> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # Code with Claude 2026 舊金山場全 19 場筆記：當寫程式變便宜，整個矽谷在重建什麼？ - URL: https://growthhackers.tw/blog/code-with-claude-2026-sf-recap/ - Published: 2026-05-29T15:39:47.000Z - Updated: 2026-05-29T15:39:47.000Z - Author: Lewis wang - Tags: Claude Code, AI 工程, Anthropic, 活動筆記 [倫敦場我整理過一輪](https://growthhackers.tw/blog/code-with-claude-london-2026-recap/)，這次換主場舊金山。Anthropic 的 [Code with Claude 2026 舊金山場](https://www.youtube.com/playlist?list=PLmWCw1CzcFim2obQ-w3ohbULOfwp5lApR&ref=growthhackers.tw) 一共 19 場，我把逐字稿全抓下來啃完了。 跟倫敦場比，舊金山這場的卡司更猛。 除了 Anthropic 自己人，台上站的是 GitHub、Vercel、Cursor、Replit、Datadog、Cognition、Gamma、Harvey、Asana，還有做 Bun 的 Jarred Sumner 跟 Boris 同台實況寫扣。等於把「現在最會用 AI 寫軟體的一票公司」全請來，攤開他們的後台。 先給你一個數字感受溫度。 Anthropic 的 API 用量年增將近 17 倍，內部每位工程師的 PR 數成長 200%。Stripe 用 4 天做完原本估 10 週的 5 萬行 Scala 轉 Java。Datadog 近 4 個月有約 90% 的工程師（約 3000 人）在用 AI 寫上線程式。 這些不是 demo，是真的在跑、真的在賺錢的東西。 ## 你沒時間看 19 場，這篇是你的動線地圖 19 場、每場 20 到 40 分鐘，加起來又是 10 小時起跳。 我把它依主題分成 6 組，每場給你講者是誰、在講什麼、最值得帶走的一句話。想深看哪一場，點標題直接跳 YouTube。 切入重點。 --- ## 群組一：先聽老闆怎麼看大局 要理解這場大會的底氣，先聽 Anthropic 自己怎麼說。 **01\.** [**Opening Keynote 開場主題演講**](https://www.youtube.com/watch?v=GMIWm5y90xA&ref=growthhackers.tw) 由 CPO Ami Vora 開場。核心論點跟倫敦場一致：模型能力是指數成長，但企業採用是線性的，這個落差就是機會。他們當場宣布 Claude Code 的 rate limit 對付費方案加倍（靠跟 SpaceX 的 Colossus 資料中心合作撐算力），並秀客戶戰績：Stripe 4 天完成 5 萬行語言遷移、Mercado Libre 兩萬三千名工程師全用 Claude Code、review 超過 50 萬個 PR。金句很適合貼在牆上：「Design for the next version of Claude, not just the current one.」（為下一代 Claude 設計，不要只為現在這版。） **02\.** [**A conversation with Dario Amodei & Daniela Amodei 與創辦人對談**](https://www.youtube.com/watch?v=7xco5Qd2Oo8&ref=growthhackers.tw) Anthropic 兩位創辦人同台。Dario 說今年公司「成長得比指數還快」，原本規劃年成長 10 倍，第一季年化遠遠超過。他重提一年前的預測：2026 年會出現第一家「一人獨力的十億美元公司」，現在說仍在軌道上。他反覆引用 Amdahl's law 提醒：當 PR 產出快了 3、4 倍，那些沒被加速的環節（安全、驗證）就會變成新瓶頸。最有畫面的一句：「We're gradually making our way to the country of geniuses in a data center.」（我們正一步步走向資料中心裡的天才之國。） --- ![Code with Claude 2026 能力曲線：SWE-bench 62% 到 87%，再加上 effort 旋鈕](https://growthhackers.tw/content/images/2026/05/c4c-sf-01.png) ## 群組二：模型到底進化到哪了 談怎麼用之前，先搞清楚手上的工具長到什麼程度。這三場是能力盤點。 **10\.** [**The capability curve 能力曲線**](https://www.youtube.com/watch?v=tP4MGcJ80Y0&ref=growthhackers.tw) Research PM Alex Albert 主講。SWE-bench Verified 一年前 Sonnet 3.7 是 62%，現在 Opus 4.7 達 87%，等於對難題的成功率高出三倍多。進步集中在三件事：會先規劃再動手、能從錯誤中自己爬出來、跨數十萬到百萬 token 維持注意力不用你顧。金句很實在：「Sometimes the best optimization you can make to your app is simply swapping in the latest model.」（有時對你 app 最好的優化，就只是換上最新的模型。） **14\.** [**The thinking lever 思考這根槓桿**](https://www.youtube.com/watch?v=OXJO4LldSnc&ref=growthhackers.tw) Research PM Matt 拆解怎麼用 effort 跟 budget 控制 Claude 在推論時花多少 token。同一個交通模擬，low effort 約 50 秒、4,600 tokens；max effort 花 10 倍時間和 token 換更好結果。重點觀念：別把 thinking 當開關，要用 effort 這個旋鈕。設定品質門檻和預算，剩下的讓 Claude 自己搞定。 **19\.** [**The expanding toolkit 擴張中的工具箱**](https://www.youtube.com/watch?v=KLCuxMDZSDg&ref=growthhackers.tw) Research PM Lucas 講一個很犀利的觀點：去年你要自己手刻的 scaffolding，今年直接隨模型出貨。工具呼叫的 router、retry、context 的 chunking/RAG、code execution 的 sandbox，現在都收斂成幾行 config。金句值得每個工程師刻在桌上：「補償模型不可靠的程式碼，半衰期只有幾個月；把模型連到你世界的程式碼，才會複利累積。」 --- ## 群組三：Claude Code 進階與實況 這兩場讓你看到 Claude Code 現在到底能多狠。 **03\.** [**What's new in Claude Code 新功能盤點**](https://www.youtube.com/watch?v=IMZa42k6L6M&ref=growthhackers.tw) 分兩大主題：開發體驗與自主性。開發體驗端有手機遠端接續 session、無閃爍全螢幕、改版桌面/網頁 GUI。自主性端是 auto mode：用 classifier 判斷工具呼叫危不危險、像不像 prompt injection，安全才放行，省掉一堆權限確認。還有 worktrees 讓 Claude 自己開隔離環境平行做多功能、auto memory 自管 memory.md。金句：「在你親自看每個 PR 前，更少需要核准、更多 agent 安全地平行工作。」 **04\.** [**Live coding with Boris Cherny and Jarred Sumner 實況寫扣**](https://www.youtube.com/watch?v=DlTCu%5FpNDHE&ref=growthhackers.tw) Claude Code 負責人 Boris 跟 Bun 作者 Jarred 同台，用 Bun 的開源專案實演「robobun」全自動流水線：每個 GitHub issue 自動重現問題、開 PR，還硬性要求附測試、且新測試要在舊版 Bun 上 fail 才算數。重點是 robobun 現在已經是比 Jarred 本人還大的貢獻者。金句道出心態轉變：「PR 變成建議，是 Claude 寫的就不必有愧疚」，反而把「該不該 merge」的標準拉得更高。 --- ![會自己變強的 agent：memory 加 dreaming，讓隔天的 agent 自動更強](https://growthhackers.tw/content/images/2026/05/c4c-sf-02.png) ## 群組四：把 agent 推上 production demo 漂亮人人會，上得了線才是真功夫。這四場專治這段。 **06\.** [**How to get to production faster with Claude Managed Agents**](https://www.youtube.com/watch?v=E9gaQHrw%5Frg&ref=growthhackers.tw) Anthropic 發表 Claude Managed Agents，把 agent 上線需要的基礎設施包成託管服務。他們調查發現開發者三大痛點：context 管理、infra（憑證/安全/human-in-the-loop）、缺乏 observability（多數 agent「跑在 vibes 上」）。金句跟倫敦場呼應：「The bottleneck is increasingly infrastructure and not intelligence.」（瓶頸越來越是基礎設施，不是智能。） **08\.** [**Getting more out of the Claude Platform 把平台榨乾**](https://www.youtube.com/watch?v=7oO37GRhwGk&ref=growthhackers.tw) Platform PM Brad 講三招控成本：prompt caching（input token 打 9 折、又不計入 rate limit）、context engineering（tool search、programmatic tool calling、compaction）、advisor strategy（便宜的 Sonnet 執行、貴的 Opus 當顧問）。金句直接到不行：「If you're not doing prompt caching, ignore the rest of the talk and go do that.」（你還沒做 prompt caching 的話，其他都別聽，先去做。） **12\.** [**Building with Claude Managed Agents and Asana AI teammates**](https://www.youtube.com/watch?v=BrpB-h1e--k&ref=growthhackers.tw) Asana 示範用 Managed Agents 打造「AI teammates」，把 agent 變成有權限控管、共享記憶的真團隊成員（已 GA、超過 21 個預建 agent）。最有感的點：多數企業還停在「單人模式」用 AI，缺的是會累積、能共享的組織記憶。Demo 裡 marketer 把顏色從綠改藍的回饋會寫進 agent 記憶，下次別人用就不會再犯同樣的錯。把 agent 當「新進同事」一樣 onboarding。 **18\.** [**Memory and dreaming for self-learning agents 記憶與作夢**](https://www.youtube.com/watch?v=RtywqDFBYnQ&ref=growthhackers.tw) Platform PM Mahesh 把 memory 當成通往自學習 agent 的下一個基礎元件，並發表 dreaming。Memory 用檔案系統建模、讓 Claude 用 bash/grep 自管，Rakuten 用後首次錯誤降 90%。Dreaming 則是離線批次去掃近期的 session、找出共同錯誤跟有效策略，自動整理出更新的記憶，讓隔天的 agent 自動變強，Harvey 在法律 benchmark 上完成率提升 6 倍。 --- ## 群組五：頂尖公司的大規模工程心法 這三場是規模最大、最硬核的後台拆解，做平台、做基礎設施的人別錯過。 **05\.** [**Caching, harnesses, and advisors: Building on Claude at GitHub scale**](https://www.youtube.com/watch?v=y5TmF%5F6o6xk&ref=growthhackers.tw) GitHub CPO Mario 跟 Anthropic 的 Brad 拆 Copilot 在數十億級規模上的心法。重點是 prompt caching 的命中率要做到 94 到 96%，掉到 70% 通常代表你有 bug，因為 cache 失效等於多付好幾倍。還有破除迷思：長 context 不一定貴，真正貴的是 compaction。金句該裱框：「Measure outcomes, not activity.」（衡量結果，不是活動量。）他們看的是程式碼的「存活率」而不是「接受率」，因為接受後又被刪掉，等於沒達成目標。 **16\.** [**Evaluating and improving Replit Agent at scale**](https://www.youtube.com/watch?v=snroDwX1-JU&ref=growthhackers.tw) Replit 總裁 Michele 講評估。他們當天開源了「vibe bench」：20 個來自真實使用的需求，讓 harness 端到端建出 app，再用瀏覽器操作加自然語言測試計畫自動打分。發現前沿模型跟開源模型差約 2 倍，而且模型擴展「自己寫的扣」時最弱，所以每個功能之間都該插入測試。金句很關鍵：「別把評估當成上線前最後一道關卡，要把它當成讓你每天交付更好 agent 的引擎。」 **09\.** [**How Datadog built a universal machine tool for Claude Code**](https://www.youtube.com/watch?v=EdmuYPBt%5FEM&ref=growthhackers.tw) Datadog 工程副總 Sesh 借工業革命的「工具母機（machine tool）」概念，打造 Tempr：agent 不直接寫任意程式，而是產出 blueprint，再編譯成正式的狀態轉移表，外加四層驗證關卡才放行。這種把 agent 包進一套受控流程的思路，跟我之前寫的 [Agent Harness 是什麼](https://growthhackers.tw/blog/what-is-agent-harness/) 是同一個底層概念，想補底可以先看那篇。數據很猛：近 4 個月約 90% 的工程師用 AI 寫上線程式，其中至少三分之二由 Claude Code 驅動。金句很有畫面：「你不再寫程式，你在形塑工作，彷彿每個人都被往上升了三級到管理層。」 --- ![把驗證當引擎不是關卡，並維持高快取命中率](https://growthhackers.tw/content/images/2026/05/c4c-sf-03.png) ## 群組六：工程組織與一線團隊怎麼重排 模型變強之後，最痛的不是技術，是組織跟架構怎麼跟著變。這五場是第一線的重排實錄。 **13\.** [**Running an AI-native engineering org 經營 AI 原生工程組織**](https://www.youtube.com/watch?v=igO8iyca2%5Fg&ref=growthhackers.tw) Anthropic 的 Fiona 講當 coding 不再是瓶頸，組織流程怎麼重寫。技術辯論不再白板吵，直接讓 Claude 生 3 個 PR 比較；大幅砍掉 design doc 跟 product review，改成「go prototype」、討論都在 PR 上進行；並把資源加倍投到 verification。金句很精準：「when building is cheap, arguing is expensive.」（建構變便宜時，爭論變昂貴。） **07\.** [**Building AI-native: Cognition, Gamma, and Harvey 三家頂尖應用公司**](https://www.youtube.com/watch?v=OFDm3T7pVlc&ref=growthhackers.tw) Harvey、Cognition、Gamma 三家同台。共同經驗是：每次模型大躍進都「完全重構」產品，別做一時定生死的決策。Cognition 的 Devin 用量今年成長 5 到 7 倍；Gamma 七千萬用戶，靠 MCP 把自己變成別的平台裡的 agent，成了主要獲客管道。最值得經營者記住的一句（Harvey）：「廣泛分發的個人 AI 生產力，不等於組織生產力。」跑得快 10 倍，也可能是 10 倍速地往錯方向衝。 **11\.** [**Architecting for model step-changes：Vercel 爐邊談**](https://www.youtube.com/watch?v=bJKdXhnw7NU&ref=growthhackers.tw) Vercel 創辦人 Guillermo Rauch 對談。他說模型每次躍進都讓他們重構，而且因為模型更聰明，反而能簡化程式碼（砍掉舊的自動修語法管線）。一個很有意思的數字：Opus 的 token 只佔用量約 20%，卻佔總花費 70% 以上，代表大家把貴的算力花在真正有價值的產出上。他把 token 當成新的原料，全公司無上限預算讓人人能 ship。 **17\.** [**Giving coding agents their own computers：Cursor 怎麼做雲端 agent**](https://www.youtube.com/watch?v=BbYSGxtsMic&ref=growthhackers.tw) Cursor 團隊講一個觀念：像 onboard 人類工程師一樣，給 agent 自己的電腦、工具跟文件。三原則：給它眼睛（你看得到的它也要看得到）、給它工具（你能跑的它也能跑）、維持高品質的 codebase（agent 是吃進什麼吐出什麼）。金句點破盲區：「你要像在乎開發者體驗一樣、甚至更在乎 agent experience。」 **15\.** [**Building with Claude on Google Cloud**](https://www.youtube.com/watch?v=SqHsS737CeA&ref=growthhackers.tw) Google Cloud 的 Ivan 戴上五頂帽子，示範用 Claude Code 加 Vertex 上的 Claude 模型，端到端建一個 app 並部署。亮點是 Google 新釋出的 Developer Knowledge API（含 MCP server，給新鮮文件）跟 Google Cloud Skills。重點訊息很接地氣：你不需要會 Google Cloud 怎麼部署，靠 Claude Code 加 MCP 跟 skills 就能完成。 --- ## 看完 19 場，我自己最有感的一件事 如果你問我，舊金山這場跟倫敦場講的是同一件事，但講得更深、更狠。 倫敦場讓我看到「瓶頸從寫程式移走了」。舊金山這場讓我看到，當這件事成真，**整個矽谷的頂尖公司都在做同一個動作：重建。** GitHub 重建快取策略、Vercel 重建建構流程、Harvey 每次模型升級就完全重構產品、Datadog 重建成「工具母機 + 驗證關卡」、Cursor 重建成「給 agent 自己的電腦」。沒有一家在原地優化，全部打掉重練。 這個畫面我看了很有感。 做行銷、做生意這些年，我看過太多人把工具當「加速器」，買來讓現有流程跑快一點。但這場大會講的不是加速，是**重建**。Datadog 那句「彷彿每個人都被升了三級到管理層」，講的就是這個。你的角色從「做事的人」變成「定義事情、驗收事情的人」。 工具把執行成本壓到趨近於零之後，誰還在原地把舊流程跑快一點，誰就會被那些打掉重練的人甩開。這個「coding 變便宜之後該蓋什麼」的題目，我在 [王董週刊 #2：Coding is Solved 之後，Growth Hacker 該蓋什麼？](https://growthhackers.tw/blog/weekly-2-coding-is-solved/) 聊得更透，有興趣可以接著看。 所以這場表面在講工程，骨子裡是在問每個經營者：當執行不再是瓶頸，你是要把舊流程跑快一點，還是敢把它整個重建？ ![加速舊流程，還是打掉重建？](https://growthhackers.tw/content/images/2026/05/c4c-sf-04.png) ## 三件你今天就能做的事 看完別只收藏。給你三條可以立刻動手的： ► **先換上最新的模型，再談優化。** 這是第 10 場 Alex 反覆強調的：有時對你 app 最好的優化，就只是把模型換成最新版。別拿著舊模型調半天 prompt。 ► **把「驗證」當成引擎，不是關卡。** 這是 GitHub 跟 Replit 的共識：別把測試/評估當成上線前最後一道關，要把它變成讓你每天都能交付更好成果的引擎。對應到你的工作，就是先想清楚「怎麼自動驗收」，再放手讓 AI 去做。 ► **挑一個流程，問自己「該加速還是該重建」。** 這是整場最大的提醒。挑一件你每天在做的事，誠實問：我是在用 AI 把舊做法跑快一點，還是敢重新設計它？前者人人會，後者才拉得開差距。 ## 最後 這年頭就是模型、模型、模型。但這場大會看到最後，講者反覆在提醒的，反而是模型以外的東西：你的組織、你的驗證迴路、你敢不敢重建的決心。 模型會一直變強，這不用你操心。 該你操心的，是當大家手上的模型都一樣強，你還剩下什麼別人複製不走的東西。 想深入哪一場，上面每個標題點下去就是原始影片。完整的 [19 場播放清單在這裡](https://www.youtube.com/playlist?list=PLmWCw1CzcFim2obQ-w3ohbULOfwp5lApR&ref=growthhackers.tw)，挑你最有感的那幾場，週末泡杯咖啡好好看。 **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。