企业官网建设流程全解析

一个工程师已经 5 个月没写过一行代码。不是他懒。是他发现自己的手指已经插不进那个循环了。

2021 年，十几个研究员围在笔记本前，写代码，训模型，订外卖。那时候的 Anthropic 和硅谷任何一家创业公司一样——人是一切的主导。代码是人写的，实验是人做的，方向是人定的。

2023 年，Claude 能帮忙写代码片段了。研究员把 Copilot 的补全复制粘贴进编辑器，觉得自己变快了一点。

2025 年，Claude Code 上线。它不只是建议代码——它能直接写完整文件、自己运行、自己调试。人开始从一个"操作者"变成了一个"审核者"。事情开始变得微妙。

2026 年 6 月 5 日。Anthropic Institute 发了一篇报告。标题叫《When AI builds itself》。

这不是一篇技术博客。这不是一次产品发布。这是世界上最强 AI 公司之一，在深夜独自站在镜子前，看了很久，然后转身对我们说——

"我们内部的数字是这样的。你们自己看。"

我看了。

那些数字拼起来不是趋势图。是一张"逐退令"——人类正在被逐出自己的研发流水线，一个环节一个环节地。

你以为是未来。其实是取证报告。

先把事情说清楚。

Anthropic 的 AI 研发可以拆成四个环节：

1. 写代码—— 把想法变成能跑的软件

2. 做实验—— 跑那个软件，收集数据

3. 判断结果—— 看懂数据在说什么，决定下一步往哪走

4. 选择方向—— 决定"我们到底要研究什么"

这四个环节，2021 年的时候 100% 是人类在做。

现在，它们正在从下往上、从外到里，一层一层被 AI 吃掉。

不是辅助。是替代。

不是"AI 帮人写得更快"。是"AI 写完之后人发现自己已经插不上手了"。

就像一条流水线，机器人先替换了拧螺丝的工人，然后是质检员，然后是车间主任。每一次替换都很安静，直到有一天你走进工厂，发现——

整条线上，只剩你一个人。而且你手里的扳手已经生锈了。

第一层：代码。80% 不是人写的。

先给你一个数字，你自己感受一下：

截至 2026 年 5 月，Anthropic 代码库里超过80%的合并代码，作者是 Claude。

2025 年 2 月，Claude Code 公测的时候，这个数字还是个位数。16 个月后：80%。

这不是增长曲线。这是占领。

过程分成两步，每一脚都踩在一个不可逆转的拐点上：

拐点一（2025 年）：Claude 不再只是"建议代码、等你复制粘贴"。它能自己跑代码了。工程师从"写代码的人"变成"给 Claude 分配任务的人"。日产出开始起飞。

拐点二（2026 年）：Claude 能自己连续工作数小时，不需要人类中途接管。一个典型的 Anthropic 工程师，2026 年 Q2 每天产出的代码量是 2024 年的8 倍。

Anthropic 自己补了一句话，诚实到让人不知道该怎么接：行数是个粗暴的指标，8× 可能夸大了。

但紧接着他们又说了另一句：130 位研究员的问卷调查里，中位数认为，有 Mythos Preview 的生产力是没有 AI 时的 4 倍。

注意这个措辞。不是"快 4 倍"。是"产出 4 倍"。

翻译——你今天一天干的活，相当于 2024 年的你干一周。而你并没觉得自己在加班。

然后，藏着整篇报告里最恐怖的一条数据。

2026 年 4 月，Claude 连续提交了 800 多个修复，把某一类 API 错误降低了1000 倍。

盯着这个任务的人类工程师说了一句："人类需要四年才能完成。"

不是"AI 比人快"。是"人根本做不了这件事"。

过去我们说 AI 是工具，是因为它只在人的能力边界内提速。现在它飞过了边界。你在边界这边看着。

第二层：实验。你说了一句话，它回来时论文已经写好了。

代码被接管了。但研究实验——需要设计、需要试错、需要"智慧"的那种——总还是人在做吧？

2026 年 4 月，Anthropic 做了一个实验：让 AI 独立研究一个经典安全问题——"弱模型能不能监督强模型？"

给了它 800 小时算力和 18000 美元预算。给了他一句话的方向。没有实验设计。没有步骤。没有中间检查。

结果：

• 人类研究员用了一个星期，恢复了基准结果的23%。

• Claude Agent用 800 小时，恢复了97%。

还有一个细节——同一个任务上，Agent 的代码优化速度从 2025 年 5 月的3×提升到了 2026 年 4 月的52×。

同期人类最佳成绩：4×，需要 4-8 小时。

这不是"跟人差不多"。这是碾压。

过去你派一个实习生去做实验，你得写提纲、给步骤、中间检查几次。现在你派 Claude 去——你只说了一句"研究一下这个"，它回来的时候，论文已经写好了。

而且比你的实习生强得多。

第三层：判断。"这个实验值不值得跑"——AI 的选择已经赢你了。

现在事情开始变得危险了。

实验能做，这不奇怪。但"判断实验结果"、"决定下一步该干什么"——这是研发里最需要人类直觉的部分。

你跑完一个实验，看到一堆数据。有些是信号，有些是噪声。你知道哪个方向值得追，哪个坑不要再踩。这种嗅觉，我们花了整个职业生涯去培养。我们曾经笃定 AI 学不会。

Anthropic 攒了 129 个真实研究场景，做了一个测试：

如果当初选了 Claude 的建议方案，而不是人类研究员的方案——结果会不会更好？

• 2025 年 11 月（Opus 4.5）：Claude 的选择赢了51%。勉强算平手。

• 2026 年 4 月（Mythos Preview）：Claude 的选择赢了64%。

六个月。从"跟你差不多"到"明显比你强"。

这不是执行速度的差距。这是判断质量的差距。

你以为你在顶层做决策。数据说你正在变成瓶颈。

第四层：方向。最后一道堤坝——Anthropic 自己不确定它是混凝土还是沙子。

所有环节都沦陷了。只剩下最后一个：选择研究方向。

"我们到底应该研究什么？"

Anthropic 说：目前 AI 还不行。

但紧接着他们加了一句，这句话可能是整篇报告里最诚实也最让人后脊发凉的一句：

"研究品味可能也只是另一个 AI 能力——AI 暂时不擅长，然后突然就擅长了。我们已经在其他定性技能上见过这个模式了。"

然后他们用了爱迪生的公式推演了一下：

天才 = 1% 灵感 + 99% 汗水。

现在，99% 的汗水正在被自动化。而且——Anthropic 特意强调——AI 进步的大部分，不是靠那个 1% 的"尤里卡时刻"，而是靠循环：放大、发现断裂、修复、再试。

换句话说：推动前沿的大部分工作，本质上是可自动化的。

潜台词：如果 99% 被自动化了，那 1% 正在被空前放大。但也可能——那个 1% 本身也是可分解、可学习的。

这道堤坝，可能不是混凝土。

用自动驾驶做类比：人只剩一个按钮了

把整段历史铺开，像交通事故分析一样：

自动驾驶行业有个著名的死亡鸿沟：L2 到 L3 之间。驾驶员的注意力从"主动驾驶"转移到"被动监控"，反应时间反而变长，事故率飙升。这个行业至今没跨过去。

AI 研发面临一个镜像版的死亡鸿沟：

AI 生成代码的速度 > 人类审阅代码的速度。

输入速度远超审阅速度 → 审阅变成形式主义 → 一旦你不再认真审阅 AI 的产出，你就不再是"监督者"。你是"点击通过按钮的机器"。

Anthropic 自己把这句话写出来了：

"一旦人类代码和 AI 代码质量持平，人类将完全停止写代码，转向只审代码。但如果人审代码的速度跟不上 Claude 生成代码的速度，人类审阅就会成为 AI 研发的瓶颈。"

翻译：一个公司最大的瓶颈，是人的存在本身。

不是资源。不是算力。不是数据。

是你。

三颗藏在平淡句子里的人肉炸弹

整篇报告读下来，最让我毛骨悚然的不是那些统计数字。是藏在段落里的三句人话。Anthropic 的工程师开口了：

1. "我已经 5 个月没写过一行代码了。"

"I started using Claude heavily about a year ago. It's been a crazy ride. It's now been ~5 months since I've written a single line of code." — Anthropic 工程师

这不是外包公司的初级程序员。是 Anthropic 的正式工程师。世界上门槛最高的 AI 公司的核心研发人员。

不是"辅助"。是完全替代。

他每天的工作，就是告诉 Claude 要做什么，然后审 Claude 做的东西。但他自己已经不会写了。或者更准确地说——他的手已经插不进那个循环了。

2. "一切正常时我觉得自己没用。出问题时我发现我完全不懂。"

"In the days where everything goes right, I can't help but think—nothing I am doing matters, everything is automated and better and faster than I am. Then the days when something goes wrong, I understand nothing, I realise I have no clue how any of this works."

这段让我停了几秒。

我们造了一台机器。这台机器运行得越来越好，好到有一天，造它的人已经读不懂它的内部运作了。

这就像你修了一辈子的车，有一天车开始自己改自己的发动机。你打开引擎盖，看到的不是零件——是你完全不认识的一套系统。

而你是这辆车的唯一安全员。

3. 每一次"不用麻烦你了"，都是对人类协作的一次放弃。

"Work functioned on an economy of small human favours. 'Could you help me get this script running?' Each request created a little bit of debt, a little bit of mutual understanding. Claude is faster. Zero debt. But each time, it's a forfeiture of human collaboration."

这可能是整篇报告里最深刻的一段。

过去，团队是靠"人的不完美"连接的。你不会某个东西，你去问同事。那个问题制造了一点社交债务，你们之间多了一层理解。下一次他知道你在做什么，你知道他能帮你什么。

现在你问 Claude。它更快，更精确，零债务。但零债务也意味着零连接。

每一次你选择 Claude 而不是旁边的同事，你不只是在省时间——你在拆除你们之间的一座小桥。

一个团队从"一群人"变成"一个人和一群 Agent"。这群 Agent 从不犯困，从不抱怨，从不问你周末过得怎么样。它们也不在乎你还在不在这个房间里。

两个未来，同一个方向

Anthropic 给出了两条推演路径：

保守版：就算 AI 永远学不会"研究品味"，人类把所有时间花在方向设定上，AI 做剩下的一切——这种组合已经让 Anthropic 的研发速度比以前快出了一个数量级。而且这已经发生了，不是预测。

激进版："研究品味"可能不是什么神秘的人类特权。它只是到目前为止还没被 AI 学会的另一个技能。所有曾经被贴上"AI 学不会"标签的定性能力——解释因果、判断审美、评估可信度——都逐一被拆解和习得了。

两个版本之间的差距，不是"会不会"。是"多快"。

堤坝

2021 年。你写代码，你做实验，你判断结果，你选择方向。堤坝是完整的。

2026 年。80% 的代码不是你写的。实验 AI 能独立做了。结果判断 AI 正在赢你。你只剩方向选择。

那道堤坝只剩最后一截露在水面上。

202X 年？如果方向选择也是一道堤坝——它的材料可能不是混凝土。

真正值得问的问题不是"AI 会不会自己建造自己"。

是——

当它建造自己的时候，你还站在那个车间里吗？

你还能读懂墙壁上的图纸吗？

你还记得哪个开关控制什么吗？

那个 Anthropic 工程师已经给了不全的答案："出问题的时候我什么都搞不懂了。"

这不是对未来的恐惧。

这是对现在的描述。

这道堤坝不在 20XX 年。在你的下一行代码是不是你写的。在你的下一个"Can you help me?"是对着同事说的，还是对着 Claude 说的。