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。

本文永久链接 – https://tonybai.com/2025/11/24/google-adk-go-in-action

大家好，我是Tony Bai。

上周，我花了一个下午，仅仅是为了让一个Python写的Agent能稳定地调用我Go服务里的一个简单函数。在那一刻，看着屏幕上纠缠的gRPC、Python虚拟环境和混乱的日志，我脑海里只有一个念头：这不对劲，这绝对不是软件工程该有的样子！

显然，不仅仅是我一个人在为此焦虑。

就在最近，一个名为 google/adk-go 的项目悄然开源，并迅速霸榜 GitHub Go 语言趋势榜长达一周之久！ 全球的 Gopher 似乎都在用脚投票，表达着同一个渴望：我们受够了“炼丹”，我们要回归工程！

过去的一年，AI 的浪潮席卷了整个技术圈。我们 Gopher，作为构建云原生世界的中坚力量，看着 Python 社区在 AI 领域“杀”得热火朝天，心中或许都有一个共同的疑问：

“这场 AI 的盛宴，我们 Gopher 的主菜在哪儿？”

我们习惯了用 goroutine 优雅地处理并发，用 channel 安全地传递消息，用静态编译的单个二进制文件征服任何服务器。我们是天生的“工程师”，我们信奉的是可测试、可维护、可部署的软件工程哲学。

然而，当我们尝试踏入 AI Agent 的世界时，却常常感觉自己像一个闯入了“炼丹房”的“机械师”。面对那些需要反复“吟唱咒语”（调 Prompt）、结果飘忽不定的“丹炉”（模型），我们不禁会问：

• 我的 Agent 行为不稳定，怎么写单元测试？
• Prompt 稍微一改，整个“丹方”都可能失效，版本管理怎么做？
• 我如何将这个“充满魔法”的 Python 脚本，与我现有的 Go 微服务体系优雅地集成，而不是变成一坨无法维护的“耦合怪”？

这些问题，不是因为我们不懂 AI，而是因为我们太懂工程。我们厌倦了“炼丹”式的不确定性，我们渴望一种能将 AI 的强大能力，用严谨的工程纪律约束起来的解决方案。

现在，Google 亲自下场，为我们递来了“工程图纸”。

Google ADK for Go：写给工程师的 AI Agent 开发框架

这个霸榜的项目，全称是 Agent Development Kit (ADK) for Go。

这不是又一个“玩具”或“研究性”框架。从它的设计理念中，我看到了一个清晰而坚定的信号——AI Agent 开发，正在从“炼丹”式的“艺术创作”，全面进入“工程化”的“工业生产”时代。

而 ADK for Go 的核心哲学，与我们 Gopher 的信仰不谋而合，那就是——代码优先 (Code-First)。

• 你的 Agent，就是你的 Go 代码： 不再有晦涩的 YAML，不再有天书般的“链”，Agent 的所有逻辑、决策、工作流，都由你亲手编写的、地地道道的 Go 代码来定义。
• 天生的可测试性： 你的 Agent 就是一个实现了 agent.Agent 接口的 struct。这意味着什么？你可以像测试任何 Go 代码一样，go test 走起！Mock 依赖、断言行为，所有你熟悉的工程实践，全部回归。
• Git 即版本管理： Agent 的每一次进化，都是一次清晰的 git commit。Code Review、版本回滚，一切都尽在掌握。
• 云原生无缝集成： 它就是一个标准的 Go 模块，可以被无缝地集成到你的 Gin/gRPC 服务中，打包成一个极小的 Docker 镜像，部署到任何 K8s 集群。

这就是为什么它能霸榜 GitHub 的原因——它不是在教你如何更好地“调优 Prompt”，而是在教你如何用坚实的工程代码，去彻底终结那个不可控的“炼丹”时代。

Google的adk-go，就是那座连接 Gopher 工程世界与 AI Agent 智能世界的桥梁。

和我一起，从零开始“造”一个真正的 AI Agent

坦白说，ADK for Go 刚刚推出，市面上的教程几乎一片空白。文档虽有，但如何将其与真实的工程场景结合，如何理解其设计背后的权衡，如何避开那些必将遇到的“坑”——这些都需要有人去探索，去趟路。

所以，我决定做这件事。

我将以一个“学伴”和“探索者”的身份，推出我的全新付费微专栏：

《Google ADK 实战：用 Go 构建可靠的AI Agent》

在这个专栏里，我不会扮演一个无所不知的专家。相反，我会将我从零开始学习、实践、踩坑、顿悟的全过程，毫无保留地分享给你。

我们将一起，手把手地、从一个空 main.go 文件开始，完成一次令人兴奋的创造之旅：

• 第 1-2 讲：思维转变与灵魂注入
  我们将彻底理解“代码优先”的哲学，拆解adk-go，了解其中的概念、架构和核心组件，并亲手定义出第一个实现了 agent.Agent 核心接口的智能体。

• 第 3 讲：为 Agent 插上“手臂”： 让你的Agent能调用任何Go函数，像操作自己的手脚一样自如
  我们将学会 ADK 的“魔法”函数 functiontool.New，将一个普通的 Go 函数，零成本地转化为 Agent 可用的工具。

• 第 4 讲：赋予 Agent “双核记忆”
  我们将深入 session（短期记忆）和 memory（长期记忆），让我们的 Agent 能够理解上下文，并记起与你的历史交互。

• 第 5 讲：从“单兵”到“军团”： 构建一个懂分工、会协作的Agent团队，自动化完成复杂任务
  我们将学习 workflowagents，通过编排多个专家 Agent，构建一个强大的“代码生成-审查-重构”自动化流水线。

• 第 6 讲：从“原型”到“产品”
  我们将为 Agent 建立科学的评估体系，并最终将其打包成 Docker 镜像，部署到通用的 Kubernetes 环境中。

学完这个专栏，你将收获的，不仅是一个能跑起来的酷炫 AI 项目，更是一套可复用的、工程化的 AI Agent 构建方法论，以及在 AI 新浪潮中，属于我们 Gopher 的那份自信和底气。

加入这场 Gopher 的 AI 工程化之旅

这个微专栏，是我为你，也为我自己准备的一份“AI 时代 Gopher 生存指南”。它凝聚了我对 Go 工程哲学的理解，和我对 AI Agent 未来的全部热情。

微专栏共 6 篇深度长文，每一篇都是我亲手实践、细节满满的 step-by-step “航海日志”。

我没有设定一个高昂的价格，而是希望与更多志同道合的 Gopher 一起探索。所以，订阅这份专栏，仅需你一杯咖啡的诚意。

花一杯咖啡的时间，你或许能得到片刻的清醒；而用同样的价格投入到这里，我希望能为你带来一次思维的升级和技能的跃迁。

点击这里，或扫描二维码，立即加入。

让我们一起，用代码，构建智能。

P.S. 如果你对 AI Agent、Go 语言或者这个微专栏有任何问题，欢迎在评论区留言，我们一起交流探讨！

还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：

• 告别低效，重塑开发范式
• 驾驭AI Agent(Claude Code)，实现工作流自动化
• 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码，开启你的AI原生开发之旅。

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。