先说结论:
Claude Code 的发展路径清晰可循:从聚焦先进开发工具,到通过 subagent 为业务人员提供低门槛多智能体体验,再到以 SDK 定位自身、力图成为严肃 2B 业务流的驱动引擎。尽管当前尚未完全落地,但其展现的整体发展思路与脉络,已为我们带来诸多启示。
对大模型应用而言,我们不仅要克服「习以为常」努力跟上横向上各种新思路的速度;更重要的是深挖纵向,抓住几个关键产品的历史发展脉络,看清过去才有可能看清未来
我们总在抱怨行业发展速度太快 —— 今天刚掌握的知识,或许明天就面临过时。但与其纠结,不如将这种挑战视作一种 “幸福的烦恼”。
同时我们也需清醒:每天紧盯最新发布的大模型、智能体,或是学习各类新方法,本质上都属于 “横向思路”。要做好横向探索,就得打破 “习以为常” 的惯性,哪怕过程辛苦,也必须紧跟行业前沿。
而比横向追赶更重要的,是建立 “纵向思路”:去深究一项技术、一种方法从诞生、发展到迭代淘汰的完整脉络 —— 它为何出现?核心逻辑是什么?看清过去才有可能看到未来:
Claude Code 大事记:
说完了 CC 的发展脉络,Anthropic 这家不能忽视但不值得尊重的公司想做什么也就了然了,当然我个人更愿意相信 CC 只是众多由一两个员工发起,凭借产品力野蛮生长起来的众多思路之一,从下而上,从个人的思路成长成了公司战略。
至此我们得到了两个洞察:
1. CC 从开发工具入手,以 subagent 的方式提供多智能体入门体验,最后通过 SDK 的方式把自己嵌入组织工作流中,思路清晰了
2. Anthropic 跟 OpenAI 一样,不能忽视但绝不值得尊重更不能讲信任
那我们怎么办?答案似乎也不难想,最好的 agentic 大模型方面,开源可能还有 6 到 9 个月左右的落后,但 CC 的护城河可远没有这么宽。
所以,趁着假期还剩点时间,要做一件之前没想明白就汇报而被毙掉的事,尝试一下“自己写一个 Claude Code”这个思路,也算是针对上面问题的解法之一:
粗看起来好像我们要做的事情跟当下这种「把大模型 or 多智能体视为黑箱,只要告诉他我们要什么而无需关心怎么做」的思路完全背离,但事实上为了实现大部分人「无需关心」,必然需要一小撮人沉下心去,搞清楚每个部分、每个环节的所有细节,而这一角色,程序猿们当仁不让,毕竟费曼费老爷子曾经曰过:「What I cannot create, I do not understand」
仔细去看 Claude Code 和他的一众追随者比如 Gemini-code、Kiro、cursor-agent、Qwen-code、iFlow、ampcode、codebuff、factory 的 droid...
这还是我随便搜到的,其他没搜到的、正在开发的估计更多也应该有更多。一路看下来,CC 本身的开发门槛几乎没有,是真正的一捅就破的窗户纸,如果真要说「门槛」的话,其实应该是针对某一个基模专注的、持续的长时间打磨,这份专注对第三方开发者来讲很难,但对类似 Anthropic 这种基模厂来讲反而是顺理成章的。
聊到这儿,关于怎么结合垂直领域做自己的 CC,前面这些铺垫思路其实已经说得挺多了。下面给两篇参考文章,是讲具体怎么实现的,可以看看先,下一篇我们接着细聊(有兴趣的可以私信,我们一起搞个 repo 协作开发):