Anthropic 研报：Agentic 编码与专业度的持续回报
> 基于 2025-10 至 2026-04 间约 40 万次 Claude Code 交互会话（约 23.5 万人）的隐私保护分析。研究"做什么任务、谁在做、是否成功"。这是旧版部分笔记，末尾截断；未逐项重核所有比例，不作为完整报告摘录。
核心结论（Key findings）
1. 样本中的典型分工：人定"做什么"，AI 定"怎么做"。 典型会话里，人做约 70% 的规划决策（what to do），Claude 做约 80% 的执行决策（how to do it）。
2. 样本中的领域专长与工具使用成效相关；不直接推定普遍因果。 一个人对所解问题的领域专长越深，Claude 每条指令完成的工作越多、越易从错误中恢复。
3. 在编码任务上，几乎所有职业的成功率都接近软件工程师（在有可验证证据如测试通过/提交的前提下）。→ 编码背景对"成功编程"的相关性在下降。
4. 专家 vs 中级差距不大。 大部分收益来自"新手→中级"这一段；"中级→专家"提升有限。即"对领域有扎实理解"≈ 已能几乎充分用好工具。
5. 七个月内的趋势：调试（debugging）会话占比近乎腰斩；用法转向更端到端的智能体应用——部署运行代码、数据分析、写非代码文档。
6. 任务价值上升：以自由职业市场报价折算，平均会话价值约升 25–27%；建造/运维/修复类各涨约 1/3。
关键数据点
使用边界与关联
旧元数据早于报告发布日期，原始创建时间无法由本页确认。官方网页支持报告身份和总体观察，不将编码样本结果直接推广为法律任务保证。详见../00-MOC/MOC-LLM基础。
本轮核查来源与限制（2026-09-17）
只修本轮明确列出的陈述，不将旧页整篇升级为已验证。themis_only为本地保存和禁止外发的兼容标记，不代表本地模型推理。