ClaudeCode 自述构建历程：九成代码由AI生成，三天打造核心代理，开发者角色迎来新变革

自五月正式上线以来，Claude Code 在开发者社区中迅速引发热潮。

数据显示，该工具年化收入已突破5亿美元，发布仅三个月后，用户规模增长超过十倍。

那么，它是如何被构建出来的？

近期一篇深度访谈揭晓了答案。作者 Gergely Orosz 与 Claude Code 的三位核心创建者——首席工程师 Boris Cherny、次位工程师兼“子代理系统”设计者 Sid Bidasaria，以及首位产品经理 Cat Wu——展开对话，揭示了这一产品的构建逻辑与团队运作模式。

访谈中，他们不仅分享了 Claude Code 的技术实现路径，也呈现了一个“AI优先”工程团队的高效协作图景。作者感叹，自己仿佛提前窥见了未来软件团队的工作方式。

“令人欣慰的是，在这个未来图景中，软件工程师依然至关重要。”

以下为本次访谈的核心内容梳理：

• Claude Code 的诞生背景
• 技术架构与选型逻辑
• 如何实现功能的快速迭代
• 终端用户体验的革新
• “AI优先”团队的工作模式
• 子代理功能的开发历程
• 对未来AI辅助开发的前瞻

从音乐助手到开发利器：一个产品的进化之路

最初，Boris 在 Anthropic 内部尝试使用 Claude 模型构建一个命令行工具，用于读取并控制开发者正在播放的音乐。

初始版本功能极为有限，仅支持基础问答与音乐控制。随后，Boris 萌生了一个更大胆的想法：如果赋予这个工具文件读写、批处理命令执行和代码浏览能力呢？

随着功能扩展，这个工具逐渐演变为能够自主探索代码库、寻找问题答案的智能助手。Boris 认为，这反映了“产品滞后”现象——模型能力已具备，但市场尚未出现充分展现这些能力的产品。

2024年11月，Claude Code 内部版发布：首日即有20%的工程师使用，五天后使用率攀升至50%。团队最初曾犹豫是否公开这一工具，最终决定推向市场，以期通过实际使用进一步优化模型性能与安全性。

团队规模也从最初的 Boris 一人，逐步扩展至包括 Sid、Cat 及设计、数据科学等角色，形成完整的产品组。

值得注意的是，虽然命名为“Code”，该工具也吸引了大量数据科学家和分析师使用，用于编写查询、生成可视化内容等。

一项关键指标显示：在 Anthropic 工程师人数翻倍的情况下，人均 Pull Request 数量通常因培训新人而下降；但引入 Claude Code 后，这一指标反而提升了67%，显示个人产能显著提高。

技术架构：极简外壳与自主编码

技术选型上，团队选择了 TypeScript、React + Ink（命令行UI库）、Yoga 布局系统和 Bun 构建工具。这些技术的共同点是模型本身已熟练掌握，无需额外学习。

团队的核心目标是让 Claude Code 尽可能自行编写代码。Boris 透露：“约90%的 Claude Code 代码由 Claude Code 自身完成。”

架构设计上，团队坚持极简原则：客户端业务逻辑被刻意简化，模型承担主要工作。外壳仅负责三件事：定义UI界面、向模型暴露工具接口、然后退居幕后，尽量减少对模型的限制。

随着模型能力升级，团队甚至会删除之前编写的部分代码。例如，某些原本需要通过系统提示实现的功能，在模型增强后可直接移除。

运行方式上，Claude Code 在本地执行，不依赖虚拟机或云端服务。团队认为，最简单的方案往往最可靠。虽然本地操作存在一定风险，但经过权衡，便利性优先。

权限管理采用“询问”机制：在执行敏感操作前需获得用户许可。用户可选择单次允许、永久允许或拒绝。团队还引入了静态分析功能，自动识别已在配置文件中授权的命令。

高速迭代：以天为周期的功能开发

在 Claude Code 团队，开发速度至关重要。

内部版本每日更新约60-100次；外部版本几乎每日发布新功能；平均每位工程师每日提交约5个 Pull Request。

原型设计速度尤为惊人。以“待办清单”功能为例，团队在两天内迭代了十余个原型版本：

• 初版：在命令行下方显示待办列表
• 第二版：尝试在当前行插入待办信息
• 第三、四版：将待办项设计为可展开的“卡片式”组件
• ……
• 直至第20版左右，最终确定方案：在加载动画中显示待办项，并通过 Ctrl+T 切换显示状态

整个过程中，团队通过提示词调试、人工测试与同事反馈快速循环迭代。以往需要数天甚至数周才能完成的原型设计，现在借助AI助手可在几小时内生成多个版本。

终端交互体验的革新

Claude Code 将传统静态终端转变为可交互的智能界面，主要体现在：

• 任务进度跟踪：模型执行多步骤任务时，用户可实时查看进度、折叠或展开细节
• 自定义钩子：用户可定义 shell 命令供 Claude Code 调用
• 多样化输出模式：包括“解释模式”（说明代码逻辑）和“学习模式”（引导用户参与关键步骤）
• 深度集成 GitHub/GitLab、CI/CD 流程、配置系统及模型上下文协议

这些设计使终端不再是单纯的命令执行环境，而更像是与智能搭档的对话空间。

AI优先的工程团队模式

Claude Code 团队本身即是“AI优先”理念的实践者：

• 使用AI进行代码审查与测试
• 强调测试驱动开发与自动化流程
• 实施自动化监控与应急响应
• 谨慎使用功能开关控制风险

团队允许模型直接参与代码流程，而非仅作为辅助工具。这种模式是否将成为未来工程团队的标准配置尚不确定，但 Claude Code 提供了重要参考。当然，其他公司复制这一模式的成功与否，取决于模型能力、团队文化及基础设施安全性等多重因素。

子代理系统：三天打造的核心功能

“子代理”是 Claude Code 的扩展机制，允许模型为子任务创建专属代理执行。

该功能的开发仅耗时三天，其中两天的初始方案被完全重构。团队通过快速原型、模型反馈与任务分解，高效完成了这一核心功能的打磨，展现了AI辅助下“试错-重构-验证”循环的惊人效率。

未来展望：AI辅助开发的演进方向

从 Claude Code 的发展可见以下趋势：

• 工程师角色将向监督与指挥者转变，细节执行交由模型处理
• 快速原型与迭代将成为标准工作流程
• 交互设计、权限管理与安全体系的重要性将进一步提升
• 不同公司复制AI优先模式的难度较高，受限于模型能力、团队文化与资源条件

总体而言，Claude Code 是一次大胆而前瞻的实践。它不仅展示了AI在提升工程效率方面的巨大潜力，也为“人机协作”的软件开发未来提供了重要参照。