亲历者讲述：Claude Code是怎样炼成的？

文 | 字母AI Claude Code有多牛，应该不需要再多加介绍。 AI编程绕不开的一座大山，Anthropic最坚实的产品堡垒，Claude模型最能发挥特长的地方。 2025年2月，Claude Code第一次亮相。它最早是一个跑在终端里的AI编程工具，可以自己读代码、改文件、运行命令，再根据结果继续修改。 2025年5月，Claude Code正式开放使用，并开始进入工程师更熟悉的开发流程：可以接入代码编辑器，也可以在GitHub里处理任务、查看修改。 2025年下半年：Claude Code从“终端里的代码代理”继续长大，开始强调更自主的工作流、更长任务、更好的回退与控制能力，并逐渐嵌入团队的软件工程流程。 2026年，Claude Code长成了Anthropic最重要的AIAgent样板之一，成为A社用来证明“AI可以进入真实工作现场”的核心产品。 只是，光看时间线和产品更新，未免有些无趣。 7月7日，Claude官方整理了一份关于Claude Code的历史故事，来自它的创造者，也来自那些早期把它用起来、推着它长大的人。 这份历史最有意思的地方，在于它还原了一个产品被建成的过程：一个早期内部工具，怎样被少数工程师反复使用、改造、吐槽、修复；又怎样在模型能力跨过门槛之后，突然变成Anthropic最重要的agent样板之一。 有人说，它像一部情景喜剧的试播集；也有人说，它像一部关于科技起源的故事。 让我们一起走进这个故事，看看这个软件工程师们耳熟能详、爱不释手的Claude Code，究竟是怎么建成的？ Anthropic很早就盯上了代码 故事要从2021年讲起。 那一年，Claude Code还不存在。 没有那个全大写的字符标志，没有后来被开发者反复截图的红绿代码行，也没有“让Claude自己进代码库干活”这种听上去已经很自然的产品形态。 那时候，Anthropic才刚刚起步，达里奥·阿莫迪（Dario Amodei）从OpenAI“愤然离席”，要做一个更谨慎、更安全的AI公司。 而代码，很早就被放在了一个非常重要的位置上。 2021年，Dawn Drain加入后，花了很长一段时间让Claude学会写代码。 她后来回忆，自己在Anthropic前三年的主要项目，就是尽可能做出一个会写代码的模型——目标很直接：至少要写得和她一样好。 目标听起来很轻巧，真正做起来却并不容易。 他们先从最简单的任务开始，让模型写一个小函数，然后自己测试它对不对。 很多时候，模型写出来的东西都很糟糕。函数不对，测试也过不了，研究员们就继续拆任务、改训练、看失败样本，再把模型往前推一点点。 到2022年，Anthropic已经开始认真琢磨编程助手了。 Anthropic联合创始人Ben Mann回忆，当他们决定开始做产品时，第一个做出来的东西是个编程助手。那时它还只是一个VS Code插件，用户可以和它聊天，它会针对一个问题给出几种不同的建议。 它像一个坐在编辑器旁边的助手：你问它，它回答；你给它一段代码，它给你几个可能的改法。 在那时，它还不会自己钻进代码库里翻文件，也不会打开命令行跑测试。 但Anthropic的研究团队想让模型“动起来”。光会写一段代码不够，它还得知道代码能不能运行。光能回答问题也不够，它要能自己搜索、自己调用工具、自己在一个环境里执行命令。 于是，工程问题一个接一个地冒了出来。 Dawn和负责强化学习的同事们当时做了一个很关键的事情：在容器里给模型接上一个持续存在的命令行环境。这样，模型不再只是写一段代码交卷，它能真的执行代码，看见输出，遇到超时也能被处理掉。 到2023年，事情开始变得更具体。 Anthropic的研究团队已经不满足于让模型写一个函数、跑一个测试。他们开始往更开放的方向尝试。 Shauna的团队那时进展很快，他们开始给模型接上bash工具，让它能在命令行里执行操作；也开始让模型拥有搜索能力，可以自己在文件和信息里翻找。 这些东西现在听起来似乎很基础，但最基础的东西才最关键——对一个会写代码的模型来说，它们简直就像手和脚。 那时，Dawn Drain还在和一个很具体的问题较劲：模型到底该怎么“改代码”。 让模型生成一段新代码，和让模型在一个已有项目里动手修改，是两回事。已有项目里，代码不是一张白纸，你不能让模型每次都重写整个文件，也不能让它只在聊天框里说“建议你把这里改一下”。它得准确告诉系统：哪几行删掉，哪几行加上，改动应该落在哪里。 最自然的办法，是让Claude学会写diff。 开发者每天都在看diff，红色是删掉的，绿色是加上的，到底动了哪里，看diff一眼就能看出来。 但轮到模型来写，事情就没那么顺利了。 Dawn后来开玩笑说，她花了“令人尴尬地久”的时间教Claude写diff。它要写得像人类开发者能读懂的修改记录，还要能真的被系统应用到文件里。 然后，他们开发出了一个叫clide的命令行工具。 Shauna评价到：clide虽然有些笨拙，但它非常、非常超前。 想让clide正常工作，需要输入一堆像咒语一样的命令。 但奇怪的是，很多人都记住了它，因为它虽然难用，却有一种神奇的感觉（或许，就像是巫师施咒需要念咒语一样）。 Dawn曾经在编程时掏出clide，用它去回答一个关于整个文件夹的问题。正常情况下，这种问题根本塞不进模型的上下文窗口，但clide会把任务派出去，并行叫上一百个Claude Haiku去看，再把结果收回来。 旁边的人看见了，总会问她：嘿，你怎么知道这些酷工具的？ Adam Wolff也在clide上加过一个早期代理功能。那时候clide还没有bash工具，能力有限，但它已经可以从一个不完整的改动里推测你想做什么。 第一次跑通的时候，Adam在厨房里高兴得跳了起来。 clide最迷人的地方就在于此——它远远谈不上成熟，启动很慢，操作繁琐，能力也有限。可只要有那么一两次，它真的帮你把事情做成了，你就会很难忘掉那种感觉。 Boris谈起第一次被clide击中的经历，他说，当时他手写了一个完整的拉取请求，结果Adam说：你应该用clide来做这个。 于是Boris把issue复制进去，让clide处理。那只是一个五到十行的小改动，但clide直接写出了完整的请求。 Boris感叹到：我以前从没见过这样的工具，这真是令人惊叹，简直像是未来的科技。 clide像一块还没打磨好的原石，它太笨重、太慢、也太像内部玩具。可是它已经把一个可能性摆到了Anthropic面前： 如果一个难用的命令行工具都能让工程师感到震撼，那么，一个真正好用的版本会是什么样？ 2024年1月，Ben Mann开始组建Labs团队。他看到市场上有一个空位：真正能干活的AI编程代理还没有出现。 同年9月，Boris加入Labs，被分配到了相关的工作。 刚开始，Boris想做一个代码检查工具，他想先从AI编程代理里切下一小块，做点小而具体的事情。 而Ben的反应很坚决：别做小的，要干，就干一票大的。 于是，Claude Code的车轮开始向前。 Boris后来回忆，他当时第一个反应是先学会怎么用Anthropic的API。因为那之前，他自己也还没怎么用过。 于是他开始乱试，