AI EngineerAnthropic 的构建之道：来自实验室的经验 — Mike Krieger
AI工程AnthropicClaude代码迁移产品管理Mike Krieger
中文导读
Anthropic 首席产品官 Mike Krieger 分享了他如何用 Claude 在一个周末将数十万行 Python 代码移植到 TypeScript，并强调“不合理”地设定目标的重要性。他介绍了实验室的两周“坚持或转向”评审机制，以及组织架构不跟随项目、赌注负责人通常不管理团队的设计。他还指出，当前瓶颈不是评审时间，而是人类能否在脑中掌握变更。
核心观点
1.Mike Krieger 用 Claude 在一个周末将数十万行 Python 代码移植到 TypeScript，并验证、迭代至可部署，展示了“不合理”地要求 AI 的潜力。（约 0:00）
2.第一代 AI 产品限制了模型访问工具和环境，导致人们习惯性地提出小需求，这种思维需要改变。（约 5:00）
3.Anthropic 实验室采用两周“坚持或转向”评审，项目在几乎每个周期被终止是设计而非失败。（约 10:00）
4.组织架构刻意不跟随项目，赌注负责人通常不管理团队，团队围绕每个赌注重新组建。（约 15:00）
5.当前瓶颈不是评审时间，而是人类能否在脑中掌握变更，例如 2000 行的 PR 需要伴随人工审查。（约 20:00）
中文精读
在 AI Engineer 的访谈中，Anthropic 首席产品官 Mike Krieger 分享了他对 AI 构建方式的深刻见解。他描述了一个令人印象深刻的实验：在一个周末内，他让 Claude 将数十万行 Python 代码移植到 TypeScript，并验证、迭代直至可部署。周一回来时，他得到了一个完整的移植版本。这个例子说明，大多数人仍然缺乏“不合理”地要求 AI 的习惯。第一代 AI 产品限制了模型访问工具和环境，导致人们习惯于提出小需求，而这种思维已经过时。
下一集
Cursor如何成为AI增长最快的公司之一