AI 对软件开发领域的深远影响：Anthropic 经济指数分析报告
2025 年 4 月 28 日
在现代经济体系中，计算机编程扮演着举足轻重的角色。近年来，人工智能（AI）技术的飞速发展，尤其是在辅助编程和自动化代码编写方面的应用，给这一领域带来了前所未有的变革。
Anthropic 经济指数此前的研究已经揭示，美国计算机相关行业的从业者对 Claude 的使用率明显高于其他行业。大量迹象表明，AI 技术在计算机科学教育领域的应用也十分普遍。为了更深入地理解这些变化，Anthropic 对 Claude.ai 和 Claude Code 平台上超过 50 万次与编码相关的互动进行了深入分析。Claude.ai 是用户与 Claude 进行交互的通用平台，而 Claude Code 则是 Anthropic 专门为编码任务设计的智能代理，能够独立完成复杂的任务链，并熟练运用各种数字工具。
本次分析揭示了三个关键趋势：
- Claude Code 在自动化任务中应用更为广泛。 在 Claude Code 平台上，79% 的对话被归类为“自动化”，即 AI 直接执行任务；而在 Claude.ai 平台上，这一比例为 49%。这预示着，随着 AI 代理日益普及和类代理 AI 产品的不断涌现，自动化任务的比例有望进一步提升。
- 开发者普遍利用 AI 构建用户界面应用程序。 JavaScript 和 HTML 等 Web 开发语言在数据集中占据主导地位，用户界面（UI）和用户体验（UX）相关的任务是 AI 编码的主要应用场景。这表明，专注于构建简单应用程序和用户界面的工作岗位，可能比纯粹的后端开发工作更早受到 AI 技术的冲击。
- 初创企业率先采用 Claude Code，而大型企业则相对滞后。 初步分析显示，Claude Code 上约 33% 的对话与初创企业相关，而与大型企业相关的应用仅占 13%。这种采用率的差异反映出，在拥抱前沿 AI 工具方面，灵活敏捷的组织与传统企业之间存在差距。
Claude Code 和 Claude.ai 交互模式分析
Anthropic 利用其隐私保护分析工具，对 50 万次 Claude 互动（包括 Claude Code 和 Claude.ai）进行了分析。该工具能够将用户对话提炼成高级别的匿名洞察。通过这种方式，可以确定对话的主题（如“UI/UX 组件开发”），并将对话划分为“增强”与“自动化”两种类型。
开发者与 Claude 的交互方式
根据 Anthropic 经济指数之前的报告，AI 直接执行任务属于“自动化”，AI 与用户协作完成任务则属于“增强”。本次分析发现，Claude Code 平台上的自动化率远高于 Claude.ai 平台，前者 79% 的对话涉及某种形式的自动化，而后者仅为 49%。
自动化和增强又可以进一步细分为若干子类型。在“反馈循环”模式中，Claude 自主完成任务，但需要人工验证。在 Claude Code 平台上，这种模式的普及率几乎是 Claude.ai 平台的两倍（分别为 35.8% 和 21.3%）。在“指令”对话中，Claude 在极少用户干预的情况下完成任务，Claude Code 平台上的这一比例也高于 Claude.ai 平台（分别为 43.8% 和 27.5%）。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 平台上的比例均低于 Claude.ai 平台。
这些结果清晰地展示了专业编码代理（如 Claude Code）与用户与大型语言模型交互的传统方式（即通过 Claude.ai 等聊天机器人界面）之间的差异。随着更多智能代理产品的发布，AI 与人们工作结合的方式可能会发生改变。至少在编码领域，这可能意味着任务自动化程度的提高。
这也引发了一个问题：随着 AI 应用日益普及，开发者在多大程度上会继续参与其中？值得注意的是，研究结果表明，即使在自动化过程中，人类的参与仍然非常普遍。“反馈循环”互动仍然需要用户输入（即使只是将错误消息粘贴回 Claude）。然而，随着功能更强大的智能代理系统不断涌现，对用户输入的需求可能会逐渐减少，目前这种模式是否会持续存在尚不明确。
开发者利用 Claude 构建什么？
总体而言，开发者普遍使用 Claude 构建用户界面以及网站和移动应用程序的互动元素。虽然没有哪一种语言占据绝对主导地位，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%。
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——既可用于后端开发，也可用于数据分析。再加上 SQL（另一种以数据为中心的语言，占查询的 6%），这些语言可能包含许多超出传统后端开发的数据科学和分析应用程序。
这些模式进一步延伸到涉及 Claude 的常见编码任务类型。前五大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“感觉编码”的现象——经验水平各异的开发者用自然语言描述他们期望的结果，然后让 AI 自行完成实现细节。
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”）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，如果不断提升的 AI 功能导致“感觉编码”更多地转向主流工作流程，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。
谁在使用 Claude 进行编码？
分析还考察了哪些开发者群体可能正在使用 Claude。通过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，个人项目与为初创公司完成的项目）。由于无法获知 Claude 的响应被使用的真实环境，因此这些分析依赖于从不完整的数据中进行的不确定推断。因此，应将这些发现视为比上述发现更初步的结果。
初创公司似乎是 Claude Code 的主要早期采用者，而企业采用则滞后。初创公司工作占 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据了两个平台上一半的互动。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，初创公司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
分析基于真实的 AI 使用情况——开发者在工作流程中实际使用 Claude 的方式。虽然这种方法使研究结果具有实际意义，但也带来了一些固有的局限性。其中包括：
- 仅分析了来自 Claude.ai 和 Claude Code 的数据。未纳入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自动化，因为它仍然需要用户监督和输入。可能需要扩展自动化/增强框架以适应新的代理功能；
- 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，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，纳入了一个“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。已将此类别从分析中排除，并重新调整了结果；
- 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爱冒险的用户；
- 由于隐私方面的考虑，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 编码辅助采用情况而言，Claude 使用情况的代表性尚不清楚。许多开发者使用 Claude 以外的多种 AI 工具，这意味着呈现的只是他们 AI 参与模式的部分视图；
- 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。
前瞻
AI 正在从根本上改变开发者工作的方式。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，并且与更成熟的商业企业相比，可能会给初创公司带来特殊的优势。
研究结果提出了许多问题。随着 AI 功能的进步，人类仍然参与其中的“反馈循环”的普遍性会持续存在吗？或者会看到向更完全自动化的转变吗？随着 AI 系统能够构建更大规模的软件，开发者是否会转变为主要管理和指导这些系统，而不是自己编写代码？哪些软件开发角色会发生最大的变化，哪些角色可能会完全消失？
AI 越来越高的编码技能也可能对 AI 开发本身产生特别重要的影响。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帮助加速突破，从而形成一个积极的强化循环，从而进一步加速 AI 的进步。
从大局来看，AI 系统是非常新的。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。虽然无法假定从软件开发中吸取的经验教训会直接延续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 模型的推出而变化的有用信息。
携手合作
如果您有兴趣在 Anthropic 工作，以研究 AI 对劳动力市场的影响，鼓励您申请经济学家和数据科学家（政策）职位。
附录
作为补充分析，还将软件相关自动化和增强模式的结果与不涉及软件的互动模式进行了比较。专门在 Claude.ai 中进行了此分析，因为 Claude Code 专门用于软件应用程序。
与不涉及软件的用例相比，软件开发更具自动化。反馈循环的显着增加 (+18.3%) 推动了这一点，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，相对于非编码任务而言，AI 辅助编码目前也需要大量的人工审查和迭代。
