不会写代码,也能带AI做工具吗?关键是把问题讲明白

启澄智能· 2026年8月15日

一项基于约40万次Claude Code会话的研究发现：典型会话中，用户承担约70%的规划决策，AI承担约80%的执行决策；领域经验与任务成功存在正向关系。这给非技术使用者一个清楚的起点：先说清目标、约束和验收标准，再把执行交给AI。

很多人第一次接触AI智能体，会先问一句：我不会写代码，能用它做工具吗？

答案没有想象中那么遥远。你不必先把自己训练成程序员，但要对手里的问题足够熟悉。AI可以承担大量执行，人仍要决定目标、边界以及什么样的结果才算合格。

一项40万次会话研究，看到了这种分工

2026年6月16日，Anthropic发布了一项关于Claude Code实际使用情况的研究。研究团队以保护隐私的方式分析了2025年10月至2026年4月间约23.5万人产生的约40万次交互会话，观察用户在做什么、谁负责决策，以及任务是否成功。

在典型会话中，用户作出约70%的规划决策，包括做什么、选择哪条路线、怎样才算完成；Claude作出约80%的执行决策，例如修改哪些文件、运行什么步骤、如何实现。研究还发现，来自不同职业的人完成编码任务的平均成功率接近软件工程师。领域经验越充分，任务越容易成功，用户也更善于发现偏差并把过程拉回正轨。

这组数据值得关注，但不能被读成“谁都能立刻做出成熟软件”。研究只覆盖Claude Code的特定使用界面，成功主要依据测试通过或产生提交等可验证信号；它无法判断产出后来是否真正投入使用，也不能证明经济价值。研究团队同样把结论称为初步观察。

人负责目标、约束与验收，AI承担大量执行步骤（示意图）

第一，把业务问题写成可执行目标。与其说“帮我做个管理系统”，不如说明谁使用、输入什么、输出什么、一天大约处理多少条记录。目标越具体，AI越容易选择合适的执行路径。

第二，把约束提前交代。哪些数据不能上传，哪些字段必须保留，结果需要由谁审核，出现异常时要停在哪里，这些都属于业务判断。AI不会自动知道公司的权限、责任和风险边界。

第三，先写验收标准，再让AI动手。可以要求它提供样例结果、检查清单、测试记录和改动说明。你不一定能读懂每一行代码，但可以检查业务规则有没有漏、数据有没有错、关键步骤能否复现。

适合起步的任务通常范围小、重复出现、输入输出明确，例如整理固定格式的数据、生成内部周报草稿、检查表单缺项，或把一套人工步骤做成半自动流程。先跑通一个真实任务，再决定是否扩大范围。

这项研究带来的启发很朴素：业务经验没有因为AI出现而失去作用，它成了指挥AI的重要基础。熟悉问题的人负责方向和判断，AI负责繁琐执行，双方的分工越清楚，结果越容易检查。

如果你正在考虑把某项重复工作交给AI，可以先写下目标、约束和验收标准。启澄智能也愿意和宁夏企业一起判断：这个任务是否适合AI介入，应该从哪一步开始验证。