在当今快速发展的技术领域，人工智能（AI）正在深刻地改变着各行各业，其中软件开发领域尤为显著。Anthropic 经济指数发布了一份报告，深入探讨了 AI 对软件开发的影响，并揭示了未来的一些趋势。本文将对该报告进行详细解读，分析 AI 在软件开发中的角色转变、应用领域以及不同规模企业采用 AI 的差异，并探讨这些变化对软件开发人员的未来意味着什么。
AI 在软件开发中的角色转变
报告指出，AI 在软件开发中的角色正在从“增强”向“自动化”转变。传统的“增强”模式下，AI 主要作为辅助工具，帮助开发人员提高效率和质量。然而，随着 AI 技术的进步，特别是在 Claude Code 等专业编码代理的出现，AI 正在越来越多地承担自动化任务，直接执行编码工作，而不再仅仅是辅助角色。报告显示，Claude Code 上 79% 的对话被归类为“自动化”，而在 Claude.ai 上，这一比例为 49%。这种转变表明，随着 AI 代理变得更加普遍，我们可以预期更多任务将被自动化。
为了更深入地了解这种转变，Anthropic 的报告将自动化和增强进一步细分为几个子类别。在自动化方面，“反馈循环”模式（AI 完成任务，但需要人工验证）和“指令”模式（AI 在最少的人工干预下完成任务）在 Claude Code 中更为常见。相比之下，所有增强模式——包括用户从 AI 模型中获取知识的“学习”模式——在 Claude Code 上的使用频率都低于 Claude.ai。这意味着，专门用于编码的 AI 代理正在承担更多自主任务，而传统的聊天机器人界面则更多地用于学习和知识获取。
AI 在用户界面和用户体验开发中的应用
报告还发现，开发人员通常使用 AI 来构建面向用户的应用程序。JavaScript 和 HTML 等 Web 开发语言在数据集中最为常见，而用户界面和用户体验任务则是编码的主要用途之一。这意味着，专注于制作简单应用程序和用户界面的工作可能比纯粹专注于后端的工作更快受到 AI 系统的影响。AI 在用户界面和用户体验开发中的应用，催生了一种名为“氛围编码”的现象，即开发人员用自然语言描述他们想要的结果，然后让 AI 来完成实现细节。
不同规模企业采用 AI 的差异
报告还揭示了不同规模企业采用 AI 的差异。初步分析表明，初创企业是 Claude Code 的主要早期采用者，而大型企业则相对滞后。33% 的 Claude Code 对话与初创企业相关的工作有关，而只有 13% 被确定为与企业相关的应用。这种差距表明，在采用尖端 AI 工具方面，较为灵活的组织与传统企业之间存在差距。初创企业通常需要快速迭代和创新，因此更愿意尝试新技术，而大型企业则需要更加谨慎，进行详细的安全检查，才能在整个公司范围内采用新工具。
Claude Code 和 Claude.ai 的对比分析
为了更好地理解开发人员与 Claude 的互动方式，报告对 Claude Code 和 Claude.ai 上的 50 万次编码相关互动进行了分析。Anthropic 使用其隐私保护分析工具，将用户对话提炼为更高级别的匿名见解。通过这种方式，他们能够识别对话的主题，并将对话分为“增强”与“自动化”两类。
分析结果显示，Claude Code 的自动化率明显高于 Claude.ai。Claude Code 上 79% 的对话涉及某种形式的自动化，而 Claude.ai 上这一比例为 49%。此外，在 Claude Code 上，“反馈循环”模式（用户将错误发送回 Claude）的互动几乎是 Claude.ai 上的两倍（35.8% 对 21.3%）。“指令”对话（Claude 在最少用户互动的情况下完成任务）在 Claude Code 上也更高（43.8% 对 27.5%）。
开发人员使用 Claude 构建什么？
总体而言，报告发现开发人员通常使用 Claude 来构建网站和移动应用程序的用户界面和交互元素。虽然没有哪一种语言占主导地位，但主要的 Web 开发语言 JavaScript 和 TypeScript 加起来占所有查询的 31%，而 HTML 和 CSS（其他用于面向用户代码的语言）加起来又占 28%。
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数据科学和分析应用程序，而不仅仅是传统的后端开发。
这些模式进一步延伸到涉及 Claude 的常见编码任务类型。前五名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%。这些任务越来越适合一种称为“氛围编码”的现象——经验各异的开发人员用自然语言描述他们想要的结果，然后让 AI 在实现细节上发挥作用。
与更通用的用途相关的对话，如“软件架构和代码设计”以及“调试和性能优化”也在 Claude.ai 和 Claude Code 中占有很高的比例。
谁在使用 Claude 进行编码？
报告还分析了哪些开发人员可能正在使用 Claude。Anthropic 使用其分析系统来识别最能描述用户编码相关互动的项目类型（例如，个人项目与为初创公司完成的项目）。由于 Anthropic 不知道 Claude 的响应在现实世界中的使用环境，因此这些分析依赖于从不完整数据中得出的不确定推论。因此，Anthropic 将这些发现视为比上述发现更初步的发现。
初创企业似乎是 Claude Code 的主要早期采用者，而企业采用则滞后。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、个人项目构建者和教程/学习用户的用途共同占两个平台上互动的一半。换句话说，个人——而不仅仅是企业——是编码辅助工具的重要采用者。
这些采用模式反映了过去的技术变革，初创企业使用新工具来获得竞争优势，而老牌组织则更加谨慎，并且通常在全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 代理提供显着的生产力提升，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
Anthropic 的分析基于现实世界中的 AI 使用情况——开发人员在工作流程中实际使用 Claude 的方式。虽然这种方法使 Anthropic 的发现具有实践意义，但也带来了固有的局限性。这些包括：
- Anthropic 仅分析了来自 Claude.ai 和 Claude Code 的数据。Anthropic 排除可能显示不同模式的团队、企业和 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。Anthropic 可能需要扩展自动化/增强框架以适应新的代理功能；
- Anthropic 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“初创公司”与“企业”工作或“个人”与“学术”项目时，Anthropic 的分析工具会根据不完整的信息做出有根据的猜测。因此，某些分类可能不正确。此外，Anthropic 还包括一个“无法分类”选项，Claude 在 5% 的 Claude.ai 对话和 2% 的 Claude Code 对话中选择了该选项。Anthropic 将此类别从分析中排除，并重新标准化了结果；
- Anthropic 的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人员群体，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冒险的用户；
- 由于隐私方面的考虑，Anthropic 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 编码辅助采用率而言，Claude 使用的代表性尚不清楚。许多开发人员使用 Claude 以外的多种 AI 工具，这意味着 Anthropic 仅展示了他们 AI 参与模式的部分视图；
- Anthropic 仅研究了开发人员委托给 AI 的内容——而不是他们最终如何在代码库中使用 AI 输出、生成的代码的质量，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人员的工作方式。Anthropic 的分析表明，对于使用像 Claude Code 这样的专业代理系统而言，尤其如此，对于面向用户的应用程序开发工作而言，尤其如此，并且可能为初创企业而不是更成熟的商业企业带来特殊优势。
Anthropic 的发现提出了许多问题。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，还是会看到向更完全自动化的转变？随着 AI 系统能够构建更大规模的软件，开发人员是否会转向主要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 不断提高的编码技能可能对 AI 开发本身也特别重要。由于如此多的 AI 研究和开发依赖于软件，因此 AI 辅助编码的进步可能会加速突破，从而形成一个积极强化的循环，从而进一步加速 AI 的进步。
从宏观角度来看，AI 系统还非常新。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。虽然我们不能假设我们从软件开发中吸取的教训会直接转移到其他类型的工作中，但软件开发可能是一个领先指标，可以为我们提供有用的信息，了解其他职业在未来随着功能越来越强大的 AI 模型的推出可能会发生变化。
