Anthropic内部手稿：Claude Agent如何2周优化前端性能

做架构、搞全栈和盯前端性能的老哥们，软件研发的分水岭，正在从开 Jira 专项会走向组织架构的 Agent 化，

@AnthropicAI 刚刚原样公开了一套炸裂的内部研发手稿，绝逼是今年把工程效能干碎到重组的最佳样本，没有之一！

一组方向截然相反的硬事实撞在一起，把所有还在开周会扯性能的团队看愣了：

在短短两周时间里，他们靠一个 Slack 频道挂上 Claude，一口气合并了 3000 多个改动，首屏从加载到能打字从 3.1 秒生生削到了 0.55 秒，综合体验快了 3 倍多，

但在如此狂暴的改动频率下，线上事故是 0，生产环境回滚是 0。

核心秘密根本不是模型突然懂了什么高深算法，而是他们把性能优化彻底做成了一台数字爬山机。

最精妙的起点，是他们把模糊的卡顿翻译成了模型听得懂的确定性指标。

以前团队优化喜欢盯忽快忽慢的毫秒延迟，CI 根本没法卡；Anthropic 直接数底层的 CPU 指令数、React 提交次数以及 8.33 毫秒的逐帧预算，做成只能往下压、绝对不能往上反弹的单向门禁，只要新 PR 让指令数变多就当场爆红。

有了这个标尺，Claude 在 Slack 频道里直接化身数字恶魔。

一个对话框丢一段卡顿录屏，模型顺着调用链自己造复现环境、批量提小 PR，单条线程能连环吐出近百个改动； 它自己扒出输入框按键路径上居然挂了 6900 个 hook，甚至顺手逮住一个因为弯引号导致整个 Markdown 代码块被 V8 当成 UTF-16 从而卡顿 1 秒的隐蔽暗坑，改了 20 行单字节拷贝直接原地修平。

但高速狂飙的前提，是人类工程师把方向盘焊死在手里。

人负责提供两件事：一个是逼模型更勇敢的野心，一个是决定要不要那 2 毫秒提升的审美品味；

两周铺上近 200 个短命功能开关，改动先在内部跑、再放量 1%，只要出现 0.1 像素的位移就当场把开关拉闸。

以前我们以为智能体写代码是用来替代程序员，看完这篇才明白，它是把人类变成了裁判和品味守门人，把脏活累活全丢给永动机。

能被量化的东西，就能被大模型干到极致。

这套度量生产器加 Agent 爬山的模式，你最想先拿来削平系统里的哪个慢点？我先说，我要先把那些动不动触发全页重渲染的遗留组件，全扔给它去数 DOM 节点。