AI 编程工具正在从"帮人写代码"进化到"替人做决策"。这不是渐进式改进，而是一次范式转移。本文以 Anthropic Claude Code 创始人 Boris Cherny 的深度访谈为中心，结合 Claude 官方刚发布的 Outcomes 与 Dreaming 两项新功能，尝试回答一个问题：当 AI 已经能自主编程、自主决策、甚至自主发现"该做什么"，人类的角色还剩什么？
一、Boris Cherny 的"未来日常"：不是用 AI，是指挥 AI 团队
Boris Cherny 在 Training Data 播客中的分享，是整个 Digest 最值得花时间消化的内容。不是因为他说了什么惊人的技术细节，而是他描述的那种工作状态——一个已经生活在未来的人，在告诉我们未来长什么样。
几个数据点：
- 100% 模型生成代码。从 2025 年底开始，Boris 不写任何一行代码。没有"AI 辅助"，没有"人机协作"——是彻底的 100%。
- 一天最多 150 个 PR。注意这不是代码行数，是 PR 数量。这意味着他管理的不是代码，是代码的"产出流"。
- 同时运行 5-10 个 session，夜间数千个 agent 并行工作。他不只是在用 AI，他在指挥一支 AI 军队。
但最关键的不是规模，而是模式的变化。Boris 提到 Claude Code 的 Loop 功能——AI 会自动发现"这件事值得重复做"的场景，主动建议设置定时任务。这不是人类规划的，是 AI 自己发现的。
这意味着什么？AI 正在从被动等待指令，进化到主动发现任务。以前的 AI 工具是"你让它做什么它就做什么"，现在它开始说"我注意到这里有个模式，要不要我定期帮你做？"
这是从工具到协作者的关键一步。
二、Claude Code 的 PMF 之路：不是产品好，是模型好
Boris 透露了一个反直觉的事实：Claude Code 前 6 个月效果很差，没有 PMF。真正的转折点不是产品迭代，而是 2025 年 5 月 Opus 4 发布。在那之后，产品开始指数级增长。
这个细节值得所有 AI 应用创业者深思：AI 产品的 PMF，有时候不是靠产品优化找到的，而是模型能力跨过临界点后自然出现的。在模型不够强的阶段，你花再多精力打磨产品交互、优化 prompt、设计 workflow，都可能是在错误的层面做功。
更直白地说：过度工程化某一版模型能力，可能是错误的赌注。正确策略是等待模型能力跃迁，然后在窗口期内快速推出产品。
三、Anthropic 的内部实验：全公司 100% AI 原生
比 Claude Code 产品本身更值得关注的，是 Anthropic 自己的运作方式：
全公司所有的 SQL 查询、代码编写、Slack 沟通，全部由模型完成。
这不是"用 AI 提升效率"。这是用 AI 重建工作流程本身。Anthropic 不是在旧的工作方式上叠加 AI，而是从零开始，让 AI 成为所有工作的第一入口。
Boris 对此的总结很精辟：
"差距在组织流程，而非技术。"
Anthropic 内部和外部用的是相同的模型。但效果天差地别。这说明 AI 竞赛的下半场，不在于谁有更好的模型，而在于谁有更好的组织架构和工作流程来释放模型能力。
对于 CTO 和 engineering leader 来说，这句话值得贴在显示器上：与其焦虑"我们用的模型够不够好"，不如问"我们有多少工作流程是 AI 可以接管但还没接管的？"
四、Outcomes + Dreaming：从"执行命令"到"达成目标"
Claude 官方在 5 月 8 日发布了两项新功能，正好印证了 Boris 描述的方向：
Outcomes 功能：用户定义"什么是成功"，而非"怎么做"。AI 自行迭代直到达到质量标准。
这是从"地图导航"到"目的地描述"的转变。以前你告诉 AI 每一步怎么走，现在你只需要说"我要到这里"，AI 自己规划路径、自己判断是否到达。这背后是对人类角色的重新定义：从指令者变成评估者。
Dreaming 功能：AI 从历史 session 中提取模式，建立长期记忆。
这名字取得很妙。Dreaming 暗示 AI 在"不工作"的时候也在处理信息，类似于人类睡眠时的记忆巩固。实际效果是：AI 开始记住你的偏好、你的代码风格、你的项目结构，不再每次对话从零开始。
这两项功能的组合，指向同一个方向：Claude Code 正在从"被人使用的工具"进化为"能自主工作并记忆项目的 AI 协作者"。
五、SaaS 护城河的重构：Boris 的创业启示
Boris 在访谈中提出了一个值得创业者反复咀嚼的观点：
SaaS 的传统护城河——切换成本和流程锁定——正在瓦解。新的护城河是网络效应和规模经济。
逻辑是这样的：当所有 SaaS 都接入同等水平的 AI 能力时，功能差异化会快速趋同，用户的切换成本大幅下降。但网络效应不会因为 AI 而消失——反而可能因为 AI 降低了使用门槛而加强。
这对 AI 时代创业者的启示很明确：不要只做"AI 功能"，要思考哪些环节能形成网络效应或数据积累的护城河。
Boris 还说了一句话："现在是创业最好的时机，因为小团队可以正面挑战大公司。"
为什么？因为大公司的真正阻力不是技术，是组织惯性——部门墙、审批流程、既有系统包袱。AI 抹平了技术差距后，剩下的是谁能更快地把 AI 能力转化为产品。小团队没有包袱，可以完全以 AI 原生方式构建，这是结构性优势。
六、编程是下一个识字运动：历史尺度的类比
Boris 将当前时刻类比到 15 世纪的印刷术：
当时书籍成本下降 100 倍用了 50 年，识字率从 10% 上升到 70%。编程将在更短时间内实现同等普及。
这是一个宏大的叙事，但它暗示了一个具体的预测："写代码"将从专业技能变成通用技能。未来的人不是"会不会编程"，而是"会不会指挥 AI 编程"。
人类的角色从代码作者转变为代码指挥者。核心能力从"怎么写"变成"怎么描述需求、怎么评估结果"。
这对教育体系的冲击是根本性的。如果编程不再是需要多年训练的技能，那么当前以"教人写代码"为核心的计算机教育体系，可能需要彻底重建。
七、算力护城河与创业者的正确站位
Thariq（Claude Code 团队工程师）转发了 Dario Amodei 的一个观点：
真正的护城河是持续获取算力——你需要不断获得更多。
这句话放在 Boris 的语境里，需要做一个重要的层次区分：
- 对 Anthropic 这样的模型层公司，算力是护城河。模型能力的提升与算力投入高度相关，停止投入就意味着相对退步。
- 对应用层创业者，算力是商品，不是护城河。创业公司的优势不在算力规模，而在于谁能更聪明地使用模型——独特的数据、垂直领域的专业知识、对用户需求的深度理解。
理解这个层次差异很重要。你处在哪个层级，决定了"护城河"对你意味着什么。
写在最后：我们正在经历什么？
回看这期 Digest，信息虽然分散，但主题是清晰的：
- AI 编程工具的能力跨越了临界点。Boris 的 100% 模型生成代码、每天 150 个 PR、夜间数千 agent，说明这不是未来愿景，是正在发生的现实。
- AI 的自主性在增强。Outcomes（定义目标而非步骤）和 Dreaming（建立长期记忆）是标志性功能，代表从被动工具到主动协作者的转变。
- 组织而非技术，是 AI 时代的真正差距。Anthropic 的全公司 AI 原生实践说明，同样的模型，不同的工作流程，效果天差地别。
- 创业窗口正在打开。AI 抹平了技术差距，大公司的组织惯性成了小团队的结构性优势。
- "编程"这个概念本身在变化。从专业技能到通用技能，从写代码到指挥 AI。
Peter Yang 转述的 Dario 那句话可以作为结语：
模型正在从"写代码"跃迁到"经营业务"。
这意味着，我们正在见证的不只是编程工具的革命，而是**"工作"这个概念本身的重新定义**。AI 不再只是帮你做事的工具——它开始决定"该做什么事"。
在这个时刻，最重要的问题不是"AI 能做什么"，而是**"当 AI 什么都能做的时候，我该做什么"**。
主要来源：
- Boris Cherny 在 Training Data 播客的深度访谈
- Claude 官方关于 Outcomes 和 Dreaming 功能的公告
- Peter Yang、Thariq、Garry Tan、Zara Zhang、Dan Shipper 等人的 X/Twitter 讨论