文章摘要
近期Claude Code完成项目功能重构，原生支持多智能体并行开发，通过协调器拆解分配用户高阶开发需求，调度独立实例并行完成编码测试，新增共享记忆解决多智能体上下文信息损耗问题，支持异步开发。该公司披露其内部AI主导的AL4级研发占比半年涨26倍至26%，目前该功能处于Beta测试，仅对部分订阅用户开放，AI辅助开发已进入多智能体协作提效新阶段。

AI辅助开发领域迎来了全新的协作升级浪潮。近期，Claude Code的项目功能完成全面重构，正式原生支持多智能体并行开发模式。

用户仅需在主对话界面下达高阶开发目标，比如“将全量鉴权模块重构为OAuth 2.0标准并补充完整自动化测试用例”，系统就可以自动完成后续的复杂工程流程。重构后的项目功能不再是单纯存放提示词和参考文档的静态文件夹，而是变成了以对话为驱动的云端协作中心。

这套新架构的核心是名为Coordinator（协调器）的中枢模块，它会自动将用户的高阶需求拆解为多个细分子任务，并调度分配给并行的工作线程。每个工作线程都是一个独立运行在云端隔离环境中的Claude Code实例，会拉取专属的Git分支，在后台同步推进对应模块的代码编写与单元测试。当子任务完成后，工作线程会自动提交代码并生成PR请求，协调器还会自动梳理各子任务的上下文依赖关系，提示开发者优先合并哪些分支、先测试哪些模块。

不少开发者调侃，自己花几个月学会的Git操作，在这种全自动流程面前似乎都要派不上用场了。

在此之前，多智能体并行开发往往存在明显的体验短板：不同智能体会话之间的上下文传递容易出现大量信息损耗，不仅导致Token消耗激增，整体开发效率也没有得到显著提升。而本次重构新增的共享记忆功能，完美解决了这个问题——所有分支线程在执行过程中沉淀的技术规范、架构决策与团队偏好，都会实时同步到全局共享记忆库中。

这意味着系统可以自动记住“将系统发布时间调整至周五”“取消导出功能的原因”“访问账单服务前需对接的对接人”等关键信息，开发者无需在每个子任务中重复粘贴配置内容，这一功能让不少开发者直呼感动，终于不用在每个子任务中反复粘贴重复的配置信息了。

更重要的是，整个开发流程支持完全异步执行。开发者下达指令后即可离开，甚至可以通过移动端随时查看各工作线程的推进进度，并根据实际情况微调指令细节。不过该公司也提醒用户，多智能体并行开发的资源消耗较高，建议随时关注使用用量，避免超出额度。

目前该重构后的Projects功能仍处于Beta测试阶段，仅对部分Claude Pro和Max订阅用户开放，且仅限使用云会话项目的用户体验。未来一周会逐步扩大测试范围，Team、Enterprise及Cowork版本的用户还需要稍作等待。

内部落地：AI主导研发占比半年暴涨26倍

该AI公司在最新发布的《衡量AI研发节奏》报告中，首次公开了其内部的AI自主研发基准数据。这套自动化分级标准由前沿机构Epoch AI制定，从AL0到AL5共分为六个等级：AL0代表完全由人类手动操作，AL3是深度人机协作模式，AL4指AI可以仅凭高阶指令端到端完成全流程任务，AL5则是完全脱离人类干预的自主闭环开发。

在这套分级标准下，该公司内部目前已有26%的核心AI研发任务达到AL4级别，由Claude主导完成。而在今年2月，这一占比还不足1%，仅半年时间就实现了26倍的增长。如果以更低的AL3级别为标准，该公司内部超过90%的研发流程都已经实现了人机深度协作。

支撑这一庞大自主研发规模的，是其内部研发平台常态化运行的3万个并发AI智能体。截至今年8月，这些智能体每天在云端不间断地完成代码编写、模型调优、测试运行等工作，单月触发的决策次数超过10亿次，堪称云端的“赛博黑工”。

针对大规模智能体运行可能出现的失控风险，该公司配备了全天候实时监控系统（Agent Oversight），对所有AI操作进行动态审查。在今年8月超过10亿次的模型决策中，系统精准拦截了约0.002%的高风险或异常行为。

不过此前该公司曾被曝出操控舆论、散布安全焦虑的争议，此番公开的数据与说辞的可信度，也引发了不少讨论。为了证明自身在安全对齐领域的投入，该公司公开了一组算力投入数据：在7月13日至20日的一周内，约6%的总AI研发算力被用于安全与对齐研究；而在同期的AI驱动型研发算力中，约12%投向了安全相关任务。该公司还表示，欢迎第三方评估团队获取与内部风险团队同等的数据访问权限，对自动化研发数据进行独立审计。

开发协作的新拐点

从内部26%的AI主导研发占比，到外部推出的多智能体协作项目功能，AI辅助开发已经跨过了简单的单行代码补全阶段，正在进入全新的协作提效时代。

以往中级工程师往往只能在终端中一次专注于一个功能模块的开发，而现在单个开发者就能以技术负责人的角色，调度多个Claude Code实例并行推进开发工作，相当于直接拥有了一个小型技术团队。开发者的角色也从逐行编写代码的执行者，转变为制定架构方向、审核PR请求、处理异常边界的统筹者。

当然，多智能体并行开发并非万能解决方案，当多个分支出现重叠修改时，依然可能遇到Git合并冲突。此时协调器会梳理清楚依赖关系，但最终仍需要人类工程师介入把关解决冲突。

这一趋势并非孤例：就在9月10日，Cursor也发布了其Projects Beta版本，核心同样是基于Coordinator协调智能体，由不直接编写代码的协调者向下派发数千个子智能体，实现项目上下文的云端共享，支持开发者离开电脑后任务依然在后台运行。

可以说，单点代码提效的时代已经结束，开发效率的下一个核心瓶颈，已经转向团队协作与分布式任务调度能力。

参考链接：
[1]https://claude.com/blog/projects-redesigned
[2]https://www.anthropic.com/institute/measuring-pace-of-ai-development

以上内容不代表本平台立场，仅供读者参考