Sequoia AI Ascent 2026

Why Coding Is Solved, and What Comes Next

Boris Cherny(对谈 Lauren Reeder) · Anthropic · Claude Code 创造者

2026-05-04 · 25分钟 · 50 万次观看 · Sequoia Capital

Boris 2026 年没写过一行代码,每天用手机发几十个 PR:/loop 定时循环是「最简单但有效」的编排方式;未来是跨学科的通才、10 倍于今天的颠覆式创业公司,软件会像读写一样普及。

观看原视频 ↗

内容概要

Boris 讲 Claude Code 的来历:2024 年底 Anthropic Labs 看到「产品悬空」(模型能做而产品没捕捉到的事),明知要等下一代模型,前六个月几乎不可用;从 Opus 4 开始指数增长,每次模型发布都再拐一次。他现在主要在手机 Claude app 的 Code 标签里管理 5–10 个会话、几百个 agent,晚上有几千个 agent 做深度工作;几十个 /loop 负责盯 PR、修 CI、收集 Twitter 反馈。他预测切换成本、流程这类护城河会变弱,网络效应、规模经济、垄断资源仍然有效;团队里人人写代码,领域专家(例如会计)会成为最好的软件作者。

要点(点击时间跳到原视频)

  1. 2:44

    Claude Code 的起点是「产品悬空」:当时最先进的是逐行补全,团队押注 agent 写全部代码。头六个月几乎不能用,他自己只用它写约 10% 的代码;从 Opus 4(2025 年 5 月)开始指数增长,此后每个模型发布都再拐一次,团队一直在为下一代模型做产品。

  2. 5:26

    Claude Code 代码库就是 TypeScript + React,选它们是因为当时模型能力有限、要选「在分布内」的技术栈;2025 年 10–11 月起模型写了 100% 的代码。他每天几十个 PR,有一天做了 150 个;大型复杂代码库和冷门语言还没完全解决,通常「等下一个模型」。

  3. 6:50

    个人工作流:大部分在手机 Claude app 的 Code 标签完成,同时 5–10 个会话、几百个 agent,夜里几千个。/loop 让 Claude 用 cron 定时重复执行:一个盯 PR(修 CI、自动 rebase),一个保持 CI 健康(修 flaky test),一个每 30 分钟聚类 Twitter 反馈;routines 是服务端版本,合上电脑也继续跑。「loops 是未来」。

  4. 8:51

    会有更多跨学科通才:Claude Code 团队的工程经理、PM、设计师、数据科学家、财务、用户研究员都写代码。

  5. 10:54

    「SaaS 末日」的两种真实影响:按《七种力量》看,切换成本和流程优势会变弱(模型能迁移、能爬坡优化任何流程),网络效应、规模经济、垄断资源不变;未来十年颠覆式创业公司会多 10 倍,因为小团队从第一天就 AI 原生,大公司要改流程、受内部阻力。

  6. 13:07

    成功归因:半年前大约模型和产品各一半。YC 的「做人们喜爱的东西」依然成立,细节体验很重要;但模型越强,harness 越不重要,提示注入防护、命令静态校验、权限模式等安全机制未来也会因模型更对齐而变得不那么关键。

  7. 15:30

    印刷术类比:印刷术出现后 50 年出版物超过此前一千年、书价降约 100 倍,几百年后识字率到 70%。软件会同样普及而且更快;写会计软件的最佳人选可能是好会计,因为难的是领域知识,编码是容易的部分。

  8. 17:30

    Anthropic 领先的不是模型(内部用的和外部一样),而是组织流程:没有手写代码,SQL 都由模型写;工程师各自循环里的 Claude 会通过 Slack 和别人的 Claude 沟通、厘清未知。

  9. 19:40

    并行化主要靠提示,但更多靠模型自身:新模型会主动提出「数据在变,我开个 loop 每 30 分钟给你报告」并用 Slack MCP 发送。如果需要用户自己琢磨怎么用工具,那是产品设计没做好。

  10. 22:20

    知识工作(Cowork)的答案很简单:MCP。同一个连接器在 Claude app、CLI、Claude Code 各处都能用;没有 MCP 的系统用 computer use 兜底。MCP、CLI、API 都行,对模型来说都只是 token。

可以用在日常工作里的

  • 编码 Agent

    从一个 /loop 开始:让 agent 每隔一段时间盯 PR、修 CI、汇总反馈,再逐步把重复的维护工作变成循环或云端 routine。

  • 产品

    为下一代模型做产品:找「模型已经能做、产品还没捕捉」的悬空,接受前几个月体验不完美。

  • 创业

    重新评估护城河:依赖切换成本和流程复杂度的业务更脆弱;网络效应、规模、独占资源仍然可靠。

  • 团队

    鼓励非工程角色写代码、让领域专家直接构建工具;组织流程的 AI 原生化比用哪个模型更能拉开差距。

  • 工程

    早期项目优先选模型熟悉的技术栈(如 TypeScript/React),能显著提高 agent 代码质量。

同一章节的其他演讲

← 返回全景 · 目录