Code with Claude London 2026：開幕主題演講（第 1/4 段）

🧑‍🏫 這是 Anthropic 開發者大會 Code with Claude 倫敦場的開場演講前段。講者從小時候在計算機上亂玩寫程式講起，說明 AI 讓「有想法」到「做出東西」的距離又變短了。講者也用 Spotify、寄養社福等真實案例和模型進步的時間軸，解釋為什麼現在值得注意，最後預告整場議程。

• 01:00 這是第一次把 Code with Claude 活動辦到 San Francisco 以外的地方（倫敦）
  ↳ Code with Claude 是 Anthropic 辦給開發者的活動，以前都在舊金山辦，這次第一次移到倫敦。
• 01:30 講者最早是在 TI 83 科學計算機上學寫程式，用它幫自己考數學、寫作業；講者說英國人可能是用 Casio
  ↳ 講者第一次寫程式不是在電腦上，而是在學生用的 TI-83 工程計算機上，拿來幫自己算數學、寫作業。講者還開玩笑說英國人用的大概是 Casio。
• 02:00 講者用 TI basic（TI 計算機的 BASIC 方言）寫小程式，忘記解法時就拿出來參考，後來也教同學寫
  ↳ TI basic 是 TI 計算機內建的簡單程式語言。講者用它把解題步驟寫成小程式，忘記怎麼解時就叫出來看，後來還教同學一起寫。
• 02:36 講者 13 歲時在網路上發表過一份「怎麼幫科學計算機寫程式」的教學
  ↳ 講者 13 歲就在網路上寫教學，教別人怎麼幫計算機寫程式。那時候的氣氛就是自己玩會了，就順手分享出去。
• 02:36 差不多同一時期，講者學會 HTML，用來讓自己的 eBay 刊登頁比別人好看，好賣寶可夢卡（有表格、閃爍文字）
  ↳ HTML 是寫網頁用的語言，決定頁面內容怎麼排、長什麼樣子。講者學它是為了讓自己在 eBay 賣寶可夢卡的頁面更吸睛，用了表格和閃爍文字。
• 03:06 講者以每張 99 cents 賣掉三張全像傳說之鳥卡片，事後覺得當初應該留著
  ↳ 講者把三張全像版的傳說之鳥寶可夢卡，每張只用 99 美分賣掉，現在回頭看覺得虧了，算是一段自嘲。
• 03:38 講者說有一整代人不是從教科書學寫程式，而是靠 tinkering（動手亂玩）學會；程式照自己想的方式跑起來時，那種興奮感講者到現在還記得
  ↳ tinkering 就是自己動手摸、邊試邊錯邊學。講者說很多人是這樣學會寫程式的，推著人學下去的是程式照自己想法跑起來的那股興奮。
• 03:38 後來寫程式變複雜了：compilers、type checkers、build systems、package managers，寫第一行程式碼前要先弄 12 個 config files
  ↳ 後來寫程式得先搞定一堆工具：compiler 把程式碼翻成電腦能執行的、type checker 抓型別錯誤、build system 組裝專案、package manager 管套件，還有 12 個設定檔（config file）要弄。
• 04:09 從「我有個想法」到「程式跑起來」的距離一直拉長，現在這段距離又在縮短：只要描述問題，程式就出現了
  ↳ 以前從「有點子」到「程式能跑」，中間卡著一堆技術門檻。現在只要用說的把問題講清楚，AI 就能直接寫出程式，門檻又降下來了。
• 04:09 講者說這就像當年玩計算機的感覺，只是現在這台「計算機」能寫出 distributed system
  ↳ distributed system 是很多台電腦分工合作的大型系統。講者的意思是：小時候那種馬上看到成果的樂趣回來了，但現在能做的事大了好幾個等級。
• 04:40 講者說這種現象的規模是一年前沒人想像得到的，從獨立開發者到最大的客戶都在經歷
  ↳ 講者強調這不是少數人的經驗。從一個人做產品的獨立開發者到最大的企業客戶都在經歷，規模是一年前沒人想得到的。
• 04:40 Spotify 用 Claude Code（字幕作 cloud code）遷移數千個 repo
  ↳ Claude Code 是讓 Claude 直接幫你寫、改程式的工具。repo 是放一個專案所有程式碼的地方。Spotify 用 Claude Code 一口氣遷移了好幾千個 repo。
• 05:10 Nicholas Gustiffson 的團隊做了一個 background agent：讀取用白話英文描述的遷移，交給一整批 agents 執行並開 PR
  ↳ agent 是能自己拆步驟、把事情做完的 AI。background agent 是在背景自己跑的那種。工程師用白話寫下要怎麼改，它就分派給一群 agents 去改，改完開 PR（送出修改、請人審核的申請）。
• 05:10 這個 agent 現在每月把超過一千個 PR merge 進 production，遷移時間縮短超過 90%
  ↳ merge 是把修改正式併進程式碼，production 是使用者實際在用的正式版本。這個 agent 每個月有一千多筆修改上線，遷移時間省了九成以上。
• 05:41 講者說速度有時不只關乎效率，也關乎實現使命
  ↳ 講者用這句話帶出下一個例子：做得快不只是省時間、省成本，也能讓一個組織更快做到它真正想做到的事。
• 05:41 Binty 的共同創辦人兼 CEO 是 Felicia Coruru，Binty 的軟體支撐社工安置寄養兒童的系統，涵蓋文書、家訪、認證流程
  ↳ Binty 做社福軟體，幫社工處理寄養兒童安置的流程，包括文書、家訪和寄養家庭認證。共同創辦人兼執行長是 Felicia Coruru。
• 05:41 Binty 團隊今年用 Claude API（字幕作 Quad API）幫社工省下原本花在文書上的時間
  ↳ API 是讓別的軟體可以呼叫 Claude 能力的接口。Binty 今年把 Claude 接進自家系統，幫社工處理原本很花時間的文書工作。
• 06:12 寄養家庭的認證流程縮短了 20 天；講者說這不只是效率指標，而是一個孩子能早點和一個家庭連結
  ↳ 寄養家庭的認證流程快了 20 天。講者提醒，這不只是一個效率數字，而是有個孩子能早一點進到一個家。
• 06:42 講者說每個人的感受不同：有人在最前線，有人在帶身邊的人跟上，很多人感覺到局勢在變，想知道接下來會怎樣；Anthropic 的人也感受得到
  ↳ 講者坦白說每個人對 AI 的感受都不一樣：有人衝在最前面，有人忙著帶身邊的人跟上，更多人覺得風向在變，卻看不清接下來會怎樣。Anthropic 內部也有同樣的感覺。
• 07:18 講者說產業變化快是合理的，因為模型進步速度是指數成長
  ↳ 指數成長是每一次都成倍往上翻，不是每次固定加一點。模型進步得這麼快，產業跟著劇烈變動也就不奇怪了。
• 07:18 幾年前，模型發展的最前沿是 Claude 能寫出一則還不錯的 git commit
  ↳ git 是工程師記錄程式修改紀錄的工具，commit 是每次存檔時附上的一段說明。幾年前，AI 能把這段說明寫好就算是最先進了。
• 07:18 一年前第一屆 Code with Claude 在 San Francisco 舉辦，主打 Opus 4；那時候「Claude 自己跑幾分鐘、沒人盯著就做完一整個功能」還被認為很瘋狂
  ↳ 一年前第一屆 Code with Claude 主打 Opus 4 這代模型。那時候讓 Claude 自己跑幾分鐘、沒人盯著就做完一個功能，大家還覺得很瘋狂。
• 07:48 六個月前，agents 開始能整晚端到端執行，講者早上醒來就能看到做好的成果
  ↳ 半年前，agents 已經能自己從頭到尾跑一整晚。講者晚上交代好工作，隔天早上起床成果就做好了。
• 07:48 上個月 Mythos 讀完整個 OpenBSD 原始碼，找到一個存在 27 年的漏洞
  ↳ OpenBSD 是以重視安全出名的開源作業系統。影片說 Mythos 讀完它全部的原始碼，找出一個藏了 27 年的漏洞。
• 08:20 這個漏洞近三十年來躲過了所有人工審查、fuzzer 和 static analyzer
  ↳ fuzzer 是丟大量亂七八糟的輸入，看程式會不會出錯的測試工具；static analyzer 是不用執行、直接掃程式碼找問題的工具。人工審查加上這兩種工具，都沒抓到這個漏洞。
• 08:20 進步的幅度越來越大，間隔越來越短
  ↳ 講者要大家注意的不只是 AI 在進步，而是每次跳得更遠、間隔更短，上面那條時間軸就是證據。
• 08:20 模型能力是指數成長，但多數組織導入 AI 仍是線性的，所以「AI 能做到的」和「AI 實際幫人做到的」差距越來越大
  ↳ 模型能力是成倍往上長，但公司導入 AI 通常是一步一步慢慢來（線性）。所以「AI 做得到的」和「大家真的用上的」差距越拉越大。
• 08:52 講者說縮小這個差距、把模型能力變成人真正用得上的東西，正是開發者在做的事
  ↳ 講者把開發者定位成補這個差距的人：把模型的能力做成一般人真的用得上的產品。
• 08:52 Claude 平台（字幕作 cloud platform）上的 API 用量成長將近 17 倍
  ↳ Claude 平台是開發者把 Claude 接進自己產品的服務，平台上的 API 用量成長了將近 17 倍。
• 09:22 在 Claude Code 上，平均每位開發者現在每週執行 Claude 超過 20 小時
  ↳ 用 Claude Code 的開發者，平均每人每週讓 Claude 跑超過 20 小時。對這些人來說，Claude 已經是每天一起工作的幫手，不是偶爾問一下的工具。
• 09:22 講者希望觀眾帶走一個清楚的方向，好提早規劃，跟著指數成長一起前進；這場活動談的是怎麼讓產品更好用
  ↳ 講者希望大家離開時心裡有個清楚的方向，才能提早規劃、跟上這波指數成長。這整場活動談的是怎麼把產品做得更好用。
• 09:57 議程一：Lisa 談模型層，介紹 frontier models 的現況和接下來的發展
  ↳ frontier models 指當下能力最頂尖的 AI 模型。第一段由 Lisa 講模型本身：現在做到哪裡、接下來往哪裡走。
• 09:57 議程二：Claude 平台的更新轉向 managed agents，由 Angela 和 Caitlyn 介紹如何安全地大規模建置、部署 agents
  ↳ managed agents 字面上是「由平台代管的 agents」，Claude 平台的更新正往這個方向走。Angela 和 Caitlyn 會講怎麼安全地大量建置、上線 agents。
• 09:57 議程三：Claude Code 由 CAD 和講者介紹新功能，例如新的 agent view
  ↳ 第三段由 CAD 和講者介紹 Claude Code 的新功能，例如 agent view。影片這段沒有說明 agent view 具體是什麼。
• 10:28 Claude Code 也有 routines 這類重要的新基本元件，讓 Claude 在你離開電腦時也能自己 prompt 自己
  ↳ prompt 就是下給 AI 的指令。routines 是 Claude Code 新的基本功能，讓 Claude 在你離開電腦之後，還能自己給自己下指令，繼續把工作往下做。
• 10:28 多數人永遠不會直接呼叫 Claude API，也不會在 terminal 裡執行 Claude，而是透過開發者在 Claude 平台上做的產品接觸 AI
  ↳ 講者提醒，大多數人不會直接用 API，也不會打開 terminal（打指令的黑底視窗）執行 Claude，而是透過開發者做好的產品接觸到 AI。
• 11:00 舉例：設計師用 Canva 探索新方向、律師用 Lora 更快交出 brief、開發者用世界頂尖的 coding agents
  ↳ 舉例來說：設計師用 Canva 找新的設計方向，律師用 Lora 更快寫出 brief（書狀），開發者用頂尖的 coding agents（專門寫程式的 AI）。
• 11:00 講者說開發者決定了其他人對 AI 的感受；Anthropic 不可能自己做出大家解決問題所需的一切，這只有開發者做得到
  ↳ 講者的結論是：一般人覺得 AI 好不好用，要看開發者做出什麼產品。大家需要的工具，Anthropic 不可能全部自己做，這部分只有開發者做得到。

根據演講，Spotify 用 background agent 做程式碼遷移後，遷移時間大約縮短了多少？