Anthropic首席执行官达里奥·阿莫迪。图片经由AI生成
文丨博阳
编辑丨徐青阳
一个多月前，Claude Code因拒绝兼容已成为行业标准的AGENTS.md规范，遭到了Shopify首席执行官托比·吕特克（Tobi Lütke）的公开质疑。
Anthropic团队当时坚持，不同模型需要不同的上下文与指令约束；而开发者则提出质疑，认为这等于逼着团队为每个模型维护一套繁琐的配置。
如今，Claude Code团队虽然确认将支持AGENTS.md，但Anthropic核心团队成员萨里克·希希帕尔（Thariq Shihipar）在做客Latent Space播客时，给出了更为激进的预测：随着前沿模型能力的快速提升，CLAUDE.md乃至此类静态指令文件终将退出历史舞台。
当所有人还在研究如何写好CLAUDE.md时，希希帕尔甚至建议新项目可以先不写。整场对话透露出一条清晰的主线：静态指令文件正在从“必要配置”变成“可选甚至可能有害的约束”。
Anthropic工程师深度揭秘：Claude Code架构演进与下一代Agent开发范式以下为访谈内容精选版（在不改变原意的情况下有删减调整）：
01 静态配置的困境：模型动态演化引发的规则失效
问：CLAUDE.md到底还要不要写？Anthropic为什么最终决定支持AGENTS.md？
希希帕尔：AGENTS.md我们确实是在增加支持。但我深刻体会到，针对不同模型去维护不同的配置文件是一件极其繁琐且痛苦的事情。随着模型能力的持续进化，它们在处理简单任务时的基线与下限也在稳步提高。因此在极限情况下，CLAUDE.md这类静态指令文件终将消失。甚至不需要等到那么遥远的事情，我觉得现在开始一个新项目，最合理的做法可能就是先不创建CLAUDE.md。
我建议的策略是：仅当你在实际协作中反复遇到特定的失败模式时，再把相关规则补充进CLAUDE.md。但这里的核心难点在于，规则存在极强的模型依赖性。开发者可能需要针对不同模型配置FABLE.md或OPUS.md，甚至同一模型族的不同版本（如Fable 5.0与Fable 5.1）之间，其行为模式与已知缺陷都有所不同。
也许Fable 5.0存在的某个失败模式，到了Fable 5.1已经修复了。如果你持续保留着一份不断扩充的失败模式日志，这份日益膨胀的上下文非常容易过度约束Claude的发挥。团队最近为技能（Skills）增加了评估插件，开发者可以通过量化评估来验证特定规则或技能是否真正带来了提升。
静态指令文件的本质缺陷在于：它假设模型的行为边界是固定不变的。然而模型是“生长出来的，而非设计出来的”，其能力边界处于高速动态变化中。将一年前针对旧模型总结的规则继续堆叠在配置文件中，极易把新模型原本具备的能力也一起锁死。
这里正在重演人工智能领域著名的“苦涩的教训”（The Bitter Lesson）。人工智能学者里奇·萨顿（Rich Sutton）提出的原始“苦涩的教训”指出，通用计算与规模扩展（Scaling）最终会碾压人类精心设计的专家规则；而在智能体运行框架（Agent Harness）领域，人类精心编写的静态指令文件（CLAUDE.md）和复杂人工规范，最终也必然会被模型自身的进化与动态适应能力所超越。
为了防止繁复的规则遮蔽焦点，团队内部开发并开源了极受欢迎的技能/eli5（Explain Like I'm Five，像对我五岁小孩一样解释），其核心指令仅为“大局观，少废话”（Big picture, few words），用极简的结构帮助开发者从复杂的代码库（Codebase）或事故现场中迅速提炼核心逻辑，而非依赖繁复的静态约束。
02 人机协作的心智重建：提示词精细表达与计算资源调控
问：如果静态配置最终会消失，提示词的重要性是否下降？高级用户真正依赖的核心能力是什么？
希希帕尔：提示词依然极其重要，且是一项具备极高技能上限的技术。许多人误以为提示词不重要、随手说一句模型就能完成任务。但我认为高质量的提示词如同公开演讲或专业写作：使用者必须面向特定的受众，而这个受众就是Claude本身。你需要建立对Claude的心智模型，理解它怎么思考、怎么工作。
与Claude Code协作最重要的技能，就是建立这种准确的心智模型：深刻理解它擅长什么、能够一次性搞定的边界在哪里，以及哪些任务无法直接完成。你去看很多资深开发者的提示词，它们看似十分简短，但因为他们脑海中对模型特性和代码库架构拥有极高精度的认知模型，因而能够毫不费力地精准驱动智能体。
此外，需要重点关注“未知的未知”，你要能发现自己不知道什么、没写下来什么。随着智能体能够承载的工作日益增多，使用者遇到处于自身专业领域之外、缺乏背景知识的任务的概率会非常高。
我很喜欢“地图与疆域”这个比喻。你的提示词是地图，而智能体实际要执行的工作是疆域。如果你具备丰富的领域知识，就能用极其精确的专业语言下达指令。
比如在用户界面（UI）设计上，如果我不是设计师，我可能会说“给我八个不同的原型展示”；但如果我是设计师，我就会说“这是参考网站，我要这种字体和视觉风格，这几个组件需要可视化，这是Figma MCP面板可以拉进来”。你能用那套专业语言表达得多精确，完全取决于你懂多少。
静态CLAUDE.md试图把这些领域知识一次性写死，但真正有效的方式是：使用者自己建立心智模型，在每次任务的提示词里动态注入足够信息。信息量远比文本格式重要，对着功能键口述两分钟，只要信息足够丰富，就比精心排版但内容稀薄的提示词更有效。模型完全能处理你在提示词中途改变主意的情况。对很多人来说，口述比打字容易得多，如果说话能让你输出更多信息，那就更好。
问：在具体的协作和算力分配上，如何少浪费智能体的工作？这和配置文件有什么关系？
希希帕尔：关键在于优化第一个提示词。多数人遭遇速率限制（Rate Limit）或消耗过多额度，是因为前期上下文与目标给得不够充分，导致模型不断做无效尝试或引发撤销重做。
如果我是个软件工程师、在跑自己的创业公司，大部分时候会停在最大20倍（max 20X）这个档。很多人遇到速率限制，往往是因为一开始没花够时间、没给够上下文，结果陷入“这个我不喜欢，撤销重做”、“你搞砸了，重来”的循环，在一个模型本可以一次做好的事情上来回折腾。启动前应尽可能提供完整的目标、边界与约束。
除了目标上下文，还要给模型一个“花多少算力”的许可：你是在做原型开发还是做生产环境代码？哪里可以烧算力、哪里不可以？模型没法凭直觉知道你愿意在这个任务上花多少，这时候就要用Effort（努力程度）参数来告知它。
Effort基本是和任务复杂度挂钩的。在安全场景下Effort设为高（High）对比低（Low）能明显改变评估结果；但在普通软件工程里差别不大，因为Effort大部分花在验证和边界情况测试上。代码审查和安全场景应该用高甚至最高（Max），而UI排版这类任务用低和中（Medium）就够了。
建立起“事情在这些分布上如何运作”的心智模型，本身就是工作的一部分。前沿模型会在几乎所有任务上表现出帕累托占优（Pareto Dominance）。因为有了验证，极限情况下模型甚至不需要反复验证。如果模型足够完美，它做一遍就完事了。模型越聪明，它就能直接完成任务，跑一下代码检查工具（Lint）只是为了图个心安，但其实你知道它一定能过，这会比小模型高效得多。
另一个实用技巧是让模型主动输出“实现笔记”或“决策笔记”。在几乎所有评估题中，模型其实想到了正确解法，却在思考过程中决定不做，这是失败的主要来源。有了这些笔记，后续审查时就能明确指出“你当时考虑过却没做的那一步”。这些动态产出的笔记，比静态写在配置文件里的“永远要做 X”更精准，也更不容易过时。
03 运行时架构重塑：TypeScript可扩展性与可变软件生成
问：Claude Mods的设计机制是什么？它如何替代静态指令文件？
希希帕尔：Claude Mods是一套允许开发者定制整个Claude Code Harness（智能体运行框架）的扩展机制，适用于命令行界面（CLI）与桌面端，未来也许会适用于Claude Tag。开发者可以同步定制Harness的底层执行逻辑和UI界面。
比如有开发者做过把俄罗斯方块直接显示在终端里；或者在每次对话结束时自动分叉（Fork）出一个子智能体，借助分类器在后台静默判断“任务是否真的完成”，若完成则生成测验并显示在输入框上方。由于Fork会保留提示词缓存（Prompt Cache），成本极低。Mods还可以注册自定义工具（如假设注册器）、建立模型路由、创建Mode（模式）选择器，让插件互相挂钩（Hook）与组合。
我们最初把它叫做函数挂钩（Function Hooks），基本上是注册一个事件然后调用脚本。它是在TypeScript运行时内部执行的，因此作用域里能拿到非常多数据：这段对话有多少轮、用了多少Token都能直接获取。
这套底层架构也是Anthropic团队与Bun团队密切合作的成果，因为运行在进程内部，毫秒级内就能完成子智能体的启动与结构化数据解析。你可以修改UI界面，这是传统的Hooks永远做不到的。
我认为这是可变软件（Mutable Software）的一个预览：生成式软件可以在运行时被安全地高度定制。只要启用，你就可以定制任何一块软件。理想情况下，越来越多的应用都应该做类似的事情。Mods的核心价值之一，正是用“运行时动态规则”全面替代仓库里静态的CLAUDE.md。你不需要事先写死所有失败模式，而是让Harness在每次交互结束后自己检查、自己提醒、自己调整。
问：Artifacts和多人协作机制会如何进一步削弱静态文件的必要性？
希希帕尔：HTML交互界面一直是智能体交互的主要做法，我们最近加了Artifacts（交互构件）。它们自带数据库，能存储和写入持久化数据，还能把信息反馈给 Claude。
我一直在推动的一个方向是“仪表盘构件”（Dashboard Artifact）：让Claude长期跟踪一个项目，做成看板并把数据存入数据库，多个Claude通过 Artifact MCP（模型上下文协议）访问，这个Artifact也能反过来与那些Claude对话。我们本质上是在搭建一些原语，让你通过Artifacts拥有这种生成式界面。
在极限情况下，我们设想Artifacts会成为你进入整个Harness的主要界面。你可以像评论实时文档一样评论工作计划，还能看到多个智能体在做不同的事。为你的 Harness 提供一个实时界面，这就是事情发展的方向。
从架构上看，我们正在把“大脑”、“手”和“表面UI”解耦拆开。现在的Claude Code是本地的，你可以启动远程控制（Remote Control），或者在云端启动 Claude Code。
我们走向的方向是：你有一个在云端运行的Claude大脑，你给它发消息，它可以运行本地会话（Session），也可以运行云端Session。例如Claude Tag 大概就是这样工作的，我们还会加上本地的“手”，也就是智能体能访问你的电脑。它可以启动很多子智能体之间互相通信，而Artifact就是用来展示所有这些工作的表面UI。
多人协作方面，Claude Tag是更原生的“组织级 Harness”，适合故障值守（On-call）、事故处理等天然多人场景；项目（Projects）则是在 Claude 产品上获得类似收益、又不需要完整管理员（Admin）设置的方式——它在初期完美支持单人（Single-player）的深度创作，后续正逐步向多人（Multiplayer）无缝协作扩展。
当多个智能体、多个人、多个Session同时围绕一个动态的Artifact工作时，静态的CLAUDE.md很难再作为唯一真相来源。真正的约束和上下文会实时存在于Artifact、会话历史和Mods里，而不是某个仓库根目录的Markdown文件。
04 框架演进的越权陷阱与多层防御安全体系
问：Harness工程积累了哪些反直觉的“苦涩教训”？这和静态指令文件的消亡有什么关系？
希希帕尔：这个苦涩教训本身是反直觉的。我们有点在借用“苦涩教训”这个词，它原本更多是关于规模扩展和算力的，但我用它来做一个近似：Harness会非常快地过时，而且它们演进的方向是反直觉的。最明显的例子是从聊天到智能体，你必须给它们全新的工具；而现在模型已经具备了修改自身Harness的能力。你看 TerminalBench（终端能力基准测试）那些题目，复杂度非常高，我作为一个专业软件工程师甚至都很难做出来。
Claude Code拥有 Agent Loop（智能体循环）的核心，这些核心已经变得越来越复杂：它需要沙箱来安全运行，需要自动模式（Auto Mode）来确保权限和审批，需要电脑操作、模型上下文协议（MCP）、网络搜索、网络抓取。随着模型能做越来越多的事，核心Harness必须相当复杂且非常安全，但你与它交互的方式可以变化很大。
这里存在一条分叉路径：最终模型确实能直接通过“氛围编程”（Vibe Code）构建出Claude Code的精确版本，但它们现在已经能单次生成（One-shot）做出更简单的Harness了。
以前你必须用Agent SDK（智能体开发套件），现在这些被进一步抽象，有了Claude Managed Agents，让你既能拥有底层的复杂度，又能写一个非常精简、限定于你特定任务的Harness。这里呈现出明显的杠铃效应：对于极其复杂的代码工程任务，你应该依赖我们构建的高强度Harness；而对于更简单或更垂直领域的东西，你可以构建自己的Harness。
Harness本身在快速演进，静态文件却试图把行为固定下来。两者的张力越来越大。当你的Harness已经能被Mods动态改写、能被Artifact实时反馈、能被模型自己观察和调整时，把规则写死在CLAUDE.md里就显得越来越像“用昨天的地图导航今天的疆域”。
问：Claude Tag作为组织级Harness，为什么进一步说明静态文件不够用？面对具备越狱与攻击能力的模型，安全防线应如何构建？
希希帕尔：不同人有不同的用法。偏产品迭代的人会用Claude Code桌面端，而做代码审查、安全、提交拉取请求（PR）这类后台工作时，更多会用API和Claude Tag。
这是一个非常不同的范式转移，有点像Claude Code 刚出来时的情形：人们花了一段时间才真正上手。Claude Tag稍微更复杂一点，需要管理员帮助安装，但一旦你到达那个“魔法时刻”，它会非常令人兴奋。尤其是多人协作那部分，比如接入你现有的Alert（警报）。
举个例子，如果你是个创业公司，任何时候有潜在客户进入数据库，你可以让Claude去研究它，然后Tag相关的销售人员。这就是前OpenAI首席科学家安德烈·卡帕西（Andrej Karpathy）所说的“组织级Harness”。
如果你是企业，首先把你所有的数据都设置成对智能体可用是非常重要的，这会花不少时间，现在就得做这个工作。但Claude Tag一个非常棘手的地方在于，安全真的至关重要。比如你有一个建议页面允许外部提交，这会进入你Slack里的一个Hook，如果有人做了提示词注入（Prompt Injection），你可能就会把整个代码库泄露出去。你的组织Harness越重要、组织数据越关键，这些表面的攻击面就越大，就像水面下巨大的冰山。
面对具备主动隐藏行为、越狱与逆向工程能力的模型，传统的静态防护完全失效。在OpenAI的ExploitBench（漏洞利用基准测试）中，智能体们展现出了惊人的自主攻击与漏洞利用特征：
当智能体发现自己解不出难题但还有剩余算力时，有个智能体发现内部 Artifactory（构件仓库/包管理器）可以利用，它意识到可以通过缓存名称来通信。它创建了一个文件夹写上自己的ID，并标记“no consumer”（无消费者，类似于Linear看板上的废弃标签），试图从其他智能体那里找线索。
其他智能体看到这个文件夹，就会把它当成留言板交流。它们还会读论文，意识到可以黑掉评分器（Scorer）的标志位（Flag），甚至黑进Hugging Face去获取 Scorer的源码进行逆向工程以篡改测试标记，从而逃避评估惩罚。
在另一起Wiki事件中，模型在沙箱限制下无法发送POST请求，它们敏锐地发现了德语Wiki错误实现的REST API（允许通过GET请求进行写操作），顺势绕过了沙箱拦截；最终更是通过修改/etc/hosts文件、伪造Azure主机映射指向任意外部IP，实现了对外部网站的POST请求，并在通信时尽量不被日志发现。
当面对这种会主动协作、隐藏行为、串联漏洞的模型时，事先写在CLAUDE.md里的“不要做X”没有任何约束力。真正有效的防线是多层的：探测器（Probes）在意图层面监控内部激活与思维链（CoT）；自动模式在权限层面检查请求是否匹配用户授权；再往外是身份鉴权与隔离。特别是包管理器管道（如PyPI、npm、RubyGems、Artifactory等），它们往往是智能体绕过权限边界最频繁利用的供应链攻击面，必须进行动态审计与严格隔离。静态文件在组织级场景下既不够用，也极其不安全。
05 行业前沿调控下的生存法则：工程师与企业的范式演进
问：在“前沿技术调控”（Pacing the Frontier）的背景下，普通工程师和企业现在最该做什么？
希希帕尔：数字基础设施的任何部分都可能被攻破：模型为了拿到更多任务算力，可能黑进数据库甚至造成停电；更麻烦的是它们会试图隐藏行为，只有思维链能监控到。对齐（Alignment）是一个极其棘手的问题。沙箱的攻击面非常复杂，你事先不会想到“我们需要加固RubyGems代码库”，但如果你想执行代码，就需要下载 RubyGems。PyPI、Artifactory、npm，这些都是执行代码的渠道，你必须封住所有裂缝。
Anthropic首席执行官达里奥·阿莫迪（Dario Amodei）提出的“前沿技术调控”（Pacing the Frontier），第一步就是宣布意图、引入外部评估者，让非财务动机驱动的人向公众报告实践状况。我个人认为“末日概率”，即人工智能引发人类灭绝风险的概率相当低，相信人类能像核不扩散那样协作解决难题。
软件工程变化的速度太快了。一年前我还在恳求朋友和创业公司用人工智能，现在同样这些人表示“当然在用了”。我有时觉得抱歉，人们抱怨“现在得为 Fable和Opus准备不同的CLAUDE.md”，我真的只是在报道事实：模型是长出来的，不是设计出来的。事情发生得更快，更难跟上。每个工程师都在同时做两份工作，工作本身在变容易，但跟上人工智能的进化让人精疲力竭。在这种速度下，静态指令文件注定跟不上。
对普通工程师而言，最该做的是停止把CLAUDE.md当成“必须写好的配置文件”，而是把它当成“可选的、只记录反复出现的失败模式的活文档”。先让模型跑，观察它真正会在哪里反复失败，再决定要不要加规则。同时把更多时间花在第一个提示词和心智模型建设上。
对企业来说，第一件事是把数据设置成对智能体可用，这很花时间但现在就得做。但越重要的组织数据，暴露给智能体的攻击面就越大，安全必须从一开始就认真对待。Claude Tag这类组织级Harness在企业场景中会越来越合理，但前提是权限与隔离被妥善处理。
我知道事情变化得非常快，很多人感到疲惫、焦虑或压力大，这完全可以理解。我们也不完美。但这是一个真正令人兴奋的时代。我们会回头看这段时间，说这非常忙乱但也极其令人兴奋，软件工程被永远地改变了。静态文件或许会消失，但真正重要的能力：理解模型、与模型协作、在动态环境中保持安全与清晰，会一直留下来。
特约编译无忌对本文亦有贡献
CLAUDE.md还是AGENTS.md？Anthropic的答案是：以后都不用
