Anthropic 内部报告：程序员的“死”与“生”，效率暴增 50% 的残酷启示
本文永久链接 – https://tonybai.com/2025/12/05/how-ai-is-transforming-work-at-anthropic
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”。
“生”的狂欢：效率暴增 50% 后的质变
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。
边界的消亡：人人都是全栈工程师
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。
信任的进化：从“验证”到“导航”
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。
“死”的阴影：残酷的技能萎缩与监督悖论
然而，硬币的另一面是深深的焦虑。报告极其诚实地记录了工程师们面临的“残酷”现实——旧的生存法则正在失效。
1. “监督悖论”
这是报告中最深刻、最令人不安的洞见之一。高效使用 Claude 需要监督，而监督 Claude 需要高超的编码技能。“如果我不再亲自写代码，不再通过痛苦的调试来建立对系统的直觉，我的技能会萎缩吗？” 如果技能萎缩了，未来谁还有能力去评估 AI 写出的代码是好是坏？
一位资深工程师坦言：“我现在主要用 AI 做我已经知道答案的事情。这种直觉是我通过‘硬核模式’积累的。如果我是现在的初级工程师，我不知道该如何建立这种直觉。”
2. 社交的“原子化”
Claude 成为了“第一咨询对象”。原本需要问同事的问题，现在 80-90% 都先问 AI。这虽然减少了对他人的打扰，但也切断了隐性的知识传递。初级工程师失去了向资深工程师提问的机会，团队的凝聚力面临挑战。一位 Tech Lead 感叹：“初级员工不再带着问题来找我了，这让我感到失落。”
3. “把自己淘汰”的担忧
“我觉得我每天上班都在致力于让自己失业。” 这种情绪在访谈中并不罕见。虽然短期内大家对生产力的提升感到兴奋，但对于长期——当 AI 真的能由端到端地完成所有工作时——人类工程师的位置在哪里？
一位工程师的比喻令人深思：“也许我们正在从编写代码，转向编写英语作为一种编程语言。未来的核心技能，是擅长让 AI 干活。”
小结：在“副驾驶”与“自动驾驶”之间
Anthropic 的这份报告，向我们展示了一个正在加速到来的未来：软件工程正在从“手工艺”转向“工业化管理”。
旧时代的“码农”——那些仅仅通过记忆语法和 API 来堆砌代码的人——正在不可避免地走向消亡。
而新时代的工程师正在重生。他们更像是一位指挥家，挥舞着 Claude Code 这样的指挥棒，构建高效的 AI 开发工作流，调动着成千上万的虚拟算力，去构建前所未有的宏大系统。
“残酷”的真相在于：技术不会淘汰工程师，但“掌握 AI 开发工作流”的工程师将淘汰那些还在徒手搬砖的人。
拒绝 AI 的人，注定无法成为这场变革的指挥家。
要查阅这份报告的更多详情，请访问 Anthropic 的研究页面。
你感受到这种变化了吗？
看了Anthropic的报告，你是感到兴奋还是焦虑？在你的日常工作中，AI是你的“副驾驶”，还是已经开始接管方向盘了？你担心中断“硬核模式”训练会导致技能萎缩吗？
欢迎在评论区分享你的真实感受和思考！
** 想要掌控这套未来的“指挥棒”？**
Anthropic 的工程师们已经向我们证明：效率提升 50% 只是起步。在这个“死”与“生”的转折点，你准备好进化了吗？
你是否也想打破技能边界，从后端迈向全栈，甚至更多？
你是否想知道如何构建自己的 Context，解决 AI 的“冷启动”问题，规避“监督悖论”？
我精心打造的极客时间专栏《AI 原生开发工作流实战》，正是为你准备的“生存与进化手册”。
别让未来把你抛下。扫描下方二维码，立刻开启你的 AI 原生开发之旅！
你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？
- 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
- 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
- 想打造生产级的Go服务，却在工程化实践中屡屡受挫？
继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！
我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。
目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！
商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。
评论