下一个 Claude
从哪里来

Alex Albert 在访谈开头说了一句很有意思的话：「我可能是世界上第一个 Prompt Engineer。」他在 Anthropic 最早做 DevRel，后转型为 Research PM——这个职位在传统科技公司里不存在。普通 PM 负责产品路线图、用户需求、功能优先级；但当产品本身是一个在训练中的 AI 模型时，PM 的职责完全不同。

Research PM 在模型的构想阶段就介入，一直跟随整个训练过程直到发布：跟用户（API 客户、内部团队、Claude.ai 用户）谈，收集反馈；把反馈整理成训练要求；把模型当产品来规格化——这个模型的 MVP 是什么？应该在哪些 benchmark 上有突破？配合研究团队设计 eval，证明某个能力是不是真的提升了。Alex 说，每个新模型都有一份完整的需求文档——像产品的 PRD 一样——描述这个模型应该擅长什么、修复上一代的哪些问题。这份内部 PRD 的存在，意味着 Anthropic 构建 Claude 的方式，远比外界想象的更「产品化」。

编程一直是最高优先级，这与 Claude Code 的爆发吻合。但过去几个版本里有一个新重点正在崛起：知识工作——Anthropic 在让 Claude 更好地处理 Claude for Excel 这类产品，帮用户真正用起来电子表格，而不只是回答问题。这是一个明确信号：Claude 的下一个大赌注，是成为「真正能干活的办公室同事」，而不只是「会写代码的聊天机器人」。

除了新能力，每个模型还要修复上一代的短板。流程是：大量收集用户反馈；用 Claude 本身对反馈聚类、提取主题、生成典型案例；把问题转化成可量化的 eval；与研究团队共同决定该在 pre-training 解决，还是可以在 RL 阶段修复。这个流程有一个有趣的递归结构——用 Claude 来找 Claude 的问题。Alex 说，哪怕只有十几个测试案例，只要足够真实地反映用户任务，就已经足以证明一个问题的存在。

最近几个版本的 Claude 引入了 Adaptive Thinking（自适应思考）——对此前 Extended Thinking（扩展思考）的进化。区别是：Extended Thinking 由用户手动打开，模型就一直想；Adaptive Thinking 由模型自己决定要不要思考、思考多长时间。这听起来很直觉，但实现起来有一个根本挑战：如果模型对你知之甚少，它就没有足够的上下文来判断「这个问题是否值得深想」。

Alex 举了一个例子：如果一个完全陌生的人问你「我现在应该做什么」，你可能随口给个通用建议；但如果你非常了解这个人——他的处境、价值观、过去的选择——你会不由自主地花更多时间认真想。这直接把 Adaptive Thinking 和记忆绑在了一起：只有当 Claude 对用户建立了足够的心智模型，「是否思考」的判断才会变得准确。没有记忆的 Adaptive Thinking，本质上还是在盲猜。

记忆是这次访谈信息量最大的部分。目前 Claude.ai 已经有「写入记忆文件」机制——对话结束后，Claude 会把认为重要的信息写进一个持久化记忆文件，下次对话时读取。但 Alex 透露了一个更有意思的新方向：Dreaming（梦境机制）。灵感来自人类的梦境——有理论认为梦是大脑对白天记忆进行整合和重组的过程（记忆再巩固）。Anthropic 在 Managed Agents 里实现了类似机制。

这个设计有非常深的含义。目前大多数 AI 系统的记忆是「写入即存在」的，从不质疑自己过去存的信息是否还有效。梦境机制让记忆变成了一个主动维护的知识库，而不是被动的信息堆。对于 Claude Code 的用户来说，这意味着：未来长期运行的 Agent，会在空闲时主动整理它对你、你的代码库、你的工作风格的理解——而不是靠你手动维护 CLAUDE.md。

Alex 谈了一个很实用的框架：One-way Door（单向门）思维。在 AI 工具加速产品开发的今天，最重要的问题不再是「这个功能要几周」，而是「这个决策是否可逆」——可逆的决策（Two-way door）可以随意迭代，用 Claude Code 一天出 MVP，跑不通就改，成本趋近于零；不可逆的决策（One-way door）——模型架构选择、影响用户数据的设计——需要花大量时间真正思考清楚。研究团队里，「一次性决策」的典型案例是预训练前选定模型架构——一旦开始训练，架构就固定数月，成本不可逆。

与此同时，执行层的瓶颈正在消失，但一个新瓶颈出现了：协调问题（coordination problem）。Alex 说：「现在我们可以很快构建东西，但仍然需要把相关的人召集到一起，决定这是不是正确的方向——这类问题 AI 还没有办法给你 10x 的加速。」这个观察值得所有产品团队注意：AI 正在把执行层压缩到极限，但决策共识、跨团队对齐、发布叙事——这些「协调性工作」还没有被大幅压缩，反而变成了相对更稀缺的瓶颈。

Claude 的「性格」（character），正在从一个模糊的用户体验问题，变成 Anthropic 非常严肃对待的工程课题。Alex 直接说：很多外部模型感觉「很像反社会人格」——你问什么它就做什么，没有真实的立场，只有顺从。Claude 的设计哲学是相反的：它会在适当的地方推回来（push back），有自己的价值观和信念。Anthropic 内部有专门团队在回答这些问题：Claude 如何描述自己？它相信什么？面对道德灰色地带，判断逻辑是什么？

为什么现在这件事特别重要？因为Agent 需要长时间独立运行，并持续做判断。当你委托 Claude 执行一个多步骤任务——重构代码库、自主决定数据库架构——它会遇到无数你没有预设答案的情况。在那些时刻，它的「性格」和「价值观」就是它做决策的依据。Alex 反复强调：「如果这个东西在写你所有的代码，并且在做所有的架构决策，你会希望它有某种程度的可信赖性。」

访谈快结束时，Alex 提出了他认为还没有答案的问题：「当 Agent 可以处理越来越大的任务块，你就可以同时启动更多并行项目。问题是：你怎么知道现在哪个 Agent 在哪里被卡住了，哪个 Agent 需要你介入？光是一个聊天列表肯定是不够的。」今天 Claude Code 界面本质是线性对话——你和一个 Agent 说话，等它完成，再去下一个。这在 Agent 只能做小任务时合理，但当 Agent 能独立工作几小时、并行运行十几个项目时，「一个聊天列表」的隐喻就彻底失效了。目前的线索方向包括已发布的 Cowork 模式（对话之外的结构化任务视图）、Agent 状态感知、多 Agent 请求的优先级排序——但 Anthropic 内部正在大量实验，还没有定论。这个问题的解法，会决定下一代 AI 工具是「工具箱」还是「协作者网络」。

最后一个话题是意识问题：Claude 是否有意识？Alex 的回答是，Anthropic 内部有专门团队在思考这个问题，目前没有官方立场，但这项工作有实际的产品价值——「通过思考 Claude 的思考方式，我们学到了很多东西，这些东西可以直接转化为更好的产品体验。」意识研究在 Anthropic 内部被当作一种「理解 Claude 行为模型」的工具，而不是单纯的伦理讨论。