Anthropic工程总监：AI原生团队的5个流程重构
AI 总结 · 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
Anthropic Claude Code总监Fiona Fung分享团队如何从“代码瓶颈”转向“验证瓶颈”后的组织重构。核心变革包括：规划从半年Roadmap转为JIT原型迭代；代码审查人类只审领域安全，常规由AI处理；招聘只看创意建造者和系统专家。经手实践指标显示新人首周即可Ship代码。
- 用JIT Planning替代预规划…
- 代码审查分层：样式/测试交由AI，人类仅审核安全边界与产品判断
- 招聘聚焦两类人：有产品感的创意建造者 + 深度系统专家…
- 追踪三个指标：Onboarding时间…
- 团队原则：全员Dogfood AI工具，管理者先做IC…
从“代码瓶颈”转向“验证瓶颈”：Anthropic Claude Code 团队的工程重构
工程组织的底层假设正在失效。过去几十年，无论是瀑布流还是敏捷，都建立在一个前提上：写代码是昂贵且稀缺的环节。但在 Anthropic 的 Claude Code 团队，Fiona Fung 发现瓶颈已经转移——代码生成不再卡人，验证、审查和安全评估成了新的瓶颈。
核心结论：不要试图让旧流程适应新工具，而应重写流程本身。以下是他们重构的五个关键维度及落地指标。
一、规划：从半年 Roadmap 转为 JIT 原型迭代
以前因为写代码贵，所以花大量时间预规划。现在变化太快，半年路线图三个月就过时。团队改为 JIT（Just-In-Time）规划：
- 动作：不做长篇设计文档，先出 Prototype → 内部用户试用 → 反馈驱动迭代。
- 仪式转变：产品评审会议减少，PR 里的讨论直接成为规划载体。
二、代码审查：分层处理，人类只审“领域安全”
Claude 接管了所有样式检查、Lint、Bug 捕获和测试生成。人类 Reviewer 的权限收缩到三个领域：
- 法律与安全边界：涉及数据隐私、合规的代码。
- 产品判断与审美：只有人能决定的 UX 细节。
- 信任边界：核心架构决策。
注意：随着模型进步，这个边界会动态右移。今天需要人审的，下个月可能由 AI 全权负责。
三、上下文获取：问 Claude，不问作者
当代码由 AI 辅助生成时，“谁写的”已无意义。新的知识获取路径是：
- 先问 Claude：它能结合历史提交、文档和代码库给出更完整的上下文。
- 再问“能自动化吗”：如果是重复性问题（如每日汇总客户反馈），直接写成自动跑的任务，而非手动询问某人。
四、团队构成：只招两类人
角色边界模糊化（PM 写代码，工程师做设计）。招聘时只关注两类特质，不再看原始产出速度（那是 AI 的强项）：
- 创意建造者（Creative Builders）：极度好奇，有产品感，热衷于用技术手段解决实际问题。
- 深度系统专家：在特定领域（如 Web 端性能、底层架构）有深厚积累，能处理 AI 搞不定的复杂系统问题。
五、如何落地与衡量
三条硬性原则：
- 全员 Dogfood：所有人（包括管理者）必须使用 Claude Code/Cowork，且管理者先当 IC（独立贡献者），通过 Shipping 代码来理解工程现状。
- 扁平化：只有一个团队使命，人员可自由流向有工作的 Pod。
- 杀死无效流程：任何不再创造价值的流程，团队成员有权直接取消（如砍掉无效的周会）。
三个追踪指标（建议立即开始）：
- Onboarding 时间：新人首周能否 Ship 真实代码？（Claude Code 团队已达此标准）
- PR Cycle Time：如果代码量激增但 Cycle Time 没下降，说明 CI/CD 或审查环节在拖后腿。
- Claude 辅助 Commit 占比：目标是接近 100%。
警惕：吞吐量 ≠ 成功。确保 AI 生成的代码真正解决了业务问题，而非仅仅增加了代码行数。
六、行动指南：从最吵的 Workflow 开始
如果你不知道从何改起，问自己一个问题：团队里最昂贵、最让人头疼、最不想面对的那个环节是什么？
然后追问：它还在实现它的目的吗？如果是，能不能自动化或砍掉？
例如，如果每周的同步会上大家低头敲电脑，只有汇报时才抬头，那就取消这个会。找到那个“痛點”，用 AI 重构它，而不是修补它。
原文 · Steve Sun：阅读原文 →
相关工具推荐（推广）：GLM Coding Plan — AI Coding Powered by G…