夜雨聆风在 Anthropic 分析的 40 万次 Claude Code 会话中，管理者的编程成功率略高于软件工程师。律师、医生、财务人员——所有主要职业群体的成功率与程序员差距不超过 7 个百分点。
这不是一句「AI 让编程民主化了」的漂亮话。数据背后的潜台词更具体、也更不客气：AI 编程工具不是在奖励「会写代码的人」，它在奖励「清楚自己要什么的人」。
这个结论来自 Anthropic 研究团队基于 23.5 万用户、跨越 2025 年 10 月到 2026 年 4 月共 7 个月的被动观测数据。它是目前公开可查的最大规模 agentic coding 用户行为研究——规模够大，但全部来自单一产品（Claude Code）的内部日志。下面我们来拆解数据到底说了什么，以及它对我们——使用 AI 编程工具的人——意味着什么。
40 万次会话，九种工作模式
先说研究是怎么做的。
Anthropic 统计了 Claude Code 的交互式会话——排除 headless 模式、API 调用和第三方 IDE 集成，覆盖 CLI、桌面端和 claude.ai 上的使用。然后干了三件事：
第一，用一个基于 Claude Sonnet 4.6 的分类器读每一段会话转录，把任务归入九种工作模式。这套分类的可靠性怎么验证？他们的方法是交叉比对 telemetry 数据——超过 90% 被标记为「创建或修改代码」的会话，在实际上确实产生了代码变更。合理，不算严苛但够用。
第二，用美国劳工统计局的职业分类标准（SOC）推断用户职业——约 70% 的会话可以分类，依据是项目上下文信息而非用户自报。
第三，定义了一个专业度五级量表（Novice → Expert），不靠头衔，靠行为信号：用户指令的精确度、用户要求 Claude 验证什么、谁在纠正谁。
这三点方法论上的选择本身就值得读：Anthropic 不是在问用户「你觉得成功了吗」——它在观察行为本身。
九种工作模式的全景长这样（7 个月平均值）：
- • Writing（新建代码）：25%
- • Fixing（修复 bug / 改进代码）：26%
- • Operating（部署、配置、监控）：17%
- • Planning / Exploring（规划变更、探索系统）：14%
- • Analysis / Prose（数据分析、文档生成）：13%
- • Testing & Orchestrating（测试、编排）：5%
一句话：直接编码占一半出头，另一半是理解、规划、操作和交流。Claude Code 不只是一个「写代码的工具」——用户拿它做的事，相当一部分已经不在传统编程的范畴内。
更值得关注的是趋势。在 7 个月跨度内：
- • Fixing 的占比从 33% 掉到 19%。不是 bug 变少了——是从发现问题到修复的循环变短了。Anthropic 同期观测到调试时间占比下降了近一半（【厂商数据】，未公布绝度值基线）。
- • Operating 从 14% 涨到 21%。人越来越少花时间在环境配置和部署上，AI 工具在接收这些脏活。
- • Writing 和数据分析的占比从约 10% 翻倍到约 20%。用户在让 AI 做越来越多「创造」层面的事。
谁在用 AI 写代码成功？答案有点反常识
在产出代码的会话中，Anthropic 按职业分组测算了成功率——分两档：
- • Verified success：有可验证证据的成功——测试通过了、代码提交了、PR 合了、用户明确确认了。
- • Partial success：至少产出了一些可用的代码。
软件工程师的 verified success 是约 34%，其他所有主要职业平均约 29%——差 5 个百分点。放宽到 partial success，两组分别是 89% 和 88%——差 1 个百分点。【厂商数据】
五个百分点不是零。但要理解这个差距的大小，需要把场景放进去看：一个律师、一个医生、一个财务分析师，借助 Claude Code 产出可验证代码的成功率，离一个软件工程师的距离只有 5%。而 partial success 几乎完全持平——意味着非软件背景的用户在让 AI 产出「至少部分可用的代码」这件事上，不比软件工程师差到哪去。
另一个反直觉的数据：管理职业的 verified success 略高于软件工程职业。Anthropic 没有给出这个现象的具体解释——这可能与管理者更擅长定义范围、指定验收标准有关，也可能只是噪音。
专业度不是头衔——它是对工具的控制力
Anthropic 的专业度分级衡量的是三件事：用户能否精确描述需求、用户是否要求 Claude 对产出做恰当验证、会话中「谁纠正谁」的方向。
一位写了十年 Python 的资深工程师，第一次让 Claude 写 Rust 时，在这个任务上他就是 Rust 初学者。一个从来没碰过 Python 的会计师，只要她能清楚定义对账规则是什么、边界条件在哪、期望输出长什么样——在这个任务上她就是专家。
数据差距是断崖式的：
| 专业度 | Verified Success | 放弃率 | 每次 prompt 产出的 actions | 每次 prompt 产出的字数 |
|---|---|---|---|---|
| Novice | 15% | 19% | ~5 | ~600 |
| Intermediate+ | 28–33% | 5–7% | — | — |
| Expert | — | — | ~12 | ~3,200 |
【厂商数据】
Novice 到 Intermediate 的提升是最大的跃升——verified success 几乎翻倍，放弃率从接近五分之一降到二十分之一。Intermediate 到 Expert 的边际增量反而变小。关键的差距不在「高手 vs 普通人」，而在「不知道该让 AI 做什么」和「大概知道」之间。
Expert 每次指令让 Claude 自动完成的工作量是 Novice 的 2 倍以上，产出的字数 5 倍以上。这个是所有工作类型、所有任务价值区间都成立的趋势。不是 Expert 打字更快——是他们给的指令能让 AI 拉动的上下文和产出路径更长、更连贯。
人做 70% 决定，AI 干 80% 的活
Anthropic 还拆了一个更有趣的维度：在一个典型会话中，人和 AI 各自做什么决策。
规划层（做什么、为什么做）：人贡献约 70% 的决策，AI 约 30%。
执行层（怎么实现）：AI 贡献约 80% 的决策，人约 20%。【厂商数据】
一个典型会话约 4 轮人机交互，每轮 Claude 约 10 个动作、输出约 2,400 字。
这里有两层含义。第一层：AI 编程工具在当前阶段，最大的杠杆在「执行」而非「判断」。第二层，也是更重要的那层：既然人的价值越来越集中在规划端，那么决定你产出上限的就不再是编码速度——而是你「规划变更」和「定义问题」的能力。
这也解释了为什么非软件背景的用户成功率能逼近程序员：如果一个问题是「把这段交易数据按周维度聚合，标记异常波动，导出成表格」，那么关键技能是理解金融数据的结构和业务异常的定义——不是写 Python。
需要知道的几个前提——诚实地说
这篇文章讨论的数据，有几条前提如果不说清楚，就是误导。
第一，全部数据来自 Anthropic 内部。 40 万次会话的统计口径是 Claude Code 的交互式使用日志——不是全行业调查，没有第三方审计，也没有任何独立复现。成功率分类器是 Anthropic 自己的模型，评估标准也是 Anthropic 自己定义的。换句话说：我们能肯定这些数据准确地描述了 Claude Code 用户的行为模式。但它能不能代表其他 AI 编程工具的用户行为——我们不知道。
第二，25% 的任务价值提升要放在正确语境下理解。 Anthropic 估算任务价值的方式是对比自由职业市场上的类似任务定价。他们自己在博客里写了：「These price estimates are coarse, so we use them primarily to compare tasks to one another over time, not as dollar values to be read literally.」这句话的意思是：25% 适合用来描述「用户做的事越来越值钱了」这个方向——不适合简化成「效率提升 25%」或「产值增加 25%」。而且这个数字是 7 个月平均值，10 月到 4 月的变化率实际上是 27%，不同任务类型差异很大（Building +43%、Operating +34%、Fixing +32%）。用 25% 这个平均数是合理的，但它是个粗糙的间接指标，不是精确的生产力测量。
第三，Claude Code 用户 ≠ 全体开发者。 现在用 Claude Code 的人大概率对 AI 工具有更高的主动性和接受度。这意味着观测数据中的成功率、专业度分布、工作模式占比都可能受到选择偏倚的影响——我们不能假设把这些数据直接外推到「所有开发者」身上。
第四，非英语用户没被单独分析。 Anthropic 研究中没有按语言分组的用户行为数据。这篇研究的中文读者群体，与 Claude Code 主要用户群（英语）可能存在系统性差异。
第五，对比 GitHub Copilot 的研究需要谨慎。 GitHub 在 2022 年发布的 Copilot 研究（95 人受控实验，任务完成快 55%）是 code completion 时代的产物，不是 agentic coding。样本量差了三个数量级，范式也完全不同——一个是「AI 帮你补全下一行」，一个是「AI 接管整个开发循环」。两个数字放在一起看有参考价值，但不要直接比较。
这对你意味着什么？
如果你是用 AI 编程工具的工程师，这条数据线最直接的启示是：花时间提升领域知识，回报可能比花时间提升编码技巧更高。 不是说编码能力不重要了——是要把编码能力和领域知识当作两件事来分别投资。Anthropic 的数据已经表明了，Novice 到 Intermediate 的跃升是最大的边际收益。如果你在某个领域已经是Intermediate，花 20% 的时间把这个领域的 AI 用得更到位，可能比学一个新的框架更有性价比。
如果你在带团队，这个数据提醒的是另一件事：选人时不要只筛编程能力。 那个对业务场景理解特别透彻但技术栈可能不对口的候选人，在 AI 辅助下可能会远超预期——因为他知道要做什么，AI 帮他把「怎么做」填上。
如果你不是软件工程师但日常工作碰得到代码——数据分析师、产品经理、运营——一个核心问题是：你不需要「学会编程」，但你需要「学会指挥 AI 编程」。 这两个能力的构成完全不一样。前者需要数据结构和算法，后者需要的是你能把问题拆到 AI 能一口吞的粒度。Anthropic 的数据告诉你，做得到这一点的人，产出代码的成功率和程序员差不了多少。
最后，Anthropic 的研究团队用一个保留语态写下了自己的外推判断：「如果这些模式持续下去，Claude Code 上发生的事情可能是知识工作未来的预览。」他们没有说完的话是——如果 AI 继续吸收执行层的决策，那么「清楚描述问题」会变成比「实现解决方案」更稀缺的能力。 这个判断是不是对的，现在下结论太早。但 40 万次会话的方向是清楚的。
参考
- • Anthropic Research (2026-06-16): 「Agentic coding and persistent returns to expertise」, https://www.anthropic.com/research/claude-code-expertise
- • GitHub Blog (2022-09-07, updated 2024-05-21): 「Research: quantifying GitHub Copilot's impact on developer productivity and happiness」, https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
本文所有 Anthropic 相关数据均为厂商内部数据，标注【厂商数据】。25% 任务价值变化为间接估算，Anthropic 自我标注为粗粒度相对指标。非英语用户行为未经独立分析，Claude Code 用户群可能存在自我选择偏倚。GitHub Copilot 2022 研究基于 95 人受控实验，与 agentic coding 范式不可直接对比。