Anthropic 第一次把 Code with Claude 开到旧金山之外 —— 伦敦站,24 场讲座。 我把整个播放列表逐场拉出完整字幕、读完,整理成这份现场笔记。 贯穿全场的那句话来自开场 keynote:能力其实早就到位了,真正剩下的差距,是我们把它用起来有多快。 这一页先提炼 9 条主线,再按主题逐场拆讲者 · 主旨 · 要点 · 数字。
下面所有的框架、数字和金句都来自这 24 场的完整字幕。整理成视觉笔记是为了之后能反复回查 —— 但讲者临场的例子和 demo,是文字留不住的。下面嵌的是整个播放列表,可直接连播。
不同的讲者、不同的公司、不同的云,但反复回到同一组判断。先把这 9 条主线立起来, 再回头看每一场,会清楚很多。(基于全部 24 场。)
模型指数级变强,组织线性地采用 —— 中间的差距就是你的活。为下一个模型设计,而不是现在这个。
新瓶颈是验证、谁来 review、决定做什么。为保护工程带宽建的老流程会悄悄失效 —— 敢审、敢杀、敢 Claudify。
「指令不增加能力」。把能力放进工具 / hooks / 子 agent 循环;每次新模型都该砍掉「缝合怪 prompt」里过时的脚手架。
一个自建的小 eval,比任何公开 benchmark 都重要,还要警惕「饱和的 eval」。选模型按「每个成功结果最便宜」。
测试时计算(test-time compute)能换智能。用 effort 等级 + 自适应思考 —— 默认 extra-high,max 只留给真·难题。
智能跑赢了周边设施。Managed Agents 原语(agent/environment/session/events)+ 自托管沙箱 + MCP tunnel,让你建产品,不是建管道。
文件系统式 Memory 抬高每个 agent 的地板;Dreaming 在离线、不占延迟热路径处复盘整理。(Claude Code 现也有 auto-memory。)
你的专有上下文 / 工作流 —— 做成被治理、有归属、过 eval 的 skills —— 是前沿实验室复制不了的 IP。采用是人的问题。
Routines / /schedule、验证循环、auto mode、council-of-agents 评审、远程遥控 —— agent 自己跑,你只在真需要时介入。
数字来自各场讲者口述,经自动转写(可能有个别误差);模型版本以现场为准(Opus 4.7、Sonnet 4.6、Haiku 4.5 等)。
这是一个多页系列:这一页是总览,下面 6 章各自把那一组讲座拆得更深(讲者 · 主旨 · 要点 · 数字 · 金句 · so-what)。挑你关心的那章进去。
当编程不再是瓶颈,组织得重写——keynote 的总框架,加三家把 AI 织进团队的现身说法。
读这一章 →最「手上功夫」的五场:prompting、选模型、思考杠杆、能力曲线、平台缓存与上下文工程。
读这一章 →Claude Code 本身:定制 harness、routines 主动化、验证循环、最近的更新清单。
读这一章 →瓶颈是基建不是智能:四原语、自托管沙箱 + MCP tunnel、Memory + Dreaming。
读这一章 →三朵云同一个 Claude:Google Cloud、Microsoft Foundry、AWS。
读这一章 →真钱、真法务、真规模:Man Group、Legora、Lovable、企业落地、Spotify。
读这一章 →能力沿指数走,你的架构要能在下一次跃迁时自动吃到红利 —— 靠通用原语 + eval,而不是把今天的脚手架焊死。
「指令不增加能力」。把要算的、要查的、要约束的,做成工具 / harness / 小循环 —— 而不是把一段巨型 prompt 越写越长。
模型是公共的;你的专有上下文和工作流,做成被治理、有归属、过 eval 的 skills,才是别人复制不了的那部分。
这是一份把整场伦敦路演 24 讲读完后的现场笔记 —— 我做它,是想把这一场里反复出现的判断 固定下来,当作 AI 工程的一个时间切片。如果某条主线戳中你,去看对应那场的完整原片。