Anthropic 内部报告：程序员的“死”与“生”，效率暴增 50% 的残酷启示

原创于 2025-12-05 08:00:41 发布 · 111 阅读

CC 4.0 BY-SA版权

文章标签：

大家好，我是Tony Bai。

当我们还在争论 AI 编程是否是“玩具”时，Anthropic 已经把镜头对准了自己。

2025 年 8 月，这家打造了 Claude 的顶尖 AI 公司，对自己内部的 132 名工程师和研究员进行了一次深度“体检”。他们分析了 20 万条 Claude Code（Anthropic 打造的、并同时也在内部使用的 AI 编程 CLI 工具）的使用记录，并进行了深度的定性访谈。

这份刚刚发布的调研报告，揭示了一个既令人兴奋又令人胆寒的真相：在 AI 原生工作流的加持下，工程师的生产力暴增了 50%，但旧时代的“程序员”正在死去，一种全新的职业物种正在诞生。

在我看来，这既是一份内部效率调查报告，更是一份关于软件工程师职业命运的“生死簿”。

数据是惊人的，甚至可以说是具有颠覆性的。

与一年前相比，Anthropic 工程师使用 Claude 的频率翻了一倍，自我报告的生产力提升从 20% 飙升到了 50%。在极端的“超级用户”（Power Users，占总数 14%）中，这一数字甚至超过了 100%。

但这种提升并非意味着大家“闲下来”了。报告发现了一个反直觉的现象：在 AI 的辅助下，工程师们花在每个任务上的时间变少了，但产出的总工作量却大幅增加了。

这不仅仅是效率的量变，更是工作内容的质变：

新功能的爆发：在 Claude Code 的帮助下，工程师用于“实现新功能”的时间占比从六个月前的 14% 激增至 37%(如下图)。AI 不再只是写样板代码的助手，而是直接参与核心构建的主力。

消灭“千纸鹤”：数据显示，8.6% 的 Claude Code 任务是在处理那些长期存在、令人烦恼但优先级不高的“小毛病”。这包括重构糟糕的代码结构、编写缺失的测试、或是构建一个小工具来优化流程。正如一位工程师所言：“通过降低‘激活能量’，AI 让我不再拖延，愿意去解决那些以前觉得‘不值得动手’的麻烦事。”
“第 27%”的创新：员工估计，27% 的 AI 辅助工作是“如果没有 AI 就根本不会做”的。这包括构建交互式数据仪表盘、进行更广泛的探索性测试，或者像一位研究员那样——运行一个拥有“百万马力”的 Claude 实例来测试不同的想法。

AI 并没有让工程师“摸鱼”，而是赋予了他们“三头六臂”，让他们在同样的时间里，触达了以前无法企及的广度和深度。

报告中最令人兴奋——也最让传统岗位感到“危机”——的发现之一，是 AI 开发工作流 正在打破工程师的技能边界。一种“全能化” (Full-stackization) 的趋势正在形成，专业分工的护城河正在被填平。

后端写前端：一位后端工程师描述了他如何通过提示词（Prompting）构建了一个复杂的 UI：“它做得比我好多了。如果是以前，我绝对做不到，更不可能按时完成。设计师问我‘这是你做的？’我说‘不，是 Claude 做的，我只是负责提示。’”
安全做开发：安全团队利用 Claude Code 快速理解陌生的代码库，分析不同模块的安全隐患，其使用场景中有 48.9% 是为了“代码理解”。
非技术人员写代码：产品经理和研究员开始自己动手修复 Bug、编写数据分析脚本，填补了技术与业务之间的沟壑。

这种变化意味着，软件工程师将不再被特定的语言或框架（如“Go 专家”或“React 大师”）所定义，而是被解决问题的能力所定义。在 AI 原生工作流中，只要有想法，技术栈不再是护城河，而是可以随意调用的工具箱。

随着 Claude Code 及其背后模型的进化（从 Sonnet 到 Opus），工程师们对 AI 的使用方式经历了从“小心翼翼”到“深度协同”的转变。

Agentic（自主智能体化）能力的飞跃：六个月前，Claude Code 平均只能连续执行 10 个操作；现在，它可以自主完成约 21.2 个连续的工具调用（如编辑文件、运行测试、修复错误），期间无需人类干预。
从“谷歌地图”到“自动驾驶”：一位工程师用“谷歌地图”来比喻这种信任的演变。起初，我们只在熟悉的路段用导航；后来，即使导航给出了一条陌生的路线，我们也愿意相信它是最优解。
信任但验证 (Trust but Verify)：但这并不意味着盲从。报告指出，工程师们发展出了一套成熟的AI 协作策略：对于低风险、易验证的任务（如生成测试数据），直接放手；对于高风险、核心逻辑的任务，则保持高度的“人机协同”。

“冷启动”问题成为了新的瓶颈。一位工程师坦言：“如果我有关于代码库的大量隐性知识，而 Claude 没有，我宁愿自己写，也不想花时间去写完美的 Prompt。” 这也暗示了在 AI 开发工作流中，上下文管理 (Context Management) 将成为一项核心技能。