本文由 AI 从英文翻译。 阅读英文原文 →
详解 Claude Code 舆论风波:每天工作 12 小时,难道真成了“回车键打工人”?
一则疯传的帖子称工程师每天工作 12 小时只为了按回车。深入剖析 Claude Code 的真实能力、Anthropic 两项研究的发现,以及如何守住你的核心技术能力。
一位匿名软件工程师在网上随手写下了关于自己工作的一句话,引来数百万人围观:“大家每天工作 12 到 13 个小时,仅仅是为了按下回车键。”
他并不是在抱怨 AI 写的代码质量差,实际情况恰恰相反。从需求规格、代码、测试用例到工单和汇报,Claude Code 几乎全包了,而人类工程师则被催促着以更快的节奏交付上线。“现实中,根本没人再去思考了。”
我仔细查阅了围绕这篇帖子的报道、他事后接受的专访,以及 Anthropic 针对自家工具发布的两项专项研究。
▶ WATCH ON YOUTUBEWatch the video
▶ WATCH ON YOUTUBE完整视频:
走红全网的争议始末
- 发帖账号是 v0xium,这位工程师自称刚加入一家大公司不久,并要求记者不要公开他的真实姓名。
- 截至周一,Business Insider 报道该帖浏览量已接近 5 百万次;随后 Futurism 更是指出其浏览量突破了 7 百万次。
- Elon Musk 仅用一个词作出了回复:“Yikes。”
- Chamath Palihapitiya 发出警告,企业面临着把技术专家沦为老虎机前按按钮工人的风险。
- GitLab CEO Bill Staples 表示,人类如今已经演变成了机器的“编排层”。
不过我们需要客观看待其分量:这只是一个人在匿名描述一家公司的境况。
Claude Code 究竟能做什么
它绝非简单的代码自动补全工具。它直接运行在终端里,并且能够:
- 通读整个代码仓库,而不仅限于当前打开的文件
- 编辑文件并执行系统命令
- 安装测试框架并自动运行测试
- 完成代码提交与推送
- 支持从 Slack 中调用,亦可在 GitHub Actions 中运行
当 AI 只为你补全下一行代码时,毫无疑问你依然是创作者;但当智能体能够阅读代码库、编写补丁、跑通测试并更新工单时,你的工作便在不知不觉中变成了监督。
Anthropic 对此进行了实测统计。在涵盖约 400,000 次会话的数据中:
| 决策类型 | 决策方 |
|---|---|
| 规划阶段(构建什么) | 用户,占比约 70% |
| 执行阶段(如何构建) | Claude,占比约 80% |
一次典型的会话通常包含人类提出的约四次提示,以及模型执行的约十项操作。
问题的真正根源是“只管上线”
他向 Business Insider 透露,核心问题在于管理层对交付更多功能的过度执迷。哪怕那些功能对产品本身毫无提升,管理层依然死死盯紧迭代周期、Pull Request 数量和功能产出量。
陷阱恰恰在此:如果生成代码的速度加快了十倍,而审查代码的速度依旧如常,审查环节就会沦为瓶颈。而极其危险的做法,正是为了赶进度而索性放弃审查。
六个月后,当生产环境在凌晨 2 点突发故障时,必须有人弄明白那条代码路径为何存在。毕竟,责任可无法被自动化。
研究 1:AI 会侵蚀你的专业技能吗?
Anthropic 曾开展过一项对照试验,邀请了 52 名以初级工程师为主的参与者,让他们学习一个此前完全陌生的 Python 库。任务期间,一组参与者获得了 AI 的辅助;而在随后的测试中,所有人均不得使用 AI。
| AI 组 | 无 AI 组 | |
|---|---|---|
| 完成速度 | 快约 2 分钟,但在统计学上不显著 | |
| 测验得分 | 约 50% | 约 67% |
两者差距最悬殊的,集中在调试题目上。
这项研究当然存在不可忽视的局限性:样本规模较小、主要针对初级开发者、任务结束后立即测验,且使用的是侧边栏助手而非完全自主的智能体。这并不能证明 AI 会让你变差,但它有力地证明了一点:完成一项任务与真正理解它,完全是两码事。
研究 2:400,000 次会话数据研究
Anthropic 对约 235,000 名用户在七个月内进行的约 400,000 次 Claude Code 会话展开了深入分析。
- 专业能力依然决定最终结果。 新手会话中,得到验证的成功率仅约 15%;而中级到专家级用户的会话,成功率在 28 到 33% 之间。
- 调试比例明显下降,在这几个月里,包含调试的会话比例从 33% 下降到了 19%。
这属于观察性数据,并不能直接证实 AI 导致了技能退化。
最值得关注的数据对比
该数据源自上述试验:揭示了人们如何使用辅助工具,以及他们在事后究竟掌握了多少知识。
| 使用习惯 | 测验得分 |
|---|---|
| 让它生成代码,然后让它解释代码逻辑 | 86% |
| 自己写一部分,让它解释剩余部分 | 68% |
| 在开发过程中随时探讨概念性问题 | 65% |
| 把任务完全托付给它,直接做下一件事 | 39% |
| 每次都多依赖它一点 | 35% |
| 反复把报错信息粘回去,直到报错消失 | 24% |
同样的工具,相同的时间,最终成绩却拉开了近六十分的差距。对你造成这种影响的不是工具,而是习惯。 而这种习惯,往往是由项目截止时间决定的。
理想的使用姿态
- 由你来界定意图。 我们要解决的到底是什么问题?“完成”的具体定义是什么?
- 智能体负责机械性工作: 检索代码、提出修改方案、草拟测试用例。
- 由你把控系统边界: 架构设计、安全性、数据处理方式以及产品行为逻辑。
- 测试负责验证输出结果。 但测试并不能分担真正的责任。
- 你必须能够解释代码变更, 而不必反过来让模型为你解释。
如果你带领一支团队,请务必保护好代码审查、架构探讨、事故复盘与排错调试。因为五年后的资深工程师,正是从这些实战中走出来的。
结语
那篇爆火的帖子并不能证明 Claude Code 正在摧毁软件工程。它展现的,是一家公司如果只顾追求软件产出数量,而不再为深层次的理解买单时会发生的景象。工具决定了你的前进速度,而流程则决定了走到最后,你是否依然是一名合格的工程师。
参考信源
- 完整视频:https://youtu.be/vlZGBuZ-tuQ
- Anthropic 编程技能对照试验:https://www.anthropic.com/research/AI-assistance-coding-skills
- Anthropic 关于 Claude Code 使用行为的研究:https://www.anthropic.com/research/claude-code-expertise
- Futurism 报道:https://futurism.com/artificial-intelligence/software-engineer-ai-chaos-press-enter-all-day
- 本人进行的智能体评测:Claude Code 对决 OpenAI Codex,20 项测试实录
AI 究竟是让你成为了一名更优秀的工程师,还是仅仅让你变得更快了?
来自 X 平台的引述援引自上述公开报道。视频脚本的资料调研与草拟得到了 Claude 的协助。


