今天 Anthropic发了一篇很有意思的研究报告《主动编码和对专业知识的持续回报》，他们分析了大约40万次Claude Code的使用记录，想搞清楚一个问题：在AI帮你写代码的时代，到底什么样的人能把这个工具用得最好？

先说一个很直观的发现：在人和AI协作写代码的过程中，存在一个非常清晰的分工。人负责决定"做什么"，AI负责决定"怎么做"。具体来说，大约70%的规划决策是人做的，而80%的执行决策交给了Claude。你告诉它目标，它来选择用什么文件、写什么代码、跑什么命令。

那谁用得最好呢？答案可能出乎很多人意料：关键在于你对自己要解决的问题有多懂，跟你会不会写代码关系不大。研究发现，在所有产出代码的会话中，各行各业的人成功率其实差不多。管理岗位的人甚至略高于软件工程师。一个从没学过Python的会计，只要他能精确地告诉AI"这个对账规则应该怎么运作，月末结算有哪些边界情况"，他就是这个任务上的专家，AI就能帮他高效完成工作。

数据也证实了这一点：专家级用户每发一条指令，Claude平均会执行12个动作、输出3200个词；新手级用户只能触发5个动作、600个词。专家能用更少的话让AI干更多的活。

更关键的是，当任务遇到麻烦的时候，专家更容易把事情扳回来。新手遇到困难后放弃的比例是19%，而有经验的用户只有5%到7%。说白了，懂行的人知道怎么在AI犯错的时候把它拉回正轨。

不过有个好消息：从新手到中级水平的提升带来的收益是最大的，中级到专家之间的差距反而不算大。也就是说，你不需要成为某个领域的顶尖高手，只要有扎实的工作理解，就能把AI用得相当好。

从2025年10月到2026年4月这七个月里，还有一些明显的趋势变化：花在修bug上的时间占比从33%降到了19%，说明AI越来越少出错了；同时部署运维、数据分析、写文档这类工作的占比在上升，任务的平均经济价值也涨了大约25%。人们在用AI做越来越复杂、越来越值钱的事情。

这篇报告给我们的启示其实很清楚：AI编程工具正在让"会不会写代码"变得没那么重要，但"懂不懂你要解决的问题"变得更加重要了。未来每个行业的人都可能通过AI来完成技术工作，前提是你真正理解自己领域里的问题。专业知识的回报依然坚挺，只是它的表现形式变了。

报告地址：www.anthropic.com/research/claude-code-expertise

#科技先锋官##How I AI#