从提示词到 Mods，从 Artifacts 到多智能体协作

Thariq Shihipar（Thariq Shihipar）加入 Anthropic 的起点，是一次几乎没人相信的赌注。

那是 Claude Code 刚刚发布的时候。他试图说服创业圈的朋友们使用 AI 编程工具，换来的回答是：工程师觉得还不够好。不到 12 个月后，AI 编程已经成了行业默认的工作方式。Thariq 在 Latent Space 播客的这场对话里，和主持人 swyx 与 Vibhu 深入拆解了 Claude Code 今天的真实用法、正在演进中的 Harness 架构，以及 Claude Mods 这个刚刚开始曝光的新系统——它可能预示着软件本身将走向"可变"（mutable）的新范式。

1. 从"说服"到"教学"：12 个月内 AI 编程完成了默认化翻转

Thariq 描述自己在 Anthropic 的角色转变时，有一个细节值得停下来想一想：他最初花了大量时间"说服"别人 AI 编程是可行的，现在他花最多时间做的，是教人们怎么用好它。

这不只是工作内容的变化，而是整个行业预设的改变。当 Opus 4 发布时，他形容那是一个他"无法想象有多好"的时刻，而那种震撼感在当时并未被市场同步感知——工程师们还在观望。不到一年后，讨论已经从"要不要用"变成了"怎么用得更高效"。

他把自己工作的核心归结为一个反馈闭环：从用户那里收集真实的使用反馈，把它带回工程实践，再通过演讲和写作将经验传递出去。这种循环不是偶然的，而是他主动设计的——在一个变化极快的领域，这可能是让认知不被甩开的少数可行方式之一。

2. 提示词依然是高技能工作："未知的未知"才是瓶颈

Ask User Question 工具是 Thariq 在 Claude Code 里最早推动的功能之一。它的核心问题是：用户在开始一个任务时，真的知道自己想要什么吗？

他的回答很坦率——大多数时候不知道。

他把 Claude Code 的用户大致分成两类：一类是提示词写得很好的人，他们直接下指令就能得到想要的结果；另一类——也是更大多数——是那些在任务开始时仍有大量模糊地带的人，需要模型先帮他们厘清需求。Ask User Question 就是为后者设计的机制，让模型主动向用户提问，把隐含的偏好和约束"拉"出来。

但他指出了一个更深的结构性问题：即便模型越来越聪明，它依然需要知道"你想要什么"。而用户自己往往在实现过程中才会意识到那些早期没有想清楚的细节——他把这叫做"未知的未知"。这将永远是 agentic 编程里需要高技能投入的部分：在开始实现之前，先把问题设计清楚。

他举的例子很具体：数据库 schema 是什么、调用栈是怎么设计的、设计里有哪些细节决策——这些都是在交给智能体之前需要想清楚的问题，而不是之后修复的负担。

3. Artifacts：从问答界面到持久化生成式交互层

Claude Code 的 Harness 演化路径里，HTML 输出一度是最主要的动态交互方式。Thariq 认为自己在 Artifacts 的解释和推广上做得还不够好——它拥有很多用户尚未使用的能力。

每个 Artifact 都带有一个关联数据库，可以存储和写入持久数据；Artifact 可以通过 MCP 协议反向"喂数据"给 Claude；多个 Claude 实例可以同时读写同一份 Artifact 数据。这意味着 Artifact 不只是一个展示结果的容器，而是一个具有状态的、可供多方读写的界面层。

他描述了一个目前还没多少人在做但他在积极推动的模式：Dashboard Artifact。想象一个长期运行的项目——比如一个看板（kanban）。Claude 把任务状态写入 Artifact 数据库，多个 Claude 实例可以并行读取这份数据，Artifact 本身又能和这些 Claude 实例通信。这就形成了一个以 Artifact 为中心的协作工作流，而不是单纯的"一问一答"。

他的判断是：目前几乎所有关于智能体的问题，本质上都是"你以为你知道自己想要什么，但其实并不知道"的问题。Artifacts 是 Anthropic 正在构建的解决方案——一个能把智能体的富信息输出以结构化方式呈现出来的界面原语。但他也坦承，这比一个多选题复杂得多，还有大量工程工作要做。

4. Claude Mods：把 Harness 本身变成可编程对象

如果说 Artifacts 是交互层的进化，Claude Mods 则是更底层的一次重构——它让 Harness 本身变得可编程。

Thariq 把 Claude Mods 定性为"mutable software"（可变软件）的早期预览。Mods 允许用户定制 Claude Code 的执行循环、UI 界面、子智能体行为、请求路由逻辑，以及模型整体行为——这些之前都是固定的或只能通过 Claude.md 文件间接调整的部分。

这背后有一个"苦涩的教训"（bitter lesson）在支撑。Thariq 在谈到 Harness 工程时提到：Harness 架构过时的速度极快。当模型能力快速提升时，之前精心设计的编排逻辑可能很快就会显得多余甚至有害。能让用户自己改写 Harness 的系统，比固定的 Harness 更有生命力。

Mods 里包含的能力涵盖：模型路由器（model router）、分叉智能体（forked agents）、监督智能体（supervisor agent），以及自动生成的下一步建议。这些都不需要用户自己搭建完整的 Agent SDK 框架，而是直接在 Claude Code 的执行上下文里组合使用。

5. Claude.md 的终结预言：上下文越来越贵，约束越来越危险

在整场对话里，有一个关于 Claude.md 的预言显得格外反直觉：Thariq 认为在很多情况下，开始一个新项目时不写 Claude.md 反而更好。

他解释了原因。Claude.md 最初的设计是让用户记录失败模式，帮助模型避免已知的错误。但问题是，这些失败模式是针对特定模型版本的。Fable 5（这是对话中提到的一个内部模型代号）有某个失败模式，Fable 5.1 可能已经修复了——如果你还在 Claude.md 里保留那个约束，结果就是在"过度约束"一个已经不需要这些指令的模型。

更深层的问题是：积累了大量各版本失败模式的 Claude.md，本质上是在向模型施加越来越多的上下文负担，而这些约束里有相当一部分已经过时甚至有害。对于新项目，他更倾向于让模型在干净的上下文里工作，只在发现真正反复出现的失败模式后才选择性地添加记录。

Anthropic 已经为此引入了技能评估插件（eval plugins for skills），可以直接测试某个技能在新模型上是否还需要额外指令——这是让 Claude.md 渐渐退出历史舞台的工程前提。

随着模型能力的持续提升，模型的"地板"越来越高，越来越多的边缘情况会被模型自然处理好，而不需要人工写进配置文件。在这个方向上，claude.md 的长期命运几乎是确定的。

这场对话的核心判断可以归结成一句话：AI 编程的工具层已经完成了从"让模型可用"到"让模型协作"的跨越，而下一个战场，是让 Harness 本身具备可塑性。Thariq 在 Anthropic 的工作，正好压在这条分界线上——既在记录今天最聪明的用法，也在设计明天的交互基础设施。Claude Mods 和 Artifacts 只是开始，mutable software 作为一种新的软件范式，还有很长的路要走。