Episode Details

Anthropic 分析約 40 萬次 Claude Code 使用發現，用好 AI 寫程式靠的是懂不懂自己的問題，不是會不會寫 code。專家成功率是新手兩倍多，這對非工程師是好消息。

⭐ 文章深度讀：想用 AI 把領域知識變成技術產出，卻不知道自己現在算專家還是新手、該從哪裡開始把問題講清楚
→ https://heymaibao.com/anthropic-ai-coding-expertise/

⚡ 章節重點
開場 00:00
人類指揮，AI 執行 01:35
重新定義專業 03:01
會寫程式正在貶值 05:09
你的制勝下一步 06:39

📝 懶人包
∙ Anthropic 分析約 40 萬次 Claude Code 使用後發現，人和 AI 有清楚的分工：人決定「要做什麼」(約 70% 的規劃決策由人做)，AI 決定「怎麼做」(約 80% 的執行決策交給 AI)。

∙ 真正放大效果的是你對問題的理解，不是寫程式的能力。被評為「專家」的使用情境，達到嚴格定義成功的比率是「新手」的兩倍多。遇到困難時，新手有 19% 直接放棄，其他人只有 5% 到 7%。

∙ 「會不會寫程式」這件事正在貶值：在會產出程式碼的使用情境裡，每個主要職業的成功率都落在軟體工程師的 7 個百分點以內。而且 7 個月內，任務的估計價值平均上升約四分之一到近三成，純除錯的比重幾乎腰斬。

∙ 我的觀察：對非工程師來說，這是難得的好消息，你的領域知識現在能直接換成技術產出。對工程師來說，價值正在從「會寫」往「懂問題、定義問題」的上游移動。前提是這份研究自己也說了，結論還很初步。

📚 參考資料
Agentic coding and persistent returns to expertise (Hitzig et al., 2026)
→ https://www.anthropic.com/research/claude-code-expertise