远程跑在云端。
• 结果： 使用 Opus 4.5/4.6 期间，连续数周 0 手写代码。

从 RAG 到 Agentic Search

早期版本使用本地向量数据库，但效果不佳。

• 问题 1 (Staleness): 代码变动太快，向量索引总是过时，导致幻觉。
• 问题 2 (Permissions): 难以控制哪些文件被索引，存在安全隐患。
• 解决方案：Agentic Search

  即赋予 Claude 使用 grep, glob, find 命令的能力。让模型像人类工程师一样去"搜索"代码，这种动态检索比静态向量更准确。

多层防御网

• Claude Reviewer： 专门的 CI Agent，能捕获 80% 的 Bug。
• 自动化 Lint 生成： Boris 发现重复错误时，不再写评论，而是让 Claude "为这个错误写一个 Lint 规则"，不仅修复当前 PR，还永久杜绝该类问题。
• 自我测试： Claude Code 会启动子进程，运行测试套件验证自身功能（Self-hosting）。
• 人类审批： 生产环境部署必须有人类 Approval（特别是涉及安全/隐私）。

不相关上下文窗口

这是一个突破性的架构设计。

• 原理： 主 Agent 派发任务给子 Agent。子 Agent 拥有全新的、空白的上下文窗口（Uncorrelated Context）。
• 优势： 避免上下文污染，变相实现无限 Token。
• 案例： 团队成员 Daisy 让 Swarm 运行整个周末，自动生成了几百个 Agent，自建 Jira 看板，完成了插件系统的开发。

层层防御

• 底层对齐： Opus 4.6 针对 Prompt Injection（提示注入）做了深度强化。
• 运行时检测： 分类器实时拦截危险指令。
• 子 Agent 隔离： 网页抓取通过子 Agent 进行，只返回摘要，防止恶意 HTML 注入主上下文。
• 人类许可： 敏感操作（如 `rm -rf`）必须人类点击 Allow（支持一次性或永久白名单）。

Prototype > Document

因为构建成本极低，所以几乎不写文档。

• 原型狂魔： 以前需要几周的原型，现在几天内可以做 20 个版本。
• 全员 Coding： 财务、销售、设计师都在用 Claude Code 写工具。
• 西红柿故事： 有用户用 Claude Code 监控家里的西红柿，AI 看到发芽时"非常激动"。这证明了非工程师市场的潜力。

非工程师的 Agent

从 Claude Code CLI 衍生出的桌面应用。

• 10 天奇迹： 团队仅用 10 天开发完成，Electron + TypeScript，大量由 AI 生成。
• 安全沙箱： 内置虚拟机，防止非技术用户误删文件。
• 浏览器集成： 配合 Chrome 插件，可以操作 Asana/Jira/Google Sheets，自动发 Slack 催办事项。