7.5
深览指数
科技腾讯新闻··AI 生成
40万次Claude Code会话实锤：这才是AI时代最值钱的本事
Anthropic基于2025年10月至2026年4月期间约23.5万用户、近40万次Claude Code会话数据，得出核心结论：AI编程中决定产出效率的关键不是代码能力，而是对业务或问题本身的深度理解。报告显示，人类负责约70%的规划决策，AI包揽约80%的执行决策；懂行的用户（即使是会计）能从AI身上榨出数倍于新手（即使是程序员）的产能。这一发现挑战了'AI时代最值钱的是技术能力'的主流认知，并为知识型工作的未来分工提供了早期信号。适合关注AI对职业结构影响的从业者、管理者和技术决策者阅读。原文 ↗
核心观点
- ▍决定AI编程成败的核心不是代码功底，而是对业务或问题域的深度理解。
- ▍在AI时代，最稀缺的能力已从'执行代码'转向'定义问题'。
- 01Anthropic分析约23.5万用户、近40万次Claude Code会话得出数据：人类做了约70%的规划决策，AI包揽约80%的执行决策。
- 02专业度是'任务特定的'：一个从未写过Python的会计，只要能精确描述对账规则并识别AI遗漏的边界情况，在该任务上就是专家。
- 03新手会话每条指令仅触发约5个Claude动作、输出约600词；专家会话动作链翻倍至12个，输出飙升至3200词（5倍差距）。
- 04按严格验证标准，新手会话成功率仅15%，中级用户达28%，高级和专家达33%；最大提升发生在从新手到中级阶段。
- 05当会话遇阻时，新手最终翻盘概率仅4%，专家为15%；19%的新手在失败后直接放弃，而其他水平用户仅5%-7%。
- 06软件相关职业验证成功率约30%，其他职业约26%；按更宽泛标准，差距缩至1个百分点（89%对88%）。管理岗的验证成功率甚至略高于程序员。
- 07当用户掌握更多执行决策权时，Claude每轮仅约8个动作；当Claude获得规划主导权时，每轮飙升至16个动作。
反方 / 局限
- — Anthropic承认，报告中的'成功率'基于对会话记录的分类判断，不等于代码最终被采用或产生了真实商业价值，结论是初步的。
AnthropicClaude Code美国劳工统计局 (BLS)决策归因分类器规划决策执行决策
9 分钟 · 4 卡片 · 8 资料
读原文 →