Claude Code: 建立者公開五 Agent 並行工作流

Claude Code: 建立者公開五 Agent 並行工作流

Marcus Chen
173
original

Anthropic 旗下 Claude Code 建立者 Boris Cherny 公開個人工作流:在終端並行執行 5 個 Claude,配合 iTerm2 通知和瀏覽器多會話,用 "teleport" 命令切換環境。這一做法在開發者社羣引發熱議,被視為 AI 程式設計協作方式的重要演變。

過去一週,開發者社羣的注意力被一條 X 帖子牢牢抓住。發帖人是 Boris Cherny —— Anthropic 旗下 Claude Code 的建立者。他沒有釋出新功能,也沒有宣佈融資,只是展示了自己日常怎麼用這個工具。結果,這條帖子演變成了一個現象級話題,被反覆拆解和討論。

五個並行終端,一個指揮官

傳統上,寫程式碼是一條直線:寫一個函式,跑測試,修 bug,再寫下一個。Cherny 的描述完全不是這個玩法。他在終端裡同時開著 5 個 Claude,給標籤編號 1 到 5,然後依賴 iTerm2 的系統通知,哪個 Agent 需要輸入就切過去。一個 Agent 在跑測試套件,另一個在重構老模組,第三個在寫文件——他本人更像一個排程員,而不是生產者。

這還沒完。Cherny 還在瀏覽器裡開著 5 到 10 個 claude.ai 會話,並且用一條 「teleport」命令把會話從網頁無縫切換到本地終端。也就是說,他的「工作臺」橫跨兩個環境,所有任務同時推進。

為什麼一條工作流帖子讓開發者炸鍋

這種「多線作戰」顯然超出多數人的日常用法。評論區裡有人留言說,實際試過之後,「感覺更像玩 Starcraft,而不是寫程式碼」——你不再逐行敲鍵盤,而是指揮一群自主單位去執行任務。這句比喻被反覆引用,因為它精準形容了角色轉變。

行業人士 Jeff Tang 直接在 X 上表示,沒讀過 Cherny 分享的 Claude Code 最佳實踐,作為程式設計師已經落後了。另一位觀察者 Kyle McNease 說得更激進,認為這次更新是 Anthropic 的「ChatGPT 時刻」。

給開發者的實際訊號

這條工作流最值得注意的地方,不是「5 個 Agent」這個數字,而是它對個人開發者產能結構的改變。過去,一個人並行處理多個模組,受限於上下文切換的腦力成本。現在,每個 Agent 可以獨立承擔一個任務流,人只在關鍵節點做決策。這與 Anthropic 總裁 Daniela Amodei 此前強調的「用更少的人做更多事」策略方向一致。

對獨立開發者和小團隊來說,這種模式尤其誘人。它意味著你可以在沒有龐大工程團隊的條件下,同時推進功能開發、測試和文件維護。當然,這也要求開發者具備更強的任務拆解和優先順序判斷能力——把活分給 5 個 Agent 不難,難的是知道什麼活適合並行、什麼時候該收束。

冷靜一下:這是工作流,不是銀彈

值得注意的是,Cherny 並沒有聲稱這套方法適用於所有專案。他展示的是個人偏好,背後有對 Claude 行為模式的深度理解。對普通開發者而言,直接複製 5 終端 + 通知的配置未必合適,更現實的做法是從兩個並行任務開始,觀察自己是否能跟上節奏。

另外,多 Agent 並行會帶來 上下文碎片化的問題。每個 Agent 不知道另一個 Agent 在做什麼,協調工作仍然落在人身上。Cherny 用編號和通知解決「何時需要我」,但沒有解決「如何讓 Agent 之間互相理解」。在這一點上,官方公開的技術細節仍然有限。

  • 想嘗試的人,可以先用兩個終端跑不同任務,熟悉通知機制,再逐步加量。
  • 把任務型別區分開:測試、重構、文件這類相對獨立的工作,更適合並行。
  • 留意某個 Agent 佔用大量互動時間時,及時暫停其他任務,避免陷入全域性阻塞。

Cherny 這次公開的與其說是一個終極答案,不如說是一份來自一線實踐者的實驗報告。它把「一個人用 AI 幹一個團隊的活」從口號變成了可參考的操作流程。接下來,值得關注的是 Anthropic 是否會把這套模式固化進 Claude Code 的正式功能——畢竟,當建立者本人都在這麼用,工具團隊沒理由熟視無睹。

Claude CodeAI 程式設計助手並行工作流開發者工具Anthropic程式設計效率AI Agent 管理終端工作流多 Agent 協作軟體開發展望

分享

評論

0
0/500 字元

暫無評論

成為第一個評論的人

探索更多

相似工具

Cursor

Cursor

一款基於 VS Code 二次開發的智慧程式碼編輯器,以「原生內建 AI」為核心賣點。它不依賴外掛,而是將 AI 深度植入編輯器底層,能夠理解整個專案的上下文程式碼庫,支援無縫遷移 VS Code 的所有配置和外掛。

Google Antigravity

Google Antigravity

Antigravity 支援多模型,包括 Gemini 3 Pro、Claude Sonnet 4.5、GPT-OSS,開發者可以在同一環境中選擇最適合任務的模型。

Codex

Codex

OpenAI Codex 是由 OpenAI 開發的 AI 程式設計模型和助手,可將自然語言指令翻譯成對應的原始碼,為開發者提供智慧補全、程式碼生成等功能。它最初於 2021 年作為 OpenAI API 的程式碼模型推出,曾為 GitHub Copilot 提供核心支援。隨著 OpenAI 技術的迭代,Codex 在 2025 年以「AI 程式設計智慧體」的全新姿態迴歸,能夠理解複雜需求並自動編寫、除錯程式碼,顯著提升開發效率和軟體交付速度。

Kiro

Kiro

Kiro 是由 AWS 推出的 AI 程式設計 IDE,採用規範驅動的開發模式,將自然語言需求轉化為明確的規格文件和任務,再由內建 AI 代理生成程式碼並除錯優化,全流程輔助大型專案開發。

Trae

Trae

Trae(官網 trae.ai)是由 位元組跳動(ByteDance)推出的一款 AI 原生整合開發環境(IDE)。它不是簡單地作為一個程式設計助手,而是一個「協作夥伴」,通過深度整合大型語言模型(LLM),幫助開發者從需求、構建程式碼,到除錯和部署,實現更智慧化、自動化的軟體開發。

Claude

Claude

Claude 是由美國人工智慧公司 Anthropic 打造的智慧語言互動平臺,它融合了深度文字理解、資訊整理、程式碼輔助和任務分析等能力,能在聊天對話之外應對更復雜的問題,例如長文摘要、影象解析、邏輯推理及程式設計協助等。相比一些單一問答機器人,Claude 更像一個具備推理邏輯、可擴充套件功能的智慧工具。

開源專案

guidellm: 評估和優化 LLM 部署效能

guidellm 是一個開源工具,專為評估和優化大語言模型(LLM)在生產環境中的推理效能而設計。它支援壓力測試、延遲分析、吞吐量評估等,幫助開發者識別瓶頸並調整部署配置。基於 vLLM 團隊開發,適合需要精細化調優 LLM 服務的團隊。

Kun: 將 AI Agent 工作區嵌入你的應用

Kun 是一個開源的 AI Agent 工作空間,內建程式碼與寫作模式,可無縫整合到你的應用程序中。基於 TypeScript 開發,為開發者提供可定製的智慧互動環境,支援多輪對話、工具呼叫和上下文管理。

ai-gateway: 統一管理生成式 AI 服務的訪問閘道器

ai-gateway 是基於 Envoy Gateway 構建的開源專案,提供統一的 API 閘道器來管理對多種生成式 AI 服務的訪問,支援負載均衡、快取、限流等功能,簡化 AI 應用的整合和運維。

go-micro: 為 AI 智慧體打造的 Go 微服務框架

go-micro 是一個用 Go 語言編寫的微服務框架,專門為構建 AI 智慧體而設計。它提供服務發現、負載均衡、訊息編碼、事件驅動等核心能力,讓開發者能快速搭建可擴充套件的分散式 AI 系統。GitHub 星標超 2.2 萬,社羣活躍,適合 Go 語言開發者入門微服務和 AI agent 架構。

terax-ai: 7MB終端優先AI開發工作臺

terax-ai 是一個輕量級(僅7MB)的終端優先AI原生開發工作臺,專為命令列愛好者設計。它整合了AI輔助能力,提供極快的啟動速度和極小的資源佔用,讓開發者在熟悉的終端環境中高效編碼、除錯和實驗。開源且易於安裝,適合追求簡潔與效率的開發者。

jar-analyzer: JAR包GUI分析工具內建AI助手

Jar Analyzer 是一個開源的 JAR 包 GUI 分析工具,內建 AI 助手輔助分析,支援 JAR DIFF、方法呼叫關係搜尋、DFS 呼叫鏈分析、汙點分析、CFG 程序分析、JVM 棧幀分析等功能,適合 Java 開發者、安全研究人員進行程式碼審計和逆向分析。