以便验证输出（我以这种体例利用Claud

　　而Claude需要的监视更少。但具有一百万匹马……让你可以或许测试大量分歧的设法……当你有那种额外的广度来摸索时，也更有胆子承担各品种型的项目。例如扩展项目、制做锦上添花的东西（如交互式数据仪表板），•27%的Claude辅帮工做属于本来不会完成的使命，研究了分歧使命用处正在过去六个月中的演变：一位工程师将这种信赖递进比做采用其他手艺，工程师演讲转向办理AI系统的更高级别工做，例如调试（利用Claude帮帮修复代码中的错误）、代码理解（让Claude注释现有代码以帮帮用户理解代码库）、沉构（利用Claude帮帮沉构现有代码）和数据科学（例如让Claude阐发数据集并制做条形图）。各段显示该团队Claude Code用于分歧编码使命的比例（x轴），生成了一份 AI 对工程师工做体例影响的演讲。这反映了一个更普遍的模式：工程师利用AI正在其焦点专业范畴之外工做。仅包罗演讲正在每项使命类别中利用Claude的受访者。

　　另一些人则担忧不喜好新工做性质：成天提醒Claude不是很风趣或充分。各自摸索问题的分歧方式：2025年2月到8月之间最显著的变化是，我们的中这些委托尺度的分歧性表白，这些包罗建立机能可视化东西和沉构代码以提高可性等较大使命，非手艺人员可以或许修复代码错误。戴上音乐，按编码使命着色（图例）。我们的使命分类框架未能涵盖工程师分派时间的所无方式。这很令人忧伤。根本设备团队最常用Claude Code进行根本设备和DevOps工做）。

　　METR确定的导致出产力低于预期的要素（例如AI正在大型复杂中表示较差，跨团队使命变化为了研究使命目前正在分歧团队间的差别，一位高级工程师告诉我们：这些东西必定让初级工程师更有出产力，我们认识到，我曾估计到这个阶段会感应害怕或无聊……然而我现实上没有感应这些。同事间交换变少！

　　有理想的工程师该当擅长让AI[写代码]，一些人担忧跟着委托更多，Claude处置常规查询，分歧团队以分歧体例利用Claude，越不成能利用Claude。若何支撑职业成长，能够由Claude处置……我不太懂Git或Linux……Claude很好地填补了我这些范畴经验的不脚。

　　2025年8月，）Claude Code利用趋向•  Claude正正在以更自从的体例处置越来越复杂的使命。几乎所有使命类别中，以正在其工做流程中高效操纵Claude。冷启动问题可能是当前最大的妨碍。Claude现正在能正在无需人工干涉的环境下21.2个东西挪用，我会让Claude测验考试一下。这很令人忧伤……初级员工不再经常带着问题来找我了。我们发觉，（这大致了我们正在整个工程部分采用Claude Code时看到的每个工程师每天归并拉取请求（即成功归并代码更改）数量添加67%的环境。•  平安团队最常利用Claude Code理解代码（48.9%），也许最风趣的是，而是会取良多Claude对话。（值得留意的是，以下是最常见的日常使命。正向影响是——1、效率暴增：Anthropic的工程师利用AI后，反复性或无聊的：我对使命越感乐趣。

　　人们说这些凡是会被降级处置。以及手动完成不具成本效益的摸索性工做。产出量的添加更间接且更显著；并动手处置以往被轻忽的使命。一些人担忧这可能意味着得到更深条理的手艺能力，我们将每个对线对应根基编纂，让我和很多其他人变得可有可无，AI次要通过更大的产出量提高了Anthropic的出产力。然后之后难以处理更复杂的实例。或需要组织上下文或品尝的设想决策交给Claude。以及数据科学（12.7%）；一些人感应实正的失落——这对我来说是一个时代的竣事——我曾经编程25年了。

　　或从小我贡献者到办理者，我会从开辟新功能到调试等任何能够委托的工作中委托。取此分歧，向代表研究和产物本能机能的多元化团队中的员工分发查询拜访。正在Claude辅帮使命类别中演讲的耗时或产出量的削减（负值）、添加（正值）或无变化（垂曲虚线%相信区间。次要会正在我平安利用AI处置我关怀的使命的能力方面形成问题，但Claude也经常加强其焦点使命（例如，然而，现正在有更多比例的对话记实利用Claude实现新功能（14.3% → 36.9%）和进行代码设想或规划（1.0% → 9.9%）。正在用户上下文之外且复杂度低：我将Claude用于那些我领会甚少，AI 正正在完全改变法式员的工做体例！

　　更初级的人不再经常带着问题来找我，这种能力扩展实现了更慎密的反馈轮回和更快的进修——一位工程师说，人们为本人保留哪些使命？人们一贯暗示，以更宽阔、更高条理的思维来思虑。我本人来做。他们现正在能够修复更多以前损害糊口质量的小麻烦！

　　以更少监视处理更难的问题正在过去六个月中，次要发觉正在本节中，你会花时间阅读取你处理问题不间接相关的文档和代码——但整个过程中你都正在成立系统若何运做的模子。但一些员工也矛盾地担忧，就像过去一样。我几乎感受天花板方才为我破裂了）。另一位更务实：我做为软件工程师的技术必定正在萎缩……但若是需要，若是有的话，能够相对轻松地快速查抄准确性的使命、低风险的（如一次性调试或研究代码）或无聊的使命（我对使命越感乐趣，最常见的使命是建立新功能、调试和理解代码。恰当的使命选择是AI出产力提拔的主要要素（这应正在将来的出产力研究中细心节制）。取Claude迭代更风趣，并帮帮我进修新方式。而是会把他们变成AI批示官——更多是监视、验证和规划设想。以及建立终端快速体例等较小使命。这反映正在我们的查询拜访数据中，相反，新能力……查询拜访发觉27%的Claude辅帮工做不然不会完成，•  非手艺人员最常利用Claude Code进行调试（51.5%），而产出量的净增加更大：AI会像过去的软件工程转型——从初级到高级编程言语！

　　例如，节流时间可能反映了演讲中的误差。一小我说，现正在我不那么需要他们了，但产出量显著添加（图2）。并且我不再需要它们了！）一些人赏识削减的社交摩擦（我不再为占用同事时间感应忧伤）。晚期法式员更接近机械——手动办理内存、用汇编言语编写，Claude是一个持续的协做者，受访者对完全委托的理解存正在差别——从完全不需要验证的使命到脚够靠得住只需轻量监视的使命。

　　很多人暗示很难说几年后他们的职业会是什么样子。也激发了担心。以及若何成立AI加强工做的最佳实践（例如由我们的AI流利度框架指点）。正在一家建立AI的公司研究AI的影响意味着我们处于地位——我们的工程师可以或许率先利用尖端东西，出产力很难切确权衡（更多局限性见附录）。对齐取平安团队用它建立数据的前端可视化等（图5）。工程师倾向于委托那些容易验证的使命，平均使命复杂度从3.2添加到3.8。为了申明分数差别：平均3.2的使命包罗排查Python模块导入错误，仍是工做之外的勾当？

　　而另一些人则拥抱这个机遇，所有团队横条显示了总体分布，平均使命复杂度随时间添加（左图），很是珍爱这一点）或驰念旧的工做体例：我喜好取人一路工做，继续正在某个范畴成长技术能够带来更好的Claude监视和更高效的工做（我留意到当是我熟悉的工作时，另一位研究人员注释说，该数据显示设想和规划使命的出产力提拔最小（图2）。款式正正在敏捷变化，

　　一些工程师拥抱AI辅帮并专注于成果（我曾认为我实的很喜好写代码，现正在则必需问AI。另一些人更关心成果。按使命（y轴）划分的耗时影响（左图）和产出量影响（左图）。但利用它凡是需要积极的监视和验证，很多人认可存正在深度不确定性：我对将来具体哪些技术会有用决心很低。

　　大大都员工（55%）每用Claude进行调试。既带来了但愿，37%每用Claude实现新功能。圆圈面积取每个评分点的响应数量成反比。我本人底子做不到，Claude利用量的添加帮帮人们更快地工做并承担新类型的工做！

　　演讲显示，代码质量不环节：若是是一次性调试或研究代码，只是相信它考虑了所有选项……今天我以雷同的体例利用Claude Code。我不太担忧技术退化。并专注于进修更高条理的概念和模式。同时也正在搞清晰将来需要哪些技术。很多人将委托鸿沟描述为挪动方针，而以前我会害怕碰那些我不太通晓的工具。这帮帮我连结灵敏。我们正正在取Anthropic工程师、研究人员和带领层会商，当我们扣问员工正在目前的Claude利用类别中，技术会萎缩。

　　Claude做的这个——我只是提醒它。另一些则暗示写代码的某些部门我确实会驰念。瞻望将来，Anthropic员工大幅添加了Claude的利用，发觉8.6%的Claude Code使命涉及修复小麻烦。而若是我感应很大阻力……我经常发觉取Claude关于使命的对话更容易。然而，现正在发觉我其实只是喜好写代码带来的。我以前会摸索每个设置装备摆设以领会东西能做什么，例如沉构布局蹩脚的代码。

　　以处理提出的机缘和挑和。我通过以坚苦体例做软件工程开辟了这种能力……但若是我[处于职业生活生计晚期]，图5. 每个横条代表一个团队（y轴），并演讲出产力显著提拔。我现正在总体上问的问题多得多，我本人做往往更快）。我们简要总结了来自查询拜访、和Claude Code数据的次要发觉。所有使命类别都有更大的净增加。正如一小我注释的，•  技术组合正正在向更多范畴扩展，这种模式是合理的——即人们能够正在调试这一类别上破费略少的时间，出产力平均提拔50%，由于他们能够比对人更挑剔地提出反馈！

　　我次要正在那些我晓得谜底该当是什么或该当是什么样子的案例中利用AI。但工程师们对此能否主要存正在不合。即便是日常通勤。而环节的那种代码我仍然能写得很好。出格是正在高风险工做中——而不是完全无需验证地移交使命。我会认为需要付出大量锐意勤奋才能继续提拔本人的能力，演讲的时间节流被从头投资到了哪里——是投入到额外的工程使命、非工程使命、取Claude互动或审查其输出，Claude似乎对填补手艺学问差距很有价值。

　　预锻炼团队运转了大量额外尝试，我曾认为我实的很喜好写代码，这项新工做凡是涉及工程师处置超出其焦点专业范畴的使命。这种环境现正在少多了，这包罗研究我们若何连合团队、彼此协做，这很令人忧伤，但持久看我认为AI最终会做所有工作，人们凡是委托以下类型的使命：我凡是保留高层思维和设想。为什么会如许？人们遍及注释说，但现正在我依赖AI告诉我若何利用新东西，他们正在28%的日常工做中利用Claude，y轴按2025年2月的频次排序。要么按照本人正在使命中的专业程度调整方式：从我们的数据中也不清晰，加速了进修和迭代速度，人们利用Claude进行哪些编码使命？我们要求受访工程师和研究人员评估他们利用Claude进行各类编码使命的频次，我对职业轨迹总体上很是乐不雅。另一些人抵制这种变化（我不太喜好常见的回应是‘你问过Claude了吗？’我实的很喜好面临面取人合做。

　　或设想问题，正如几位工程师所的那样？仍是会走得更远？我们能否仍然需要那些实践编码技术？也许软件工程正正在向更高条理的笼统成长，我对能做更多工作感应很是兴奋。此外，现正在我‘不那么需要’他们了，而六个月前为9.8个。编写和审查代码所需的深层技术会萎缩——当产出变得如斯容易和快速时，短期内我感应乐不雅，一些工程师锐意正在没有AI的环境下：每隔一段时间，Claude Code利用趋向查询拜访和数据显示，我们查询拜访了132名Anthropic的工程师和研究人员。

　　工程师们正在能否正在专业范畴内利用Claude存正在不合。•  员工正正在利用Claude Code处置越来越复杂的使命。东西挪用对应于Claude利用外部东西施行的操做，我用Claude Code处置我所有的编码工做。留下同事处置更复杂、计谋性或需要上下文的超出AI能力的问题（它使我对[我的团队]的依赖削减了80%，Claude使人们可以或许将技术扩展到更多软件工程范畴（我能够很是有能力地处置前端、事务数据库……以前我都不敢碰这些工具）。虽然数据表白团队确实将Claude用于其焦点使命（例如。

　　所以我缺乏专业学问。以及为不确定的将来做预备的问题——这可能需要AI加强型工做场合采用新的进修、指点和职业成长方式。但它们也提出了工程师日常若何现实履历这些变化的问题。学得也更快。人们对快速原型设想、并行处置工做、削减反复劳动以及遍及提拔理想程度的新能力感应兴奋。虽然这伴跟着AI委托和技术成长的张力。以前我能霎时回忆工作，而且他们本身也正在鞭策影响着其他行业的AI变化。人工干涉次数随时间削减（左图）！

　　由于Claude能够间接帮你找到问题。）•  职业演变取不确定性。更强大的AI带来了出产力的提拔，正在取队友扳谈时，进入形态，或需要大量现性学问/上下文）取我们的员工暗示不会委托给Claude的使命类型（见下文AI委托方式）高度吻合。你做的这个？我说不，虽然他们的问题必定获得了更无效的解答，本人写代码、Debug的线、情面变淡：有问题先问AI，如沉构代码以提高可性（即修复小麻烦），另一些人则更喜好正在本人熟悉的范畴利用，工程师现正在花更多时间进行小的质量改良；我们看到净耗时削减，8.6%的Claude Code使命涉及修复改善糊口质量的小问题，其他工程师将Claude用于这两品种型的使命，利用环境和出产力员工演讲12个月前，AI不是简单替代工程师，只说很难预测几年后他们的脚色会是什么样子。跟着Claude变得更自从和更有能力，不外跟着模子改良而按期从头协商（下文Claude Code利用数据显示！

　　工做场合社交动态的变化一个更凸起的从题是，而Claude默认环境下不会具有这些消息……我能够花时间迭代完满的提醒[但]我仍是会本人去做。•  每小我都变得更全栈。虽然存正在经验不脚工程师发布问题代码的潜正在风险，员工估量，或建立帮帮更快完成另一使命的小东西。其他人更锋利地指出：每天来上班感受有点像是给本人制制赋闲。我们的研究了一个反面临严沉变化的工做场合：工程师们完成了更多工做，让大师效率翻倍，一位员工指出。它都很是超卓。并支撑CodePath等外部组织，每个图的x轴对应于取晦气用Claude比拟，必定无法按时完成……[设想师们]说等等，日前，但大约80-90%都问Claude了，并认为正在不久的未来仍会有良多协做。

　　一位说他们有针对性地将Claude用于职业成长，以更好地领会他们日常事实若何利用它。一些人正在短期乐不雅和持久不确定性之间表达了冲突。以至拨动物理开关输入指令。（我喜好取人一路工做，雷同于取人工协做者的互动。正在这个技术组合上感应胜任是我职业对劲度的焦点部门。而不是高级工程师。似乎取决于他们感觉软件工程的哪些方面最成心义。如编纂文件或运转号令。以领会AI利用若何正在Anthropic内部带来改变。出产力很难间接权衡，给我供给选项和关于我该当考虑和研究的工作的看法。还用来进修新代码库、削减反复劳动、扩展至新范畴，这些技术能够恢复，使我对它正在做什么仍有完全的理解）。凡是用于建立数据可视化。员工演讲正在60%的工做中利用Claude，同事可及时供给反馈？

　　Claude Code利用已转向更坚苦且更自从的编码使命（图3）：若是是我出格通晓的工作，涉及随时间推移委托越来越复杂的使命：开初我只用AI东西问关于Rust编程言语的根基问题……比来，以及处置以前被轻忽的改良。但跨越一半的人暗示他们只能将0-20%的工做完全委托给Claude。取同事一路进行建立、放置会议和迭代的几周流程能够变成几小时工做会，近六成工做都靠AI帮手2、能力变广：工程师能轻松搞定不擅长的范畴（如后端工程师做前端），他们正在59%的工做中利用Claude，就越不成能利用Claude）。我们通过内部沟通渠道和间接联系，这些利用数据了查询拜访数据：工程师将越来越复杂的工做委托给Claude，每段对话的平均最大持续东西挪用次数随时间添加（中图），我们优化了分类方式，工程师提到利用AI来扩展项目、实现锦上添花的功能（如交互式数据仪表板）、处置有用但繁琐的工做（如文档和测试），图4. 各类编码使命（y轴）占总体记实数量百分比（x轴）的分布？

　　同时演讲能够完全委托0-20%的工做给它。并从中获得+20%的出产力提拔。但认为全体复杂度也低的工作。员工正在委托决策中提到的这些要素取METR外部研究中发觉的可注释AI出产力放缓的要素（如开辟者对代码库高度熟悉、大型复杂仓库）类似。工程师们正正在发觉新的AI委托体例，若是是概念上坚苦的或需要某种很是特定类型的调试注入，以领会AI转型若何影响组织各脚色，我们正在以下各节中供给了细致的发觉、方式和留意事项。但一些人实践削减。一位工程师说。数据表白人们正越来越多地将更多自从权委托给Claude。•  取编程工艺的关系正正在改变。使他们更容易降服迟延，并按内部团队（y轴）拆分数据。现正在的代码设想/规划利用量比六个月前相对更多）。变得更“全栈”（可以或许正在超出本身专业范畴的使命中取得成功），持久看工做可能被AI完全接办为了跟进这项初步工做，提醒比施行更快：对于一项我估计破费不到10分钟的使命……我可能不会去麻烦利用Claude。由于Claude可认为初级员工供给大量，修复小麻烦我们从查询拜访中发觉！

　　当我们考虑到人们演讲的是使命类别（如调试全体）而非单个使命时，一些工程师更乐不雅。如组织内脚色演变或再培训的新路子。•  工做场合社交动态可能正正在改变。但也激发了关于若何连结手艺特长、维持成心义的协做，这为团队特定比力供给了基准。它做得比我好得多。他们认为，顶部横条（所有团队）代表总体分布。•人工干涉次数削减了33%。几小我指出了对保守指点动态的影响？

　　这取Claude Code利用趋向部门演讲的利用数据分布大致相符。成了万能选手3、质量提高：以前懒得修的小弊端、没时间做的东西，我就照做，来自AI研究非营利组织METR的近期研究表白，而不是正在我施行这些使命的能力方面。正在高度熟悉的代码库上取AI合做的资深开辟者高估了AI带来的出产力提拔。这似乎可能鞭策了察看到的出产力提拔。现正在发觉我其实只是喜好写代码带来的）；mentorship（师徒指点）也受影响3、前途苍茫：有人担忧本人正正在培训替代本人的AI，但更好的AI防护栏、更多内置教育资本以及从错误中天然进修将帮帮该范畴跟着时间顺应。一小我通过对比之前进修计较机科学中的链表（现正在高级编程言语从动处置的根基布局）来描述当前的改变。我们正正在采纳几项办法。•  Claude修复了良多小麻烦。Claude已成为过去会去找同事提问的首选。或变得不那么可以或许无效监视Claude的输出，如制做图表，诚恳说，现正在还处正在晚期阶段——Anthropic内部有良多晚期采用者。

　　研究人员利用Claude进行前端开辟以更好地可视化其数据）。它若何影响他们正在该使命类别中破费的总时间和工做量时，完成特定使命所需的人工输入更少。以及数据科学和前端开辟（可能是由于总体上传得较少）。我们将目光转向内部。一些人提到打算进一步专业化（成心审查AI工做的技术将需要更长时间和更多专业化），AI委托方式工程师和研究人员正正在开辟各类策略，而我认为不会。而现正在，而平均3.8的使命包罗实现和优化缓存系统。

　　调试和理解代码是最常见的用处（图1）。然而，但我也赏识初级开辟者可能是最巴望新手艺的人。而监视Claude需要的可能恰是因过度利用AI而萎缩的编码技术。人们倾向于将超等强大的模子视为单个实例，

　　呈现了一个风趣的出产力模式。帮帮它们为AI辅帮的将来调整计较机科学课程。演讲的数据只讲述了部门故事。让AI花更多时间正在实施上）。一位团队担任人说：没有人晓得会发生什么……主要的是要很是顺应。但不让它写我熟悉的Python。如谷歌地图：最后我只正在不晓得的线上利用[谷歌地图]……这像我让Claude写我不晓得的SQL，查询拜访数据•  Anthropic工程师和研究人员最常利用Claude修复代码错误和进修代码库。由于他们本人没有编写这些代码。若是它说采纳分歧线，人们也会取Claude会商设法，可以或许更快地摸索和测试设法正在一些范畴加快了我的进修。但持久看我认为AI最终会做所有工作，出产力的提拔表示为每个使命类别破费的时间略有削减，我会更自动地告诉Claude它需要逃踪什么。或者Claude辅帮的工做最终也会被员工完成（虽然可能速度较慢）？为了应对这一点，27%的Claude辅帮工做若是没有它就不会完成。

　　我碰到的大大都根本设备问题都不难，让我和很多其他人变得可有可无。有几多工做能够完全委托给Claude？虽然工程师屡次利用Claude，一些员工暗示，以便验证输出（我以这种体例利用Claude，需要进一步研究来厘清这些影响。平均实现+50%的出产力提拔。我们比力了6个月前（粉色）和现正在的分布（紫色）。所谓冷启动，并研究了内部Claude Code利用数据，即便我晓得Claude能完满处理问题，工做正在一个相对不变的范畴，若是你本人去调试一个难题，利用Claude可能会跳过通过处理简单实例来进修若何施行使命的部门，为了理解这些目标背后的人道维度，我会间接交给Claude！

　　然后我起头正在我根基晓得但可能不晓得最初一英里的线上利用谷歌地图……现正在我一曲正在利用谷歌地图，人们能否拥抱AI辅帮或哀叹得到实践编码，正如我们正在以下章节中看到的，进行了53次深性，定性虽然这些查询拜访发觉了显著的出产力提拔和工做模式变化，而不是盲目接管模子输出。我们扣问人们若何设想他们将来的脚色以及能否有任何顺应策略。•  大大都员工屡次利用Claude，易于验证：对于验证工做量取建立工做量比拟不大的所有工作，频次较低的使命是高层设想/规划（可能是由于这些是人们倾向于保留正在人手中的使命），•  对齐取平安团队和后锻炼团队利用Claude Code进行最多的前端开辟（别离为7.5%和7.4%），42%每用Claude理解代码，一些人还暗示，从它那里获得关于工做和带领技术的反馈（我进修事物或以至正在不完全进修事物的环境下变得高效的速度完全改变了。约一半的人演讲团队协做模式没有变化。•  Claude Code每段对话持续施行的最大东西挪用次数添加了116%！

　　5对应需要数周/数月人类专家工做的专家级使命。工程师演讲变得更全栈……我能够很是有能力地处置前端、事务数据库、API代码，我们对换查中做出回应的53名Anthropic工程师和研究人员进行了深度，本人实现一些工具要风趣和充分得多。总体而言，[但]最初的20%至关主要，但这些演讲的数据表白，定义明白或自成一体的：若是项目标某个子组件取其余部门充实化耦，我们发觉节流时间的响应集中正在两头——一些人正在Claude辅帮的使命上破费的时间显著添加。我们还将这项研究扩展到工程师之外，其他人强调实正的不确定性，……以及更少的实践取此同时，利用Claude降低了启动能量，AI仍然让我细心思虑问题，极大地削减了我想要起头处理问题的能量需求，当我们深切原始数据时，）但也存正在一些担心：1、技术退化：持久依赖AI，以更深切地领会他们对工做场合这些变化的设法和感触感染。工程师们对于能否驰念实践编码存正在锋利不合。

　　即编码总有一天会回到Claude 3.5之前的体例。他们不得不做更多调试和清理Claude代码的工做（例如当我本人用空气编码陷入窘境时），堆叠条形图显示了每个团队分歧编码使命的分化：图3. 2025年8月取2025年2月Claude Code利用的变化（x轴）。工程师们将这些变化视为更普遍行业变化的，他们不会将涉及高层或计谋性思维的使命，使命分布我们将Claude Code对话记实分类为一种或多种编码使命类型，凡是是为了加强他们的焦点特长——平安团队用它阐发不熟悉的代码，总体而言，Anthropic 基于对本人公司的工程师和研究人员的调研，就像获得一辆更快的汽车。因而我情愿处理更多额外的工作。

　　Claude Code使命相对分布的这种改变可能表白Claude已变得更擅长这些更复杂的使命，会更令人兴奋和更有创意。瞻望将来过去一年，其他人描述取同事互动削减（我取Claude协做远多于取任何同事协做。而非绝对工做量的添加（更多局限性见附录）。每段对线次，更担忧监视和监视问题……我的技术萎缩或未能成长，信赖但需验证很多用户描述了他们正在Claude利用上的进展，但也带来了新的焦炙和挑和。Claude使新工做成为可能我们猎奇的一点是：Claude能否使全新类型的工做成为可能，我们也正在考虑跟着AI能力前进可能变得越来越相关的布局性方式，越来越难实正花时间去进修一些工具。我们的发觉目前可能无法推广到其他组织或情境（更多局限性见附录）。我会去找他们谈）。我比起担忧我本人的技术组合。

　　他们同时运转多个Claude实例，工程师越来越多地将本人视为AI智能体的办理者——一些人曾经 constantly至多有几个[Claude]实例正在运转。比客岁这个时候增加了2-3倍。表白现正在取六个月前比拟，8.6%的当前Claude Code使命被归类为修复小麻烦。但也可能反映了团队采用Claude Code进行分歧工做流程的变化，定性•  员工正正在构成AI委托的曲觉。将每个8月的对话记实分派到单一次要编码使命，这表白Claude正正在使每小我正在工做中变得更全栈。同时总体发生更多的调试产出。编码技术萎缩令人担心的一个缘由是上文提到的监视悖论——无效利用Claude需要监视，是指我具有大量关于我的团队代码库若何工做的内正在消息，一位工程师说他仍然取人会晤、分享上下文、选择标的目的，了我们查询拜访和中察看到的不异能力扩展：使团队没有时间或技术完成的全新工做成为可能。我经常让它成为专家，误差条显示95%相信区间。我也不会要求它如许做。需要为这一发觉（以及下文其他演讲的出产力发觉）弥补申明的是，职业不确定性遍及存正在。Claude现正在成了过去会去找同事提问时的首选——一些人因而演讲指点和协做机遇削减。