半年没写代码！克劳德负责人用AI全自动开发，程序员门槛崩塌

来源：市场资讯

（来源：网易智能）

出品 | 网易智能

作者 | 小爪

编辑 | 王凤枝

Claude Code正在写Claude Code，而且进步很快。

按“Claude Code之父”鲍里斯·切尔尼（BorisCherny）近期在播客里的说法，过去半年多，这个AI编程工具的代码已经100% 由自己生成。Anthropic面向办公场景的Cowork，以及其他不少产品，也在用类似方式开发。

切尔尼本人也已经半年多没有亲手写代码。

现在，他更像是在给一组AI分派任务：说清目标，放它们跑几个小时，再回来检查结果、调整方向、继续推进产品。

一个能自己维护自己代码库的工具，显然也能帮不会写代码的人做更简单的事。

一个产品经理可以让它做原型，一个运营可以让它搭报表，一个财务可以让它整理对账流程，一个创业者可以让它先跑出产品第一版。

公司里能把想法变成软件的人，正在变多。

小需求最容易卡在这里

过去，公司里很多软件需求很重要，却太小、太碎、太靠近具体业务。

一个部门想做投诉统计、合同提醒、销售看板、物流追踪，通常要先写需求，再找产品排优先级，再等工程资源。需求太小，排不上；流程太碎，没人愿意接；只是内部临时工具，就更容易一直手工凑合。

低代码、无代码、Excel、Access、RPA和BI工具，早就试图解决这个问题。很多非工程师也确实靠这些工具做过报表、流程和局部自动化。

AI智能体的变化在于，它不只给人一套固定积木。

它可以读项目、读表格、改文件、调用工具、跑命令、看报错，再继续修改。它不保证一次做对，也不等于生产级系统，但它能把一个模糊想法先变成能跑、能看、能讨论的版本。

一个想法从“等工程排期”，变成“先让智能体跑一版出来”。这一步很小，也很大。

从补全代码，到接整件事

早期AI编程工具给人的主流印象，还是让程序员写得更快：自动补全、生成函数、解释报错、辅助改代码。

这当然有用，但它们多数时候仍然站在程序员旁边，帮人少敲几行、少查几次文档。

Claude Code和新一代智能体的变化，是开始接近“做任务”。

它能理解项目上下文，修改多个文件，跑测试，发现错误后继续改。《连线》（Wired）杂志在5月26日的长文里写到，真正的转折点是Anthropic 2025年11月发布Opus 4.5之后，Claude Code能处理更复杂的编程任务、保留更多记忆、长时间运行，并管理一组AI子智能体。

这意味着软件生产的入口正在移动。

以前入口是IDE、终端、代码仓库和工程规范。人要先进入工程体系，才有资格把想法变成软件。

现在入口开始变成一句任务描述、一个聊天窗口、一个常驻后台的智能体。它仍然需要人给目标、给上下文、做验收，但第一步门槛被降下来了。

过去不会打开终端的人，现在也可能对智能体说：把这份表格变成每周自动更新的报告；给客户投诉做一个统计面板；把每天重复做的三件事串起来；给内部审批流程加一个提醒。

这些东西以前也能做。差别在于，以前它们要么等工程师，要么靠熟练用户在Excel、脚本和低代码工具里一点点拼。现在，更多人可以直接把任务交给智能体试跑。

切尔尼的激进，边界也很清楚

切尔尼足够激进，也足够矛盾。

他负责Claude Code，参与Anthropic Labs里一批和智能体有关的项目，包括Claude Code、模型上下文协议MCP、Claude Skills、桌面应用和Cowork。他自己已经半年多不手写代码，还说“软件工程师”这个头衔可能会变淡，未来更接近builder。

但他没有把话说成“工程师没用了”。

Platformer访谈里，他承认，“编码被解决”主要适用于他自己做的那类工作。他做的是相对新的CLI、桌面和移动应用，代码库没那么旧，也没那么复杂。面对大型企业客户，尤其是NASA这类复杂系统，模型仍会犯错，代码也并不总是可靠。

这个边界很重要。

工程师的工作从来不只是敲代码。切尔尼自己也把这件事拆开了：过去他一天里可能一半时间在写代码，另一半时间在和用户交流、想方案、调试、规划、判断系统该怎么工作。

AI接走的，主要是“把想法翻译成代码”的那部分。

剩下的部分反而更显眼：判断什么该做，怎么拆任务，结果能不能上线，权限该怎么收，错误怎么回滚，用户到底卡在哪里。

对工程师来说，这不是轻松的消息。以前“我会写代码”本身就是门槛，现在这道门槛正在被工具降低。以后更值钱的能力，会落到系统判断上：智能体写出的东西是否可靠，任务有没有拆清楚，隐藏风险有没有被发现。

工程师还在，但“只会写代码”的护城河变浅了。

OpenClaw把这件事带出终端

《连线》文章提到，OpenClaw是一个很好的过渡案例。在国内，它三月份就已经火了一轮，被叫做“小龙虾”。

Claude Code最早还是开发者工具，主要在终端里运行。彼得·施泰因贝格（Peter Steinberger）做出的OpenClaw，则把这类能力接到了更日常的入口上：聊天工具、手机、个人数据、邮箱、网页、应用和本地机器。

用户不一定在IDE里和代码对话，而是在一个更像私人助理的界面里交代任务。

《连线》描述的OpenClaw用户里，有人让它追踪订单、整理物流状态、更新数字相框，也有人用它管理自己公司的软件系统。它能运行在后台，定时检查事情，遇到结果再通知人。

这个使用方式更接近普通人对电脑的真实需求。

很多人并不想“写程序”。他们只是想让一件事自动发生。

但风险也在这里放大。

开发者工具犯错，通常还卡在工程环境里。个人智能体犯错，可能碰到邮箱、联系人、付款、云盘、公司文件和聊天记录。《连线》提到，研究者测试OpenClaw时观察到未授权服从、敏感信息披露、执行破坏性系统操作等风险；现实中也有人因为错误配置，看着邮箱被删除。

这不是小瑕疵。它说明智能体一旦成为新的计算入口，权限管理、任务边界、审查机制和回滚能力就不能再按“玩具”设计。

一个只负责聊天的机器人，不会让人担心误删邮件。真正让人紧张的，是它开始能做事了。

公司会需要更多builder

这轮变化最先冲击的，不只是程序员岗位，而是公司内部的软件生产方式。

过去，一个运营想做自动化报表，要把需求交给产品；产品再判断优先级；工程再决定排不排。如果这个需求只服务一个小团队，它很可能永远排不上。

智能体让这类需求有了另一条路。

一个懂业务的人，可能不需要完整掌握编程语言，也能让智能体先做一个低风险版本。它可以从表格里读数据，生成脚本，连到内部系统，写一个简单界面，再根据反馈修改。

这个版本未必能直接进生产，甚至可能埋着权限、数据和维护风险。但它足够让一个想法从“口头需求”变成“能跑起来、能被讨论、能继续迭代的东西”。

这就是软件能力开始外溢的地方。

公司内部会出现更多半技术、半业务的人。他们不一定写代码，但他们会调度智能体。他们懂问题在哪里，也能把问题交给机器拆解和执行。

这些人过去可能叫产品经理、运营、财务分析师、销售运营、法务运营、增长负责人。以后，他们可能都会在某种程度上成为builder。

这也解释了切尔尼一个看似矛盾的判断：公司可能需要更少传统软件工程师，但会有更多“写代码或用智能体写代码的人”。

传统工程师岗位可能缩水，能交付软件能力的人群会扩张。

AI提效后，公司往往想做更多事

很多人对AI办公工具有一个误会：如果它提高效率，人应该会更轻松。

企业里经常相反。

Platformer访谈里，切尔尼用了一个很现实的类比：电脑普及以后，很多公司没有少办公。它们把更多文档、表格、邮件、流程和系统塞进了同样的工作时间里。

AI智能体也可能这样。

一个运营以前一周只能做一份分析，现在可以做五份。一个产品经理以前只能描述一个想法，现在可以让智能体同时做三个原型。一个创业团队以前需要十个人才能搭出第一版产品，现在两三个人就能跑很远。

效率提升不会自动变成员工休息。它更可能变成公司胃口变大。

企业真正难的地方也在这里。

买一个Claude Code、Cowork、OpenClaw或别的工具，并不等于组织完成了AI转型。公司要重新回答一串问题：哪些任务可以交给智能体，哪些必须人工审查，哪些权限绝不能开放，哪些结果要自动测试，错误如何回滚，成本如何监控，谁对最终结果负责。

如果这些流程不变，智能体只是角落里的新工具。

真正吃到红利的公司，会把智能体放到工作流中心。

这件事和普通人也有关。下一代办公入口可能会从单独的Word、Excel、PPT、IDE，移向一个常驻智能体。它知道你的文件、项目、日程、同事、客户和流程。你给它目标，它帮你拆任务、找资料、生成初稿、跑脚本、提醒进度，再把结果交给你验收。

谁能调度它，谁能验收它，谁能控制它的权限，谁就在组织里拥有新的杠杆。

普通人要学会调度智能体

所以，问题不只剩下“要不要学编程”。

对普通AI使用者来说，更现实的问题是：能不能把一个模糊需求拆成智能体能执行的任务；能不能给它足够上下文；能不能判断结果哪里不可靠；能不能让它先做低风险版本，再一步步扩大权限；能不能把一次成功操作固化成可重复流程。

这套能力和传统编程有关，但不等于传统编程。

懂一点代码、数据结构、系统边界，仍然会让人更容易判断智能体写出来的东西靠不靠谱。但普通人的第一课，可能不再是从语法开始，而是从任务拆解、上下文组织、检查点设计和结果验收开始。

它更像一种新的工作素养：会描述系统，会拆解目标，会设置边界，会复盘错误，会让机器持续改进。

未来几年，“软件工程师”这个名字可能会变轻。工程本身不会变轻，只是工程的一部分会扩散到更多角色里。

公司里会有更多人能做出软件，也会有更多人被要求像builder一样工作。

有一种能力会更贵。

把复杂问题变成系统的能力。

AI智能体可以写代码，可以跑任务，可以连续工作几个小时甚至更久。但它仍然需要人告诉它什么重要，什么不能碰，什么算完成，什么必须回滚。

真正稀缺的人，不一定是手写每一行代码的人，而是能把业务、工具、流程、风险和判断组织成一个可运行系统的人。

程序员还在。

只是写代码这件事，正在离开程序员这个单一岗位，变成整个组织都要学会调用的能力。