Claude Code之父：Harness保质期只有半年，解开缰绳吧

Boris Cherny访谈深度解读：产品迭代、模型解缚与AI使用之道

近期的YC访谈视频中，Claude Code之父Boris Cherny分享了一系列关于产品设计、模型使用和编程学习的深刻见解。他大胆建议，开发者应定期“删除”系统的提示词、工具和代码，这一观点源自“消融实验”（Ablation Study）的概念。

本文将从产品迭代策略、产品悬余与解缚、实用建议三个方面，深入解析Boris Cherny的核心观点。

一、产品迭代策略：少一点预判，多去做测试

Boris Cherny指出，每六个月，删掉你的Claude.md，删掉你的skills，删掉你的hooks。 这一建议的核心是“消融实验”（Ablation Study），即在控制其他条件不变的前提下，移除、替换或关闭一个模块，去比较性能、稳定性、效率或成本的变化。

“你应该把整个系统提示词全删掉，然后一行一行加回来，看看每一行到底有什么影响。”Boris在访谈中解释道。他认为，人们不应去猜测模型需要什么指令，因为“根本猜不对”。正确的做法是：一行行去删除，去测试，找出模型反复卡住的地方。

模型是一种活体生物，它有自己的性格。每一代模型的行为都不一样，性格都略有不同。你需要花时间去了解它，然后据此调整harness（脚手架）。

因此，这对于Boris而言是更偏向“经验性”的，需要用科学的态度予以对待：不加预判地尝试，查看结果，迭代，重复。

在这样一个不断推倒重来的世界里，Eval（评估）也未必能稳定使用。尽管它确实比harness和prompt耐用，但眼下模型进化太快，很多时候一套评测会被很快刷到满分。因此，需要观察模型到底在哪不断挣扎，然后设计新的Eval。

小提示： 定期进行消融实验，可以帮助你发现哪些指令是真正必要的，哪些是冗余的。这不仅能优化产品，还能节省成本。

二、一种思维：产品悬余与模型解缚

（一）产品悬余（Product Overhang）

Boris分享了一个对他做产品很有帮助的思考方式——产品悬余（Product Overhang）。

大模型以不连续的跳跃式速度跃迁，而产品集成却以连续的增量式节奏推进。这导致模型所具备的能力总会超出现有产品所能释放出的边界。Boris举了一个例子：2024年底Sonnet 3.5刚推出的时候，这个模型就已经能一次性写整个文件的代码了。但当时的编程产品Copilot、Cursor早期版，还在做补全代码这样的小事。

拥有完整终端权限的Claude Code一定程度上弥补了这种差距。

（二）模型解缚（Unhobbling）

Boris提出了第二个概念——解除束缚（Unhobbling），即拿掉限制。

他分享了Anthropic内部的案例：有人尝试给Opus 5接入OpenCV（全球最大开源计算机视觉库），结果发现模型能自己画出人物肖像、动物风景，而此前他们从未训练过模型去画画。这就是“模型激发”（Model Elicitation），在不改变模型权重的前提下，通过提示词、上下文、工具或产品形态的设计，让模型表现出它本已具备、但此前未被调用的能力。

尽管这里或许还存在着疑问：如何归因？究竟是模型被激发出了原本就具备的能力，还是模型因为“脚手架”设计而学会了新的技能？不过，Boris毫不怀疑此间存有巨大的商业机会。

• 第一，
  给模型比你想象中更难做的任务。描述清楚目标和边界和退出条件，然后就放手。

• 第二，
  多去做实验。允许模型做一些没有明确商业目的但好玩的尝试，“给自己自由去玩模型、去做有创意的事”。

• 第三，
  让模型自己验证成果。如今的重点已经不是“prompt engineering”了，问题在于，“当你给Claude分配了一个非常困难的任务之后，你怎么让它在过程中就去验证自己做的工作？”

Boris认为第三点可能是如今大家做的最不尽如人意的一件事。因为如果模型不能自我验证任务，它就无法长时间独立运行。

Boris：“好吧，我要你做的是——把Electron 应用重写成 Swift。我要你在Mac虚拟机里运行Electron应用，截屏，然后逐像素对比，跟Swift版本比，没做完就不要停。”主持人：这就是你的prompt？Boris：这就是我的prompt。主持人：跑了多久？Boris：还在跑。主持人：什么时候开始的？Boris：已经跑了两个多星期了，大概 14 天、15 天吧……Claude 还决定做直播，它做的事情是在内部建了一个Slack频道，然后每隔几分钟就发一张进度截图。

小提示： 尝试让模型独立完成更长、更复杂的任务，并赋予它自我验证的机制。这往往能挖掘出模型的巨大潜力。

三、Boris给AI使用者和创业者的实用建议

（一）如何像顶尖用户一样使用Claude？

Boris表示，最重要的是别去听LinkedIn上那些网红说的，别去刷Twitter。关于使用AI，“每个人都在找那种‘奇技淫巧’。但根本就不存在那种东西。没有那种东西。”

他建议大家用经验主义方式对待模型，忘掉过去对旧模型的经验和课堂上学的计算机科学理论，直接观察模型在哪里卡壳，再针对性调整。

“所以它已经不是一门理论科学了，它已经变成了一门经验科学。我觉得那些特别擅长放下自己的先验，放下那些‘以前不行’的想法，愿意再试一次的人——会非常非常成功。”

更重要的是保持一种心态，那就是放下自己对模型的“控制欲”，把模型当同事一样相处，不过度指定，不做太具体的要求，不试图让模型完全按照你会做的方式去做任务。因为“模型不是那样工作的”。

（二）给编程学习者的3个建议

对于那些还在学习编程的人，Boris呼吁不要只学纯计算机科学理论，要学如何应用。例如他本人最初学习编程的动力也是为了在数学考试中作弊。

“通常这关乎创业，关乎做产品，关乎培养你自己的设计感、商业感，学会怎么做数据科学，学会怎么跟用户对话……当你把它们和计算机科学、工程结合起来的时候，才会变得真正有价值。”

总之，“先做自己想要的东西，再升级去做别人想要的东西”。

常见问题与解答

• 问：消融实验具体怎么做？
  
  答：从你的系统提示词中，一次删除一行或一个主要部分，然后测试模型的表现。观察删除后模型是否出现卡顿、错误或性能下降。如果删除后模型表现更好，说明该部分可能是冗余的。

• 问：如何判断模型是否被“解缚”成功？
  
  答：观察模型是否开始执行你从未明确指示过但属于合理范围内的任务。例如，Boris的例子中，Claude在重写代码时，自己决定在Slack上发截图。这就是模型被“激发”出的独立行为。

• 问：如果模型自己验证任务时出错了怎么办？
  
  答：需要为模型设定清晰的验证标准。例如，指定“逐像素对比”或“运行测试用例”等客观指标。如果模型在验证过程中间出错，你可以调整验证指令或提供更明确的反馈。