Claude Code 团队的工程师，现在很少逐行翻 AI 的执行记录了。
一年前不是这样。
那时候他们要盯每一次工具调用，还要看每个参数怎么选，每一步推理怎么走。
最近官方放出一段访谈视频，名字很长，就叫《How the Claude Code team uses Claude Code》。几个人坐下来聊的，是这一年工作方式被改成了什么样。
先说结论。
团队把 70% 到 80% 的日常活交给了 Slack 里的原生智能体。团队内部管它叫 Claude Tag。人只负责把目标说清楚。
最别扭的改动，是界面和思考过程被拆开了。模型后台的推理记录不再实时显示给人看。
聊天窗口里只留下它发出来的消息。团队自己形容，这是一种有点吓人的强制性放手。
信任，比监督更值钱。
他们开发内部工具的方式也一样。
第一步先问一句，我想做这么一个东西，该找谁聊。模型给出一份相关同事的名单。
谈完直接让它出原型和实现。最后挂上埋点，部署到内部用，看大家到底怎么使。
之后模型会一直盯着使用数据。发现反馈就主动提醒负责人，还会自己想办法优化转化漏斗。
说白了就是放养。
能这么放养，前提是底层模型每两个月就有一次跃迁。
技术的地基在脚底下换。人要是盯着自己造的东西不放，很快就会白忙。
所以他们的准则是，对自己做出来的功能保持不执着。
一个经典例子是待办清单。早两年那个模型还搞不定连续多步的复杂任务，得额外给它一份清单。
一年后模型记忆能力上来，这份清单就像脚手架一样被拆掉。
另一个例子是提问工具。最初设计它，是让模型干活中途主动来问人。
后来模型生成 HTML 的能力变强，开发者顺势改成让它画图表和原型图来问。
没用就换掉，不恋战。
他们的做法是搭原语，而不是搭整套方案。
把权限和可视化拆开，验证和代码审查也拆开，反馈单独成块。哪一块过时了，替换的代价很小。
几块叠在一起，又常常冒出没预料到的新本事。
这一年真正上移的，是人跟 AI 打交道的颗粒度。
过去盯词元，后来盯一次会话。再后来只给一个目标。
现在变成了能跨会话一直跑下去的工作系统。
配套的两条线也在变。
一条是运行环境。从本地机器搬到远程开发机，再搬到托管容器，最后能跑在云端容器里。
任务可以一直在后台接着做。
另一条是代码审查。先让模型大范围搜出可疑问题，再逐条做对抗性复核。
从三个角度看一遍，噪音基本滤掉，留给人的只剩真正要看的那些。
再往后，这套路子变成了工作流。模型自己写代码，去编排多个子智能体的分工。
确定性的代码逻辑和它自己的判断混在一起用。
对做 AI编程 的人来说，这份访谈里能直接拿走的东西不多。但方向很清楚。
重复性强的活儿丢给 AI工具，人只留判断和取舍。
十几二十年前，大家还在手写没有任何框架的 JavaScript。
现在变化快了些。底子其实没变。
软件工程是一个关于变化的行业。工程师始终是一个解决问题的职业。
