不知道你们有没有好奇过，同样是用 Claude Code，为什么有的人用得跟开了挂一样，一句话甩过去一大堆活就干完了？有的人却天天骂它笨、不听话、净帮倒忙？
我一直以为，差距就在会不会写代码上。会写的人指挥得动，不会写的人当然玩不转。
直到 Anthropic 在 6 月中旬甩出一份研究，把它自己 40 万次 Claude Code 真实会话全捞出来分析了一遍。
看完我愣了一下，因为结论跟大多数人的直觉是反着的：决定你用不用得好 AI 编程的，根本不是你会不会写代码。
这份研究的名字叫《Agentic coding and persistent returns to expertise》，说人话就是「用 agent 写代码，专业度的回报一直都在」。
有意思的是样本不是几十个人的小调研，是大约 23.5 万个用户、40 万次真实会话，时间跨度从 2025 年 10 月一直到 2026 年 4 月。
这个体量意味着什么？意味着它说的不是某个大佬的个人感受，而是几十万人用下来沉淀出的统计规律。
我把里面最戳人的几个发现挑出来，跟你聊聊。
会写代码这条护城河，还守得住吗？
先说一个这份研究里最核心的框架，它几乎决定了你怎么理解后面所有数据。
Anthropic 发现，人和 agent 的活，是自然分工的：人主要决定「做什么」，agent 主要决定「怎么做」。
具体到数字上，用户握着大约 70% 的规划类决策，比如这个功能要解决什么问题、做成什么样；而 Claude 握着大约 80% 的执行类决策，比如具体用哪个函数、代码怎么落地。
你品一下这个分工。「怎么写」这部分，本来是程序员最值钱的硬功夫，现在大头被 agent 接走了。那剩下「做什么」这部分，靠的是什么？是你对这件事本身的理解，跟你会不会敲代码，关系没那么大了。
上面这张是研究里的原图，横轴是规划决策、纵轴是执行决策，能看出人主要占着规划那一头，执行基本让给了 Claude。
光讲框架你可能还半信半疑，那看一组更扎心的数据。
研究把用户按职业分了类，然后比成功率。结果在那些真正产出了代码的会话里，软件工程师的成功率是 34%，其他职业是 29%。你没看错，就差 5 个点。
更狠的是，数据集里最大的十个职业，成功率全部落在软件工程师 7 个点以内。
管理岗、销售、法务这些听起来跟编程八竿子打不着的人，照样把活干成了。甚至管理类的成功率，是所有职业里最高的。
上面是研究原图，十个最大职业群体的成功率对比，你看那一排柱子高度，几乎是齐的，软件工程师并没甩开谁多少。
这说明啥？说明「会写代码」这张入场券，正在贬值。
放在三年前，你不懂语法、不会调试，基本就是被挡在门外。现在不一样了，agent 帮你把语法和调试这层壁垒抹平了，大家几乎是站在同一条起跑线上。
Anthropic 自己有句话总结得特别到位：编码背景，正变得越来越不能决定编程的成败。
那到底是什么在拉开差距？
那问题就来了。既然大家起跑线差不多，为什么有人用 Claude Code 跟开了挂一样，有人却总觉得它笨、不听话、净帮倒忙？
研究给了一个特别具体的答案，差距就藏在你发出去的每一条 prompt 里。
它把用户分成新手、中级、专家，然后看同样一句话，能让 Claude 干多少活。
结果新手发一条 prompt，平均撬动 Claude 做 5 个动作、吐出 600 字；而专家同样发一条，能撬动 12 个动作、3200 字。动作差了 2.4 倍，产出差了 5 倍。
上面是研究原图：从新手到专家，每条 prompt 撬动的动作数和产出字数一路往上抬，专家那一档明显高出一截。
这个差距怎么来的？说穿了，就是你会不会「派活」。
这事别以为只跟外行有关，哪怕把范围缩到程序员内部，规律照样成立。我举个后端最熟的例子。
一个后端要做秒杀扣库存。没踩过坑的人会怎么发指令？
大概一句：「帮我写个扣库存的接口。」Claude 也就老老实实给你来一段 update set stock = stock - 1 where id = ?，本地一跑、单线程一测，还真没毛病。这就是那「5 个动作」级别的活。
换一个被高并发毒打过的老手，他会这么说：「做秒杀扣库存，直接 update 会超卖，改成 Redis 预扣加 Lua 脚本保证原子性，扣成功再异步落库做最终一致；这个商品是热点 key，前面挂个限流别让请求全砸到 Redis；Lua 里记得判断库存够了才扣。」
一句话甩过去，Claude 噼里啪啦把 Lua 脚本、预扣逻辑、异步落库、限流一整套全给你搭出来。这就是那「12 个动作」。
你看这两条 prompt 的差别，跟会不会写 Java 语法一点关系都没有，两个人都会写那句 update。
差的是后者懂「高并发下直接 update 会超卖」「热点 key 得防击穿」「扣减要做最终一致」。这些是架构经验，是对这套交易系统的理解，也就是这个领域里的专业度。它直接决定了你一句话能从 Claude 手里榨出多少东西。
说白了，Claude 就是个能力爆表、但需要你指方向的下属。你越懂这套系统的门道，越能把要干啥说到点子上，它就越能放开手脚替你干。你自己都没意识到坑在哪，它再聪明，也只能陪你把那段会超卖的代码写得工工整整。
而「懂行」更值钱的地方，是在翻车的时候。
研究里有个数字我印象特别深：一个会话遇到了麻烦、卡住了，新手有 19% 的概率直接放弃，而中级和专家放弃的概率只有 5% 到 7%。
还拿刚才那个秒杀扣库存说。假设 Claude 给你写了一版，本地一测、单线程压一压，全是绿的。
懂行的人压根不会信，他知道这东西的坑只在并发下才露头，于是上来就追一句：「这个一千个线程同时抢的时候会不会超卖？先上压测。」一压，果然扣成负数了。换成没经验的人呢？看本地跑得好好的，直接就上线，等到真秒杀那天库存超卖几百单、赔钱赔到老板找上门，才知道闯了大祸。
专家不是不犯错，AI 也一样会瞎写。区别在于，懂行的人一眼能看出哪儿不对、知道往哪个方向救；不懂的人面对一段「看着没毛病、一上量就炸」的代码，根本察觉不到。
所以你看，真正的护城河从来不是你能不能跟 AI 把话说得多漂亮，而是这两样：你能不能把它引导到对的方向，以及它给出的东西，你看不看得出对错。这两样，靠的全是领域专业度，不是编码能力。
那得先修炼成专家才行吗？
讲到这儿，可能有人又开始焦虑了：那我得修炼成行业专家才能吃上这碗饭？恰恰相反。这份研究里我觉得最让人松一口气的，就是这一点。
它把成功率按水平拉了一条曲线：新手 15%，到了中级直接跳到 28%，再到专家是 33%。你盯着这三个数看一眼就明白了，最大的那一跳，是从新手到中级。从中级再往专家爬，曲线一下就平了，只多了 5 个点。
上面是研究原图：成功率随专业度上升的曲线，前半段（新手到中级）陡，后半段（中级到专家）就平了，前面提到的「卡住后放弃的概率」也在这张图里。
Anthropic 的原话是，对一个领域有个「够用的把握」，就能拿走大部分收益，深度专精也只是再多加那么一点点。翻译成人话就是：及格线特别低。
你不需要是干了二十年的行业老炮。你只要对手上这件事有个像样的理解，知道一件正常的活该长什么样、哪些是关键、做出来对不对，你就已经跨过了那道收益最大的坎，把绝大部分红利揣兜里了。
对那些想转行、想用 AI 编程做点东西、又一直被「我不专业」劝退的人来说，这简直是最好的消息。门槛根本没你想的那么高。
顺带说个有意思的趋势。这半年里，大家拿 Claude Code 干的活也在悄悄变样：修 bug 的会话从 33% 掉到了 19%，运维相关的从 14% 涨到 21%，写作和数据分析直接翻倍，从 10% 涨到 20%。整体任务的价值，平均涨了 27%。
这说明 agent 正在从一个「帮你打补丁」的小工，变成能扛更值钱活儿的主力。而人呢，也顺势从埋头抠 bug，挪到了更靠近「想清楚要什么」的位置上。这恰恰又绕回了那条主线：越往后，「懂行」越值钱。
写在最后
聊了这么多，最后落到实处。这份研究其实把「用好 AI 编程」该练的功夫，已经点得很明白了，就三件事。
第一，把问题说清楚。这不是让你写得多有文采，是把「要解决什么、有哪些约束」交代明白。还是那个秒杀的例子，「帮我写个扣库存接口」和「Redis 预扣加 Lua 原子扣减、再加限流防超卖」，根本是两个世界。后者多出来的每一句，都是你的架构判断，也都是 Claude 多替你干的活。
第二，把活拆好。一个大需求别囫囵丢过去。比如整个秒杀下单，懂行的人会先拆成几环：前面限流挡掉大部分请求、Redis 预扣库存、下单走 MQ 削峰、最后异步落库扣真实库存，然后一环一环让 Claude 实现。你拆得清楚，它执行起来才不跑偏，哪一环出问题你也立马定位得到。
第三，会验收。它吐出来的代码对不对，你得有本事判断。前面那个「本地全绿、一并发就超卖」的坑，就是靠你心里有杆秤、知道得上压测才拦下来的。AI 说这段没问题，你不能它说行你就信，得让它把并发、边界这些场景都给你交代清楚。
你发现没有，这三件事，没有一件是在考你的编码功底。考的全是你对这件事本身理解得够不够透。
所以回到开头那个问题。同样一个 Claude Code，为什么有人用得开了挂、有人却觉得它笨？我一开始以为差在会不会写代码，现在答案很清楚了：差的根本不是这个。差的是你懂不懂行。哪怕你不是科班、写不出几行像样的代码，只要你在某件事上比 AI 更懂门道，这波红利照样有你的份，而且可能比你想的还稳。
因为这个时代真正稀缺的护城河，已经不是你会背多少语法、记多少 API 了，那些 agent 比你熟得多。稀缺的是，你在某个领域里，比 AI 更懂这件事本身。
今天分享就到这，更多关于AI 编程与职业进阶的深度交流，可以来云栈社区看看。
参考资料：
发表于 2 小时前
|
查看: 3|
回复: 0
