#250. Anthropic首席产品官Mike Krieger：AI产品哲学与Claude 4.5的未来愿景

——基于Anthropic首席产品官Mike Krieger在《Latent Space》播客的深度对话

本期《Latent Space》播客（第250期）聚焦Anthropic最新发布的Claude Sonnet 4.5，深入探讨其背后的产品哲学、技术架构演进与未来人机协作愿景。通过对多段访谈内容的系统整合，本报告呈现Anthropic首席产品官Mike Krieger关于AI系统从“编码助手”向“通用智能体”转型的核心思想。

此次发布不仅是模型能力的迭代，更标志着AI产品开发范式的根本性转变：研究与产品的深度融合、用户体验导向的设计内化、动态界面生成趋势的兴起，以及以用户为中心的开放共创生态的构建。Claude Sonnet 4.5的推出，象征着生成式AI正从“可用工具”迈向“可信伙伴”的关键阶段。

1. 产品与研究的闭环协同机制

传统AI开发流程常遵循“研究→训练→移交→部署”的线性路径，导致模型能力与实际需求脱节。Anthropic在Sonnet 4.5的开发中实现了根本性突破：产品团队全面介入研发上游与下游环节，形成研究-产品闭环。

• 在训练后期，产品团队基于真实场景（如金融服务、法律分析）识别用户痛点，并将这些反馈反向输入模型优化目标。
• 模型checkpoint被部署至所有相关产品界面，在模拟真实环境的内部测试框架中持续运行，进行端到端验证。
• 提示词调优、交互逻辑设计、错误处理机制等均纳入评估体系，确保输出不仅准确，且具备一致性和健壮性。

这一机制打破了“研究先行、产品后验”的旧模式，使产品洞察成为驱动模型演进的核心动力之一。

2. 用户体验优先：从“功能正确”到“感觉对了”

随着模型基础能力趋于成熟，用户体验成为区分高阶AI系统的关键维度。Krieger强调：“一个高效的生成系统无需完美，但必须提供足够高质量的初始输出，让用户愿意在其基础上继续优化。”

#### （1）可感知的质量提升

团队将“可感知的质量提升”列为三大优先事项之一。这意味着：

• 输出需具备结构清晰性、视觉合理性与语义连贯性；
• 即便存在小瑕疵，也应作为有效工作起点，而非迫使用户重头构建；
• 成功案例已在代码生成和网页开发中验证：高质量初稿显著降低使用门槛并提高采纳率。

#### （2）行为偏差修复与信任重建

前代模型曾出现“激进修改代码”或“任务执行不完整”等问题，损害用户对系统可靠性的信任。Sonnet 4.5重点提升了：

• 任务完整性：面对多项指令时不再遗漏步骤；
• 执行稳定性：减少中途放弃或逻辑中断现象；
• 意图遵循能力：增强对复杂、模糊或多层级请求的理解与响应一致性。

此类改进并非仅依赖自动化指标，而是建立在大量真实用户反馈之上，体现了“问题驱动”的产品思维。

3. 智能体范式的战略升级：从Code SDK到Agent SDK

Anthropic平台的技术路线正在经历结构性跃迁：从Claude Code SDK向Claude Agent SDK的全面升级，标志着角色定位的根本转变。

| 维度 | Claude Code SDK | Claude Agent SDK |

|------|------------------|-------------------|

| 核心能力 | 编程辅助、代码补全 | 多步骤规划、环境感知、自主决策 |

| 应用场景 | 软件开发 | 法律文档分析、金融建模、跨系统操作 |

| 技术本质 | 工具调用 | 智能体行为建模 |

| 用户群体 | 开发者 | 知识工作者、企业流程管理者 |

此次更名不仅是品牌调整，更是对底层能力抽象层级的重新定义。许多非技术型企业（如法律科技公司）虽无需写代码，却亟需能理解上下文、执行信息提取与推理判断的智能代理。新架构正是为此类需求而生。

1. 非标准化但高度情境化的“感官测试”框架

为衡量模型在真实世界任务中的综合表现，Anthropic提出了一套名为“Vibe Eval”（感官评估）的三项核心测试，贯穿每个开发节点：

#### （1）Virtual Boy风格3D射击游戏生成

• 目的：评估创意生成、技术实现与复古美学融合能力；
• 观察点：空间逻辑建模、分屏三维效果构建、历史技术形态再现；
• 进展：当前版本已超越Opus基准，在红黑单色立体视觉表达上实现质的飞跃。

#### （2）修改Claude Code代码库

• 目的：验证工程实践理解深度与跨文件重构能力；
• 任务要求：调动前后端知识，完成大规模代码检索与逻辑重组；
• 意义：反映模型在真实软件工程环境中的认知广度与执行精度。

#### （3）为任天堂董事会制作演示文稿

• 任务描述：基于财报数据生成PowerPoint提案；
• 评估维度：
• 内容准确性
• 品牌风格还原（红色主题）
• 图表专业化程度
• 字体排版规范性
• 信息层级组织
• 演进轨迹：从文本罗列发展为具备视觉层次与语义注解的专业输出。

此外，“Claude重建自身界面”的实验也被视为该评估哲学的延伸，直观展现其对布局、交互逻辑与品牌一致性的深层理解。

2. UI设计品味的内化：让AI具备“产品感”

未来绝大多数用户界面将由AI实时动态生成，而非依赖静态模板。在此背景下，赋予模型“产品感”成为关键技术挑战。

#### 什么是“产品感”？

指模型具备以下能力：

• 可用性意识（避免不合理交互）
• 视觉层级感知（主次分明、留白合理）
• 用户体验直觉（符合人类认知习惯）
• 设计原则遵循（对齐、间距、对比）

#### 当前进展与挑战

• 审美趋同问题：早期模型偏好白色背景+顶部紫色圆角矩形，反映出训练数据偏差；
• 去偏见化措施：通过引入多元化UI案例、显式设计指导与强化学习信号，显著提升风格多样性（深色模式、中性色调、差异化布局）；
• 组件化结构感知不足：尚难精准识别按钮、卡片、导航栏等模块及其组合规则；
• 视觉细节敏感度低：无法像专业设计师那样发现基线偏移、元素错位等像素级问题。

尽管如此，已有实践表明，结合Playwright等工具可在浏览器环境中捕获截图并驱动多轮优化，初步实现“生成→观察→评估→修正”的闭环。

3. 人机协作模式的演进：从“发射后不管”到“双向闭环”

尽管长时运行能力备受关注（如GPT-4最长7小时 vs 某系统超30小时），但真正决定系统可用性的，是任务启动前的沟通效率与计划可信度。

#### 理想协作模式：可干预的闭环系统

• 模型提出行动计划：“我将研究三家公司，然后完成A、准备B”；
• 用户可在执行前指出遗漏：“你没考虑监管风险”；
• 系统据此调整策略，再进入执行阶段。

这种前置式反馈机制既能规避方向性偏差，又能增强用户控制感与信任度。长远来看，目标不是完全自主，而是“说得清、改得及”的透明化协作。

#### 双重操作能力的必要性

智能体必须同时具备：

• 结构化协议操作能力（如MCP）：高效调用现代API；
• 视觉驱动操作能力：解析无API支持的老旧系统界面（如含数十个单选按钮的法律表单）；

这要求模型既能“适应现实”，也能“构想未来”——识别现有设计缺陷，并推断更优实现路径。

1. 垂直领域选择逻辑：聚焦极限挑战者

Anthropic的战略优先级并非单纯依据工具使用频率（如零售、航空），而是重点关注那些持续测试模型边界的客户：

• 使用Cognition复杂编码框架的企业；
• 面临极端法律推理任务的律所；
• 推动高精度医疗数据分析的健康机构。

这些客户的早期反馈被视为验证技术方向的关键信号。例如，某法律科技公司在最难评估任务中观察到模型得分提升12个百分点，即使缺乏完整评估细节，也足以确认演进路径的有效性。

2. 平台设计哲学：以问题解决为中心

开发者平台的目标不是提供最强的语言模型，而是构建一个支撑自主任务执行的生态系统。为此，Anthropic在以下方面系统投入：

• 上下文管理：防止污染、支持压缩；
• 安全隔离：保障敏感数据安全；
• 托管服务：为资源有限企业提供解决方案；
• 插件化架构：允许企业按需组合功能模块。

典型案例显示，某大型法律分析公司因缺乏容器管理基础设施，明确要求平台托管。此类反馈正推动SDK向更高可组合性与灵活性演进。

3. 规划能力的突破：迈向长期任务支持

近期性能跃迁的关键在于规划能力显著增强。数据显示，新模型在交互式规划任务中表现超出预期，官方称性能提升达18%。

这一进步已在Cloud Code中显现价值：

• 自动生成待办事项清单；
• 制定分步执行计划；
• 支持跨时间跨度的任务延续。

文件创建功能被视为迈向长期任务的第一步，预示模型将在金融分析、研发管理等领域承担更多主动角色。

本次访谈揭示了AI产品发展的新范式，其核心特征可归纳为以下三点：

1. 技术进步 = 产品思维 × 算法创新

参数规模不再是唯一决定因素。真正的竞争力来自产品视角的深度融入——将用户体验、设计美学、任务完整性等软性指标显式建模，并嵌入研发全流程。

2. 界面形态的根本重构：动态生成取代静态模板

未来的UI将由AI根据上下文实时生成。因此，必须将“产品感”内化为模型能力，使其不仅能输出功能正确的结果，还能体现品牌调性、视觉秩序与交互逻辑。

3. 智能体的本质是“可信协作者”，而非“全自动机器”

最有效的路径不是追求无限自主运行，而是建立可解释、可干预、可修正的人机协作闭环。通过提前暴露决策逻辑、开放互动接口，系统才能赢得用户信任，在知识工作中扮演真正高效的伙伴角色。

综上所述，Anthropic在Sonnet 4.5的实践中展示了现代AI产品开发的典范路径：

1. 坚持“简单而有效”的根本信条：优先执行成本最低、见效最快的方案；

2. 拥抱真实用户反馈作为核心研究资源：唯有接触终端运行环境，才能发现深层次缺陷；

3. 推进统一可组合的技术架构：共享模块在训练、部署、开发、托管各环节复用，形成累积优势；

4. 倡导开放共创生态：鼓励用户分享高价值使用案例，反哺系统进化。

最终，AI系统的成功不再取决于它“能做什么”，而在于它是否能自然、得体地融入人类工作流，成为我们思考与创造的延伸。Claude Sonnet 4.5的发布，正是通向这一愿景的重要里程碑。