@AnthropicAI：Anthropic 發布 Claude Code 研究報告揭示程式開發價值。 研究背景與方法 Anthropic 針對 2025 年 10 月至 202…

Anthropic 發布 Claude Code 研究報告揭示程式開發價值。 研究背景與方法 Anthropic 針對 2025 年 10 月至 2026 年 4 月期間，約 23.5 萬名使用者進行的 40 萬次「Claude Code」互動工作階段進行了隱私保護分析。該研究旨在建立一套框架，用以追蹤 Agentic 程式開發的演進，並評估任務類型、人機協作模式及成功率。研究數據涵蓋了透過 CLI、Claude.ai 及桌面應用程式的使用行為，未來這些指標將被納入「Anthropic 經濟指數」中，作為觀察勞動力市場變遷的關鍵訊號。 任務組成與價值成長 研究顯示，Claude Code 的使用場景已從單純的程式撰寫，轉向更複雜的端到端應用： 任務類型：超過半數的會話集中在程式碼撰寫或修復，近 20% 涉及軟體運作。 分析顯示，超過半數的 Claude Code 工作階段主要用於編寫或修復程式碼（修復佔 26%，新建佔 25%），且將近五分之一（17%）用於操作軟體。 價值提升：透過與自由接案市場的任務成本進行對比，研究發現平均每個工作階段的經濟價值在七個月內成長了 27%。 在七個月的期間內，Claude Code 的非程式碼工作（營運與溝通）佔比有所成長，而修復與構建程式碼的佔比則縮減；與此同時，典型任務的預估價值顯著提升，整體平均增長了 27%，其中以構建任務的價值增幅最高（+43%）。 趨勢變化：除錯（debugging）任務的佔比下降了近一半，使用者正將 Agent 應用於部署、執行程式碼、資料分析及非程式碼文件的撰寫。 領域專業與協作模式 研究強調了「領域專業知識」在 Agentic 程式開發中的核心地位： 分工機制：典型的協作模式為「人類負責規劃（做什麼），Claude 負責執行（如何做）」。 專業優勢：具備領域專業知識的使用者，其成功率顯著較高，且在面對錯誤時的恢復能力更強。 數據顯示領域專家在使用 Claude Code 時更有可能獲得成功，但中階與專家用戶之間的成功率差距相當溫和，顯示在該領域具備基本熟練度即足以成功編寫程式。 門檻效應：雖然專家使用者表現較佳，但「中階」與「專家」使用者之間的成功率差距相當小，這顯示只要對特定領域有足夠的專業理解，即能有效駕馭 Agent 工具。 跨職位表現：在以「可驗證證據」（如程式碼提交或測試通過）作為成功標準的嚴格評估下，各領域使用者與軟體工程師的成功率差距均在 7 個百分點以內。 在最嚴格的成功衡量標準（需要已驗證的證據，如提交程式碼）下，每個領域的程式設計任務成功率與軟體工程領域的差距都在 7 個百分點以內，顯示各行各業使用 Claude Code 的成功率皆與軟體工程師相當接近。 對勞動力市場的啟示 Anthropic 指出，Agentic 程式開發並未取代領域專業知識，反而放大了其價值。研究結果顯示，成功的關鍵在於使用者對所解決問題的理解深度，而非傳統的程式撰寫訓練。隨著 Agent 逐漸嵌入非程式開發的知識工作中，這些工具不僅吸收了部分執行導向的繁瑣工作，更進一步獎勵了那些對業務問題有深刻洞察的專業工作者。原文：https://easyvibecoding.app/curated/2055