一场版权官司意外让 Anthropic 五年前的内部机密文件《Concise Research Roadmap》浮出水面。这份由联合创始人 Jared Kaplan 撰写的路线图只有三四页，却已经列出了今天 AI 行业最热门的多个方向：Coding Agent、Tool Use、长上下文、强化学习、自动化反馈，甚至包括 Agent 的安全问题。文件上还留有 Anthropic 多位核心研究人员的批注。

2021 年的行业背景是，ChatGPT 尚未问世，大模型能否落地仍被广泛怀疑。Anthropic 当时成立仅半年，全部融资为 1.24 亿美元，距离 ChatGPT 引爆全球还有 16 个月，距离 Claude 1 发布还有 20 个月。就在这样的条件下，这群从 OpenAI 出走的研究者已经在文档中明确写出 AGI 的核心路径：做有长记忆能力的大型生成式模型，并通过结合自动化奖励与人类反馈的强化学习完成微调。

路线图把“对话式软件工程师助手”定为检验这套路线的第一个载体——它能通过对话完成软件创建、编辑与讲解，能写函数、找 Bug、设计 API，最终达到一名软件工程师同事的水准。这正是今天 Claude Code 的雏形。面对“最强编程助手”与“工具能力演示”的路线之争，CEO Dario Amodei 当场定调：短期先演示工具使用，长期打造最强编程助手。团队从打印调试、代码仓库浏览等轻量化能力切入，再逐步拓展到代码执行、自然语言文档编辑等更复杂的工具能力。

联合创始人 Tom Brown 在批注中指出“仓库浏览是简单、高价值的切入点”，系统与可解释性研究科学家 Nelson Elhage 则预判“自动查找项目里的类型定义”会是极具用户价值的功能。对齐科学家 Amanda Askell 提出了更深层的担忧：如果只在自然语言领域做对齐，却在代码领域做能力研究，势必产生脱节。她强调，安全与能力在任何阶段都必须紧密绑定，安全不能等模型能力成熟后再补上。

围绕这一原则，Anthropic 规划了具体研究方向：用人类反馈训练模型主动提供帮助、根据反馈调整行为、在用户意图模糊时主动澄清；系统梳理对齐失效场景并按难度归因；研究对齐效果随模型规模的变化规律；连奖励模型本身也要在合规人类反馈数据、静态数据集和对抗生成数据上交叉验证。这些工作后来成为 Claude 能率先打入金融、医疗、法律等高合规行业的基础。

可解释性也是长期投入方向。可解释性领域代表学者 Christopher Olah 专门拆解大模型的神经元、注意力头与内部功能回路，希望从底层机理搞清楚算术推理、多轮对话、代码生成如何在神经网络内部实现。安全考量同样贯穿始终：Sam McCandlish 当时就提出“怎么安全地部署非沙箱化工具”，Dario 则预警部署阶段可直接执行代码的工具风险极高。如今 Agent 赛道热议的沙箱隔离、权限拦截，都在当年的推演之中。

五年后回看，这份路线图上的分支几乎逐一兑现。2022 年底 ChatGPT 凭借 RLHF 一夜爆火，但人工标注成本高、难规模化。就在 ChatGPT 发布半个月后，Anthropic 发表论文提出“宪法 AI”思路：先给模型定一套行为原则，再让一个模型去评判、修改另一个模型的回答，反复迭代后模型能做到既有用又不越界。这一定位也塑造了 Claude 礼貌、克制、不主动越界的产品特质。

2023 年，Anthropic 在产品与算力两条线上同时破局。3 月第一代 Claude 正式对外合作，主打长文本处理和安全属性；5 月把上下文窗口从 9K 一口气扩到 100K token，相当于 7.5 万英文单词，而当时主流 GPT-4 最高仅支持 32K 上下文。9 月发布首版《负责任的缩放政策》，给模型潜在风险划分等级，能力越高安全管控越严。到 10 月，Google 领投的一轮让 Anthropic 估值站上 184 亿美元。

2024 年是爆发年。3 月 Claude 3 系列一次推出三款产品并补齐多模态能力，旗舰 Opus 默认支持 100K 处理长度，在长文本评测中首次反超 GPT-4。6 月 Claude 3.5 Sonnet 在多项核心指标上追平 GPT-4o，10 月升级版在代码评测集 SWE-bench Verified 上超过当时所有闭源竞争对手。5 月，团队利用稀疏自编码器对 Claude Sonnet 内部进行“扫描”，提取了 3400 万个特征，并定位到“金门大桥”“程序漏洞”等概念对应的内部回路，还通过手动激活特征验证了操控能力。10 月新版 Claude 上线“电脑操作”功能，11 月又开源 MCP 协议，统一模型与工具、数据之间的连接方式。2025 年第一季度，OpenAI、谷歌先后宣布支持 MCP，国内阿里、腾讯、百度、支付宝也在四个月内密集上线相关服务。

同年，Anthropic 估值从年初的 184 亿美元涨到年底约 410 亿美元，Claude 年营收突破 10 亿美元。2025 年 2 月 24 日，Claude 3.7 与 Claude Code 一起发布，后者能自己翻遍整个代码库、查类型定义、调 bug、提交代码、跑测试。至此，2021 年文档里的讨论几乎全部成为现实。

这份文件的曝光之所以引发关注，不只在于其前瞻性，更在于从路线图到产品落地的执行连贯性。对关注大模型竞争格局的读者而言，它提供了一个观察头部实验室如何在技术方向尚未成为共识时下注、并持续多年投入的案例。