热点来源Anthropic 官网 Claude Blog -《The Claude Code Guide For Startups》https://claude.com/blog/claude-code-guide-for-startups为什么这篇值得读昨天刚写完值班智能体怎么当 CI/CD 一线响应者今天 Anthropic 又发了一篇分量更重的基于对十几家高增长公司的调研总结出用 Claude Code 规模化交付的五大规则。如果说上一篇是单个 Agent 怎么排障这篇就是一个团队怎么用 Code Agent 重构整个公司的开发方式。对正在把 AI 编程助手从玩具变成生产工具的开发者来说这些规则直接决定你能不能复制那些公司的效率而不是把 Agent 用成一个高级自动补全。一、指南讲了什么Anthropic 采访了 ClickHouse、Harvey、Cognition、Clay、Omni、Artemis Security 等十几家增长最快的公司结论一句话这些公司正在以相当于自身规模十倍的大组织的速度交付产品。注意一个关键措辞——文章把重点放在如何构建而不只是构建什么。大多数团队在用 AI 造产品但很少有人重新设计公司的实际运营方式后者才是更大的解锁。下面五条规则就是这套运营方式的骨架。二、规则 1人人皆可交付Everyone shipsAgentic coding 把从想法到可运行原型的门槛拉平了理解问题的人可以直接交付第一版不必先过一遍编程语言和 IDE。Heidi 的 CEO 用一个很准的比喻解释这件事过去一个新想法要在团队里走有想法的人 → 产品经理 → 设计师 → 工程师的传话游戏等交付时往往已经不像最初那个人脑海里的样子而且花掉数周。Claude Code 把这条链条折叠了真正理解问题的人可以直接提交 PR需要时再引入设计师和工程师的专业能力。但注意这不是让所有人都去写代码。文章强调劳动力分工仍然存在——营销人员还是做营销只是他们现在能自己交付获取线索 → 填表单 → 计时响应 → 生成体验报告这类自动化 agent。最有效的公司不是靠个人自觉而是把这种贡献机制化Omni 专门开了一个 Slack 频道放 Claude 生成的原型Clay 设了季度评审会原型可以直接进入正式路线图。三、规则 2自动化繁琐之事Automate the tedium多家创始人的共识是agent 拥有机械的 80%生命周期里那些重复、机械、不需要判断力的部分全交给 agent工程师只处理真正需要判断力的案例。数据很直观ClickHouse 交付的功能多了 30%用来修 flaky tests、发现缺失测试覆盖的两个 agent 已经成为仓库的第 2、3 大贡献者Commure 一位工程师用 Claude 子 agent 并行跑了一个约 13 个 ticket 的项目每个 agent 负责一个 ticket 和自己的 PRHiggsfield 新模型部署周期从数天压缩到数小时Artemis Security 每周产出 6000 个 PR。这里有个值得学习的分寸自动化的对象是有清晰停止条件的任务。修复 flaky test 之所以适合做 agent是因为测试通过就是自包含的验收标准agent 可以反复迭代直到达标不需要人盯着。没想清楚停止条件的任务不要急着交给 agent。四、规则 3信任但验证Trust, but verify这是规则 2 成立的前提除非有可靠的监控和验证手段否则无法自动化任何流程。没有一家调研公司让 agent 直接往主分支合并然后祈祷。两个机制值得展开第一“修复原则而非修复案例”。Zingage 早期给了 Claude 完全自主权它快速交付了看起来合理的代码但偏离了团队架构。于是团队写下了 567 行这个团队如何思考的不变式文档——如何框定问题、什么必须无条件成立、如何证明某事有效而不是相信一个自信的回答。专家评审用来指导 agent 的推理而不是逐个修正错误例子。第二用确定性检查兜底。Cainex 做医疗编码一句话点醒错误的编码不是错别字是计费和合规事件。所以它把 agent 和确定性检查结合起来审计员在内置应用里不仅看输出代码还看模型推理过程并评论agent 再根据修正反向修订产生错误的指令——形成一个自我改进闭环。每个公司还应该为关键用例维护多套 eval 金标准集并定期更新防止漂移。五、规则 4为重建而构建Build for rebuilding模型能力在脚下不断变化所以几乎没有东西是永久的。Clay 的说法最有代表性你构建它然后你再构建它然后再构建它——第四次构建时你知道了所有需要知道的东西就能做对了。注意重建的定义很严格不是新路径上线就算完成旧路径被移除才算。文章给了两个让重建变便宜的具体工具。一是 git worktrees在隔离的仓库副本里跑重建v2 和 v1 并行对两者跑评估只有新版本胜出才合并让构建四次变得廉价。二是计划模式重要重写以--plan或 ShiftTab 启动Claude 先探索代码库、提出重建方案你批准或重定向这是捕捉将要偏离你架构的重建最便宜的场所。Cognition 联合创始人的态度值得记下来接受你今天构建的东西很可能在六个月到一年内被废弃但这在今天可能不奏效但很快会。六、规则 5原型、自用、产品化Prototype, dogfood, productionize最后一条规则串起了整个飞轮用 Claude Code 构建内部 agent → 团队自己先用dogfood→ 根据真实反馈用 Claude API、SDK 或 Managed Agents 推广成客户面向的产品。ClickHouse 的 SQL 控制台 agent 和 AI SRE 就是为客户 AI 体验提供动力的工具部分是由 AI 构建的。自用还有一个隐藏收益对自家产品性能保持敏锐。团队能快速判断一个问题是模型行为还是 harness 的问题这对做 Agent 产品的人来说是极其宝贵的能力。Omni 还提到他们从 Anthropic 的文件与嵌入方法里汲取灵感刻意保持简单避免了很多 RAG 流水线自带的复杂度——这提醒我们从自己用到产品化的过程中简单往往是更好的默认选择。七、对 AI Agent 开发学习者的三点启示个人用和团队用的分水岭是知识沉淀。CLAUDE.md分两层根目录放不可变规则架构、安全边界、不可协商事项每次会话开始自动读取子目录放该目录的编码约定。skills则用于按需的程序性工作流可以通过公司目录共享让一个人的最佳实践瞬间变成全公司的。个人开发者从现在起就养成把约定写进 CLAUDE.md、把流程写成 skills的习惯就是为团队化做准备。信任但验证要落到机制而不是口号。hooks是 Claude Code 生命周期固定点触发的用户定义命令无论模型怎么决定都会执行可以用作硬门槛阻止未通过 lint 的写入、要求提交前测试通过、离开沙箱前剥离密钥。MCP和 CLI 连接gh、kubectl、psql 这类成熟命令行工具让 agent 和工程师共享同一个 ground truth。这些机制任何一个都比提醒它小心点可靠。用 Agent 的方式也在被 Agent 重塑。规则 5 的飞轮意味着今天你写 prompt、搭 harness 的经验明天就是你产品里的功能。一边用 Claude Code 写代码一边观察它怎么理解你的仓库、怎么失败、怎么被约束本身就是最便宜的 Agent 产品课——这也是这篇文章和上一篇值班智能体案例真正连起来的地方。总结五大规则是一条完整的链路人人可交付解决谁来做自动化繁琐解决做什么信任但验证解决怎么保证质量为重建而构建解决怎么应对变化原型-自用-产品化解决怎么持续放大。对学习者来说最有价值的不是记住案例数字而是看到这些公司在把 Code Agent 当成基础设施在建设。从今天开始给项目写一个根目录 CLAUDE.md设一条 hooks 硬门槛比等Agent 成熟了再行动要靠谱得多。文中功能与版本细节以 Anthropic 官方文档为准本文未验证最新版本。