原文：Claude Code Founder on Architecture, Co-work & the Future of Engineers
一、Claude Code 的技术架构
1、极简核心，安全是复杂度的来源
Claude Code 的产品架构非常简单：一个核心 query loop（查询循环）加上一组工具。Boris 说他们持续在删工具、加工具，几乎从不固化。真正复杂的部分是安全层——不是产品本身，而是确保每一个动作都有人类在回路（human-in-the-loop，即每次关键操作需用户确认）中的机制。
权限系统从 2024 年 9 月第一个内部版本就已存在：每次模型要执行需要权限的命令，用户可以选择”只运行一次”、“本次会话允许”或”永久允许”。当时内部安全团队对”让模型直接运行 bash 命令”有很大阻力，这个权限提示机制是与 Anthropic 联合创始人 Ben Mann 一起头脑风暴出来的——不确定时就问人类。
2、RAG 的放弃与 agentic search 的胜出
早期 Claude Code 尝试过本地向量数据库做检索（RAG——Retrieval-Augmented Generation，检索增强生成，即把文档预先向量化存储，查询时先检索再生成），但发现了几个根本问题：代码索引会和实际代码漂移脱节（刚写的函数还没被索引）；权限管理复杂；隐私边界难以保障。
最终所有方案都输给了 agentic search——直接让模型用 glob 和 grep 这类工具自主搜索。Boris 把这归功于 Instagram 的经验：在 Meta 的代码库里”点击跳转定义”经常失效，工程师习惯用全局索引搜函数名加括号，这个模式被直接移植到了模型上。
3、多层次 prompt injection 防御
以 web fetch 为例，Claude Code 用三层防御抵抗 prompt injection（提示注入，即恶意网页在内容中嵌入指令试图劫持模型行为）：第一层是模型对齐——Opus 4.6 是迄今对齐程度最高的模型，内置对 prompt injection 的抵抗；第二层是运行时分类器，检测到疑似注入时直接 block 并让模型重试；第三层是 sub-agent 摘要——用一个子代理先把网页内容总结后再返回主代理，减少暴露面。这是典型的”瑞士奶酪模型”——没有单一完美防线，靠多层叠加降低穿透概率。
二、Claude Co-work：面向非技术用户的代理
1、为什么做 Co-work
Co-work 是 Claude Code 能力向非技术用户的延伸：同一个 Claude agent SDK，但运行在桌面 App 里，配合 Chrome 扩展访问浏览器中的工具（电子表格、Slack、Asana 等）。Boris 自己的用法是每周让 Co-work 扫描项目状态表格，自动在 Slack 给没有填写状态的工程师发消息——整个任务一键完成。
2、安全设计更严格
非技术用户不了解操作系统，一个不当指令就可能删掉家庭照片。Co-work 因此在安全层投入了更多：后端有多层分类器，前端集成了虚拟机和系统级保护，防止意外删除文件。这也是为什么 Co-work 比 Claude Code 本身的安全代码量更大。
3、Chrome 扩展是关键
非技术用户的工具不是 CLI，而是浏览器。Co-work 与 Chrome 扩展深度集成，让代理能操作浏览器标签页中的任意 Web 应用。Boris 说这是 Co-work 最核心的差异化能力。
三、Agent Teams：多代理协作
1、不相关上下文窗口的价值
Boris 介绍了他们内部的一个概念：uncorrelated context windows（不相关上下文窗口）——多个代理各自启动独立的上下文，互不可见彼此的历史。这与在同一个 context 里顺序执行多个任务（correlated）形成对比。
实验发现：对于复杂任务，让多个独立代理并行尝试，结果质量普遍优于单一代理加长上下文。这本质上是一种 test-time compute（推理时计算量增加），用更多 token 换更好结果。Plugins 功能就完全由 swarm（多代理群组）构建。
2、Opus 4.6 让它真正 work
Agent Teams 内部实验从 2024 年 9 月/10 月就开始了，但直到 Opus 4.6 发布后才感觉”点击了”——模型真正学会了如何分配和协调子任务。Boris 描述了代理之间互相讨论的场景，“非常有人情味”。现在 Agent Teams 仍是 research preview，因为它消耗大量 token，不适合所有任务。
四、工程师的未来：印刷机类比
1、scribes 与程序员的平行
Boris 用印刷机类比来描述当下的处境：中世纪欧洲识字率不足 1%，scribes（抄书吏）是极少数能写字的精英，为贵族服务。印刷机出现后，印刷品成本在 30-50 年内下降约 100 倍，印刷品数量在百年内增加约 10,000 倍，最终全球识字率上升到 70%——但这花了 200-300 年。
Scribes 并没有消失，他们变成了作家和作者。整个文字市场的规模扩张，创造了过去根本不存在的职业。Boris 认为软件工程师也在经历同样的转型。
2、被淘汰的技能与被强化的技能
Boris 认为可以放弃的：关于代码风格、语言选择、框架之争的强烈执念——模型可以用任何语言写，也可以随时重写，这些争论已经不重要了。
值得强化的技能：
- 假设驱动的方法论：无论产品设计还是日常调试，都需要像科学家一样提出假设、验证、调整
- 跨泳道的好奇心：理解业务、设计、基础设施多个维度的人能构建出更好的产品——“generalist 之年”
- 适应力与 beginner mindset（初学者心态）：三个月前有效的方法现在可能失效，需要持续用谦逊的心态重新评估
- 上下文切换能力：Boris 的日常工作已变成管理多个并行的 Claude 实例，需要快速在不同任务间切换
3、Anthropic 内部的工作方式
Anthropic 没有固定的职位头衔——所有人都是”Member of Technical Staff”，因为工作本质都是探索性的、泛化的。设计师写代码，财务人员用 Claude Code 构建工具，销售团队的 Co-work 使用率也在快速增长。Boris 每天发出 20-30 个 pull request，没有手动写过一行代码。
核心归纳
Q1: Claude Code 为什么放弃 RAG 改用 agentic search？
- RAG 的索引天然滞后于代码变更，权限和隐私边界也难以保障。让模型直接用 glob/grep 自主搜索，在实测中全面胜出，本质上是 Bitter Lesson 的又一次印证：给模型工具，让它自己做。
Q2: Agent Teams 的核心原理是什么？
- 关键在于”不相关上下文窗口”——多个代理独立启动，不共享历史，避免了单一长上下文的干扰。复杂任务由此可以并行探索多条路径，用更多 token 换取质量提升，本质是推理时的额外计算投入。
Q3: 工程师在 AI 时代应该如何定位自己？
- Boris 的判断：放弃语言/框架执念，强化假设驱动思维、跨学科好奇心和快速适应力。印刷机类比的核心是：技能本身不会消失，但使用者范围会从精英扩展到所有人，整体市场随之扩大——过去不存在的职业将会出现。