Anthropic走访15家明星公司，发布AI编程实战指南：代码以后这样写

Anthropic调研了ClickHouse、Harvey、Cognition、Clay等15家估值超百亿美元的科技公司，发布《Agentic Coding》实战指南。核心结论：AI已将代码生产边际成本大幅压缩，研发瓶颈正从「写代码」转移到「验证」。

指南提出五大核心规则：降低门槛让最懂问题的人直接交付；用Agent接管机械重复工作；建立闭环验证机制；利用验证能力降低重构风险；先内部自用验证，再对外产品化。

ClickHouse让Agent专门修复不稳定测试和补测试覆盖率，成为仓库第2和第3大贡献者，功能交付量提升30%。Artemis Security一周合并超过6000个PR，Clay把缺陷分诊完全交由Agent完成。

代码生成变得廉价后，验证反而变成最贵的环节。Cainex在医疗编码场景中建立了完整闭环：Agent批量处理，审计员审查输出，Agent根据批注定位出错的指令段落，最后改指令本身而非具体案例。

Cainex早期踩过的坑是直接用人工反馈生成规则，导致规则越积越多，系统却没有任何泛化能力。其CTO的总结是「修复原则，不修复案例」——反馈必须经过抽象变成通用原则后才能进入指令集。

验证能力建立后，重构成了新的可能。用worktree在仓库独立副本中并行跑新旧版本，评估测试对比，新的赢了才合并。重建的边际成本已经低于保留成本。

指南最后建议原型自用产品化——先用Agentic Coding工具在内部自用，真实场景里跑验证，通过后再推向客户。如果选三件事先做：把架构规则和安全边界写成Agent每次会话都读的文件；计算重构成本；尽早建立评估测试体系。

Anthropic在指南里分享了一个细节：有团队把所有架构不变量写成文件，一共567行，被称作「这个团队如何思考」。这些不变量写在Agent每次会话都会读取的文件里，架构规则、安全边界、不可妥协的条款跟着每一次会话延续下去。写不下来的部分，等于没有约束。

软件开发正在从「稀缺导向」转向「验证导向」。真正稀缺的是验证能力——能验证才敢重构，能快速验证才能快速迭代。企业引入AI编程工具时首先要问的不是「怎么用它写代码」，而是「怎么建立验证能力」。