在2025年4月28日发布的《Anthropic经济指数：AI对软件开发的影响》报告中，Anthropic对AI在软件开发领域的影响进行了深入研究。该报告基于对50万次与Claude.ai和Claude Code的编码相关交互的分析，揭示了AI在自动化、应用构建以及企业采用方面的关键模式。这些发现不仅对软件开发行业具有重要意义，也为其他行业在AI应用方面的未来发展提供了宝贵的参考。
AI在软件开发中的角色转变
报告首先指出，计算机编程在现代经济中扮演着重要的角色。近年来，AI系统的引入，极大地改变了这一领域，AI不仅可以辅助编码工作，还能实现一定程度的自动化。Anthropic之前的研究已经发现，美国从事计算机相关职业的员工对Claude的使用 disproportionately 高于其他职业。在教育领域，计算机科学专业的学生也表现出对AI的极高使用率。
为了更详细地了解这些变化，Anthropic分析了50万次与Claude.ai和Claude Code的编码相关交互。Claude.ai是大多数人与Claude交互的“默认”方式，而Claude Code是Anthropic专门为编码设计的“代理”，可以独立完成使用各种数字工具的复杂任务链。
三大关键发现
分析结果揭示了三个主要模式：
- 编码代理更多地用于自动化：在Claude Code上，79%的对话被识别为“自动化”，即AI直接执行任务，而不是“增强”，即AI与人类协作并增强人类能力（21%）。相比之下，Claude.ai上只有49%的对话被归类为自动化。这意味着随着AI代理变得越来越普遍，以及随着更多代理型AI产品的构建，我们应该期待更多任务的自动化。
- 开发者通常使用AI来构建面向用户的应用程序：JavaScript和HTML等Web开发语言是数据集使用最多的编程语言，用户界面和用户体验任务是最常见的编码用途。这表明，专注于创建简单应用程序和用户界面的工作可能会比纯粹专注于后端的工作更快地受到AI系统的影响。
- 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：初步分析显示，Claude Code上33%的对话与初创企业相关，而只有13%被确定为与企业相关的应用程序。这种采用差距表明，在采用尖端AI工具方面，更灵活的组织与传统企业之间存在差距。
分析方法
Anthropic使用其隐私保护分析工具分析了总共50万次Claude交互（在Claude Code和Claude.ai之间分配）。该工具将用户对话提炼为更高层次的匿名见解。在这里，Anthropic使用它来识别对话的主题（例如，“UI/UX组件开发”），或者将对话分类为侧重于“增强”与“自动化”。
开发者如何与Claude互动？
在之前的经济指数报告中，Anthropic区分了“自动化”（AI直接执行任务）和“增强”（AI与用户协作执行任务）。结果显示，Claude Code的自动化率明显更高——79%的对话涉及某种形式的自动化，而Claude.ai上这一比例为49%。
自动化和增强又被分为几个子类型。在“反馈循环”模式中，Claude自主完成任务，但在人工验证的帮助下（例如，用户将任何错误发送回Claude），这种模式在Claude Code上几乎是Claude.ai的两倍（分别为35.8%和21.3%）。“指令”对话（Claude在最少用户交互的情况下完成任务）在Claude Code上也更高（43.8%，而Claude.ai为27.5%）。所有增强模式（包括用户从AI模型获取知识的“学习”）在Claude Code上都明显低于Claude.ai。
子类型定义如下：指令：以最少的交互完成任务委托；反馈循环：任务完成由环境反馈指导；任务迭代：协作改进过程；学习：知识获取和理解；验证：工作验证和改进。
这些结果说明了专家、以编码为中心的代理（在本例中为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）之间的差异。随着更多代理产品的发布，我们可能会看到AI集成到人们工作中的方式存在差异。至少在编码的情况下，这可能涉及更多任务的自动化。
这引发了关于随着AI使用变得越来越普遍，开发者将在多大程度上参与其中的问题。重要的是，结果确实表明，即使在自动化中，人类仍然经常参与其中：“反馈循环”交互仍然需要用户输入（即使该输入只是将错误消息粘贴回Claude）。但这种模式是否会持续到未来尚不确定，届时更强大的代理系统可能会需要越来越少的用户输入。
开发者正在使用Claude构建什么？
总体而言，开发者通常使用Claude来构建用户界面和网站及移动应用程序的交互元素。虽然没有单一语言占主导地位，但主要面向Web的开发语言JavaScript和TypeScript合计占所有查询的31%，HTML和CSS（其他面向用户的代码语言）合计又占28%。
百分比表示两个平台上编码相关任务的总百分比。由于Claude Code和Claude.ai的权重相等，因此对应于每个平台的部分代表该平台使用量的一半。
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%。但是，Python具有双重用途——既用于后端开发又用于数据分析。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。
编码语言使用的百分比表示两个平台上的总百分比。由于Claude Code和Claude.ai的权重相等，因此对应于每个平台的部分代表该平台使用量的一半。
这些模式进一步扩展到涉及Claude的常见编码任务类型。前五名任务中有两个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——经验水平各异的开发人员用自然语言描述他们期望的结果，并让AI负责实现细节。
与更通用用途相关的对话，例如“软件架构和代码设计”以及“调试和性能优化”在Claude.ai和Claude Code中也占有很高的比例。
推测而言，这些发现表明，如果不断提高的能力导致“氛围编码”更多地转移到主流工作流程中，那么专注于创建简单应用程序和用户界面的工作可能会更早地受到AI系统的影响。随着AI越来越多地处理组件创建和样式设置任务，这些开发人员可能会转向更高级别的设计和用户体验工作。
谁在使用Claude进行编码？
Anthropic还分析了哪些开发人员群体可能正在使用Claude。他们使用分析系统来识别最能描述用户编码相关交互的项目类型（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进行的不确定推断。因此，Anthropic将这些发现视为比上述发现更初步的发现。
点之间的距离表示每种类型的项目在Claude.ai（蓝色）和Claude Code（橙色）上的普及程度差距。
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上的使用量高出近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交互的一半。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转变，即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地行动，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的AI使用——开发人员在他们的工作流程中实际如何使用Claude。虽然这种方法使Anthropic的发现具有实际意义，但它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。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。Anthropic可能需要扩展自动化/增强框架以适应新的代理功能；
- Anthropic对谁在使用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，Anthropic的分析工具根据不完整的信息做出了有根据的猜测。因此，某些分类可能不正确。此外，Anthropic包含了一个“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。Anthropic将此类别排除在分析之外并重新规范化了结果；
- 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仅在特定的保留窗口内分析数据，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仅呈现了他们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、生成的代码质量，或者这些交互是否有效地提高了生产力或代码质量。
展望未来
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，并且可能会给初创企业带来相对于更成熟的商业企业的特殊优势。
Anthropic的发现提出了许多问题。随着AI能力的提高，人类仍然参与其中的“反馈循环”的普及程度会持续存在，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，哪些可能完全消失？
AI日益增长的编码技能对于AI开发本身也可能特别重要。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，从而创建一个积极的强化周期，从而进一步加速AI的进步。
从大局来看，AI系统非常新。但从相对意义上讲，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Anthropic不能假设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，可以为我们提供有关其他职业如何在未来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。
与Anthropic合作
如果您有兴趣在Anthropic工作，研究AI对劳动力市场的影响，Anthropic鼓励您申请他们的经济学家和数据科学家（政策）职位。
附录
作为补充分析，Anthropic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。Anthropic仅在Claude.ai中进行了此分析，因为Claude Code专门从事软件应用程序。
按软件与非软件用例细分的Claude.ai中的自动化和增强。有关每种模式的描述，请参见上图的标题。
与不涉及软件的用例相比，软件开发更具自动化。反馈循环的显着增加（+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，与非编码任务相比，AI辅助编码目前也需要大量的人工审查和迭代。
