Claude Code 实际使用模式与人机协作分工

Anthropic 研究团队将每次会话归类为九种工作模式之一，涵盖新建代码、修复问题、测试与编排、运行软件、探索理解、规划变更、数据分析及文档写作等类别。数据显示，约56%的会话集中于代码编写（25%）、修复（26%）和测试编排（5%），运行软件类占17%，规划与探索类占14%，分析与文档类占13%。这一分布表明，Claude Code 的使用已远超单纯的代码生成，正在向更广泛的知识工作场景延伸。

在人机决策分工层面，研究团队构建了一套隐私保护型决策归因分类器，将会话中的所有关键决策区分为规划类（做什么、采用何种方案、何为完成标准）和执行类（修改哪些文件、写什么代码、运行哪些命令），并分别归属于用户或 Claude。结果显示，用户在规划决策中占据主导，而 Claude 则承担了绝大多数执行决策，这种分工模式在不同类型的任务中保持高度一致。

研究的一个核心发现是领域专业知识对使用效果的放大作用。用户在某一领域的专业程度越高，Claude 每条指令所完成的工作量越多，会话成功率也越高。不过，中级用户与专家用户之间的差距相对有限，说明具备一定领域理解能力便足以高效使用该工具，并不需要达到深度精通的水平。这一发现对于理解 AI 工具的普惠潜力具有重要意义。

从职业背景来看，非软件工程师背景的用户在编程任务上的成功率与专业软件工程师相当。研究将成功定义为完成预设目标并有可验证证据支撑，例如测试通过或代码提交。这意味着决定使用效果的核心变量是用户对所解决问题的理解深度，而非其编程专业训练背景，这对劳动力市场的结构性影响值得持续关注。

从七个月的纵向趋势来看，调试类会话占比下降近半，使用重心向部署运行代码、数据分析和文档写作等端到端自主场景转移。与此同时，通过对比自由职业岗位发布估算的典型任务价值在几乎所有工作类型中均有所上升，平均涨幅约25%。研究团队认为，Claude Code 的使用模式或许是知识工作整体走向的早期信号——随着智能体逐步嵌入非编程工作领域，领域专业知识的价值将进一步凸显，而非被技术工具所替代。

要点

• 在典型 Claude Code 会话中，人类主导规划决策，Claude 主导执行决策，形成稳定的人机分工格局
• 用户的领域专业知识越深，Claude 每条指令完成的工作量越多，会话成功率也越高，但中级与专家用户的差距有限
• 各类职业背景用户的编程任务成功率与软件工程师相近，说明领域理解能力比编程专业训练更为关键
• 过去七个月间调试类会话占比下降近半，端到端自主使用场景持续增加，典型任务估算价值平均上涨约25%
• 智能体编程工具并未替代领域专业知识，反而放大了其价值，对劳动力市场结构具有深远影响