Anthropic表示，其80%的新生产代码现由Claude编写——企业如何跟上步伐（7分钟阅读）

# Anthropic称其80%的新生产代码由Claude编写——你的企业如何迎头赶上 来源：https://venturebeat.com/technology/anthropic-says-80-of-its-new-production-code-is-now-authored-by-claude-how-your-enterprise-can-keep-up Anthropic联合创始人兼CEO Dario Amodei曾预言（https://medium.com/@coders.stop/dario-amodei-said-90-of-code-will-be-ai-written-in-6-months-6b8060720d97）这终将到来，但如今它仍像一个里程碑：根据这家创纪录的AI初创公司今天发布的新报告（https://www.anthropic.com/institute/recursive-self-improvement），2026年5月合并到Anthropic生产代码库中的代码，超过80%并非由人类编写，而是由其自身AI模型Claude完成。 这一转变导致每位工程师每季度交付的代码量相比公司2021-2025年的基线增长了8倍（https://x.com/AnthropicAI/status/2062568864240836995），该公司指出，这也意味着有更多代码需要人或物来审查。 对于企业技术领导者而言，这已不再是一个本地化的研究趣闻；它是一项新的、激进的竞争基准。 如果一家前沿AI实验室能够成功将绝大部分工程产出外包给自主智能体——这显示出长期追寻的AI“圣杯”——“递归自我改进”（https://en.wikipedia.org/wiki/Recursive_self-improvement）的迹象，即模型可以独立研究和升级自身——那么，是什么阻止了其他行业的企业利用AI智能体实现更多内部软件开发的自动化呢？ 显然，说起来容易做起来难。Anthropic是当前这波AI热潮的主要创造者之一，因此你可以预期他们知道如何有效部署这项技术。 但对于其他希望提升由智能体处理的代码和工作流量的企业来说，Anthropic的新博文详细勾勒了一个通用计划的轮廓，它们也可以采用该计划来重新设计运营和工作流，以利用最新的AI进展。 ## **其他企业可以遵循的Anthropic路线图** 从以人为中心的编码到自主编排的转变，需要理解AI能力的演进过程。Anthropic概述了一个清晰的历史连续体，企业可以将其映射到自己的数字化转型路线图中： - **2021-2023年（手动编写）：** 工程师在本地文本编辑器中原生编写代码和文档。 - **2023-2025年（聊天机器人辅助）：** 开发者使用早期模型生成简短代码片段，手动复制粘贴到他们的环境中。 - **2025-2026年（编码智能体）：** 具备能力的智能体自主编写和编辑整个文件。 - **当前（自主智能体）：** 智能体独立执行代码，调试实时环境，并将多小时的工作流委托给专门的子智能体。 这种快速演进已得到外部基准的验证。像SWE-bench这样的软件工程评估框架——该框架要求模型在复杂的开源代码库中解决真实错误报告——在两年窗口期内已经饱和。 此外，长时间能力评估表明，像Claude Opus 4.6这样的模型可以可靠地维持12小时任务的操作，而Claude Mythos Preview则能持续解决超过16小时的问题。 在内部，技术飞跃更为显著。在初始规范不明确的高度复杂、开放式工程问题上，Claude在2026年5月的成功率攀升至76%，在六个月内提升了50个百分点。 在孤立的优化基准测试中，当模型被要求加速AI模型训练代码时，Anthropic内部的Mythos Preview模型实现了52倍的加速。 相比之下，一名熟练的人类开发者通常需要四到八小时的手动重构，才能在完全相同的代码库上实现区区4倍的加速。 ## **实现更完全生产代码自动化的三步计划** 为了让企业复制Anthropic 80%的里程碑，技术决策者必须放弃“开发者助手”的心智模型，转向“自动化工厂”架构。这种转变从三个方面影响产品管理、运营和开发者工作流： ### 1. 从代码执行转向架构监督 当代码生成在人类时间成本上趋近于零时，主要工程角色从编写软件转向指定目标和审查输出。企业领导者必须重新培训开发者，使其充当系统架构师和裁判。正如一位Anthropic员工在谈到这一转变的运营现实时所指出的： > “如今事情的形态大致是：‘人类有想法，而模型能够比以前快一个数量级地实现、测试和评估它们。’” ### 2. 克服代码审查瓶颈 将大量AI生成的代码注入组织不可避免地会产生运营摩擦。 根据阿姆达尔定律（https://en.wikipedia.org/wiki/Amdahl%27s_law），任何流程的加速都严格受限于其串行、非自动化的瓶颈。 在Anthropic，用合成代码淹没系统立刻使人工代码审查变成了关键的瓶颈。 为了应对这一点，企业团队必须直接将自动化AI代码审查器部署到其持续集成/持续部署（CI/CD）管道中。 Anthropic实现了一个自动化的Claude审查器（一个公开可访问的版本，Claude Code Review（https://venturebeat.com/technology/anthropic-rolls-out-code-review-for-claude-code-as-it-sues-over-pentagon）于3月面向商业用途推出），负责在合并前分析每个拉取请求中的架构缺陷、安全漏洞和回归错误。其他专门公司如Qodo（https://venturebeat.com/programming-development/qodo-teams-up-with-google-cloud-to-provide-devs-with-free-ai-code-review-tools-directly-within-platform）也为此提供了量身定制的工具。 在Anthropic的案例中，回顾性分析表明，自动化层捕捉到了大约三分之一导致旗舰网站claude.ai历史性宕机的生产错误。 ### 3. 瞄准高量运营债务 企业常常被遗留代码维护和长期积压的技术债务所瘫痪。技术领导者不应将智能体用于编写投机性的新功能，而应引导自主智能体进行封闭循环、细致入微的清理操作。 2026年4月，一位Anthropic工程师部署Claude来解决一类持续的API错误。该模型自主运行，交付了800多个单独修复，成功将错误率降低了1000倍。 负责监督的工程师估计，人类开发者需要花费整整四年的时间才能完成同样的工作，因为同时将大量不熟悉的代码上下文记在脑海中会带来巨大的认知负荷。 ## **在以AI生成代码为主的时代，企业前进的考量** 运营主要由AI编写的代码库会带来独特的治理挑战，企业法律和安全团队必须加以应对。 与开源许可模型（如宽松的MIT许可证或Copyleft GPL框架）不同，使用专有LLM基础设施的企业代码库仍然受制于相应AI供应商的商业服务条款。 部署自主智能体需要严格的验证协议，以确保合规性、安全性和知识产权保护： - **代码质量与维护：** Anthropic的内部数据表明，虽然2025年末AI编写的代码在客观上质量低于人类输出，但到2026年中期已大致相当，预计将在一年内超过人类标准。企业治理必须适应这样一个现实：自动化输出的基线质量在结构上优于平均水平的手动编码。 - **规模化安全审计：** 自动化代码创建的巨大体量要求自动化的漏洞发现。Anthropic的Glasswing项目说明了这一问题的规模：利用Mythos Preview，该项目在最初几周内就在全球数字基础设施中识别了超过10,000个高和严重级别的软件漏洞。这将企业网络安全挑战从漏洞发现完全转移到了补丁部署速度上。 - **对齐级联风险：** 技术领导者必须保持严格的验证关卡。如果一家企业使用AI系统来持续修改、维护和扩展其专有软件基础设施，那么未检测到的错误或微妙的错位可能会在连续的智能体会话中累积，逐渐破坏系统完整性或引入人类未察觉的安全漏洞。 ## **为内部企业文化冲击做好准备** 向AI主导代码库的转变正在改变工程团队的文化动态，既带来了前所未有的效率，也带来了深刻的心理摩擦。 公开场合，Anthropic将这些指标框定为更广泛转型的预兆。在一份对X的官方声明（https://x.com/AnthropicAI/status/2062568862479208923）中，该公司指出： > “我们的内部数据显示，Claude正在加速AI开发——这是一条通往递归自我改进的可能路径，即AI自主构建一个更有能力的继任者。它发生得比我们想象的要快，其影响值得更多关注。” 他们随后立即扩展了对即时生产力影响的论述： > “如今，Anthropic工程师平均每季度交付的代码量是2021-2025年期间的8倍……许多工程师还表示，Claude的代码质量现在与人类代码相当；我们预计一年内它将更好。” 在这些公司指标背后，存在一个复杂的人类现实。内部员工通信揭示出一种明显的传统工作协作的侵蚀，因为点对点的开发者互动被系统性地替换为异步智能体调用： > “工作（和生活）过去建立在人与人之间小恩小惠的馈赠经济之上。‘你能帮我让这个脚本跑起来吗？’……每一次都制造了一点债务，一点相互意识。Claude吞噬了这些恩惠。它更快，制造零债务，但每一次请求都失去了一次人类协作的机会。” 对于个体贡献者来说，其主要技能集的完全自动化引发了关于相关性和系统控制的迫切职业焦虑： > “大约一年前我开始全力投入Claudification。那是一段疯狂的冒险，现在距离我上次亲自写代码已经大约5个月了。” > “在一切顺利的日子里，我忍不住想我所做的一切都不重要，一切都自动化了，比我更好更快。但后来有些日子一切崩溃，我不明白为什么，我意识到自己已经不知道我在做什么了。” 旨在匹配Anthropic技术速度的企业领导者不能忽视这些心理动态。 实现80%的自动化代码库需要的不仅仅是购买API令牌或配置智能体循环；它要求彻底的文化变革、缓解开发者过时焦虑的策略，以及实施严格的自动化验证护栏，以保持对软件栈最终的人类控制。