核心观点

Boris Cherny 觉得，生产环境里的 AI 生成代码，得比人手写的代码检查得更严。

摘要

做快速原型而且风险不高的时候，Cherny 说可以把 Claude 生成的代码当成黑盒直接用。但代码一旦要进真实生产环境，就不能再偷懒，必须加上严格的工程规范，不然系统迭代几轮后，团队很可能被一堆难维护的代码和安全漏洞拖垮。

Anthropic 现在用好几层防护：

• 代码 lint 检查
• 自动化测试
• 让 Claude 再生成测试
• 模糊测试
• 自动代码审查
• 安全扫描
• 代码重构

原型阶段可以拼速度，生产环境却必须把可维护性、安全性和可验证性放在第一位。

分析

大家慢慢发现，让 AI 写代码已经不是最难的事了。真正麻烦的是，怎么把这些工具塞进一套靠谱的软件工程流程里。

公司可能得搭更完整的控制体系，包括大规模自动化检查、安全审查流程、针对自家代码库的定制规则，以及持续的重构和维护。

Cherny 提到的具体做法有：

• 用 Claude 的代码审查功能
• 在代码库里放一个 CLAUDE.md 文件，给模型提供项目级的规则和上下文
• 根据任务复杂度调整模型推理强度
• 尽量用最新模型

这些做法说明，Anthropic 把 Claude 当成开发系统里的一环，而不是单纯的聊天工具。模型能力当然重要，但在企业里，真正的优势可能来自能不能把 AI 工具接入现有流程、能不能持续验证和约束输出、能不能让生成结果符合自家代码库的安全和质量要求。

所以 AI 编程的重点正在从单纯生成代码，转向集成、验证和治理。谁能搭出更可靠的控制层，谁就更可能长期吃到这些工具的红利。

影响评估

重要性：中等
分类：开发者工具、行业趋势、技术洞察

Verdict: 对构建者来说，这个故事还很早；真正占优势的是能建立自动化验证、安全审查和代码治理体系的团队，而不是只会调用 AI 生成代码的人。对交易者和长期持有者来说，这个叙事本身没直接优势。