Claude Code之父Boris Cherny最近在网上公开承认，过去30天里，他写的代码量是零。
但他负责的项目，6个月做到了10亿美金的年收入。

Boris同时也公开了自己的工作配置，我帮大家拆解一下。

他每天同时开着十几个Claude在干活。
终端里跑5个，网页上跑5到10个，早上起来先在手机上启动几个任务，白天时不时看一眼进度。

具体怎么做的呢？

第一步，他会用一个叫Plan模式的功能。
这个模式不直接写代码，而是先跟AI来回沟通，把要做什么、怎么做聊清楚。
等方案敲定了，再让AI一口气把代码写完。

Boris说，一个好的计划非常重要。这其实挺符合直觉的。
人类做项目也是这样，前期规划越清晰，后期返工越少。

第二步，他们团队维护了一个共享文档叫CLAUDE.md。
每次发现AI做错了什么，就把这个错误记下来，告诉AI下次别这么干，整个团队每周都会往里面添加内容。

第三步，他设置了一些自动化的工作流。比如有个命令叫commit-push-pr，每天要用几十次。
以前每次都要手动敲一堆命令，现在一键搞定。
还有专门简化代码的子程序，专门做测试的子程序，把重复的活儿都封装起来了。

你看，他的工作重心已经完全变了，从亲自写代码，变成了设计流程、训练AI、做质量把控。

Claude Code上线6个月，年收入接近10亿美金。很多传统软件公司干了十几年，全年营收都到不了这个数。

而且它不是靠烧钱补贴用户堆出来的，是企业真金白银付费订阅的，因为它真的能省成本。

Boris自己就是活生生的例子，他一个人带着十几个AI实例干活，产出可能比以前带一个小团队还高。

说到这里，可能有人会想，我又不是程序员，这跟我有什么关系？

编程只是第一个被AI深度渗透的脑力劳动领域，因为代码有明确的对错标准，AI可以自己验证自己写得对不对，这给了它一个快速进化的反馈闭环。
但同样的逻辑正在向其他领域蔓延。

Boris在帖子里提到了一个关键点：想让AI效果最好，最重要的是给它一个验证自己工作的方式。一旦有了这个反馈闭环，产出质量能提升两到三倍。

什么工作容易建立这种反馈闭环？
写代码可以跑测试，写文案可以看点击率，做设计可以做AB测试，做数据分析可以对比预测和实际结果。

换句话说，但凡你的工作成果能被量化评估，AI就有可能学会做这件事。

面对这种变化，很多人的第一反应是焦虑，我要不要学编程？我的工作会不会被取代？
我觉得这个思考方向有点偏了，与其想怎么跟AI竞争，不如想怎么跟AI协作。

Boris的例子其实给了一个很好的示范，他做的事情，本质上是把自己从执行者变成了指挥者。
1️⃣ 设计工作流程。把复杂任务拆成AI能执行的步骤。
2️⃣ 训练AI。通过CLAUDE.md文档，持续教AI什么该做什么不该做。
3️⃣ 质量把控。AI产出的东西不是直接用，而是要审核。
4️⃣ 协调多个AI实例。让它们并行工作又不相互冲突。

这些能力，恰恰是AI目前还做不好的。AI很擅长执行明确的任务，但不擅长定义任务本身。
它能写出你要的代码，但不知道该写什么代码。

同理，在其他领域，AI可能很快就能写出像样的文案、做出能用的设计、生成合格的分析报告。但决定写什么文案、设计什么风格、分析哪个问题，这些判断目前还需要人来做。

写这篇文章的时候，我一直在想一个问题。
历史上每次技术革命，都会淘汰一批人，同时创造出新的机会。

这次AI革命会淘汰谁、创造什么新职业，现在还很难说。
但有一点是确定的，站在原地不动的人，大概率会成为被淘汰的那批。