Claude Code团队讲究啊，这都往外说
内容提要
Claude Code团队将70%-80%日常工作交给AI agent，不再逐条审查工具调用，而是下达目标让模型自行完成。核心准则是不执着于自建功能，因模型能力每两月跃迁，旧功能如to-do list会被拆除。团队转向搭建可组合的“原语”，人与AI交互的抽象层级不断上移，从token到目标再到持续运行的工作系统。工程师的核心始终是解决问题。
延伸解读
信任比监督更重要：工作方式的根本转变
Claude Code团队将70%-80%的日常工作交给AI agent，不再逐条审查工具调用和模型决策，而是下达目标让模型自行完成。这种“强制性放手”源于一个判断：在模型能力快速迭代的背景下，信任比监督更有效率。对使用AI的团队而言，这意味着需要重新定义人的角色——从执行细节转向设定目标和验收结果，同时接受过程中一定的不确定性。
不执着于自建功能：模型迭代下的生存策略
团队强调必须对正在构建的东西保持“非常不执着”的态度，因为底层模型能力每两个月就可能发生根本性跃迁。许多写进harness的功能（如to-do list、AskUserQuestion工具）原本是为了弥补模型当时的短板，一旦模型变强，这些功能就需要立刻拆除。这提醒开发者：在快速迭代的环境中，过度投资于临时性功能可能带来高昂的维护和迁移成本。
搭建可组合的原语：以灵活性应对不确定性
面对模型能力的快速变化，团队不再构建一整套固定的解决方案，而是搭建可自由组合的“原语”，如Permissions、Visualizations、Verification、Code Review、Feedback等。这样做的好处是，当某个原语过时或需要替换时，付出的代价更小；同时，原语层层叠加后可能涌现出意料之外的新能力。这种模块化思路值得在AI产品设计中借鉴。
抽象层级上移：从token到持续运行的工作系统
人与AI交互的颗粒度不断上移：从token和具体工具调用，到一次对话，再到一个完整目标，如今已发展为“持续运行、跨越多次对话边界的工作系统”。基础设施也从本地运行演进到远程开发机、托管容器和云端网页版，确保任务在后台持续运行。代码审查路线同样演变，人从琐碎审查中抽身，由Claude大范围搜索疑似问题并进行对抗性交叉复核，只把真正需要关注的问题留给人。
Q&A
Claude Code团队现在如何利用AI agent完成日常工作？
团队将70%-80%的日常工作交给Slack原生的AI agent——Claude Tag完成。他们不再逐条审查工具调用和模型决策，而是下达一个目标，让模型自行达成。
为什么Claude Code团队强调要对自建功能保持不执着？
因为底层模型能力每两个月发生一次根本性跃迁，很多功能是为了弥补当时模型短板而存在的，一旦模型变强，这些功能就需要立刻拿掉。例如to-do list功能在Sonnet 3.5阶段是必要的，但一年后模型具备更复杂的记忆能力，该功能就被拆除了。
Claude Code团队如何应对模型能力的快速变化？
团队不再构建一整套固定的解决方案，而是搭建一个个可以自由组合的“原语”（primitive），如Permissions、Visualizations、Verification、Code Review、Feedback等。这样当某个原语过时，替换代价更小，且原语组合可能涌现新能力。
人与AI交互的抽象层级是如何演变的？
交互颗粒度不断上移：从token和具体的工具调用，到一次对话（session），再到一个完整的目标（goal），再到如今的“持续运行、跨越多次对话边界的工作系统”。
Claude Code团队如何改进代码审查流程？
让Claude大范围搜索出尽可能多的疑似问题，再针对每一个疑似问题做对抗性审查，从三个不同角度做一次交叉复核，从而过滤掉大部分噪音，只把真正需要关注的问题留给人。这套思路后续演变成了workflows，由Claude自己编写代码编排多个子智能体协作。
Claude Code团队开发新内部工具的流程是怎样的？
第一步，问Claude Tag应该找谁聊，获得stakeholder名单；第二步，让Claude Tag做原型示意图和具体实现；第三步，让Claude Tag加入大量埋点，部署到内部使用，观察使用情况和反馈；此后，Claude Tag持续监控使用数据，收到反馈会主动提醒负责人并改进转化漏斗。
