Claude Code: 创建者公开五 Agent 并行工作流

Claude Code: 创建者公开五 Agent 并行工作流

Marcus Chen
173
original

Anthropic 旗下 Claude Code 创建者 Boris Cherny 公开个人工作流:在终端并行运行 5 个 Claude,配合 iTerm2 通知和浏览器多会话,用 "teleport" 命令切换环境。这一做法在开发者社区引发热议,被视为 AI 编程协作方式的重要演变。

过去一周,开发者社区的注意力被一条 X 帖子牢牢抓住。发帖人是 Boris Cherny —— Anthropic 旗下 Claude Code 的创建者。他没有发布新功能,也没有宣布融资,只是展示了自己日常怎么用这个工具。结果,这条帖子演变成了一个现象级话题,被反复拆解和讨论。

五个并行终端,一个指挥官

传统上,写代码是一条直线:写一个函数,跑测试,修 bug,再写下一个。Cherny 的描述完全不是这个玩法。他在终端里同时开着 5 个 Claude,给标签编号 1 到 5,然后依赖 iTerm2 的系统通知,哪个 Agent 需要输入就切过去。一个 Agent 在跑测试套件,另一个在重构老模块,第三个在写文档——他本人更像一个调度员,而不是生产者。

这还没完。Cherny 还在浏览器里开着 5 到 10 个 claude.ai 会话,并且用一条 “teleport”命令把会话从网页无缝切换到本地终端。也就是说,他的“工作台”横跨两个环境,所有任务同时推进。

为什么一条工作流帖子让开发者炸锅

这种“多线作战”显然超出多数人的日常用法。评论区里有人留言说,实际试过之后,“感觉更像玩 Starcraft,而不是写代码”——你不再逐行敲键盘,而是指挥一群自主单位去执行任务。这句比喻被反复引用,因为它精准形容了角色转变。

行业人士 Jeff Tang 直接在 X 上表示,没读过 Cherny 分享的 Claude Code 最佳实践,作为程序员已经落后了。另一位观察者 Kyle McNease 说得更激进,认为这次更新是 Anthropic 的“ChatGPT 时刻”。

给开发者的实际信号

这条工作流最值得注意的地方,不是“5 个 Agent”这个数字,而是它对个人开发者产能结构的改变。过去,一个人并行处理多个模块,受限于上下文切换的脑力成本。现在,每个 Agent 可以独立承担一个任务流,人只在关键节点做决策。这与 Anthropic 总裁 Daniela Amodei 此前强调的“用更少的人做更多事”策略方向一致。

对独立开发者和小团队来说,这种模式尤其诱人。它意味着你可以在没有庞大工程团队的条件下,同时推进功能开发、测试和文档维护。当然,这也要求开发者具备更强的任务拆解和优先级判断能力——把活分给 5 个 Agent 不难,难的是知道什么活适合并行、什么时候该收束。

冷静一下:这是工作流,不是银弹

值得注意的是,Cherny 并没有声称这套方法适用于所有项目。他展示的是个人偏好,背后有对 Claude 行为模式的深度理解。对普通开发者而言,直接复制 5 终端 + 通知的配置未必合适,更现实的做法是从两个并行任务开始,观察自己是否能跟上节奏。

另外,多 Agent 并行会带来 上下文碎片化的问题。每个 Agent 不知道另一个 Agent 在做什么,协调工作仍然落在人身上。Cherny 用编号和通知解决“何时需要我”,但没有解决“如何让 Agent 之间互相理解”。在这一点上,官方公开的技术细节仍然有限。

  • 想尝试的人,可以先用两个终端跑不同任务,熟悉通知机制,再逐步加量。
  • 把任务类型区分开:测试、重构、文档这类相对独立的工作,更适合并行。
  • 留意某个 Agent 占用大量交互时间时,及时暂停其他任务,避免陷入全局阻塞。

Cherny 这次公开的与其说是一个终极答案,不如说是一份来自一线实践者的实验报告。它把“一个人用 AI 干一个团队的活”从口号变成了可参考的操作流程。接下来,值得关注的是 Anthropic 是否会把这套模式固化进 Claude Code 的正式功能——毕竟,当创建者本人都在这么用,工具团队没理由熟视无睹。

Claude CodeAI 编程助手并行工作流开发者工具Anthropic编程效率AI Agent 管理终端工作流多 Agent 协作软件开发展望

分享

评论

0
0/500 字符

暂无评论

成为第一个评论的人

探索更多

相似工具

Cursor

Cursor

一款基于 VS Code 二次开发的智能代码编辑器,以“原生内置 AI”为核心卖点。它不依赖插件,而是将 AI 深度植入编辑器底层,能够理解整个项目的上下文代码库,支持无缝迁移 VS Code 的所有配置和插件。

Google Antigravity

Google Antigravity

Antigravity 支持多模型,包括 Gemini 3 Pro、Claude Sonnet 4.5、GPT-OSS,开发者可以在同一环境中选择最适合任务的模型。

Codex

Codex

OpenAI Codex 是由 OpenAI 开发的 AI 编程模型和助手,可将自然语言指令翻译成对应的源代码,为开发者提供智能补全、代码生成等功能。它最初于 2021 年作为 OpenAI API 的代码模型推出,曾为 GitHub Copilot 提供核心支持。随着 OpenAI 技术的迭代,Codex 在 2025 年以“AI 编程智能体”的全新姿态回归,能够理解复杂需求并自动编写、调试代码,显著提升开发效率和软件交付速度。

Kiro

Kiro

Kiro 是由 AWS 推出的 AI 编程 IDE,采用规范驱动的开发模式,将自然语言需求转化为明确的规格文档和任务,再由内置 AI 代理生成代码并调试优化,全流程辅助大型项目开发。

Trae

Trae

Trae(官网 trae.ai)是由 字节跳动(ByteDance)推出的一款 AI 原生集成开发环境(IDE)。它不是简单地作为一个编程助手,而是一个「协作伙伴」,通过深度整合大型语言模型(LLM),帮助开发者从需求、构建代码,到调试和部署,实现更智能化、自动化的软件开发。

Claude

Claude

Claude 是由美国人工智能公司 Anthropic 打造的智能语言交互平台,它融合了深度文本理解、信息整理、代码辅助和任务分析等能力,能在聊天对话之外应对更复杂的问题,例如长文摘要、图像解析、逻辑推理及编程协助等。相比一些单一问答机器人,Claude 更像一个具备推理逻辑、可扩展功能的智能工具。

开源项目

guidellm: 评估和优化 LLM 部署性能

guidellm 是一个开源工具,专为评估和优化大语言模型(LLM)在生产环境中的推理性能而设计。它支持压力测试、延迟分析、吞吐量评估等,帮助开发者识别瓶颈并调整部署配置。基于 vLLM 团队开发,适合需要精细化调优 LLM 服务的团队。

Kun: 将 AI Agent 工作区嵌入你的应用

Kun 是一个开源的 AI Agent 工作空间,内置代码与写作模式,可无缝集成到你的应用程序中。基于 TypeScript 开发,为开发者提供可定制的智能交互环境,支持多轮对话、工具调用和上下文管理。

ai-gateway: 统一管理生成式 AI 服务的访问网关

ai-gateway 是基于 Envoy Gateway 构建的开源项目,提供统一的 API 网关来管理对多种生成式 AI 服务的访问,支持负载均衡、缓存、限流等功能,简化 AI 应用的集成和运维。

go-micro: 为 AI 智能体打造的 Go 微服务框架

go-micro 是一个用 Go 语言编写的微服务框架,专门为构建 AI 智能体而设计。它提供服务发现、负载均衡、消息编码、事件驱动等核心能力,让开发者能快速搭建可扩展的分布式 AI 系统。GitHub 星标超 2.2 万,社区活跃,适合 Go 语言开发者入门微服务和 AI agent 架构。

terax-ai: 7MB终端优先AI开发工作台

terax-ai 是一个轻量级(仅7MB)的终端优先AI原生开发工作台,专为命令行爱好者设计。它集成了AI辅助能力,提供极快的启动速度和极小的资源占用,让开发者在熟悉的终端环境中高效编码、调试和实验。开源且易于安装,适合追求简洁与效率的开发者。

jar-analyzer: JAR包GUI分析工具内置AI助手

Jar Analyzer 是一个开源的 JAR 包 GUI 分析工具,内置 AI 助手辅助分析,支持 JAR DIFF、方法调用关系搜索、DFS 调用链分析、污点分析、CFG 程序分析、JVM 栈帧分析等功能,适合 Java 开发者、安全研究人员进行代码审计和逆向分析。