TL;DR

Anthropic 最近發表了〈When AI Builds Itself〉，這篇文章在解釋 AI 如何越來越多地協助打造下一代 AI。如今，Anthropic 產線程式碼中有超過 80% 是由 Claude 撰寫，而工程師推出的程式碼量大約是 2024 年的八倍。

我帶著和許多開發者現在可能一樣的那種安靜焦慮讀了這篇文章。讀完之後，我反而沒那麼害怕了。

不是因為數字很小。其實並不小。

而是因為讀完整篇文章後，我意識到 AI 變強的地方，並不是讓開發者有價值的那個地方。執行變得更快、更便宜；但判斷力——也就是決定什麼值得做、結果是否真的合理、以及何時該質疑答案而不是直接接受——並沒有。這個差異在網路上大多數討論裡都被忽略了，而一旦你看見這點，整篇文章的讀法就完全不同了。

如果你想先讀原文再看我的想法，這裡是連結：Anthropic 的〈When AI Builds Itself〉。

目錄

• 我想先從一件誠實的事開始
• 它是怎麼開始、又是怎麼那麼快推進的
• 那些數字，因為它們很重要
• 執行與判斷之間的差異
• 作為一個還在職涯早期的人，我怎麼看這件事
• 三種可能的走向
  • 趨勢放緩
  • 人類仍在迴圈中，但我們的工作方式會改變
  • 遞迴式自我改進
• 我最誠實的心得
• 很想聽聽你的想法
• 參考資料
• 🤝 保持聯絡

我想先從一件誠實的事開始

在過去幾個月裡，我大概讀了幾百篇關於 AI 取代開發者的文章。

有些很有見地；有些很明顯只是為了吸引點擊。但過了一陣子，它們開始混在一起，我注意到一件有趣的事。

最吵的那些觀點，幾乎從來不是來自真正討論原始資料的人。它們來自轉述再轉述的摘要、推文截圖，或是只抓一個數字當標題、卻把上下文全部拿掉的文章。

所以當 Anthropic 發表〈When AI Builds Itself〉時，我決定直接把整篇讀完，而不是等別人幫我解釋。

我原本以為自己會更擔心。結果讀完後，我反而覺得網路上的討論比文章本身誇張太多了。

那些數字是真的。速度是真的。Anthropic 這類公司內部正在發生的改變也是真的。這些都不該被忽略。這不代表這篇文章本身就讓人安心。有些數字確實驚人。但整體圖像比網路上常講的要細緻得多。

這不是要把每一頁都濃縮成摘要。它只是我讀完這篇文章後，對 AI 與軟體工程之間那場討論的看法如何改變。

在進入正文前，有一個背景值得先提。Anthropic 發表這篇文章，不是為了預測未來某一天軟體工程會變成什麼樣子；而是為了說明，當 AI 成為他們開發流程中更大的一部分時，他們在自己工程與研究團隊裡已經看見了什麼。這個區別很重要。這篇文章大多是在描述他們已經觀察到的變化，而不是單純希望會發生的變化。

它是怎麼開始、又是怎麼那麼快推進的

我原本沒預期的是，這篇文章花在未來預測上的篇幅其實很少。相反地，它一開始先往回看。

作者回顧了 AI 是怎麼逐漸進入 Anthropic 自己的工程工作流程，而這段脈絡很重要，因為它會改變你讀後面所有內容的方式。這篇文章不是在說「這是未來某天可能發生的事」，而是在說「我們是怎麼走到這一步的」。

在 2021 到 2023 年左右的早期，情況和一般軟體公司差不多。工程師寫程式、審查 Pull Request、修 Bug，並做技術決策。那時候 AI 還沒有真正成為開發流程的一部分。

後來，它開始協助處理較小的任務。一開始，這很像我們今天很多人使用 AI 的方式：產生函式、解釋一段程式碼、建議重構。工程師仍然主導每一步，而 AI 比較像是坐在編輯器旁邊的另一個工具。

到了 2025 年左右，這種關係開始改變。Claude 不再只是提出程式碼建議，而是開始處理整個工作流程中更大的部分。它可以寫檔案、執行檔案、檢查輸出、修正錯誤，然後在真人介入前重複這個循環好幾次。工程師的角色並沒有消失，但他們需要親手做的實作工作量，已經開始改變。

根據這篇文章，到 2026 年時，這些工作流程變得更加自主。AI 代理可以連續工作更長時間，而且在某些情況下，還能和其他代理協同工作。

文章中的一個例子，讓這段演進更容易想像。一次例行性的軟體升級，意外導致數萬個 AI 訓練工作失敗。工程師給 Claude 存取環境，並附上一些問題脈絡。大約兩個小時內，Claude 找出一個罕見的設定旗標，正是它導致失敗的原因，驗證修復方式，並解決了問題。作者表示，若由同樣資深的工程師來調查，可能需要兩到三天。

這類故事本身就很驚人，但它們還只是單一案例。真正說服我的是，文章拿資料來支持這些故事。那些數字顯示，這不只是一次偶發成功，而是公司內部更大幅度轉變的一部分。

那些數字，因為它們很重要

在談這一切代表什麼之前，值得先看看數字本身。它們很容易被誇大，也很容易被輕描淡寫。這兩種反應都不太有幫助。

最醒目的統計，可能你已經在社群媒體上看過了。Anthropic 表示，截至 2026 年 5 月，其併入正式產線程式碼庫的程式碼中，有超過 80% 是由 Claude 撰寫。這個比例在 2025 年初 Claude Code 上線前，還只有個位數的低端。

生產力上的影響也看得出來。工程師現在合併的程式碼量，大約是 2024 年的八倍。根據文章，這是兩次明顯跳升的結果。第一次，是 Claude 不再只是提出程式碼，而是開始執行它。第二次，則是 AI 代理變得能夠長時間自主工作。

研究端也呈現類似趨勢。Anthropic 公布了一項針對約 130 位研究員的內部問卷結果。中位數回應是：使用 AI 時，他們感覺自己的產出大約是不用 AI 時的四倍。

能力基準測試也快速前進。有一項基準是衡量 AI 系統是否能成功重現已發表研究論文的結果。據報成功率從 2024 年的約 20% 升到僅僅十五個月後幾乎接近滿分。另一項指標則估算 AI 能可靠地獨立完成真實世界任務多久；根據文章，這段時間大約每四個月就會翻倍，從只需幾分鐘的任務，成長到可持續約十二小時的任務。

這些數字確實很驚人。讓我對它們更有信心的，是作者對自身限制的坦率。他們一再指出自己量測上的缺口。程式碼行數並不是完美的生產力指標。問卷回覆可能高估實際生產力提升。基準測試也不一定能完整反映真實工程工作中會發生的事。

這反而讓資料更有說服力。它比較不像行銷，反而像是一個團隊在努力解釋自己在組織內部真切看見了什麼。

執行與判斷之間的差異

這篇文章最重要的部分，出現在所有數字之後。讀完後，我腦中浮現的是一個更簡單的問題。

如果 Claude 寫了大部分程式碼，那工程師在做什麼？

至少依我對這篇文章的理解，答案是：開發者的工作不是消失，而是在改變。

Claude 已經變得非常擅長執行。只要給它一個定義明確的任務、足夠的上下文，以及正確的工具，它就能非常快速地推進實作。它可以寫程式碼、跑實驗、除錯、測試不同方案，並且在重複性的工程工作上，比人快上很多。

但軟體工程從來不只是寫程式碼。

還是得有人決定哪些問題值得解決。還是得有人在實驗 technically 成功、但其實回答錯問題時，察覺出來。還是得有人看到一個看起來正確的結果，進一步問：它在整個系統裡真的合理嗎？這些決策比程式碼行數或基準分數更難量化，但文章暗示，這些仍然是工程師創造價值的重要部分。

作者甚至試著測量其中一部分。他們檢視真實研究過程中，人類做出一個後來被證明低效或直接錯誤的決策的案例。接著，他們把當時之前的所有資訊都給 Claude，並問它下一步會怎麼做。到了 2025 年末，他們最好的模型在選擇較佳下一步這件事上，約有 51% 的正確率；而幾個月後，這個數字升到了約 64%。

這是很有意義的進步。但同時也代表，模型在每個情境下都還不是都能選對方向。對於更開放式的決策，仍然有明顯落差。

文章中的一個比較，幫助我把這件事放回脈絡裡。作者描述工程師隨著經驗增加，責任如何改變。職涯早期時，大部分工作是在實作別人已經定義好的任務；隨著經驗增加，會開始負責決定這些任務該怎麼做，最終甚至要先判斷哪些問題值得注意。

我不認為這個比較的意思是：AI 只是取代初階工程師，而資深工程師毫髮無傷。軟體工程沒那麼整齊，AI 也不是。這個比較想表達的是，當實作變得更容易時，理解系統、評估取捨、審查成果與做出好決策的能力，會變得更加重要。

這也是我讀完這篇文章後最大的收穫。

我不覺得這場討論真正是在談「開發者會不會變得不必要」。它其實是在談：當軟體工程中某一部分突然變得快很多時，工作的重心會怎麼改變。這比把一切簡化成「AI 寫了大部分程式碼」更有用。

作為一個還在職涯早期的人，我怎麼看這件事

我知道身邊很多人都真的很擔心 AI。有時候這種擔心來自社群媒體，有時候來自研討會的演講，有時候只是因為這些工具進步得太快了。當你讀到世界上最領先的 AI 公司之一，其產線程式碼有超過 80% 是 AI 寫的，很難不開始想：那其他人還剩下什麼？

我也有過這些想法。讀這篇文章並沒有讓那些問題消失，但它確實改變了我看待它們的方式。

對我來說，最大的差別在於：我不再只盯著那個數字本身。80% 聽起來很驚人，直到你開始問：那 80% 到底代表什麼？這篇文章讓我意識到，我過去多半是用「寫了多少程式碼」來衡量軟體工程，但實際上，有些最有價值的工作，是在任何人打開編輯器之前就已經發生了。觀點的轉換，讓這篇文章感覺起來不再像是替代的故事，而更像是工作流程改變的故事。

我越想這件事，就越想起我們為什麼要花那麼多時間學習電腦科學基礎。當你在學作業系統、網路、資料庫、演算法或分散式系統時，很容易懷疑自己什麼時候才會真的用到這些內容。和做應用程式或交付功能比起來，它們會顯得很抽象。但這些主題教的不只是語法或 API。它們教你如何推理系統。教你如何思考取捨、理解複雜度、找出瓶頸，並解釋為什麼某件事會這樣運作。當實作變得更容易時，這些能力反而更有價值，因為它們能幫助你判斷實作是否真的正確。

那一刻，我的看法真的改變了。開發者被取代的恐懼，往往來自於把「寫程式」想成整份工作的全部。但軟體工程從來就不是那樣。寫程式很重要，但理解問題、設計系統、審查方案、與其他工程師溝通，以及在沒有明確答案時做決策，也同樣重要。

我現在還在職涯早期，我知道更有經驗的人會有不同看法。那完全合理。這只是我在仔細讀完這篇文章，而不是被標題牽著走之後，得到的結論。

三種可能的走向

這篇文章避開了一件我在很多 AI 討論中常看到的事。網路上常把 AI 講得好像只有兩種可能：不是一夜之間全面改變，就是什麼都沒真正改變。這篇文章採取了更穩健的方式。它列出幾種可能方向，而且坦白承認，沒有人能百分之百確定我們正走向哪一條路。

趨勢放緩

第一種可能是，如今快速的進展最終開始放慢。每項技術都會在某個地方遇到極限，可能來自硬體、能源、資料、研究挑戰，或只是剩下的問題變得難解許多。Anthropic 承認有這種可能，但根據他們目前掌握的證據，他們還沒看到那種極限出現。從他們追蹤的不同能力指標來看，曲線仍朝同一方向前進。這不代表進步會永遠以同樣速度持續，只是代表目前還沒有看見足以令人信服的放緩跡象。

人類仍在迴圈中，但我們的工作方式會改變

這是我覺得最可信的情境，部分原因是它不需要從我們今天的位置跳躍太遠。這篇文章並沒有主張開發者會突然消失，或 AI 會在一夜之間接管軟體工程。它描繪的是一個未來：AI 逐漸成為工作流程中更大的一部分，而人們仍持續做那些需要上下文、經驗與責任的決策。

在過去兩年左右，AI 已經成為許多開發者工作流程中的另一個工具。我們用它來解釋不熟悉的程式碼、寫測試、產生樣板碼、除錯，或幫助我們從不同角度思考問題。這些都沒有讓開發者變得不需要。若要說有什麼影響，那就是它改變了我們把時間花在哪裡。我們以前也看過這種轉變。高階程式語言沒有消滅程式設計師，只是把工作往上一層抽象。AI 接手更多重複性的實作工作，看起來也是同樣類型的轉變，而不是另一種完全不同的事。

<a id="recursive-self-improvement"></a>

遞迴式自我改進

最後一種可能，也是最吸引注意力的那一種。這個概念是指，AI 最終會強大到足以對 AI 研究做出大量貢獻，讓每一代新模型都能在幾乎沒有太多人類介入的情況下，幫助打造更好的下一代。進步將不再那麼依賴人類研究投入，而更多取決於可用的算力、基礎設施與資源。

文章認真討論了這種可能，但也很謹慎地沒有把它說成必然結果。仍然有很多未知數，而作者也坦白承認，他們不知道這個時點何時會到來，甚至不確定它是否會到來。我覺得這種坦率讓文章更可信。科技很容易寫出聳動預測；但要承認仍存在的不確定性，反而難得多。

我最誠實的心得

當我開始讀〈When AI Builds Itself〉時，我以為自己是在回答一個問題：AI 真的會取代開發者嗎？

但讀到文章結尾時，我發現自己其實開始問的是另一個問題：當 AI 成為開發流程的一部分時，軟體工程會怎麼改變？

這是完全不同的兩個討論。一個主要由恐懼驅動；另一個則由好奇心驅動。這種觀點上的轉換，大概是我讀完這篇文章後最大的收穫。

Anthropic 公布的數字都是真的，而且很難忽視。它們的產線程式碼現在有超過 80% 是 Claude 寫的。工程師推出的程式碼量，比兩年前大幅增加。AI 系統也正在變得能獨立工作更長時間。這一切都不像炒作。

但這篇文章讀起來，也不像網路上常把它講成的那樣。全文中，作者反覆承認不確定性。他們談到量測的限制。他們討論多種可能的未來，而不是硬說只有一條必然道路。他們非常小心地區分：哪些是他們已經觀察到的，哪些只是他們認為接下來可能發生的事。

在讀這篇文章之前，我多半是在回應標題、短影片，以及那些只抓單一統計數字、卻沒什麼脈絡的貼文。讀原文並沒有讓所有疑慮消失，但它把很多模糊的焦慮，換成了更清楚的理解：到底哪些正在改變，哪些又仍然充滿不確定。

我現在還在職涯早期，所以我不會假裝自己什麼都知道。也許五年後回頭看，我會發現自己低估了 AI 對軟體工程的影響。也許我會發現自己當時擔心得太多。現在的我，老實說還不知道。

但我確實知道的是：直接讀原文，和讀別人對它的解讀，感受很不一樣。如果要用一句話總結我從這篇文章帶走了什麼，那就是：被自動化掉的，不是我正在努力變強的那項能力。

很想聽聽你的想法

寫這篇文章的過程，逼著我放慢速度，重新思考自己很多焦慮到底從哪裡來。對我來說，問題其實不全是科技本身，而是那一波又一波告訴我「這項科技到底意味著什麼」的標題，卻沒鼓勵我去看原始來源。

讀完這篇文章後，我覺得自己更清楚看見機會與不確定性了。我還是對 AI 感到興奮，也還是對它的走向保持謹慎。但我不再覺得這兩種感受一定互相矛盾。

我很想知道你的想法。如果你也讀過這篇文章，你的結論和我一樣嗎？還是有什麼完全不同的地方讓你印象最深？如果你也還在職涯早期，AI 是否改變了你對成為軟體工程師的想法？如果你在這個產業待得更久，我也特別想聽聽你從自己的角度怎麼看這些改變。

歡迎在下方留言。我會一則一則看，也很想繼續聊下去。

參考資料

• Anthropic，〈When AI Builds Itself〉

🤝 保持聯絡

透明說明： 本文的橫幅圖片是使用 DEV Community 內建的 AI 圖像生成功能產生的。我撰寫提示詞，生成了多個變體，並選出本文使用的最終圖片。

原文出處：https://dev.to/hemapriya_kanagala/reading-anthropics-when-ai-builds-itself-changed-how-i-think-about-ai-and-software-engineering-3eh