代理式程式設計的工作組成轉變

資料來源#

• Agentic coding and persistent returns to expertise

摘要#

Anthropic 對 40 萬個工作階段進行研究，得出的縱向發現是：短短七個月（2025 年 10 月 → 2026 年 4 月），人們使用 Claude Code 的方式，已明顯從救火轉向端到端代理式工作，而且工作價值也提高了。最明顯的變化是：花在修復損壞程式碼上的工作階段占比，從 33% 降至 19%（除錯占比幾乎減半）。取而代之的是程式碼周邊的工作增加——操作軟體從 14% 升至 21%，而寫作＋資料分析約翻倍，從約 10% 升至約 20%。同時，平均工作階段的估計經濟價值上升約 25–27%。這是從使用情況角度觀察到的隨模型進步而縮減的 harness：模型能力提升後，使用者花較少時間收拾問題，轉而委派完整任務。

證據註記。 empirical，與代理式程式設計中的專業知識持續回報採用相同的一手資料限制（Anthropic 透過 Clio 與 Sonnet-4.6 分類器測量自家產品，並以遙測資料驗證；排除無頭、SDK 與 IDE 使用情況）。任務價值刻意採用相對性指標——詳見下文。

九種工作模式#

每個工作階段都會歸類至最能描述它的單一模式。這套分類法本身值得記錄：

• 直接處理程式碼（約 56%）： 建置新程式碼（25%）、修復損壞程式碼（26%）、測試／協調（5%）
• 操作（17%）： 部署、設定、執行管線、監控
• 規劃／探索（14%）： 理解既有系統、規劃變更
• 分析／文字（13%）： 分析資料、透過文件／簡報進行溝通

分類器與自動遙測結果一致——它標記為建立／修改程式碼的工作階段中，超過 90% 確實出現程式碼變更；這是判斷其餘逐字稿指標是否可信的驗證依據。

轉變的量化結果（2025 年 10 月 → 2026 年 4 月）#

工作模式	趨勢	變化
修復損壞程式碼	↓	33% → 19%
操作軟體	↑	14% → 21%
寫作＋資料分析	↑	約 10% → 約 20%

各類工作的價值也全面上升（以自由工作者市集作為代理指標）：平均工作階段約增加 27%；建置增加 43%、操作增加 34%、修復增加 32%。報告強調，美元金額只是粗略估計，最好將其解讀為相對變化，而非實際價值。

報告的解讀是：投入反應式、槓桿效益較低的工作（除錯）的時間減少，投入主動式、槓桿效益較高且更自主的工作（操作系統、分析資料、撰寫文件）的時間則增加。報告明確指出，Claude Code 的使用情形可能是知識工作未來走向的預覽，反映代理程式如何融入非程式設計工作——寫作／分析工作的占比翻倍，正是這種擴展到程式碼以外工作的前沿訊號。

遙測資料，而非問卷——以及由此形成的對照#

和 Faros 一樣，這項研究透過系統訊號（此處是工作階段逐字稿＋透過 Clio 取得的自動遙測資料）觀察行為，而非詢問開發者的感受。但這兩項遙測研究得出的結論感受截然不同，這種對照很有啟發性：

• 本研究： 工作階段價值上升約 27%、除錯減少、成功率上升——從個別互動工作階段層級看，是一幅樂觀圖景。
• Faros： 吞吐量上升，但品質下降（每位開發者的錯誤增加 54%、每個 PR 的事件增加 243%、審查時間增加至 5 倍）——從組織的 SDLC 層級看，是一幅悲觀圖景。

兩者並非直接矛盾；它們衡量的是不同單位與階段。Anthropic 衡量的是這個工作階段是否達成目標，以及價值有多高（以單一工作階段內的互動使用情況為代理指標，且有人類參與）；Faros 衡量的是幾週後整個組織的管線下游發生了什麼（事件、審查佇列、重新開啟的工單）。一個在工作階段層級成立，另一個也可能同時在組織層級成立——「任務完成了，感覺很有價值」與「累積的下游成本正在上升」，正是遙測與問卷衡量所指出的主觀生產力與系統成果落差。證據強度也不同：本研究是 empirical 研究遙測；Faros 則是 vendor-claim 潛在客戶開發遙測。

關聯閱讀#

• Task Crossover——跨職業的對照：本頁追蹤單一工具與職業中工作階段用途的轉變；交叉轉移則追蹤八個職業族群之間的工作遷移
• 模型進步如何縮減 harness——除錯占比下滑與轉向端到端委派，從使用資料讀出 harness 正在縮減：模型進步後，每項任務所需的鷹架／救火工作減少
• 加速的鞭梢效應——並列的遙測結果：本頁在工作階段層級發現價值／成功率上升，另一篇則在組織層級發現品質下降；單位不同，但兩者可能都成立。第三個層次於 2026-08-12 出現，介於兩者之間：DX 的 2026 年第二季調查（vendor-claim，500 多個組織）估計 AI 使用者每週節省 4–6 小時，但創新比例——投入新功能的時間占維護與管理負擔的比例——維持平穩。本頁衡量的是單一工作階段內，工作組成是否轉向槓桿效益較高的工作；該調查衡量的是單一組織的一季之中，工作組成是否轉變。兩者可以同時成立，而鞭梢效應機制正好解釋了這點：工作階段中省下的時間，在作品組合上游被審查佇列、更大的 PR 與事件負擔重新吸收。工作階段組成改善、組織作品組合持平、下游品質下降——三種儀器衡量的單位彼此毫不相交
• 遙測與問卷衡量——兩項研究都衡量行為，而非感受；本研究是與 Faros 的 vendor-claim 遙測相對應的 empirical 研究，而工作階段與組織的區分正是主觀感受與系統成果的差異
• 代理式程式設計中的專業知識回報——同一研究的相關發現：探討誰能成功，以及本頁探討的哪些工作正在轉變
• AI 作為主要作者——更多端到端代理式使用（操作／分析／寫作），從使用情況一側呈現作者身分如何轉向代理程式
• Task Time-Horizon Scaling——能力上限的提升是上游成因：只有可靠任務時間跨度變長，使用方式才能從修復轉向操作／分析整個工作流程
• Claude Code——本頁追蹤使用組成的產品
• Conversation-to-Delegation Shift——OpenAI/Codex 跨族群遙測所呈現的同一個從詢問到執行的轉變；本頁是其 Anthropic／Claude Code 單一工具的對應案例——兩個實驗室、兩種工具，同一種轉變
• Post-Acceptance Edit Behavior——同一個問題（「人類實際上在做什麼？」）往下一層、往前一代模型，探討的是行內補全，而非代理程式工作階段。本頁將整個工作階段歸類為九種模式之一；DECODE 則測量單次接受的補全中每項個別修復所需時間——一半在 50 分鐘內完成，修復量在 15 分鐘後急遽下降。這些儀器彼此看不見：工作階段分類器無法解析接受補全後出現的 15 分鐘修復高峰，而編輯軌跡擷取器根本沒有工作階段的概念。值得將此結果與修復占比從 33% 降至 19% 一起考量；後者談的是工作階段的用途，而非保留一段補全後還需要多少修復

尚待解答的問題#

• 觀察期只有七個月，價值代理指標也很粗略／相對。價值增加的 27% 有多少反映真正的任務複雜度成長，又有多少來自分類器／市集配對的偏移？
• 研究排除無頭、SDK 與 IDE 使用情況——這些占「相當大的比例」，而且可能是自動化程度最高、最端到端的使用方式。若納入這些使用情況，工作組成的轉變會加快還是逆轉？
• 如果「修復」持續減少，這是因為模型較少出錯，還是因為損壞程式碼的工作正轉移到本研究看不到的非互動式管線？

資料來源#

• Agentic coding and persistent returns to expertise — §「人們用 Claude Code 做什麼」、§「工作」