这期播客是 Claude Code 团队的三位成员——Thariq Shihipar、Sid Bidasaria 和 Robert Boyce——回顾过去一年 Claude Code 的演变，以及他们自身工作方式的巨大转变。

从"写函数"到"给目标"

一年前，用 Claude Code 还是在逐条确认权限、关注每一次工具调用。现在团队 70%–80% 的工作通过 Claude Tag（Slack 原生智能体）完成，提示词也从"实现这个类"升级为更复杂的产品级目标。Claude Tag 能自行在 Slack 里查找产品背景和团队决策，决策质量因此大幅提升。剩下 20% 的工作才会打开 TUI 或桌面应用做精细调整。

底层技术每两个月换一轮

Sid 指出，传统产品的技术生命周期以年计，而 AI 模型大约每两个月就有一次根本性跃迁。团队必须同时做两件事：为当下的用户提供价值，又要预判未来能力。一个典型例子是待办清单（to-do list）：Sonnet 3.5 时代模型做不了长任务，给它 5 件事只能完成 3 件，团队就做了待办清单来兜底——效果立竿见影，但一年后模型能力提升，这个功能就被淘汰了。Robert 总结说，框架里很多功能本质上是在"补模型的短板"，模型一旦变强，就该大胆删掉，腾出空间应对更大的任务。

代码审查的质变

传统人工代码审查中，审查者常挑几个小毛病来"证明自己读过代码"。现在 Claude 可以自主处理这类琐碎问题，人工审查者得以聚焦更高层次的判断——比如 API 设计逻辑、服务边界划分这些 Claude 写 PR 时可能没有完全理解的架构决策。

从代码审查到工作流（Workflows）

代码审查催生了"大规模分发 + 汇总"的模式：先让多个智能体并行搜索潜在 bug，再对每个 bug 做对抗式审查（从三种视角判断是否真实），最终只把最值得关注的问题交给人。这种 MapReduce 式的范式被抽象成了通用的"工作流"能力，适用于性能分析、深度研究甚至旅行规划。Robert 补充说，工作流的妙处在于确定性代码（for 循环不会漏项）与智能体行为的结合，让人更容易信任结果。

用 Claude Tag 开发 Claude Tag

Robert 正在用 Claude Tag 积极开发 Claude Tag 自身。一个关键设计突破是：用户界面与底层 transcript 解耦——你在 Slack 里看到的消息是 Claude 调用工具主动发出的，而它的内部思考过程对你不可见。这层抽象一开始让人不安，但实际体验证明模型已经足够好，无需逐条监督。

Thariq 分享了自己的完整闭环体验：在 Slack 里找利益相关者 → 做 mockup → 实现 → 加埋点 → 内部部署 → Claude Tag 监控使用数据和反馈 → 根据漏斗数据让 Claude 提出优化方案——整个产品开发循环都在更高的抽象层级完成。

怀念与不怀念

Sid 说他以前最享受性能工程——深入系统内部榨取性能，但现在 Claude 做得比他好，他更多的精力转向"更快地验证新想法"。Robert 怀念手工打磨 UI 细节的乐趣（比如花一天用 CSS 复刻 macOS Aqua 按钮），但更兴奋的是：Claude 让整个软件工程领域变得触手可及，任何想法都不再被"我不具备这项技术"所阻拦。

核心洞察： 软件工程的本质没变——仍然是解决问题。变的是你解决问题的层级：从写函数，到设计框架，到给智能体定义目标，工程师的注意力在持续上移。

来源：www.youtube.com/watch?v=S-sYlFiGFv8 http://t.cn/AXOy6Z6T