走进 Claude：AI 同事时代 — Mike Krieger

其中两个最突出的领域，一个是金融。无论是制作 Excel 文件、查看电子表格、分析金融数据，还是编写代码来分析金融数据，这方面的表现都很亮眼。你在 eval 上也能看到这一点，比如在金融 agent 评测中冲到了榜首。但 eval 虽然有用，却并不代表全部。所以能真正看到实际部署的情况非常有价值。另一个突出领域是法律。因为 Sonnet 能够查看并理解冗长复杂的文档，这也成为一个新兴领域，有很多初创公司正基于 Sonnet 在法律领域做开发。

因此，我认为在未来几周里，你会看到，在任何需要复杂分析、复杂理解与综合的领域，模型都会继续表现出色。

Michael，我真的很喜欢这款新模型。我之前在试用，它给人的感觉确实和 Opus 很不一样，效果出奇地好。比如它的长上下文能力，能够回忆内容，也能从上下文中提取信息，还有 single-shot 能力。在连续使用一两个小时的过程中，它竟然能产出我原以为不可能完成的作品，而且原本真的需要工程师介入协助才能实现。这让我想到，如果你是一家企业，今天你可能并没有旧金山或纽约那些顶尖公司能接触到的一流人才。这是一个巨大的提升。你目前看到企业是如何使用 Claude Code 的？有哪些正在发生的部署案例可以分享？

好，我大致会把我们与企业的交流分为三类。第一类是在编程方面，通过 Claude Code。我们看到，从大型银行开始采用 Claude Code 并在全公司推广，到初创公司现在把它当作日常主力（daily driver）的 agentic coding 工具，通常还会搭配某种 IDE 使用。所以你看到的是从初创公司到企业级客户的全范围覆盖。我们在设计 Claude Code 时非常有意识的一点是，没有任何数据会先流经我们的服务器。

你其实可以直接部署 Claude Code，让它直连 AWS Bedrock 或 GCP Vertex。这一点之所以重要，是因为它大大简化了采购流程。你知道，我以前主要做消费者产品。来到这里的第一年，我学到的最大教训之一就是，采购的便捷性、易用性，以及走完企业协议流程有多重要。所以我们在 Claude Code 上做了非常刻意的选择：保持架构简洁。这带来了很多其他好处，同时也让采购变得简单得多，因为很多公司已经与 AWS 或 GCP 建立了信任关系。

这是企业级故事的一个重要部分。第二类是为企业部署 Claude for Enterprise。我想说，这款产品最初只是一个带有一些额外功能的基础聊天机器人。后来我们加入了 MCP，开始描绘一种前景：嘿，这实际上可以解锁企业数据。再到最近，我们增加了让 Claude 从零开始创建完整电子表格、演示文稿、Word 文档的能力，然后你可以把这些加载到办公软件套件中去编辑。你开始看到 Claude 真正能为人们做实际工作了。

这也使得 Claude for Enterprise 成为我们现在增长最快的产品。我觉得部分原因是人们开始意识到，这不仅仅是与 Claude 进行轻度对话的方式——那可能是一年半前的 state-of-the-art——现在人们是真正来用它干活的。第三类，我想说的是，我们还看到，对于那些受监管行业的企业，或者那些拥有大量内部人才、但不一定拥有大量内部技术人才或 AI 人才的企业，我们开始更多地以 forward deployed 的方式合作：我们会真正深入进去，找出他们最深层的 AI 应用场景，然后与他们现有的技术团队合作，把这些落地实现。

这非常有趣，因为反馈循环完全不同——你基本上成了他们团队的一员，你会听到他们的挑战、他们的目标，以及在企业中推动 AI 成功到底意味着什么。我认为这个阶段非常重要，因为还是那句话，并不是每家公司都像你说的那样，是拥有你所能想象的所有工程师的旧金山初创公司。他们通常有很好的工程师，但可能缺乏全面 AI 转型所需的那种 AI 原生人才。

你提到了 forward deployed 模式。我觉得这非常有趣，尤其是当人们希望部署 AI 能力时。但看起来，很多像 Fortune 1000 和 Fortune 2000 这样的大企业才能负担得起这种模式，因为其中涉及的成本很高。我也跟一些中型市场公司聊过，他们提到的最大挑战之一是：我不知道我们该用 AI 做什么任务。我怎么评估某个场景是否适合应用 AI？我怎么界定范围？我能先做测试吗？如果一个人没有 forward deployed 工程师的支持，只想自己动手，比如做沙盒测试、界定范围之类的事情，他该怎么用 Claude 来做这些？

这是个非常好的问题。所以我们观察到的现象正是如此——显然，我们不可能把这种 forward deployed 的模式扩展到市场的每一个角落。我们目前从两个维度来思考这个问题。

其一是，我们将以往大量定制化部署中积累的经验全部整合起来，并把它们转化为更标准化的 agent，让中型企业可以直接拿回去在内部部署。这是其一。其二，我们发现 Claude 即使以目前的形态，在实施过程中也是一位非常好的合作伙伴。也就是说，你描述自己的问题，然后引入——比如——我们在发布 Claude Sonnet 4.5 的同时也发布了 Claude Agent SDK，这正是我们构建 Claude Code 以及所有定制化 agent 工作时所使用的基础模块。同样的技术现在也对中端市场的所有企业开放，Claude 能够利用 Agent SDK 来完成落地。这很快就有点 meta 了，但 Claude 确实也能使用这些工具。

我昨天刚和 CPO 聊过，他说他们内部实现了一个 agent，他把所有 Claude Agent 的文档都输了进去，然后问 Claude：“嘿，我们要不要迁移到这个方案上？”接着 Claude 就分析了利弊。有意思的是，他说：“嗯，我不只是需要它来分析利弊，为什么不干脆让它在一个单独的目录里试一试，看看会怎样？”于是它就把整个流程跑了一遍，之后还对利弊做了评估。所以我觉得，像 Claude 这样的工具，再搭配上 Claude Agent SDK，有意思的地方就在于你可以直接上手尝试，看看它是否适合你的业务需求，是否真的能把事情往前推进，而不用再承担那种“哦，我们得花三个月外包给别人来做”的成本，它能够实现更快速的迭代。

没错，我很喜欢这种可测试性。我觉得对很多公司来说，能在投产前进行沙盒验证和评估太关键了。那么 Mike，这就引出另一个问题了，对吧？我认为 Anthropic 在研究层面也极大地推动了边界。现在你看到出现了很多很酷的产品，有很多 agentic 产品构建在 Claude、Gemini、OpenAI 之上，简直数不胜数。当你在评估这些大量涌现的产品时，你会看哪些信号来判断：嗯，这是个好产品，而这个可能不是。这里面大概包含两个问题：一是它现在是不是个好产品，二是它是否具备成功和规模化的基础，我觉得这两个问题是相关的。

关于第一点，最好的产品往往建立在某种成功指标或评估体系之上。我在和很多部署 AI 的公司交流时经常遇到这种情况：他们部署了 AI，然后我说：“等等，那这件事如果大获成功，对你们来说应该是什么样的？”有时候回答非常明确：“好的，我们试图把回复支持工单的时间降低 X%”，或者“我们是法务团队，会收到很多问卷，我们想把周转时间缩短两天”。但有时候答案就很模糊，而一旦模糊，你就很难去评估它到底有没有用。再说回 Claude for Enterprise，我觉得大约一年半到两年前，很多企业的聊天机器人部署其实都没有一个具体的成功指标，它们更多是被一种 AI FOMO 驱动的，你知道，就是在 CIO 层面蔓延的那种焦虑。

而现在，很多企业已经真正升级了思路，他们说如果要引入这个工具，我们必须看到 ROI，或者在任何你想看的生产力指标上有所改进，甚至仅仅是内部采纳率本身，也能作为其他成效的领先指标。我经常被问到：我怎么知道 Claude Code 在我的组织里是否真的奏效？而衡量开发者生产力历来就是个难题。我通常让大家直接去看日活跃指标，因为数据不会说谎。如果一个工具没有价值，人们不会每天都反复使用它。以上就是如何评估当下的工具。

但接着我也会问：哪些工具会随着模型进步而持续扩展？我们在内部讨论时会说，我们想要一个“AGI pill”式的产品路线图。这么说是因为它在某种程度上像个比较泛化的概念，意思是：你能不能想象，模型能力的提升将如何在不额外投入大量开发工作的情况下，根本性地改进产品本身？举个例子，我们发布了一个 Claude in Chrome 的研究预览版，基本就是让 Claude 来操控你的 Chrome 浏览器。在没有对那个 scaffold 做任何改动的情况下，我们接入了 Claude Sonnet 4.

5，而这个模型在浏览器使用和计算机使用方面取得了长足进步，于是这个产品自然而然就变好了。再比如 Claude Code，每次有新的 model snapshot，我们做的第一件事就是把它放进 Claude Code 里，因为我们知道这是一个能真正倒逼模型突破极限的载体和使用场景。所以我觉得，最好的 agentic 产品不仅要当下就有价值，还要有一个关于它们将如何进化的故事或愿景。通常情况是，那些加了很多约束、本质上像流程图、只在某个小环节塞了点 AI 的产品，大概率不会是这样。

相反，那些给 agent 更大发挥空间——当然要有正确的 guardrails——在解决问题、完成任务的方式上更灵活的产品，才会享受到每一次模型发布带来的复利效应，让 agent 本身不断变强。

我觉得这个回答非常棒。我想到的一点是，agentic 产品的护城河到底是什么，对吧？Anthropic 正身处追求 AGI 的竞赛中，试图找到最终能带我们抵达那里的最佳模型。所以你们实际上掌控着这波 AI 浪潮的基础设施，而其他人则在这些基础之上搭建脚手架，以实现某些成果。那么这里的护城河是什么？特别是在 Anthropic 现在也开始构建产品——某种程度上是在利用其核心模型——的背景下，builder 们现在应该如何思考这些问题？

从 builder 的角度，我认为当然产品本身很重要，能交付结果才是关键。但最终，护城河和差异化将更多来自几个方面。其一，我刚才提到过衡量业务成果。如果这些公司不仅推出 agent，还能帮助企业理解这个 agent 在他们所处垂直领域——比如法律——的实际影响，那这就是一个非常好的起点。因为当另一家 agent 公司出现时，就有了一个可以衡量的标尺。而且理想情况下，你不是在自我挑选那些让你 agent 看起来好看的邮件案例，而是在真正思考：对于一家律师事务所、一家牙科诊所或任何其他行业来说，成功到底意味着什么？

其二，是在 go-to-market 层面对某个领域有极深的理解。所以，当你想到这些实验室会做什么时，我们的产品团队其实规模并不算大。我们真正聚焦于横向平台，以及少数几个我们认为能贡献独特价值或拥有深厚专业积累的关键垂直领域。

所以编程是其中一个方向，而通用的知识工作是另一个。鉴于 Anthropic 内部已经有很多知识工作者，我们不会再去培养法律、医疗等垂直领域的 go-to-market 专业能力。在这些领域，我们要么选择合作，要么很乐意看到基于我们平台成长起来的公司。第二点就是，你能否真正对接合适的公司、建立正确的联系。最后一点，可能也是我现在疑问最多的，就是差异化数据。因为大概一年前吧，有一种很流行的说法：我们要在某个领域做一家 Agent 公司，因为我们有某种数据优势，我们要做一个 fine-tuned 模型。

我们现在仍然看到 fine-tuning 有一定帮助，但下一代模型基本上会碾压那些 fine-tuned 的东西。即使在内部，我们也会尝试一些有趣的 fine-tune，结果发现模型迭代本身带来的提升更大。我认为更可持续的数据故事，与其说要用数据去 fine-tune 模型，不如说是我们拥有某种数据优势，可以将其接入前沿模型。比如我们合作的一家大型保险公司，他们有 100 年的承保数据，通过 MCP 接入到了 Claude for Enterprise，这是专有的数据源，我觉得非常有意思。

所以数据不是为了 fine-tuning，而是为了带入上下文、提升结果，我认为这才是更可持续的。

就像你需要数据加上某种结果产出，而借助 Claude 这种敏捷的视觉能力，你能更快更好地获得正确结果。

完全正确。

Mike，有一点我特别想问你，就是构建 Agent AI 产品的哲学是什么。你之前在 Instagram 就做过类似的事，那是你的下一个产品，现在我们处于 AI 软件浪潮中，过去你写一行或几行代码，写一个单元测试，能通过就通过了。但 LLMs 是非确定性的，很多时候会得出错误答案，那这里的哲学是什么呢？

我认为我们会关注几个方面，其中一些会随着模型能力提升而演变，但在这个阶段，倾向于透明肯定是正确方向，对吧？即使不是每个用户都想深入了解模型走了 5 步还是 20 步，但拥有能够逐级深入查看的能力，我认为仍然非常重要。我经常思考，与 Agent 交互的最终 form factor 会是什么。我认为它们可能会存在于 Slack 或其他协作工具中，你问它们问题，它们回应，你不需要像问同事问题那样有所顾虑。

你不会要求同事一步步解释他们的思路，那会非常乏味。我觉得对很多应用场景来说，我们还没到那个阶段。所以透明仍然很有价值，尤其是在纠正错误时，你会说：“哦，我看到它哪里走偏了”，或者“哦，它缺了这块信息”，或者“看到思考过程很有用”。举个例子，我们在内部部署了一些 Agent，它们会自己开一个线程，挺有意思的，然后基本上会把所有的思考过程、工具调用和 MCP 都放到那个线程里，最后在主线程里给出最终答案，这就展示了那种过程。

所以透明是我们非常重视的一个产品原则。第二点就是，我之前提到过 eval。这是应对非确定性的另一个方面。你不能只是调整一下界面元素，也不能只写出一个完美的 prompt 就说“太好了，可以部署了”。你必须把它开放给人们，看看他们会怎么 prompt，看看他们实际会怎么使用，然后才能知道你的产品是否真的满足了需求，而不仅仅是在你理想化的场景里——我点一下，问一个精确的问题，它就能跑通。所以另一方面就是透明，以及 robustness 和适应性，这真正来自于 eval 和用户测试的结合。

Anthropic 内部有非常丰富的用户体验研究体系，我认为这变得更重要了，而不是更不重要。

在继续之前，插播一条来自我们的朋友和合作伙伴 Vanta 的简短信息。初创公司发展迅速，借助 AI，它们交付产品的速度更快了。这意味着初创公司比以往更早地吸引到企业买家，而合适的安全合规能力可能决定一笔交易的成败。Vanta 的 AI 和自动化能力让你能在短短几天内满足买家的期望。他们的技术持续监控你的合规状态，确保交易不会被阻断。随着 AI 不断改变监管环境，Vanta 知道需要什么以及何时需要。他们打造了最快、最简便的路径来帮助你达成目标。我们的听众注册时可享受 1000 美元的特别折扣。只需访问 vanta.com/suphum。没错，是 va.com/suphum。

那你怎么看待设计和 UI/UX？显然现在聊天是主要的交互界面，我们也开始看到语音交互，而且现在 Meta 显然也推出了眼镜。随着这一领域不断发展，你怎么看待设计？

我认为设计将扮演两个非常重要的角色。一是品牌和归属感，让你在一个环境里感到自如，这是我经常思考的。我也是 Figma 的董事会成员，品牌的重要性，以及使用一个既有明确意图又与公司提供的整体体验相协调的产品时的那种感受，仍然非常重要，对吧？如果你一开始就用 Claude，它有一种 house style，如果你愿意这么说的话。但如果所有软件都长那样，一来会非常无聊，二来你很难觉得“这是我正在用的产品”，你会意识到这是一个不同的界面，你会以不同的方式信任它。

这是第一点。第二部分是，在设计过程中，如何让 AI 产品变得易懂，仍然有大量工作要做，对吧？纯粹依靠对话感觉也不对。所以，你可以让 Claude 每次都发 prompt，用文字形式问：“嘿，我们要不要连接你的 Google Drive？”但接下来呢？我会给你一个链接去点击。所以仍然有很多流程可能是由 AI 发起的，但需要良好的设计才能让人理解。我认为还有一个我们仍有很多工作要做的领域是，产品随时间变得越来越复杂了，有 MCP、advanced research，我们在 Claude for Enterprise 里现在也支持虚拟机。

如何让所有这些真正协同起来、浑然一体？你不能只靠文字。我认为这正是需要一个更具设计前瞻视野的地方，针对 LLM 本身。同时，回到之前的对话，设计师也不能只基于完美的 golden path 来工作，还要知道用户可能是正在和 Claude 聊天，Claude 建议了什么，然后他们按了个按钮，就到达了某个界面。所以这种非确定性也会渗透到设计过程中。

是的，关于设计这部分我有一个简短的跟进问题。我只是想在这方面聊得更具体一点。

在某些领域，比如社交，我们看到可滚动信息流（scrollable feed）是一种非常强大的高层设计模式，一直延续至今。甚至像 TikTok 这样近期取得巨大成功的产品，仍然在沿用可滚动信息流，这已成为该领域制胜的高层设计模式。而在聊天和 AI 领域，占据主导的就是聊天。你觉得聊天是否已经如此庞大且势不可挡，以至于它将成为未来许多 AI 产品的主流范式？还是觉得不，这种模式可能很快就会被颠覆，聊天也许不会成为未来五到十年人与 AI 交互的主要方式？

我刚加入时确实改变了看法。你知道吗，甚至在我最初与 Anthropic 交谈时，我心里想的是，真不敢相信我们还在用聊天方式与 AI 交互。我们在干什么？应该有更好的 UI 范式。而且我认为在某些领域确实会出现。但让我改变想法的是，至少到目前为止，这些不同的 UI 范式、工作流，或者更碎片化、甚至即时出现的 UI，往往更多是限制模型，而非释放模型的能力。真正让我改观的是，看到人们开始使用 Claude Code，不是为了写代码，而是解决他们自己的研究问题或管理待办事项。

你会意识到，基本上向模型提供实时指令，然后在后台想办法连接正确数据的这种灵活性，依然非常强大。所以至少我的预测是，更多创新将发生在聊天内部，围绕如何把整个工作委托给 Claude 或任何这些模型，观察它们的执行情况，思考它们如何提前进行多步规划。当然，围绕对话这一基本概念，肯定可以构建出抽象层。但我已经从最初的认为——我们最终把对话作为主要交互方式，这是 tech tree 上的一个错误——转变为更多地意识到，这其实是一种非常自然的方式，大多数人都能理解。

现在需要演进的是，不应再局限于回合制的来回交流——那种模式只适用于轻量级对话。随着工作逐渐演变并承担越来越复杂的任务，交互会感觉更像与同事交谈，例如会更加异步化。我认为这就是你会看到的趋势。

太棒了。那么 Mike，我们都知道一个假设，那就是模型会持续变好。但除了这个假设之外，如果我是一个开发者，从你的角度来看，在未来 12 个月里，有哪些事情是我可以合理预期的？

我觉得有一点——也许我们应该深入一层，谈谈我们预期它们会如何变得更好。当然包括通用推理能力和写代码能力，但说到这个维度上我认为非常有趣的两三个趋势。第一，模型真正稳健地使用工具的能力。所以，如果你不是一线的开发者，可以这样理解：给 Claude 一个工具，它可能是网页搜索工具，可能是写文件工具，也可能是调用 Google Drive 或 OneDrive 之类的工具。这些都是你可能交给模型的工具。

一年前，当我刚开始围绕模型构建产品时，它们能有效使用少数几个工具，但一旦工具数量增多，它们就明显开始应付不过来了。而一个有趣的演进是，后来它们能处理几十个工具，Claude 4.5 甚至能处理成百上千个。我们还想进一步推动这一点，因为对于一个真正通用的 agent，如果你想想人类在日常工作中使用和调用什么，他们可能会用很多工具，可能用网站、浏览器、Slack，也可能打电话。所以这种稳健性将非常重要。

这也是我们一个活跃的研究领域，我认为它会体现在产品中。

第二是多模态，主要是在输入端，输出端也有一定程度，比如语音。所以现在有了 computer use，模型可以看着电脑屏幕做出反应，但我们最终想解锁的是：Claude 应该作为参与者出现在你的 Google Meet 里，而不只是一个 AI 记录员。现在到处都有 AI 记录员，但我们希望它更主动地倾听，并懂得何时该主动介入。所以从 tech tree 的角度看，这意味着一是输入输出都能多模态；二是要懂得如何具备社交感知，对吧？你不希望有个东西每 5 秒就插一句，也不希望它只有在你 @Claude 或问“嘿 Claude，你怎么看”时才回应。你想要的是那种平衡。我认为你会看到模型在这方面持续进步。

最后是模型能够保持连贯性，并长期跟踪状态和记忆。所以与其像我们现在这样，依赖把所有内容都塞进 context 的架构，或许你可以做一些 context 管理和压缩，但理想情况下，终端用户——尤其是终端用户，甚至开发者——都不应该为此操太多心，而更应该让模型自己管理它的 context 和记忆。Claude 4.5 是我们第一个能做到更多这一点的模型。正因如此，它才能在这些测试中持续工作那么长时间。但展望未来，我认为这应该是任何 agent 运作的基本门槛。

现在，我非常喜欢这种结合记忆能力的 context 编辑功能，让它能把已经用过的内容从 context 中移除，这太棒了。对于不太了解记忆和 context 的观众来说，模型有 context window，随着时间推移它们会逐渐退化，而 Claude 在这款新的 4.5 模型中推出了一项功能，让你可以持续更新它，这太厉害了。那么 Mike，从你的角度来看，如果我是一个开发者，我该如何最好地利用这种记忆能力？因为我认为这非常强大，可以用来构建新产品，也开辟了新前沿。

我们最初描述这种记忆能力时，更多是从 cookbook 或示例的角度。而作为 Claude 4.5 的一部分，我们决定把它构建成我们平台上的一等公民，而且我们会越来越这样做。如果说过去从开发者角度与 Claude 交互的主要方式是“给我们一些 input tokens，我们给你一些 output tokens”，非常像一种简单的输入输出，那么我们现在开始意识到，把这些东西构建成抽象层的价值。所以如果你今天是一名开发者，你或者有用户特定的记忆，对吧，因为你有很多终端用户；或者你在构建一个更通用的 agent，可能与很多人互动，你可以把记忆划定到合适的抽象层级或使用层级。

然后通过这些 API，让 Claude 动态地读取、写入和更新记忆，这样它就能把正确的 context 片段带入它的 context window。换句话说，它知道何时在恰当的时间引入正确的信息。不是那种让人感觉突兀或生硬的方式，也不是那种让你自己去做大量管理工作的方式。这就是我们正在做的很多事情。

也许更广泛地说，我们在 Claude 的训练中做了大量非常具体的工作。我们也在努力找到合适的方式，把这些工具开放给开发者。无论是内存管理、文件处理，还是某些编程工具的使用方式，我想你都会看到我们越来越频繁地开放这些能力，这样作为终端开发者，你就能获得最顶级的性能。基本上，如果你能让使用方式尽可能贴近模型实际训练时的方式，性能通常也会更好。

Mike，我想听听你的观点：你认为在我们现有的范式中，我们是否正面临某种极限或天花板？当人们开始讨论新的模型或架构，比如大家正在谈论的 world models 时，Anthropic 内部是怎么看待这个问题的？

我认为，就我们关注的核心路径——也就是构建能与人并肩完成实际工作的通用型 agent 而言，LM 架构仍然有很大的发展空间。你刚才也看到了规模扩展带来的效果。比如把我们今天发布的 Sonnet 4.5 和夏天发布的 Sonnet 4 相比，已经有了显著的提升。再和今年二月发布的 Sonnet 3.7 相比，又是一次飞跃。因此，随着我们不断扩大强化学习的规模并持续优化这一流程，我感觉这方面仍然大有可为。

而且我认为，模型之间的交互也会有发展空间。比如，当我们思考 Claude 如何在生命科学领域发挥作用时，我完全能想象 Claude 作为一个协调者，与更专门的模型配合——这些专门模型可能在做某种蛋白质分析或蛋白质合成。两者之间可以实现非常好的 orchestration。你也不希望蛋白质模型还得操心成千上万种工具的使用，这基本上和它要做的事完全正交。所以我认为你会看到更多这种 orchestration 加子模型的架构。实际上你已经能看到一点苗头了，比如在 Claude 上一代产品中，我们有 Opus 和 Sonnet 的搭配；未来你可能会看到 Sonnet 与某个专门面向生物学调优的特定模型协作。这就是我认为你会看到的演进方向。

我仍然相信，这种协调节点——也就是那种 meta agent——应该专注于 LLM 加 RL 的架构，而这也是我们未来的重点。

Anthropic 显然也非常关注合理的 scaling，以及安全性。我有一个问题是，你们如何避免训练数据中的偏见？毕竟归根结底，模型是在人类生成的数据上训练的，而人类数据可能存在偏见。

是的，我们在这方面做了很多思考，主要通过我们的 Constitutional AI。如果你不熟悉 Constitutional AI 的运作方式，我们不是依赖训练过程中某些不透明的具体决策，而是公开了我们希望 AI 遵循的一系列原则，你可以在我们的网站上找到。然后，我们会用 Claude 生成大量测试用例，再由另一个 Claude 来评估某个模型在多大程度上满足了这些原则。你会发现，要让一个模型在任何方向上都完全没有偏见是不可能的，我觉得那样的话它恐怕什么都说不出来了。

但至少我们明确说明了模型是在什么原则下训练的。这些原则可能偏向人文主义，可能总体上支持某些价值观，而不是试图让它变成“我绝不会对任何事情发表观点”——那样的话它就不是一个很有用的模型了。所以我觉得这是一个很有意思的流程，我希望所有实验室都能采用，也就是明确其决策依据。这并不是说模型会偏向某个政党，希望我们在其中融入了更多细微差别，但更重要的是，它在拥有某种视角的同时，仍然能够从正反两方面论证问题，并能够对任何观点进行 steelmanning。

太棒了。我还想问你一点关于消费端业务的事情。显然，市面上有 Gemini，有 ChatGPT，也有其他聊天机器人。当你思考公司方向时，对吧？一方面，你们确实有一款很棒的消费级产品；但另一方面，你们在企业端也做得非常出色，而且我相信——如果我没记错那些报道的话——大部分收入增长都来自企业端。你觉得 Anthropic 现在是一家以企业为先的公司吗？你脑子里是怎么平衡这两块业务的？

是的，我会说我们的重点绝对是放在——我更愿意说是广义的“工作”场景上，非常强调面向企业销售以及对企业友好。但我认为同样重要的是，我们要确保有一条完整的路径，让那些在企业围墙之外发现我们产品的人也能进来。我们经常听说，有人周末试用了 Claude Code，非常兴奋，然后周一就带回公司说“我们应该采用这个”或者“我们应该试试”。所以即使强调工作场景，这种产品驱动的增长仍然非常重要。而且很多个人使用场景其实也偏向工作，比如你是家长，要管理一份非常繁忙的学校日程表；或者你在考虑下一次职业转型；又或者在你自己的领域里做一些生产力相关的工作。

所以我想说，“工作”是我们的主线。相比 ChatGPT 这类产品，我们的消费级属性肯定要弱一些。我从 Instagram 的成长中学到的一点是，一旦你达到了那种“消费者逃逸速度”，在下一个周期、下一轮变革到来之前，很难通过正面进攻来取代另一款产品。所以即便在我加入 Anthropic 时，ChatGPT 已经是一个非常大的产品了。你能看到它很可能在这种当前交互范式下达到某种消费者逃逸速度，而与此同时，在企业、工作和生产力这边，我认为也有同样巨大的商业空间可以建立。

因此我们更侧重这边，这也与我们长期的目标——构建通往 powerful AI 的通用型 agent——更加一致。所以一切都是吻合的。当然，也有人纯粹出于个人目的使用 Claude，我觉得这也很好。这并不是说我们排斥消费级场景，但从产品开发和整体 go-to-market 的角度来看，我们的重心更多地放在工作和企业端。

嗯。

我注意到聊天机器人有一点很奇怪，我觉得特别是 Claude，因为我这些天可能用它最多。除了 Google 搜索之外，这是我唯一一个同时用于工作和生活的产品。早上工作时，我总让它在后台开着，也会打开 ChatGPT 获取第二意见。但到了晚上，比如我现在正和妻子规划旅行，或者例如她头疼时，她总会打开它，我们会对比出现的症状等等。这是少数几个我觉得能同时兼顾两方面的产品之一。

我们确实也发现了这一点，你会遇到一些压根没想到过的使用场景，但因为熟悉了这个工具，就开始在个人生活中使用。比如我和妻子整理酒柜，你知道，这些东西会越积越多，办了一次派对，就剩下各种各样的酒，我们就想，用这些能调什么？这是个很好的例子。另外我们还做了这样一件事：有些瓶子比其他的好，但我们不想扔掉或送掉那些其实值得留存的酒。所以我们把所有标签拍了照，让 Claude 逐个查看，结果它说，哦，这瓶其实非常稀有，你们绝对应该留着。这确实是非常个人化的使用场景，而仅仅是因为我熟悉它的图像能力，我才想到可以这样用。

完全同意。我想顺着这个方向展开，把话题从别人怎么用它转到你自己怎么用。像这样的对话很棒的一点在于，像我这样的人，以及所有观众，都能看到像你这样身处技术最前沿的人是如何使用它的。所以很想听听你日常怎么用 Claude 或其他 AI 工具，无论是工作还是个人事务。

我会说，我总体上问自己的问题是：这事能不能用 Claude 搞定？或者 Claude 能不能帮我做？其实我得归功于我的妻子，她让我发现了很多我根本没想到可以用 Claude 的地方。比如她看我在忙某件事，就会说，你为什么不直接问 Claude 呢？我一想，哦，确实很有道理。比如我不需要逐个检查学校派对邀请函上的每个邮箱地址，我们可以直接让 Claude 看 CSV 文件，然后生成结果。所以这在很大程度上是一种日常思维方式的转变。

我觉得有几种不同的用法。一种是我在做任何产品相关工作时，比如写策略、完善策略、反复迭代某个方案。在写出初稿后，我的第一步就是真正把 Claude 当作一个来回对话的伙伴：我遗漏了什么？请给我的策略挑毛病。我应该补充什么？你想象一下会有什么反对意见？然后你经常会感叹，哇，这点我完全没想到。尤其是如果你写的是自己的东西，盲点很容易忽略，因为你是创作者。所以让 Claude 担任那种批评性的对话伙伴，我觉得非常重要。

另外，为了搞懂一些东西，我也经常依赖 Claude。无论是 AI 领域的某个概念，你知道，我们这里有世界上最聪明的一些人在推动前沿，如果我每隔五分钟就去打扰他们，问这是什么意思，我相信他们很乐意解释，但这不一定是利用他们时间的最佳方式。所以用 Claude 来弄懂一些东西。我发现很酷的一点是，Claude 还能做可视化，能创建图表和图形，甚至能做演示文稿。用不同格式来索要解释，往往能得到一些很有意思的结果，对吧？我们有一位设计师最近想弄懂一个研究概念，他就让 Claude 做了一个完整的流程图之类的东西，然后他说，啊，我懂了。所以我觉得这很有意思，不同的人学习方式不同，而 Claude 能根据你的情况调整解释方式，这很棒。

然后更私人一点的是，任何研究性质的事，比如，嘿，我们接下来该看什么？有什么我们还没看过的剧集？我最近读了三本书，还应该考虑读什么？我们也会去一些新的地方旅行，和你一样。还有就是，比如有哪些冷门小众的事情可以做，或者我很喜欢冷门又奇特的博物馆。所以能问 Claude，嘿，有哪些地方我可以去？它给我推荐了一个伦敦超酷的地方，那是一座房子，看起来完全就像19世纪末一户家庭真实居住过的样子。我自己永远找不到那种地方。所以这就是我通常在个人和工作之间来回使用它的方式。

太棒了。对了，我最常用的功能之一就是获取反馈。因为我觉得，既然我在管理团队，有时候总有一种动态，就是你的下属可能不想对你太直白，怕伤害你的感情。但我在 Claude 里有一个项目，就叫“残酷诚实的导师”，我总是让它给我建议。我以前从不在播客上，甚至不在团队面前大声说这件事，因为我觉得，如果我居然在记 AI 教我怎么经营公司，看起来会很奇怪。但后来 Marc Benioff 上了我们的播客，他基本上说，嘿，每次我要做重大决定，我都会去找所有 chatbots，贴一份文档，然后问它们要反馈。我当时就想，好吧，酷，知道了。很好。

现在这已经成了经营公司的正当手段了。

我喜欢这个说法。

是啊。除了你怎么用 Claude，或者 Anthropic 做的东西之外，还有没有其他你特别喜欢的 AI 产品？

我其实很喜欢看到新一代技术让旧方法彻底过时。你知道，我大概20年来一直尝试记录饮食。早期 App Store 里有一些应用可以做这个，后来又有像 MyFitnessPal 这样的产品。而看到人们以前在图像分割上做了很多工作来试图识别份量，现在你可以直接把它丢给 LLM，它其实非常擅长识别这些东西，这很酷。所以我一直在用 Levels，我觉得 Levels 在图像识别份量和 macros 的实现上是最好的。我在追踪蛋白质摄入，它把一件以前每次做都很麻烦的事变得轻松了。你知道，以前你会想，我得称重这些东西，虽然不是100%准确，但已经足够接近，而且几乎不会造成什么干扰。

拍张照片非常快，把手机揣回兜里，相信稍后它就会给出很棒的反馈，比如这是各个不同部分的拆解，这一 portion 等等。这是我经常用的功能，而且速度非常快。另一件让我兴奋的事是语音作为一种输入方式。我觉得，可能是年纪渐长，我不喜欢打字了，更喜欢口述想法。所以我之前要做一个很长的演讲，最近有一个大概30分钟、没有幻灯片的演讲。我实际的准备方式是，我每天开车上下班，就对着一个可以让我像耳语一样不停说话的应用，让它内化这些内容，然后你还可以选择性地用 LLM 来提问或总结，这非常有价值。

最后还有一个与演讲相关的有趣经历：我写好了演讲稿，但很难用自己的声音去听，或者全部朗读出来以判断哪里别扭，所以在去会场的路上，我把它放进了 ElevenLabs，让它读给我听。它照做了，这真是一种很酷的方式，能真正听到自己的内容，而且很快就发现："哦，这部分很别扭，这部分节奏慢，这里让人无聊。"如果你对自己的演讲都感到无聊，那肯定不妙。这彻底改变了我现在准备演讲的方式。

太棒了。

真酷。

太喜欢这个例子了，Mike。

说到 Claude Code，过去12个月我一直在思考，coding agents 真的进步了很多。我对 4.5 和 Claude Code 感到非常兴奋，就像突然之间，哇，这看起来是巨大的提升。如果我是一位创始人，正在融资 500 万到 1000 万美元，我真的不需要那么多钱去雇那么多工程师。说实话，Claude Code 给人的感觉就像是，你有一位首席工程师，他手下还有三到五名开发者，他们可以并行工作，真的能推进事情。举个例子，我们用 Claude 4.5 做的一个项目，如果在六七个月前，可能需要一名工程师花上三到五天，但我们花了不到一天就完成了，这在我看来太了不起了。

是的。

那么从你的角度来看，公司现在应该如何看待技术团队？那些想进入科技行业的人又该怎么思考这个问题？我认为影响会首先在初创公司这边感受到，有两个原因。第一，初创公司往往没有现有的代码库。我觉得，即使是我们最好的模型，在大型代码库中做修改的能力，也不如从零到一的过程，因为当某个东西几乎是由 Claude 构建出来时，它也更容易被 Claude 迭代优化。不过我觉得这类初创公司，甚至中型公司也是。我今天和一位创始人聊天，他非常兴奋地说，在他们的开发流程中真正以 Claude 为核心，帮助他们保持了凝聚力。

就像在 Instagram 时一样，我们当时是个小团队，团队内部有着非常紧密的凝聚力，他也有同样的感受，这意味着公司能够更灵活地运作。至于大公司这边，我代表 Anthropic 来说，我们肯定还在招聘工程师，技术团队还在扩张。所以至少对我们来说，感觉我们仍处于需要更多人才的上行阶段。我也问过自己，模型确实让团队更高效了，那这是怎么回事？我想有几个原因。第一，我们的业务范围变得更广了，有更多人在做不同的项目。

第二，软件工程中其实有大量非编码工作，对吧？有规划流程，有为正确的 UX 进行辩论，有修 bug、找 bug，深入这些环节，而这些在很多方面仍然是非常需要人类参与的活动。最后一点是，有些项目超出了代码本身。比如我们的 iOS 应用里有 Sign in with Apple，现在需要在网页版上也加上这个功能。这个过程里，代码部分我觉得 Claude 可能一次性就能搞定，哪怕在我们的代码库里也是如此；但要真正完成，你还得登录 Apple 开发者账号去配置、去开通，肯定还有更多步骤。

所以在我们完全解锁端到端的 browser use 能力之前，我认为你和模型之间仍然需要来回沟通。至于建议，我觉得有几件事很重要。第一，如我所说，非编码技能在角色中占的比重越来越大。因此，不要只强调“我能用这些工具做出很棒的东西”，而要强调“我是和一个小团队一起完成的”，或者，我最近和一个人聊天，他在学生工作中为大学搭建了一整个门户。我说，太好了，这意味着你有客户、有受众，你是在为真实需求做构建。

我觉得现在进入职场，这比“我一个人做了一个超级复杂的项目”重要得多。第二，要对用户体验方面保持高度好奇。这绝对是人类目前仍具巨大比较优势的领域，比如产品应该如何表现、如何运作。我很喜欢和 Anthropic 里那些以用户为中心的工程师合作，他们会说：很好，我们可以用三种方式来做，我认为应该选这种方式，因为我试用过，在这里遇到了瓶颈，我在用户反馈中也看到了这个问题。毕竟，至少在接下来的一段时间里，软件还是为人类而建的。

只要是这样，我就非常看重那些即使身为工程师也具备 UX 品味的人。

这很有帮助。我注意到新模型中的 computer use benchmark 相比其他模型真的大幅跃升。是因为收集的数据有了重大改进，还是有什么突破让它从 40 多分提升到了接近 60%？很大程度上是通过更好的训练实现的。我觉得真正能带来下一次飞跃的，还是更好的 vision 能力。这是我们接下来会持续推动和强调的，4.5 在这方面已经有一些改进。我们会继续推进的是：模型能“看”得多好。不只是大概看到屏幕、理解发生了什么，而是我希望能够把所有设计稿、所有 UI 都喂给它，让它在 UI 细节上比我还要挑剔。倒不是说只有这些才重要，而是因为这样才能真正体现它在创建内容和看到内容之间形成闭环的能力。不过 4.5 的很多改进确实来自于更好的训练、更多的示例。

我们还投入了大量工作来提升模型对 jailbreak 和 prompt injection 的鲁棒性，这两种风险是我们在浏览器和 computer use 场景中高度关注的问题。因为我们确实认为，要广泛地充分释放这一能力，我们必须同时打造出非常强大，同时也非常安全、可信的模型。

我们刚刚聊了一些关于 computer use 的话题。既然你如此贴近这项技术，在未来 6 到 12 个月里，还有哪些方面让你特别兴奋？我问这个问题也带有一点私心，因为总的来说我们在做产品开发。所以我总在想，未来 6 个月或 12 个月会发生什么，我们真正应该专注于构建什么。

我认为，我评估这个问题的方式是，我在内部建立了一个视角，来看我们还需要补齐哪些缺失的环节，才能真正拥有一个可靠的虚拟同事。我先列举几项，再谈谈相关的改进。

第一是主动性。我们之前聊到，这些模型在主动性和社交感知方面正变得越来越好，但我认为还有更多工作要做。等它们真正达到那个水平时，会非常引人注目。实际上，4.5 是我们训练过的模型中在这方面能力最强的，比如它能在我们共享的 Slack 里判断什么时候该插话、什么时候不该插话。不过你仍然需要给它一些指令，比如“不，你太主动了，收敛一点”。但至少它能遵循这些指令。

第二是自主性和记忆。我认为你会继续看到这方面被进一步推向前进：不仅能连接正确的数据源，甚至能编写连接器来连接正确的数据源。我们看到模型不仅能非常擅长使用 MCP，而且我们内部有一个完整的项目叫 autoMCP，只要给定正确的规范，它就能直接编写集成代码，然后提交审核，我们再安全地部署。我认为这也是另一个非常重要的部分。

最后一点，前面在浏览器使用方面略有提及，但实际上是模型能够多模态地与我们共处同一空间的能力。比如在对话中，想象一下未来我们的播客里，有一个 Claude 能真正参与讨论，因为它能听，能处于一种 full duplex 的场景中，还能对屏幕上看到的内容做出反应。这目前还没有实现，但当它出现时，会让人觉得非常神奇。当语音、视觉、计算机操作等所有这些模态融合在一起时，那将是许多面向生产力的使用场景的转折点。

太棒了。到目前为止，这是一场非常精彩的对话。我想最后把视角拉远一点，从十年或数十年的尺度来看看正在发生什么。当我思考 AI 时，我认为最突出的一个方面就是它所带来的巨大杠杆效应。在我们的 Twitter 圈子里，大家谈论杠杆之类的东西时，Instagram 是一个经典例子：不到 15 个人，公司被以 10 亿美元收购，如今被数十亿人使用。极少的人凭借代码的力量就能完成惊人的事情。现在我们正在看到这一趋势随着编程模型以及正在发生的一切而加速。当你展望未来 5 年、10 年，甚至 1 到 2 年时，一个充分使用杠杆的个体在你眼中是什么样的？而当每个人都能获得如此巨大的杠杆时，社会又会是什么样子？

好，我会兼顾两面。Anthropic 有一条公司价值观叫 hold light and shade。所以我也会尽量兼顾两面。

从积极的杠杆效应来说，即使在早期阶段，我也已经看到了：不是每家公司都能聘请到世界上最优秀的 CFO、最优秀的产品负责人、最优秀的战略师，尤其是在早期阶段。我认为一个非常酷、极具潜力的杠杆时刻，就是把这些能力带给更多人。Claude 比最好的律师、最好的 CPO 更强吗？绝对不是。但它是否比那些毫无经验的人纯粹凭第一性原理思考要好呢？其实也不是。因此，在初创公司和小企业中提升这些学科的能力，我认为会对整个世界经济、事物的构建方式以及企业的规模化方式产生巨大影响。这是我认为潜力非常大的一个方向。

我觉得这最初可能体现在人们做副业、创办公司或扩展 SMB 上，这些都是很有前景的领域。

但风险在于，这实际上可能让我们更孤独。即使在 Anthropic 内部，我们也经常思考这个问题。人们大幅增加了 Claude Code 的使用量。你可以想象，我们可能是世界上使用 Claude Code 最多的组织，尽管有些客户在这方面快赶上我们了。我们发现，人们的生产力提高了，但彼此之间的联系却减少了。所以我们内部正在积极讨论，如何吸取这个教训，找到在人们不再频繁互相询问技术问题时，依然能在人与人之间建立连接点的方法。

我之前提到，我常用 Claude 来深入研究一些研究课题。但我如何确保自己仍然与研究团队保持联系呢？我开始在家里办晚宴，从公司各个部门挑选人聚在一起，然后大家就会说：“哦，我不知道这个人也在我们公司工作。”这种连接感很棒。因此，我认为作为公司和社会，我们都必须重新投资于那些建立连接的时刻，因为以往促成这些连接的技术可能并不存在，或者说……

还有什么你今天没机会聊到、但一直放在心上想说的吗？

我想最后用一点来收尾：Anthropic 的创始核心理念或许是，我们可以构建极其强大的模型，但同时确保安全。看到这一点得以实现，对我来说非常酷。特别是 Sonnet 4.5，基本上在我们关注的每一项指标上——无论是 AI 行为还是能力方面——我们都实现了提升。但它同时也是我们迄今为止最安全的模型，最难以被 jailbreak，也是最诚实的。它在各项评估中都表现很好。我们的目标，也是我的希望，是继续同时推进这两条前沿。

太棒了。太棒了。了不起。Mike，这次对话很有启发性，绝对是我们做这档播客 40 到 45 期以来最精彩的一次对话。所以，非常感谢你抽出时间。

谢谢邀请我。这真的很愉快。