会不会写代码，已经不是门槛了

Agentic coding and persistent returns to expertise

关于「AI 编程会不会取代程序员」，这份基于约 40 万次 Claude Code 会话的报告给出的答案有点出人意料：决定一次会话成不成功的，是你对手头这个问题懂多少，而不是你会不会写代码。数据来自 2025 年 10 月到 2026 年 4 月、约 23.5 万名用户的真实使用，不是基准测试。

先看分工。平均而言，人做掉约 70% 的规划决策（做什么、走哪条路、什么算完成），Claude 做掉约 80% 的执行决策（改哪个文件、写什么代码、跑什么命令）。而一条指令能带出多少工作量，直接跟发指令的人挂钩：新手一条指令触发约 5 个动作、600 词输出；专家一条指令触发 12 个动作、3200 词——越懂行的人，同一句话能让模型干的活越多。

这里的「懂行」是任务级的，跟职称无关：资深工程师第一次问 Rust 也是新手；从没写过 Python、却能说清对账规则该怎么校验、还能一眼揪出脚本在月末结账时漏掉的边界情况的会计，在那个任务上就是专家。按最严口径（git 提交、测试通过这类硬证据）统计，新手会话成功率 15%，中级及以上 28–33%；中途出岔子时差距拉大到 4% 对 15%，而新手一行代码没写就放弃的比例是 19%，其他人只有 5–7%。

反过来按职业切，差距小得多：软件类职业 30%，非软件职业 26%，样本里最大的十个职业全都落在软件工程师前后七个百分点之内。七个月里工作构成也在变——修坏代码的会话从 33% 降到 19%，运维部署、数据分析、写文档的比重明显上升，单次任务折算成自由职业市场价平均涨了约 27%。

本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。 篇目由编辑独立选取，来源均经人工核实。