作者：Anthropoic；编译：Peggy，区块律动

一项基于约40万次Claude Code会话的最新研究报告指出，AI编程工具正在重塑人与代码之间的关系：人类主要决定“做什么”，而AI负责“怎么做”。这一发现挑战了传统认知——真正决定使用效果的，并非是否具备程序员身份，而是用户是否深刻理解自己要解决的问题。

报告分析了2025年10月至2026年4月期间约23.5万名用户的交互数据，结果显示，在涉及代码生成的任务中，来自法律、金融、管理、科研等非技术职业群体的平均成功率已与软件工程师基本持平。这表明，AI正在显著降低代码实现的门槛，但并未降低对问题判断和领域知识的要求。

研究提出，未来最具竞争力的并非单纯会写代码的人，而是那些懂业务、懂场景、能清晰表达需求并准确评估结果的领域专家。AI不仅不会替代领域知识，反而会放大其价值。

劳动分工：人类规划，AI执行

在典型会话中，用户承担约70%的规划决策（如目标设定、方法选择），而Claude承担约80%的执行决策（如编写代码、运行命令、调试）。平均每条用户提示可触发Claude执行约10个动作，输出2400词内容。

图2：Claude在规划和执行决策中的占比。典型会话中，用户主导“做什么”，Claude主导“如何做”。

专业水平比职业身份更重要

研究通过五级量表评估用户在具体任务中的专业水平（从新手到专家），发现专家用户每条指令可引发Claude完成的动作数是新手的两倍以上，文本输出量达五倍。

图3：面对更专业的用户，Claude每条提示词完成更多工作。

在“经验证成功”（即有代码提交、测试通过等硬性证据）指标下，新手会话成功率为15%，而中级及以上用户达28%–33%。值得注意的是，从新手到中级的提升最为显著，专家相比中级仅略有优势。

非程序员表现亮眼，管理者成功率最高

在产生代码的会话中，软件相关职业用户的经验证成功率为34%，其他职业为29%。差距微小，且在七个月内未扩大。更令人意外的是，在十大主要职业群体中，管理类用户成功率略高于软件工程师。

图6：按推断职业划分的编码会话成功率。各职业与软件工程师的差距均在7个百分点以内。

趋势：任务价值上升，调试减少

过去七个月，用于修复代码的会话占比从33%降至19%，而操作软件、数据分析和文档撰写类任务占比翻倍。同时，会话的估算经济价值平均上涨27%，表明用户正用Claude处理更高价值的工作。

图4：2025年10月至2026年4月Claude Code工作构成与价值变化。

展望：领域知识成为新护城河

报告认为，智能体编程正在将“实现能力”商品化，而“问题定义与判断能力”成为稀缺资源。任何领域中具备扎实业务理解的人，现在都能借助AI完成过去专属程序员的技术任务。未来劳动力市场的核心竞争力，或将从“会不会写代码”转向“懂不懂问题”。

不过，研究也承认局限：无法追踪代码后续实际使用情况，且分类依赖模型自动标注。随着AI能力持续进化，这一格局仍可能动态演变。