Anthropic 釋出 40 萬次 Claude 程式設計研究：決定成敗的是業務理解，而非寫程式碼

以前大家總覺得，想要用好 AI 程式設計工具，你首先得是個懂語法、懂架構的程式設計師。

但 Anthropic 剛拿出的一份重磅資料，把這個常識給掀翻了。

Anthropic 釋出了一項大規模實證研究。他們對 2025 年 10 月至 2026 年 4 月期間，約 23.5 萬名使用者進行的近 40 萬次 Claude Code 會話做了隱私脫敏分析。這是目前業內關於程式碼智慧體最詳盡的一份真實行為樣本。

研究給出的核心結論非常明確：決定一個程式碼智慧體能不能把活幹成、每條指令能發揮多大效能的，根本不是你的程式設計技巧，而是你對所在業務領域的理解。

人定方向，AI 扛活

資料描繪出了當下人機協作非常清晰的分工。

在典型的會話中，人類承擔了大約 70% 的規劃決策，也就是想清楚「做什麼」；而具體的「怎麼做」，有 80% 的執行決策直接交給了 Claude。

平均來看，使用者輸入一條提示詞，就能觸發 Claude 進行 10 次操作、產出 2400 字的內容。如果是熟手，一條指令甚至能激發出 12 個動作和 3200 字的輸出；而新手通常只能換來 5 個動作和 600 字。

但這裡的「熟手」並不等於程式設計師。Anthropic 發現，一個清楚合同裡必須抓住哪些條款的律師，通過 Claude Code 跑出可用指令碼的成功率，平均下來已經跟正經的軟體工程師幾乎持平。

只要你對業務邊界有精準的判斷，即使完全不懂程式碼實現細節，也能指揮智慧體把任務跑通。反倒是那些只會寫語法、但不懂業務邏輯的會話，更容易在半路卡死。

從修修補補，走向端到端交活

短短七個月裡，大家用 AI 寫程式碼的姿勢也發生了劇烈轉變。

在觀察期內，單純用於找 bug 和修程式碼的會話比例幾乎腰斬。與此相對，使用者越來越習慣讓智慧體接管全流程：部署並執行程式碼、抓取資料分析、甚至是直接生成非程式碼的配套交付物。

從具體的工作型別看，目前約 56% 的會話集中在程式碼本體上，其中新建專案佔 25%，修 bug 佔 26%，測試與流程編排佔 5%。此外，運維部署佔了 17%，前期的系統理解與規劃佔了 14%。

隨著大家開始甩給智慧體更復雜的端到端任務，會話所承載的典型任務價值在七個月裡平均漲了約 25%。資料顯示，自 2025 年底以來，GitHub 上有智慧體活躍參與的專案翻了一倍多，Claude Code 的活躍使用者平均每週要在上面花 20 個小時。

為什麼重要

我們認為，這份報告最殘酷也最清醒的一點，在於它給整個軟體開發行業的勞動力邏輯重新定了價。

長期以來，軟體工程的護城河被預設建立在程式語言和工程實現上。但現在，語法和架構套路成了 AI 最擅長兜底的重災區。真正稀缺的資產，瞬間轉移到了對真實業務場景的理解上。

如果你是一名會計、律師或者產品經理，現在就是借力 AI 的最佳時機。你不需要去惡補 Python 語法，只要你能把自己腦子裡的業務邏輯拆解清楚，Claude 就能替你補齊剩下的 80% 程式碼實現。

反過來，對於那些日常只負責根據需求文件「把虛擬碼翻譯成真實程式碼」的純實施崗位，警鐘已經徹底敲響了。懂業務的專家正在藉助智慧體直接繞過中間的編碼環節，純粹的程式碼搬運工空間只會越來越窄。

Anthropic 選在此時公佈這套機制非常聰明。它不再兜售「AI 即將完全取代人類」的虛幻焦慮，而是用 40 萬次真實呼叫證明了人機協作的正確解法：人類守住需求和領域常識的底線，把繁重的執行交給智慧體。這既是對領域專家的最大紅利，也是軟體行業分工重構的起點。