AI重塑软件开发：Anthropic经济指数揭示行业新动向

在数字化浪潮的推动下，人工智能（AI）正以前所未有的速度渗透到各行各业，其中，软件开发领域的变化尤为显著。Anthropic 经济指数于2025年4月28日发布了一份报告，深入探讨了AI对软件开发产生的深远影响。这份报告不仅揭示了AI在编码过程中的应用模式，还对未来的行业趋势进行了预测，为我们理解AI驱动的软件开发变革提供了宝贵的视角。

报告开篇指出，尽管计算机编程在现代经济中占据的份额相对较小，但其影响力却不容小觑。近年来，AI系统在辅助和自动化编码工作方面的能力显著提升，极大地改变了这一行业的工作模式。Anthropic 经济指数的前期研究已经发现，美国计算机相关行业的从业者对Claude的使用率远超其他行业，这表明AI在编程领域的应用具有高度的集中性。此外，在教育领域，计算机科学专业的学生也表现出对AI的极高依赖。

为了更深入地了解这些变化，Anthropic 对50万次与编码相关的交互进行了分析，这些交互分别来自 Claude.ai 和 Claude Code。Claude.ai 是大多数用户与 Claude 交互的默认方式，而 Claude Code 则是 Anthropic 新推出的专业编码“代理”，能够独立完成复杂的任务链，并利用各种数字工具。

A hand-drawn image of a magnifying glass over some brackets from a piece of computer code

分析结果揭示了三个关键模式：

自动化程度的提升：Claude Code 上的对话有79%被归类为“自动化”，即 AI 直接执行任务，而只有21%被归类为“增强”，即 AI 与人类协作并提升其能力。相比之下，Claude.ai 上的自动化对话仅占49%。这一发现预示着，随着 AI 代理变得越来越普遍，以及更多具有代理能力的 AI 产品被开发出来，任务自动化将成为一种趋势。
用户界面应用的普及：开发者普遍使用 AI 来构建用户界面应用程序。JavaScript 和 HTML 等 Web 开发语言在数据集中最为常见，用户界面和用户体验任务也是编码的主要用途之一。这表明，专注于构建简单应用程序和用户界面的工作岗位可能比专注于后端的工作岗位更早受到 AI 系统的冲击。
初创企业的先行采用：初步分析显示，Claude Code 上约33%的对话与初创企业相关，而只有13%被认为是与企业相关的应用。这种采用差距表明，更灵活的组织正在使用尖端的 AI 工具，而传统企业则相对滞后。

分析方法

Anthropic 使用其隐私保护分析工具对50万次 Claude 交互进行分析，该工具能够将用户对话提炼成高级别的匿名见解。通过这种方式，研究人员能够识别对话的主题，并将对话分为“增强”与“自动化”两类。

开发者与 Claude 的交互模式

研究发现，Claude Code 表现出更高的自动化率——79%的对话涉及某种形式的自动化，而 Claude.ai 上的这一比例为49%。自动化和增强被进一步细分为几个子类型。“反馈循环”模式在 Claude Code 上更为常见，占交互的35.8%，而在 Claude.ai 上仅占21.3%。“指令”对话在 Claude Code 上也更高，占43.8%，而 Claude.ai 上为27.5%。所有增强模式在 Claude Code 上的比例均低于 Claude.ai。

这些结果表明，专业的、以编码为中心的代理（如 Claude Code）与用户与大型语言模型交互的更“标准”方式（即通过像 Claude.ai 这样的聊天机器人界面）之间存在差异。随着更多具有代理能力的产品发布，AI 融入人们工作的方式可能会发生变化。至少在编码领域，这可能涉及更多任务的自动化。

然而，自动化程度的提高也引发了关于开发者参与程度的疑问。研究结果显示，即使在自动化过程中，人类仍然经常参与其中。“反馈循环”交互仍然需要用户输入，即使只是将错误消息粘贴回 Claude。但随着更强大的代理系统出现，这种模式是否会持续存在，仍然存在不确定性。

开发者使用 Claude 构建的内容

总体而言，开发者普遍使用 Claude 来构建网站和移动应用程序的用户界面和交互元素。虽然没有单一语言占据主导地位，但主要面向 Web 的开发语言 JavaScript 和 TypeScript 共占所有查询的31%，HTML 和 CSS（其他用于面向用户代码的语言）共占28%。

Line graph showing top coding use cases used in Claude.

后端开发语言（用于幕后逻辑、数据库和基础设施，以及 API 和 AI 开发）也有所体现：值得注意的是，Python 占查询的14%。然而，Python 具有双重用途——既用于后端开发，也用于数据分析。结合 SQL（另一种以数据为中心的语言，占查询的6%），这些语言可能包括许多超出传统后端开发的数据科学和分析应用程序。

Line graph showing top programming languages used in Claude.

这些模式进一步延伸到涉及 Claude 的常见编码任务类型。前五项任务中有两项侧重于面向用户的应用程序开发：“UI/UX 组件开发”和“Web 和移动应用程序开发”分别占对话的12%和8%。这些任务越来越倾向于一种被称为“氛围编码”的现象——即具有不同经验水平的开发者用自然语言描述他们期望的结果，并让 AI 接管实现细节。

与更通用用途相关的对话，如“软件架构与代码设计”以及“调试和性能优化”也在 Claude.ai 和 Claude Code 中高度体现。

推测而言，这些发现表明，如果不断提升的能力导致“氛围编码”更多地融入主流工作流程，那么专注于制作简单应用程序和用户界面的工作岗位可能会更早受到 AI 系统的冲击。随着 AI 越来越多地处理组件创建和样式设计任务，这些开发者可能会转向更高级别的设计和用户体验工作。

Claude 的用户群体

研究还分析了哪些开发者群体可能正在使用 Claude。Anthropic 使用其分析系统来识别最能描述用户与编码相关的交互的项目类型（例如，个人项目与为初创企业完成的项目）。由于研究人员不了解 Claude 响应的实际应用环境，因此这些分析依赖于从不完整数据中进行的不确定推断。因此，这些发现被视为比上述发现更初步。

Graph showing types of projects in Claude.ai and Claude Code, with a list of different projects and the percentage of times they appeared in our dataset.

初创企业似乎是 Claude Code 的主要早期采用者，而企业采用则相对滞后。初创企业工作占 Claude Code 对话的32.9%（比他们在 Claude.ai 上的使用率高出近20%），而企业工作仅占 Claude Code 对话的23.8%（略低于他们在 Claude.ai 上的25.9%份额）。

此外，涉及学生、学者、个人项目构建者以及教程/学习用户的用途共同占两个平台交互的一半。换句话说，不仅仅是企业，个人也是编码辅助工具的重要采用者。

这些采用模式与过去的技术变革类似，即初创企业使用新工具来获得竞争优势，而成熟组织则更加谨慎，并且通常在公司范围内采用新工具之前进行详细的安全检查。AI 的通用性可能会加速这种动态：如果 AI 代理提供显著的生产力提升，那么早期采用者和后期采用者之间的差距可能会转化为巨大的竞争优势。

局限性

该分析基于真实的 AI 使用情况——开发者如何在他们的工作流程中实际使用 Claude。虽然这种方法使研究结果具有实际意义，但它也带来了一些固有的局限性。这些包括：

研究人员仅分析了来自 Claude.ai 和 Claude Code 的数据。他们排除了可能显示不同模式的 Team、Enterprise 和 API 使用情况，尤其是在专业环境中；
随着像 Claude Code 这样的代理工具的出现，自动化和增强之间的界限变得越来越模糊。例如，“反馈循环”模式在质量上不同于传统的自动化，因为它仍然需要用户监督和输入。研究人员可能需要扩展自动化/增强框架以适应新的代理能力；
研究人员对谁使用 Claude 进行编码的分类依赖于从有限的上下文中进行的推断。在将对话分类为“初创企业”与“企业”工作，或“个人”与“学术”项目时，分析工具根据不完整的信息进行了有根据的猜测。因此，某些分类可能不正确。此外，研究人员还包括一个“无法分类”的选项，Claude 在5%的 Claude.ai 对话和2%的 Claude Code 对话中选择了该选项。研究人员将此类别从分析中排除，并对结果进行了重新标准化；
数据集可能捕获了早期采用者。这些用户可能不代表更广泛的开发者群体，并且这种自我选择可能会使使用模式偏向于更有经验或技术上更具冒险精神的用户；
由于隐私方面的考虑，研究人员仅分析了特定保留窗口内的数据，可能会遗漏软件开发中的周期性模式（例如，冲刺周期或发布计划）；
相对于整体 AI 编码辅助采用情况，Claude 使用的代表性尚不清楚。许多开发者使用 Claude 以外的多种 AI 工具，这意味着研究人员仅呈现了他们 AI 参与模式的部分视图；
研究人员仅研究了开发者委托给 AI 的内容——而不是他们最终如何在代码库中使用 AI 输出，生成的代码质量，或者这些交互是否有效地提高了生产力或代码质量。

未来展望

AI 正在从根本上改变开发者们的工作方式。分析表明，对于用户界面应用开发工作而言，尤其是在使用像 Claude Code 这样的专业代理系统时，这一点尤其明显，并且可能为初创企业而非更成熟的企业带来特殊的优势。

研究结果提出了许多问题。随着 AI 能力的提升，人类仍然参与其中的“反馈循环”的普遍性会持续存在吗？还是会看到向更完全的自动化转变？随着 AI 系统能够构建更大规模的软件，开发者是否会主要转向管理和指导这些系统，而不是自己编写代码？哪些软件开发角色变化最大，哪些角色可能会完全消失？

AI 日益增长的编码技能可能对 AI 开发本身也特别重要。由于如此多的 AI 研发依赖于软件，因此 AI 辅助编码的进步可能有助于加速突破，从而创建一个积极的强化周期，进一步加速 AI 的发展。

从宏观角度来看，AI 系统非常新。但相对而言，编码是 AI 在经济中最发达的用途之一。这使其值得关注。虽然我们不能假设从软件开发中得出的经验教训会直接适用于其他类型的工作，但软件开发可能是一个领先的指标，可以为我们提供有关其他职业在未来如何随着功能越来越强大的 AI 模型的推出而发生变化的有用信息。

附录

作为补充分析，研究人员还将软件相关自动化和增强模式的结果与不涉及软件的交互模式进行了比较。研究人员专门在 Claude.ai 中进行了此分析，因为 Claude Code 专门从事软件应用程序。

与不涉及软件的用例相比，软件开发更具自动化。反馈循环的显著增加（+18.3%）推动了这一点，并且值得注意的是，抵消了指令行为的明显减少（-11.2%）。换句话说，即使 Claude 完成了大部分工作，相对于非编码任务，AI 辅助编码目前也需要大量的人工审查和迭代。