AI 能写掉更多代码以后，最值钱的反而是“你知道问题在哪里”

代码跑通以后，谁知道它跑错了地方

一个物流经理想把仓库排班自动化。他不一定会写程序，但知道晚班交接的十分钟不能被平均掉，某类订单必须由两个人复核，雨天到货会改变装卸顺序。编码代理可以很快生成界面、数据库和排班算法，测试也可能全部通过。可如果需求里漏掉那十分钟，软件会精确地执行一个错误世界。

这正是“AI 会写代码”之后更难回答的问题：当实现变得便宜，什么知识仍然稀缺？

Anthropic 在 2026 年 6 月发布一项关于代理式编程与专业回报的研究。研究使用隐私保护方法，分析了 2025 年 10 月至 2026 年 4 月约 40 万次 Claude Code 交互会话，涉及约 23.5 万人。团队观察任务构成、人机协作和成功情况，并尝试判断不同职业与专业经验如何影响结果。

报告给出的典型分工是：人更多决定“做什么”，Claude 更多决定“怎么做”。领域知识越多，用户每次指令能让代理完成的工作越多，出错后也更容易恢复。不同职业的人在可验证的编码任务上，平均成功率可以接近软件工程师；但成功与否更明显地关联于用户对问题领域的理解，而不只是传统编程熟练度。

最容易传播的结论是“以后不需要程序员”。研究并没有证明这一点。它观察的是 Claude Code 用户的产品会话，不是劳动力市场随机实验；成功的定义包括测试通过或工作提交等可验证证据，也不等于软件长期可靠、用户满意或企业利润提高。它真正提供的，是一张新分工的早期照片。

“做什么”正在变成技术工作

过去，需求与实现常被画成两端：业务人员说目标，程序员把目标翻译成系统。编码代理把翻译成本压低后，需求本身暴露出技术性。一个含糊动词——“优化”“匹配”“自动处理”——必须被拆成数据、规则、例外和验收标准，代理才知道何时算完成。

领域专家的优势不一定是写出更漂亮的提示词，而是能指出哪些细节不能被默认。他知道医院排班中的资质约束、财务报表里的口径差异、实验数据里的批次效应。代理可以搜索常见做法，却不知道某个组织昨天刚改变流程，也不知道一项看似低频的例外为何承担巨大风险。

因此，专业正在从手工执行搬到三处：定义问题，判断证据，承担后果。定义问题需要把现实压缩成任务而不丢掉关键约束；判断证据需要知道测试通过是否真的覆盖业务；承担后果则意味着上线后有人能解释为什么这样设计，并在出现损害时停止系统。

这也改变了“非程序员做软件”的含义。研究显示，各类职业都能在一定任务上使用编码代理取得接近的成功率，不代表每个人瞬间成为工程师。更准确地说，软件生产的一部分进入普通工作：分析师可以做数据工具，研究者可以搭建实验流程，运营人员可以连接内部系统。专业边界变得更薄，责任边界却不能一起消失。

约四十万次会话能证明什么

大规模产品数据能看到实验室研究难以捕捉的真实任务变化。报告显示，在七个月观察期里，调试会话占比明显下降，使用向部署、运行代码、分析数据和编写非代码文档等更端到端任务移动。研究还用自由职业岗位作为参照估计任务价值，报告典型任务估值在多类工作中上升，平均约四分之一。

这些数字有启发，也有严格边界。首先，使用 Claude Code 的人不是随机抽取的劳动者。他们更愿意尝试代理，所在组织也可能有更成熟的数字环境。其次，会话成功是产品内信号。测试本身可能不完整，提交代码也可能后来被撤回。第三，用自由职业岗位价格估计任务价值，是代理指标，不是实际工资、节省成本或生产率。

研究来自工具提供者。Anthropic 有能力获得大规模会话模式，也对产品采用存在直接利益。隐私保护方法减少研究者接触原始内容的风险，却也限制外界复核具体样本。读者应把结果当作公司自有平台上的观察证据，并等待其他工具、组织和独立研究给出交叉验证。

专业回报也可能制造新的门槛

如果领域知识能放大代理效果，最先获益的人可能不是完全没有技术资源的人，而是已经拥有经验、数据访问和判断权的人。一个资深员工知道该问什么，也能识别回答中的细微错误；新人则可能得到同样流畅的代码，却不知道从哪里怀疑。

这会让培训问题变得尖锐。组织若只奖励短期产出，新人可能跳过那些缓慢但形成理解的工作：阅读旧系统、手工调试、跟用户一起看失败案例。Anthropic 另一项随机对照研究讨论 AI 辅助对编码技能形成的影响，指出更好的结果与主动请求解释、追问概念和保持参与有关。它提醒人们，代理可以交付成果，却不保证使用者同时学会判断成果。

合理的工作设计不能只教“如何调用代理”。它需要保留学习回路：让新人解释方案、预测失败模式、审查测试覆盖、在没有代理时诊断一个小问题。资深人员也要把隐性知识变成可记录的规则和案例，而不是成为所有 AI 输出的最后一道人工防火墙。

专业回报还可能改变职位结构。一个领域专家配合代理能完成更多实现工作，企业可能减少部分初级执行岗位；但如果没有初级岗位，人们又从哪里积累成为专家所需的经验？自动化拿走练习场，而市场仍要求成熟判断，这是许多知识行业都将面对的矛盾。

测试通过只是第一层答案

代理式编程特别喜欢可验证目标：命令成功、单元测试变绿、构建完成。它们让系统知道何时停止，也给研究者一个可计数的成功定义。但现实世界里，最重要的错误往往不在代码语法，而在目标函数和制度后果。

排班软件可以完全符合需求，却持续让照护者承担最差班次；贷款工具可以准确执行规则，却继承历史数据的不平等；科研脚本可以稳定运行，却把缺失值处理成不合适的零。发现这些问题需要领域知识、用户反馈和伦理判断，不是再生成几行测试就能自动获得。

组织应把验收分层：技术层确认代码和安全，业务层确认规则与例外，受影响者层确认系统是否改变了人的处境。每一层都要有否决权和记录。代理做得越多，越要明确谁负责说“虽然它能运行，但这不是我们要的”。

专业没有消失，只是搬了家

回到仓库排班。经理不必亲手写完算法，但必须把那十分钟交接、双人复核和雨天顺序说清楚，还要在新系统第一次排出荒唐班表时知道问题来自哪里。编码能力不再是进入软件生产的唯一门票，理解现实仍然是。

约四十万次会话不能预测所有职业的未来，也不能证明工资会怎样变化。它们至少校正了一个过于轻松的想象：代理接管“怎么做”以后，“做什么”不会自动变简单。相反，定义问题、发现例外和判断结果成为更直接的生产力。

AI 能写掉更多代码，专业知识就从键盘搬到任务地图、测试边界和最后一次否决。它没有消失，只是不再总以亲手完成的样子出现。

怎样培养会审查代理的人

如果未来工作把更多实现交给代理，教育就不能只在两个极端之间选择：要么继续把所有人训练成手工编码者，要么认为会提需求就够了。真正需要的是一条能把领域知识、计算思维和审查能力连起来的学习路径。

第一步仍然是理解基本机制。人不一定要记住每个语法细节，但要知道数据怎样流动、状态如何改变、测试能覆盖什么、权限为什么危险。没有这些概念，代理输出就像一台封闭机器：成功时看不出为什么，失败时也不知道从哪里打开。

第二步是练习定义验收条件。学生或员工在调用代理前，先写出输入、期望结果、例外和不可接受后果；任务结束后，再比较实现与原计划。这个动作迫使人把“做个工具”变成可检验承诺，也让错误不只由代理自己生成的测试裁决。

第三步是保留故障训练。组织可以从真实事故中移除敏感信息，制作案例，让学习者在代码能够运行的情况下找出业务错误、数据偏差和权限漏洞。最有价值的练习不是从零写完一个应用，而是面对一个九成正确、十分可信的系统，指出剩下的一成为什么不能上线。

第四步是轮换角色。同一个人有时定义任务，有时审查实现，有时扮演被系统影响的用户。领域专家与工程师共同评审，让“这段代码正确”和“这件事值得这样做”不再由同一把尺子判断。代理可以参与每一步，但不能自己成为唯一裁判。

企业还需要承认审查是工作，不是附加义务。若绩效只计算交付速度，员工会减少解释、文档和反例测试。给审查留时间、记录被否决的方案、奖励发现高影响错误，才能让专业知识真正转化为组织能力，而不只是依赖几个资深员工的直觉。

最后，要给新人留下可以承担、也可以犯错的小任务。若所有初级实现都被自动化，专家成长会失去梯子。组织可以让新人负责小范围工具，要求他们说明设计并接受复盘，再逐步扩大风险边界。代理缩短练习时间，不应删除练习本身。

当人们说未来最重要的是“判断力”，这个词往往太抽象。判断力其实由许多可训练动作组成：把目标写清，寻找反例，核对来源，理解失败，倾听使用者，并在结果不够好时拒绝上线。AI 可以参与这些动作，却不能替组织决定哪些后果值得承担。

来源与边界

• 核心来源为 Anthropic 对约 40 万次 Claude Code 会话的隐私保护观察研究，样本时间为 2025 年 10 月至 2026 年 4 月。
• 产品会话观察不证明因果、工资效应或整个劳动力市场变化；任务估值不是实际收入。
• 关于技能形成的背景来自 Anthropic 另一项随机对照研究；公司既是研究者也是产品提供者，需等待独立复核。