AI观察 2026-10-15

A社5年前的"最高机密",预言了今天的Claude Code

因一场版权诉讼,Anthropic 2021 年 7 月的内部路线图意外曝光。当时公司才从 OpenAI 独立几个月、只有十几人,却白纸黑字写下了今天的 Claude Code、工具调用、自我评判、测试时计算。5 年前那场关于沙箱边界的争论,正是今天 Agent 安全议题的雏形。

一、一份让同行"瘫软"的内部文件

最近因为一起版权官司,Anthropic 一份2021 年 7 月的内部研究路线图意外曝光。PDF 正文就两三页,当年标着"最高机密"。

但把这份文件从头读到尾,很多人——包括写稿的人——都"瘫软了"。

原因很简单:今天的 Claude Code、工具调用(Tool Use)、AI 自我评判(Self-Judging)、测试时计算(Test-time compute),甚至上万亿参数与超长上下文……五年前,在这家公司刚从 OpenAI 独立出来几个月、全员只有十几人的时候,就已经被写进了文档。

很多人以为,大模型从聊天机器人走向写代码、操作系统的 Agent,是这两年技术成熟后水到渠成的事。这份文件给出的答案是:错了,那是五年前定好的剧本。

【插图 01 · 01-blueprint.png】

二、这份"剧本"到底写了什么

在路线图的最开头,Anthropic 给自己的终极目标(Safe, beneficial AGI)立了一个非常清晰的原型定位:

做一个能通过自然语言跟人类交互,去创建、编辑和解释软件的通用 AI 助手。

什么叫通用 AI 助手?文档列得很具体:能回答通用问题、写函数、找 Bug、设计 API、讨论代码风格与最佳实践。最狠的一句是——它要展现出一个软件工程师同事的全部能力。

放在 2021 年,那是 GPT-3 刚火不久、大家还在惊叹 AI 能写藏头诗的时候。Anthropic 直接跳过了简单的代码补全,瞄准了完整的软件工程代理。

更绝的是底层技术预判。在预训练部分,2021 年的他们就写下要训练 1T(万亿参数)及以上的超大模型,并探索超长上下文(Very large contexts),以及其他能容纳海量记忆与经验的机制。在那个 175B 还是庞然大物的年代,万亿参数和超长记忆已经被当成标配基建。

对齐(Alignment)部分同样超前:文档里赫然写着"模型自我评判"——2021 年就在研究怎么让模型评估自己的行为和输出质量,把模型自己的判断作为反馈信号。这正是今天 AI Feedback 以及推理模型自我纠错的核心思想。同一份文件里还出现了 Test-time compute 的雏形,虽然当时放在对齐和判别器的语境里,离 o1 式的推理计算扩展还有距离,但研究视野已经覆盖到了训练之外的算力投入。

三、一场五年前的路线之争,预言了 Claude Code 的诞生

最精彩的部分,是文档里的内部批注暴露出的真实争论。

研究员 Andy Jones 抛出一个核心分歧:我们到底该先做真正好用的编程助手,还是先去证明工具调用的可行性?当时团队面临两条路:

  • 实用路线:搞代码仓库检索(Repo Search / Repo Browsing),让 AI 能去翻项目的类型定义。GPT-3 论文一作 Tom Brown 也参与了这场讨论,建议从代码仓库浏览入手。
  • 研究路线:搞 printf 调试、编辑器操作,先证明模型能调工具。

最后是 CEO Dario 拍的板:短期先验证工具调用的可行性,长期再演进成超级好用的编程助手。

现在回头看 Claude Code 的演化,完全是在照着这句话一步一步走。今年 Anthropic 自己发布的口述历史《The Making of Claude Code》也印证了这一点:从 2021 年的 VS Code 扩展、到 RL 训练模型写函数并验证正确性,再到 2024 年底的冲刺、2025 年的爆发——底层逻辑一脉相承。

【插图 02 · 02-debate.png】

四、5 年前就在讨论的 Agent 安全,正是今天的噩梦

既然是一家以安全立命的公司,文档里自然少不了安全讨论——而且一讨论就讨论到了今天最烫手的问题。

联合创始人 Sam McCandlish 在批注里问:怎么安全地部署没有沙箱隔离的工具? Dario 紧接着补了一句(原文真的带感叹号):

具体来说,就是在部署时执行代码的 Tool!

当 AI 真的能直接在宿主环境里运行代码、调用 Shell、修改文件时,一旦失控或者被 Prompt 注入,后果不敢想。今天全网在讨论的 Agent 提权、环境逃逸、数据污染,人家 2021 年就在讨论沙箱边界了。

更清醒的是哲学家 Amanda Askell(就是前段时间很出圈的那位 Anthropic 内部哲学家)。她严肃地指出:如果对齐研究主要做在自然语言上,而能力却主要在代码上推进,这两种研究会脱节。她主张确立一条公司原则——各个领域的能力研究和对齐研究应该成比例同步推进。

【插图 03 · 03-edge.png】

五、先发优势:咬定青山不放松

看完这份文件,最直观的感受是:Anthropic 这五年是死磕高质量代码信号、强化学习和企业工作流,路线几乎没有漂移。Claude Code 不是某个灵光一现的产品,而是一张五年前画好的图的落地。

对照之下,OpenAI 一路多线作战——文生图、Sora 视频、语音助手、搜索,多少分散了战力。技术路线的专注度,最后会体现在一个产品的完成度上。

上周 OpenAI 刚因为一起内部窃听事件上了头条(一名工程师把录音设备藏在会议室电视后),这周 Anthropic 又因为一份五年前的路线图被称"有预言家"。同一个 AI 圈,一边在比谁看得更远,一边在防谁伸得更长。

蓝图已经摊开,剩下的 99% 还没画完。正如 Claude Code 负责人 Boris Cherny 说的那句——"我们才完成了 1%。"