Claude
變成隊友後，
Anthropic
怎麼工作？

Every 訪談 Anthropic Labs 負責人 Mike Krieger。這支影片不只談 Fable 5 有多強，而是談一家公司如何把 AI 從聊天框，放進規劃、委派、驗證、產品討論和軟體交付。

來源：Every YouTube 頻道

SCROLL
PART 1 ｜ 不是第一天心得

Mike Krieger 說，
他重新學了一次怎麼工作

Mike Krieger 是 Instagram 共同創辦人，現在負責 Anthropic Labs。Dan Shipper 找他聊 Fable 5，不是為了聽模型發布當天的驚嘆，而是想知道一個每天使用它的人，幾週後怎麼改變工作方式。

Mike 的第一個反應不是「它比較會寫程式」，而是自己像新手。過去他會把任務拆成小步驟，先問模型能不能做第一步，再一路追問。Fable 5 讓他改成先表達意圖，讓模型自己規劃、執行，並在更長時間裡保持方向。

這支影片的核心是工作介面改變。當模型能長時間完成任務，人的工作不再是逐句提示，而是說清楚目的地、提供脈絡、安排驗證，再回來審結果。

他舉的例子很具體：登機前把一個複雜任務交給 Claude，即使飛機 Wi-Fi 斷線也不用太擔心。模型如果卡在遠端服務故障，會先做一個替代後端，留下紀錄，等服務恢復再補上。這種「把球打完」的能力，是 Mike 覺得最不同的地方。

PART 2 ｜ 從對話變成委派

它不適合每三十秒問一次，
比較像交辦一段長跑

Mike 的日常做法，是先跟 Fable 5 做架構規劃。他會問它怎麼拆任務、要不要先做原型、哪些地方需要更穩的基礎設施。規劃到一個程度，他甚至會請模型做出 HTML 頁面或 Markdown 文件，用來跟團隊對齊。

這讓人與人的協作反而更重要。AI 可以很快做出很多東西，所以團隊更需要早一點對齊意圖、架構和風險。不然每個人都能用模型跑出一堆原型，方向卻不一定一致。

工作模式
以前的 AI 協作
Fable 5 之後
提示方式
把任務拆小，逐步要求模型回答或修改。
先說目的、限制和脈絡，再讓模型自己跑完整段。
時間尺度
幾分鐘內看結果，回合很密。
幾小時、隔夜，甚至多天 session 持續推進。
人的角色
像坐在旁邊盯著每一步。
像交辦給隊友，回來看品質、取捨和下一步。

Mike 也不會把所有問題都丟給 Fable 5。快問快答、手機上臨時查一件事，使用較快、較便宜的模型比較合理。他提到產品設計也會面臨這個問題：使用者不應該一直思考該選哪個模型，介面應該把任務類型和模型選擇安排得更自然。

PART 3 ｜ 週末做出自己的工具

從 Instagram 初期的通宵，
到週末和小孩去健行也能繼續做

Mike 展示了一個自己做的媒體追蹤工具。他想記錄正在玩的遊戲、看的影集、收到的推薦，也希望能用聊天方式快速加入項目。Fable 5 幫他做出大部分 UI，還做了更進一步的功能：在 app 裡直接要求代理人改 app 本身。

這不是一個要服務百萬使用者的產品，但它說明了成本曲線的變化。Instagram 初期，一個完整版本可能要幾天通宵。現在一個人可以在週末空檔把個人需求做成可用軟體，之後再用它的過程中持續修改。

意圖
人說清楚想要什麼
不是先找工程資源，而是把需求直接交給模型探索。
原型
模型先做出可用版本
UI、資料流和基本互動可以在很短時間內出現。
修改
軟體能在使用中被改
人發現按鈕位置不好，就讓代理人直接修。
累積
工具不必停在週末
模型能讓個人軟體在未來幾週繼續長大。

Mike 最興奮的不是自己可以更快寫程式，而是非工程背景的人也能把腦中的工具做出來。他提到 Anthropic 內部有人在招募工作上第一次感覺到，腦中的流程和真實世界裡的工具距離變得很近。

PART 4 ｜ 軟體工程沒有結束

寫程式變少，
軟體生產反而變成更多人的工作

Dan 問了一個很多人會問的問題：軟體工程是不是結束了？Mike 的回答是，軟體工程變得非常不同，但軟體生產還活得很好。手打一行行程式碼、研究框架細節、自己修部署後 bug 的比例下降了，產品判斷、架構取捨、品質責任和系統理解變得更重。

在 Anthropic 內部，每個人仍然有 DRI，也就是直接負責的範圍。差別是每個人旁邊可能有很多個 Claude session。有人會建自己的 dashboard，看哪些 Claude 正在工作、哪些 pull request 等待審查、哪些地方需要人介入。

🧭
方向仍由人負責
模型能跑任務，但產品意圖、團隊優先順序和跨產品脈絡仍需要人承擔。
🧪
原型改變討論方式
PM 也能先做出粗糙原型，讓團隊用具體體驗討論方向。
🚨
生產環境更需要經驗
事故、擴容、網路故障和長期修補，仍需要懂系統的人冷靜處理。

Mike 承認有一種失落感。很多工程師喜歡把問題優雅地解掉，甚至夢到程式解法。那種手感正在改變。但同一批人也能做出以前做不到的工作量。兩種感覺會同時存在。

PART 5 ｜ 昂貴模型的經濟學

貴不只看單次費用，
還要看它能不能一次做到位

Fable 5 很貴。Dan 說自己測試時像小孩進糖果店，但真的要付帳時，就會先想這次會不會花上不少錢。Mike 的看法是，對專業軟體團隊來說最清楚：如果它能做出可驗收成果，花費就容易合理化。

他提醒，成本不只是一回合多少錢，而是把任務做到滿意總共要花多少。如果便宜模型需要九、十次追問，還一直漏掉細節，真正成本未必低。Fable 5 的價值在於常常能把細節想完，減少後續補救。

判斷標準
只看單次價格
看完整任務成本
模型費用
一次輸出很貴，容易讓人不敢按下去。
如果一次完成大型任務，費用可能比人力和來回更低。
時間成本
等它思考很久，看起來很慢。
人可以離開，讓它跑隔夜或背景任務。
品質成本
只看答案是否出現。
看它有沒有考慮 feature flag、部署、合約變更和 code review。

Mike 說 Fable 5 讓他感覺到模型開始理解系統，而不只是單一任務。它會提醒 feature flag 還沒開、會注意某個改動會影響另一邊的合約，也會在 code review 中判斷哪些建議該接受，哪些可以合理反駁。

PART 6 ｜ 聊天框不夠了

當 Claude 變成隊友，
介面要能容納遠端、文件和多人協作

Dan 問，聊天是不是正確介面？Mike 不認為傳訊息和收回覆完全錯，但他列出三個需要演化的方向。第一，工作發生的位置要和人下指令的位置分開。Fable 5 可以在遠端開發環境跑很久，人可以用手機查看和推進。

第二，模型產生的脈絡需要更容易被理解。長任務會產生大量文字、決策和提案，單純聊天紀錄太難消化。Mike 會要求 Claude 把複雜度分層呈現，或做圖、文件和摘要，讓人逐步進入重點。

第三，團隊需要多人協作介面。當每個人都有自己的 Claude 在跑，這些 session 不能只停留在個人聊天紀錄裡。它們需要知道團隊其他工作、同步狀態、承接 incident response 或跨功能專案。

AI 隊友需要的新工作介面
Remote任務在遠端持續跑
Mobile人可隨時查看與指派
Artifacts輸出文件、圖表、計畫
Status看到等待、執行、審查
Multiplayer多人與多個 Claude 對齊

這也是產品策略上的轉變。未來的 AI 工具不只是在聊天框裡變聰明，而是要提供工作狀態、權限、文件、審查和團隊協作。模型已經像隊友，工具還在追上它的使用方式。

PART 7 ｜ 驗證變成核心技能

人可以少寫程式，
但不能少理解自己要合併什麼

Mike 說自己今年變得非常重視 verification。以前工程師追求最短開發迴圈，現在他會要求每個 Claude 產出的 pull request 附上截圖或影片。UI 改動要看到畫面，iOS 改動要有手機畫面，複雜流程要有完整截圖集。

影片比截圖更進一步。Mike 提到他在原型中把錄影交給 Claude，讓它自己用工具看動畫哪裡卡、互動哪裡怪。很多問題截圖看不到，影片能讓模型看到時間中的錯誤。

驗證方法
解決什麼問題
為什麼重要
截圖集
讓人快速看到主要狀態、錯誤狀態和邊界畫面。
不用逐行讀完程式碼，也能先抓到產品品質問題。
影片
檢查動畫、延遲、滑動和過場是否順。
許多互動問題只會出現在時間軸上。
真實流程
用 staging、真實帳號和真實資料跑一次。
避免只在假資料或單一畫面看起來成功。
替代後端
在真正後端很難啟動時，建立足夠完整的 mock。
讓測試可以快，又能隨著原系統變化更新。

他最後補上一個責任規則：就算程式是 Claude 寫的，人仍然要站在作品後面。合併到 production 前，你至少要理解主要取捨。團隊裡有人被問到「你用了 X 還是 Y？」如果答不出來，就該先回去查清楚。

PART 8 ｜ 動態工作流

長任務不是只叫模型努力，
而是替它搭好可執行的流程

訪談最後談到 dynamic workflows。Mike 說這是他很想公開給更多人用的能力，因為它把長任務拆成一段段可追蹤步驟。最具體的例子是把一個 Python 內部專案移植成 TypeScript 和 Bun 版本。

他沒有只丟一句「幫我改寫」。工作流先理解原始專案，寫出規格，逐個模組移植，逐步測試，做對抗檢查，再回頭找漏掉的功能。完成後，模型還清楚記錄哪些東西沒有移植，哪些地方在新版本中更好。

一個動態工作流的基本節奏
理解先讀現有系統
規格寫出運作方式
移植分模組完成
測試逐步確認行為
補洞檢查缺漏與取捨

這裡的啟發不是每個人都要寫 workflow code，而是長時間自主代理人需要工作台。聊天可以用來設計流程，流程用程式表達，介面顯示每個階段在做什麼。未來更進一步，簡單步驟也許交給較小模型，困難步驟才用最強模型。

AI 變成隊友後，人的工作不是少看一眼，而是更清楚地說目的地、設計驗證，並為最後結果負責。

這就是 Mike Krieger 在 Anthropic 看到的變化：模型會做更多，團隊也需要更成熟的委派、協作和驗收方式。

如果把 Claude 放進你的團隊，
第一個要補哪一層？

選完之後，分享你的觀點

你的觀點

想看原始訪談？

這頁整理自 Every YouTube 頻道。原始影片保留 Mike Krieger 對 Anthropic 內部工作流、Fable 5 使用方式、verification、dynamic workflows 和軟體團隊分工的完整對話。

前往 YouTube →