人工智能 (AI) 正在推动自身进化：Claude 的代码主要由它自己编写
人工智能 (AI) 革命仍处于早期阶段，但 AI 已经在创建更多 AI 方面发挥着重要作用。领先的 AI 研究公司 Anthropic 透露了一个引人入胜的消息，展示了他们的 AI 模型 Claude 参与自身开发的程度。Anthropic 的首席工程师 Boris Cherny 表示，实际上 Claude 的代码很大一部分是由 Claude 自己编写的。
Claude 的代码：一部自我创作的杰作
Cherny 在 Latent Space 播客上透露，Anthropic 的命令行界面 (CLI) 代理 Claude Code 大约 80% 的代码是由 Claude Code 自己生成的。这突显了 AI 的卓越能力，它不仅可以执行训练的任务，还可以为自身的进化和完善做出贡献。
虽然这看起来像一个纯粹的自动化过程，但 Cherny 迅速强调了人工监督的关键作用。他解释说，为了确保 AI 生成代码的质量、准确性和安全性，Anthropic 实施了人工代码审查流程。这种人工干预起到了保障作用，防止了潜在的错误并确保 AI 的输出与期望的目标保持一致。
共生关系：AI 与人类协作
Cherny 进一步阐述了 AI 与人类参与之间的动态关系，指出某些编码任务更适合 AI，而另一些则需要人类的专业知识。他强调了区分哪些任务可以委派给 AI，哪些任务需要手动处理的重要性。正如他所说，这种“知道选择哪一个的智慧”正在成为 AI 辅助开发时代日益重要的技能。
Anthropic 的典型工作流程包括 Claude 首先尝试编码任务。如果 AI 生成的代码令人满意，它将进入审查流程。但是，如果代码不合格或需要复杂的调整，人类工程师就会介入。Cherny 提到，对于像数据模型重构这样的复杂任务，他更喜欢手动处理，因为他有强烈的意见，并且发现直接进行实验比试图向 Claude 解释他的理由更有效率。
这种 AI 生成的代码和人类工艺的融合展示了一种共生关系，其中 AI 协助人类加速开发过程，而人类提供必要的指导和监督。这是一个充分利用 AI 和人类智能优势的协作努力。
AI 构建 AI 的意义
Cherny 的观察突出了开发领域的一个重大范式转变。AI 不再只是一种产品，它正在成为开发过程本身不可或缺的一部分。这种“AI 构建 AI”范式，即使以其当前的 AI 辅助形式，也具有深远的影响。
最重要的影响之一是 AI 进步的潜在指数级加速。随着 AI 模型越来越能够为自身的进化和优化做出贡献，进展的速度可能会大幅提高。这可能会导致各个领域的突破，因为 AI 模型变得更加强大、高效和适应性更强。
在竞争激烈的 AI 格局中，从 AI 协同驾驶自身开发中获得的效率提升可能代表着一个重要的竞争优势。能够有效利用 AI 来加速其开发周期并提高其 AI 模型质量的公司可能会获得对其竞争对手的决定性优势。
软件工程师角色的演变
AI 越来越多地参与软件开发也在改变着人类软件工程师的角色。虽然人工监督仍然至关重要，但大部分初始代码生成可以卸载到 AI。这正在将工程师的角色转变为架构师、一丝不苟的审查员和专家级的提示词工程师。
工程师现在负责指导 AI，改进其输出，并确保 AI 生成的代码符合期望的标准。他们还负责处理需要人类创造力和专业知识的更复杂和细致的任务。这种转变要求工程师发展新的技能，例如有效地与 AI 沟通、了解其局限性以及利用其优势的能力。
正如 Cherny 所说，“知道选择哪一个的智慧”在这个新时代变得更加关键。工程师需要能够评估 AI 的能力，确定它可以有效处理的任务，并确定何时需要人工干预。这需要对 AI 和软件开发原则有深刻的理解。
随着像 Claude 这样的 AI 模型变得越来越复杂，它们参与自身创造的可能性也会加深。这种趋势将进一步模糊工具和创造者之间的界限，预示着软件和 AI 开发的新篇章。这是一个 AI 和人类以空前的方式协同工作，突破可能的界限的未来。
AI 驱动的代码生成细微之处
虽然 AI 编写自己的代码的前景令人兴奋，但了解这个过程的细微之处和局限性至关重要。像 Claude 这样的 AI 模型接受过大量代码数据集的训练，这使它们能够根据它们学习到的模式和示例生成新代码。但是，AI 并不具备真正的理解或创造力。它依靠模仿和模式识别来生成代码。
这意味着 AI 生成的代码有时可能缺乏原创性或包含错误。人类工程师必须仔细审查和验证 AI 的输出，确保其符合所需的质量和功能标准。人工监督对于防止 AI 将漏洞或偏差引入代码也至关重要。
此外，AI 驱动的代码生成对于定义明确且重复的任务最有效。对于复杂或新颖的任务，人类的创造力和问题解决能力仍然不可或缺。AI 可以通过生成初始代码草案或提出潜在解决方案来协助完成这些任务，但人类工程师需要提供总体方向并确保最终产品符合期望的规范。
AI 驱动的代码生成的有效性还取决于训练数据的质量。如果训练数据存在偏差或不完整，AI 模型可能会生成反映这些偏差或局限性的代码。必须确保训练数据多样化、具有代表性且没有错误。
AI 开发的未来：合作共赢
尽管存在挑战，但 AI 开发的未来无疑与“AI 构建 AI”范式交织在一起。随着 AI 模型变得越来越强大和复杂，它们在开发过程中的作用将继续扩大。这将导致效率提高、开发周期加快，并有可能在各个领域取得变革性的突破。
但是，必须认识到 AI 不能取代人类智能。相反，它是一种强大的工具，可以增强人类的能力并加速进步。最成功的 AI 开发团队将是那些拥抱 AI 和人类之间的协作伙伴关系，利用两者的优势来实现共同目标的团队。
在这种协作模型中，AI 处理重复且定义明确的任务，使人类工程师可以专注于需要创造力、批判性思维和问题解决能力的高级任务。人类工程师还提供必要的监督和指导，以确保 AI 的输出准确、安全并且与期望的目标保持一致。
这种协作方法需要一种思维方式的转变，即 AI 被视为合作伙伴而不是竞争对手。它还需要工程师发展 AI 通信、提示词工程和 AI 验证等领域的新技能。通过拥抱这种协作模型，我们可以释放 AI 的全部潜力，并创建一个 AI 和人类共同努力解决世界上一些最紧迫挑战的未来。
伦理考量：确保负责任的 AI 开发
随着 AI 越来越多地参与自身的开发，考虑这个过程的伦理影响至关重要。其中一个关键的伦理问题是 AI 延续和放大现有偏见的可能性。如果 AI 模型接受过有偏见的数据的训练，它可能会生成反映这些偏见的