克劳德·科德没有“魔法”

过去一年，编程 Agent 的能力大幅提升，软件工程师对它们的要求也比以往任何时候都高，但上下文窗口的大小却基本停滞不前——一年前，一百万个 token 大致就是最先进的水平，如今依然如此。随着我们逐渐进入Agent日常处理Monorepo（单体仓库）级任务的世界，将越来越多的信息塞进模型那固定的上下文限制中，这种需求已经变成了一项实实在在的全职工程任务。 Daisy Hollman，这位曾在 C++ 标准委员会深耕近十年、当过两年主席的资深工程师，如今在 Anthropic 的 Claude Code 团队主导插件与 Agent 团队的设计。近日，她在NDC Copenhagen的演讲中，详细介绍了 Claude Code 插件的设计与其构成的上下文工程原语，以及Anthropic 内部是如何运作多Agent工作流的。基于该演讲视频，InfoQ 对内容进行了整理。 核心观点如下： 如果 Claude 不能做所有你能做的事，它就无法和你一起做你的工作。给 Claude或者给你的模型，访问你完成工作所需信息的权限，会帮助它更好地做你的工作，或者和你一起做你的工作。我们并不是真的要取代自己，我们是想要成倍地放大自己。定制化就是知识，定制化是在弥合模型天生所知与你们团队所知之间的差距。钩子是唯一真正能扩展的插件抽象，不匹配就不注入，只在触发时才往上下文里放东西。2026 年的核心转变是，从“把信息输入模型”转向“把信息从模型输出给用户”，人的注意力才是系统中最小的盒子。 从聊天机器人到 Agent 最初让大语言模型跑起来的时候，我们用它们构建的是聊天机器人，交互方式大致是：人类说一句，模型回应一句，然后又回到人类说话，模型再回应，就这样循环往复。 到了 2024 年，我们搞出了一个叫工具调用的东西，它让模型可以请求计算机去做某件事。一开始，模型就是能去执行个操作、拿到输出、基于那个结果做个决策，然后再回到人类这边。后来我们慢慢给它加越来越多的工具，比如它可以基于第一次工具调用的结果做第二次工具调用，然后再做第三次，到某个节点，我们跨过了一条边界，觉得得给这东西起个新名字了，于是开始叫它们 Agent。这就是“Agent”这个术语的由来：从零次工具调用，到一次，到几次，再到某个时刻它有了足够的自主性，我们就管它叫 Agent 了。 编码 Agent，或者叫 Agentic 编程Harness，像 Claude Code、Codex、Cursor 这类东西，本质上就是 Agent，只不过我们给它们的工具是普通程序员用的工具：文件编辑、CI 相关工具、跑代码的能力、编译代码的能力，这些基本都能归入 shell 命令，但本质上是我们给了 Agent 一个程序员能做的事。 但说实话，工具调用原始得令人震惊。你告诉模型它可以写 JSON，当它写了某种 JSON 之后就会有事情发生，然后你把做那件事的结果喂回给模型，塞进它上下文窗口里紧跟其后的位置，整个机制就这么简单。模型在 bash 里跑命令就是这么干的：它说它想用的工具是 bash，这是命令。然后Harness去执行命令，把输出放进一个工具结果块里。Agentic Harness里所有东西都是围绕这个想法构建的：基于这个输出采取行动、再生成一个基于它的新工具调用、然后继续这个循环，这就是 Agent 的本质。 真正让编码 Agent 跑起来的主力工具是编辑工具，这就是 Claude Code 里编辑工具的字面 schema。顺便说一句，我这些幻灯片全是 Claude Code 做的。当时我想要这个的时候，我就说：“嘿，你能把你系统提示里的一个工具调用放到这里来吗？”所以它得给出旧字符串、文件名、旧字符串和新字符串。就是个查找替换，没有光标，没有选区，没有引号转义，旧字符串必须逐字节匹配。如果旧字符串出现多次，它要么提前声明自己预期有多个匹配，要么就直接失败。这些工具真的非常原始，而且我认为这个领域还有大量迭代空间。 既然这些幻灯片是 Claude 做的，那么生成上一张幻灯片的工具调用长这样：它写出的 JSON 里嵌套着引用旧幻灯片的 JSON。模型在这方面的表现好得惊人，整个过程中一个 token 都没错，至少对我来说这相当震撼。我对 Agent 如何工作、擅长什么、不擅长什么的心智模型，到现在都跟这个表现对不上。如果要逐字符去写的话，这不是人类能做到的事，所以这给你一些关于 Agent 在做什么、可能擅长什么、可能不擅长什么的微妙感知。它生成这个毫无困难，没有错误，没有多次尝试。我上次看到字符串替换错误或编辑工具错误，大概是在 2025 年 2 月或 4 月。模型已经远远超越了那个阶段，因为这是很容易训练的东西。 因为模型能处理这种复杂度，你可以让工具调用变得越来越复杂，让它能做越来越多复杂的事情，这就让更长时长的任务成为可能。 这里有一张来自 AI 研究机构 METR 的图表，它被称为 Agent 的摩尔定律：模型能以 50% 成功率完成的任务时间跨度，大约每四个月翻一番。你会看到这个趋势在今年年初开始停滞了。这张图里没有Opus 4.7 和 4.8，是因为该机构实际上认定，过了Opus 4.6 之后，“什么算作 16 小时任务”的误差范围太大了，所以这张图表几乎不再有用了，但在过去三年里，它一直是一个相当稳定的趋势。 你可以一开始就假设这会在某个时刻趋于平稳，它会的。但我认为，如果你在七八十年代打赌摩尔定律会趋于平稳，你的处境会与当时不打赌的人截然不同。我认为，至少值得考虑这种可能性：这个趋势至少还会再持续一两年。而且你知道，指数趋势在改变我们工作方式方面的疯狂程度是难以想象的。 四月份，Mozilla 基金会发布了一张图表，展示了他们在四月份使用我们最新模型所修复的安全漏洞、缺陷的数量，这个数量比他们过去 15 个月修复的总和还要多。这并不是说他们在过去 15 个月里没有 AI 工具，而是最新的 AI 工具与他们过去 15 个月拥有的工具之间的区别。 所以，接下来我想探讨一个假设：如果 Agent 写的代码比你好，工程会变成什么样？我是一个曾经热衷于讲 C++ 元编程细枝末节的人，我曾为自己的编码能力感到无比自豪。但在 Anthropic 这一年半的经历，真的让我确信这些都不重要了。在这个假设的基础上继续构建： Agentic 编程会是什么样子？Harness设计会是什么样子？上下文工程要怎么做，才能让我们把这个东西构建成真正能管理 Monorepo 级软件项目的系统？ 为什么要定制化 我们先谈谈：为什么你需要定制模型？如果我们正朝着所谓的 AGI 前进，它应该是普遍智能的。那为什么我还需要告诉它任何事？ 第一，它需要能访问它完成工作所需访问的东西。第二，它需要了解你公司里任何员工都能获得的全部机构知识。第三，它必须有工具去获取这些。 核心论点是：如果 Claude 不能做所有你能做的事，它就无法和你一起做你的工作。开箱即用时，它真的只能看到一个代码仓库和一个 shell。而且默认情况下，我们甚至不允许它走出你启动它的那个文件夹，这有很好的安全理由，但我不认识任何一个专业软件工程师会说：“我打算一整天都不看我这个文件夹以外的任何信息。” 这对于