Claude Code 上线“Routines”：AI 代码助手开始学会自己上夜班了
Anthropic 最近给 Claude Code 加了一项很有意思的新能力：Routines。名字听起来平平无奇，像是日历 App 里那个每天提醒你喝水的功能，但它干的事显然更野心勃勃——把一段提示词、一个或多个代码仓库、外部连接器，以及触发条件打包成一个“自动执行的 AI 工作单元”，然后丢到云端去跑。电脑合上了，程序员下班了，它还在继续干活。
这不是一句“支持自动化”就能带过的小更新。过去一年，AI 编程工具最常见的形态是副驾驶：你写一行，它补一行；你提个问，它给个答案。Anthropic 这次想做的，显然不是副驾驶，而更像是给工程团队配了一个不会睡觉、能接 GitHub 事件、能接 API 告警、还能按周定时巡逻的“远程工程助理”。
从聊天助手到“云端打工人”
按照官方文档的定义，Routine 本质上是一份保存好的 Claude Code 配置。它包含提示词、仓库、运行环境、连接器，以及触发器。关键不在“保存配置”，关键在“自动运行”。它运行在 Anthropic 托管的云基础设施上，这意味着它不依赖本地电脑，不需要你保持终端开着，更不需要一边吃晚饭一边担心脚本是不是挂了。
它支持三类触发方式：定时触发、API 触发和 GitHub 触发。单看这三个词，你会觉得它像 Zapier、GitHub Actions 和传统 cron job 的混合体；但再往里看，它又不完全一样。因为触发后干活的不是一个预先写死的脚本，而是一个 Claude Code 会话。这个会话能读代码仓库、跑 shell 命令、调用连接器，还能基于提示词做相对开放式的判断。
这就是有意思的地方。传统自动化擅长明确流程：输入 A，执行 B，产出 C。AI agent 型自动化擅长处理那些“结构不那么整齐、但目标很明确”的工作，比如代码审查、文档漂移检查、故障告警归因、跨语言 SDK 同步。这些任务以前也能自动化，但往往要为每一种场景单独写大量胶水代码。现在 Anthropic 的卖点是：你不用再先造一个复杂系统，只要把边界给清楚，把权限给够，再把提示词写明白，它就能先干起来。
它为什么会在这个时间点出现
如果把时间线拉长一点看，这次更新其实很符合当下 AI 编程产品的演化方向。
2023 年，行业还在兴奋地讨论“AI 能不能帮你补全函数”；2024 年，大家开始卷“能不能看懂整个仓库”；到了 2025 年，一个更实际的问题摆上桌面：AI 不只要会回答，还要会持续执行。 也就是说，企业真正愿意为之买单的，不是“一个更聪明的聊天框”，而是“一个能接入现有软件开发流程、并且在没人盯着时也能稳定工作的自动化劳动力”。
Anthropic 的 Routines 明显踩在这条线上。它不是单纯和 GitHub Copilot 拼补全速度，也不是和 Cursor 拼 IDE 里的交互体验，而是在往“开发流程自动化平台”方向走。你可以把它理解成 Claude Code 版本的 agent 编排能力，只不过界面和包装更偏产品化，离普通团队更近一些。
这和 OpenAI、GitHub、Google 近来的动作也形成了某种呼应。大家都在从“模型能力”转向“工作流能力”。模型本身再强，如果不能可靠地嵌入真实组织的日常流程，最终还是停留在演示层。Routines 的出现，说明 Anthropic 也不想只做那个在终端里回答问题的模型提供商，它想吃到更上层、更接近业务结果的一块蛋糕。
最迷人的地方：它不是替你写代码，而是替你处理“烦人的边角活”
文档里给了几个示例，我觉得最能说明问题的，不是“AI 可以自动审 PR”这种已经有些耳熟的场景，而是那些开发团队每天都会碰到、却又不太值得工程师花精力亲自做的工作。
比如 backlog maintenance。每周固定时间，Routine 去看新开的 issue，帮你打标签、按代码区域分配负责人、再把摘要发到 Slack。这个动作并不性感，但团队里谁都知道，它真的很耗精力。又比如 docs drift，代码改了、接口变了、文档还停在旧版本。Routine 每周扫一遍合并过的 PR，把可能过期的文档挑出来，甚至直接开一个更新 PR 给编辑审。
再比如 deploy verification 和 alert triage，这就更接近“AI 值班工程师”了。生产环境部署完，CD 流程可以直接调它的 API，让它去做冒烟测试、扫日志、判断是继续放行还是赶紧喊停。监控系统出现错误峰值，也可以把告警正文通过 API 发给 Routine，它自己去拉堆栈、比对最近提交，甚至直接开草稿 PR。值班工程师不再从一个空白终端开始排查，而是从一份已经写好上下文和修复建议的草稿开始判断。这节省的不只是时间，更是注意力。
说白了，Anthropic 盯上的不是“核心编码”这块最容易引发英雄主义想象的工作，而是软件团队里那些不断消耗耐心、又充满流程性的外围劳动。这个判断很聪明。因为真正先被 AI 大规模吃掉的，往往不是最复杂、最有创造性的部分，而是那些高频、重复、带一点判断、但又不需要太多组织政治的任务。
但别高兴得太早：自动化越聪明，权限问题越扎手
Routines 的另一面，是它把一个 AI 会话放进了真实生产流程，而且这个会话默认可以跑 shell、读写仓库、调用外部连接器。文档也说得很明白：Routine 运行时没有权限确认弹窗，也没有审批模式选择，它是自主执行的。你授予它哪些仓库、哪些网络权限、哪些连接器，它就会直接用。
这当然是效率来源，但也是风险来源。
尤其是它使用的是你的身份。它通过 GitHub 做的提交、发起的 PR，会挂你的 GitHub 用户；通过 Slack、Linear 等连接器发出的消息和动作，也会以你的账户名义出现。这个设计很务实，因为企业里很多系统必须绑定到真实身份；但也正因为如此，审计、问责、误操作边界都会变得更加敏感。一个写错提示词的 Routine，和一个拿着你工牌到处刷门禁的实习生，后果上可能没那么大差别。
Anthropic 也做了一些约束，比如默认只能推送到 claude/ 前缀分支，避免 Routine 直接改主干；比如每个 API trigger 都有独立 token，可以单独吊销；比如 GitHub 触发可以加过滤条件，只让特定 PR 或特定分支触发。但说到底，这依然是一个高权限自动化系统。它很适合那些已经有一定工程治理能力的团队，却不见得适合“先开权限再说”的草台班子。
这里有一个我觉得行业接下来必须面对的问题：当 AI agent 开始以“员工身份”行动时，我们到底该如何定义它的操作责任？ 如果它误发了一条 Slack 公告、错误关闭了一个 issue、或者提交了有问题的修复 PR，责任是模型、是配置者、还是平台？以前自动化脚本出了错，至少还能说“脚本逻辑写死了”；现在 agent 有一定开放式决策能力，责任边界会更模糊。
它会不会成为下一代开发工具的标配？
我的判断是，大概率会，而且不只是 Anthropic 会做。
原因很简单：开发团队已经不满足于“让 AI 帮我写”，他们开始要求“让 AI 自己去做一部分流程”。从代码审查到文档同步，从告警分类到版本回归检查，所有这些流程一旦被产品化，就会迅速从“高级玩法”变成“团队标配”。今天看起来像新鲜能力，明天可能就会像 CI/CD 一样，成为工程基础设施的一部分。
不过，谁能跑到前面，不只看模型聪不聪明，还看平台整合能力强不强。Anthropic 这次把仓库、环境、连接器、触发器、运行记录放进了一个统一入口，方向是对的。但它仍然有一些明显限制，比如 API 和 GitHub 触发主要依赖 Web 端配置，CLI 管理体验还不够完整；又比如 Routine 是个人账号维度，而不是团队共享资产，这对企业协作来说多少有点别扭。一个真正成熟的企业级自动化代理系统，最终应该具备更强的团队治理、权限分层、审计与回滚能力。
即便如此，这依然是一项值得认真看的更新。因为它再次提醒我们，AI 编程的竞争，不会停留在谁补全得更快、谁生成的函数更漂亮。真正的下一战，是谁能让 AI 更自然地嵌入软件开发的流水线，替人类接住那些没人想做、但又总得有人做的活儿。
程序员当然不会因为一个 Routine 就失业。但你团队里那个每天早上要先看告警、再清 issue、还得追文档更新的人，可能很快就会发现：有些夜班，真的可以交给 AI 去上了。