Claude Code 之父揭秘新范式：让多个 AI 智能体持续改写代码并相互审查

想象一下，未来的软件工程师不再是坐在电脑前逐行敲代码，而是同时“饲养”好几个永不休息的 AI 员工，它们不仅通宵达旦地写代码，还会自己给自己提修改意见。 Claude Code 的创建者 Boris Cherny 在近日的 Meta @Scale 大会上，不仅证实了这种工作模式已经成为现实，甚至抛出了一个更激进的判断：能让 AI 循环不断自我驱动的“loops”，其重要性与两年前从手写代码到智能体生成代码的跨越一样大。 👀 领先个问题就直击要害 在演讲的互动环节，有观众提出了一个很多人都憋着的问题：“循环到底是下一个炒作周期，还是动真格的了？” Cherny 没有打太极，而是给出了一个干脆利落的回答：“是的，它们是动真格的。” 这个回答之所以重要，是因为它预示着 AI 编程正在越过大模型聊天框，进入自主执行复杂任务的深水区。 🚀 从手写代码到指挥智能体“包工头” Cherny 回顾了编程范式这两年惊人的跃迁：两年前程序员还在手写源代码；后来，大家试着让单个智能体去写代码；而现在，最新的变化是我们正在过渡到一个智能体去给另外的智能体下达指令，再由后者完成编码。 这就像不再干活的包工头，而是教包工头如何去管理另一个正在干活的包工头。这种新型的“嵌套式”工作流，实现的基础就是不断运行的循环。 ⚡ 这对于普通打工人意味着什么？ 为了打消大家的疑虑，Cherny 还公开了自己正在使用的“秘密武器”。在他的日常工作里，就专门设置了两个持续运行的循环：一个智能体会像侦探一样，不停地搜索代码架构中哪里可以优化；另一个智能体则像纠察队，专门寻找那些可以被统一起来的重复抽象代码块。 最令人惊叹的一点是，这些 AI 并不会搞特殊化，它们就像团队里新招的高级工程师一样，写好代码后会乖乖地提交 Pull Request（合并请求）。而且，只要代码库在发生变动，这些 AI 就永远不会停下手里的活。 💡 防止机器“转晕”的独门绝技 当 AI 循环无休止地运行，它们难免会像跑马拉松一样出现“脑雾”，忘记最初的指令。为此，业内流行起一种叫做“Ralph Loop”的技巧。它的原理非常接地气，就是像老师提醒走神的学生一样，把模型做过的所有工作总结一下，然后反问它：“嘿，你实现最初的目标了吗？” 以此来帮助 AI 重新找回方向。 OpenAI 的研究员 Noam Brown 近期也有一个相似的观察：如果给现在的模型砸下足够多的计算资源，它几乎能解决任何问题。对于像 Anthropic 这种本质上靠出售 Token 为生的公司来说，这无疑是个好消息，因为让 AI 跑循环就像是按了快进键的计费器，消耗资源的速度远超简单的问答机器人，而且因为循环压根就不停，支出自然也就没有天花板。 虽然这种被 AI 智能体“全自动接单”的工作方式目前听起来依然有些昂贵，但如果通过循环真的能让 AI 替代人类完成真正复杂的工作，这种可能带来的巨大效益，或许足以让电费单上的数字显得无足轻重。

EntAI观察

Boris Cherny 分享的这种“长跑式”循环智能体，反映出 AI 协作的形态正在从单次提问向持续生产的流水线模式靠拢。这或许说明，未来软件行业的竞争不单单是比拼谁的模型智商高，更是比谁能设计出更抗干扰、自我纠错能力更强的 AI 工作流。当 AI 不仅能写、还能对彼此的成品进行审计时，它离独立完成真正的工作闭环又迈进了一大步。不过，如何平衡这种持续运算带来的惊人开销与最终产出，可能会是接下来业界要面临的现实问题。