如果不是版权诉讼，这份文件可能永远沉睡在Anthropic的保密服务器里。
2021年7月，Anthropic联合创始人Jared Kaplan写了一份内部文件，叫《Concise Research Roadmap》（简洁研究路线图）。文件上赫然盖着「Highly Confidential – Attorneys’ Eyes Only」（高度机密，仅限律师查阅）。因为诉讼，它被公开了。
我通读之后，感慨很深。
今天我们热议的Coding Agent、Tool Use、长上下文、强化学习、自动化反馈，甚至Agent安全问题，在这份五年前的路线图里，几乎都已经出现了——而且不是模糊概念，而是相当具体的规划。
1. 他们早就想做软件工程师同事
文件第一页就写得非常清楚：
长期目标是通向安全、有益的AGI。作为阶段性证明概念（Proof of Concept），他们要开发一个通用AI助手——能通过对话帮助用户创建、编辑、解释软件。包括写函数、发现Bug、设计API、讨论代码风格与最佳实践。最终，它要展现出一名软件工程师同事应有的全部能
实现路径也写得很明确：大规模生成模型 + 长期记忆 + 通过自动化奖励和人类反馈进行的强化学习。
今天Claude Code在做的事，几乎就是这套路线图的落地版。2021年，ChatGPT都还没出来。
2. RL for Tool Use被单独列为重点方向
他们专门把强化学习用于工具使用列为重要研究方向。核心是让大语言模型学会使用工具、理解环境和目标，并通过RL不断改进。
当时设想的具体任务包括搜索、printf调试等，还讨论了工具使用是否能带来比单纯监督学习更好的Scaling效果。
今天Agent领域吵得最凶的那些问题，五年前他们已经开始系统思考了。
3. 产品形态和安全讨论也提前了
更让人意外的是，他们已经在讨论Coding Agent的具体产品形态。
Tom Brown提出：
代码仓库浏览是一个简单而有价值的工具，可以从这里起步。Nelson Elhage说：如果AI能主动查找项目中的类型定义，会是一项很强的能力。Andy Jones提出两条路线：一条是直接打造最优秀的AI程序员，另一条是先验证工具使用能力。Dario Amodei的回答很务实：短期优先后者，长期优先前者。
同时，Sam McCandlish已经开始担心：如何安全地部署非沙箱化工具？Dario特别强调了部署阶段执行代码的工具安全问题。
再看看2026年围绕Sandbox、权限控制、代码执行安全的讨论——几乎是同一套问题的延续。
4. 能力和对齐必须同步
Amanda Askell在评论里表达了担忧：如果能力研究集中在代码领域，而对齐研究只关注自然语言，未来可能出现能力越来越强、对齐却覆盖不上的情况。她强调两者必须紧密结合。
这正是今天Agent安全研究最核心的矛盾之一。
重新认识Anthropic
这份文件最有价值的地方，是它让我们重新认识了Anthropic。
2021年，整个行业对大语言模型的未来还远没有今天这么清晰。但Anthropic这群人，已经把“软件工程助手”作为通向AGI的具体研究目标，并围绕模型规模、数据、长上下文、工具使用、强化学习和安全，制定了一套相当完整的研究路线。
从今天回头看，他们对技术方向的判断确实非常超前。
更值得注意的是，文件里讨论的很多问题，到2026年依然没有被彻底解决。
五年前，他们在思考如何让AI成为软件工程师的同事。五年后，我们已经开始讨论如何让AI独立完成整个软件工程任务，甚至参与改进自己的模型和研发系统（RSI）。
AI的发展有时看起来快得不可思议，但仔细回头看，你会发现：有些人其实很早就知道自己要往哪里走了。
他们不是在追风口，而是在定义风口。