一条推文，引爆了讨论。

AI提示词博主Alex Prompter甩出一个论断：

“Anthropic研究了23.5万名使用Claude Code的人。结果发现，精通自己领域的人，表现比精通编程的人更好。”

8小时，8.8万次查看，662个赞。评论区迅速分裂——有人断言这是对“人人都该学编程”的终极否定，也有人批评这是为博眼球而断章取义。

点进去看了原始论文之后，反倒是沉默了。

论文到底说了什么？

6月16日，Anthropic发布了一份经济学研究报告，题为《Agentic Coding and Persistent Returns to Expertise》。数据量相当扎实——40万个真实交互会话，23.5万独立用户，时间跨度从2025年10月到2026年4月，整整七个月。这不是基于问卷或实验室环境的结果，全部来自真实用户在真实工作中使用Claude Code的行为数据。

核心结论清晰直白：在AI编程协作的时代，领域专长比编程能力本身更具决定性。

具体来看，在那些实际产生了代码改动的会话中，软件工程师的验证成功率为34%，而其他所有职业加在一起为29%。

差距仅有5个百分点。

换言之，一个懂法律的人用AI写合同审查脚本，其成功率与一个有五年后端经验的程序员用AI写业务代码，相差无几。

程序员的护城河在变窄

这个数字确实让人后背发凉。

论文将用户按技能分为新手到专家五个等级，揭示了一个关键规律：

新手：验证成功率15%，遇到问题放弃率19%
中级：验证成功率28%，放弃率7%
专家：验证成功率33%，放弃率5%

从新手到中级的跨越幅度最大。领域知识积累到一定深度，就已经能获得AI协作中大部分的红利。

更值得关注的是，增长最快的非技术用户群体来自管理、销售和法律领域。

这几个职业有什么共同点？他们最清楚客户痛点在哪里，优先级如何排序，以及什么才算“完成”。

而这正是AI需要人类提供的核心判断力。

真实的案例印证

一位做法律的朋友，上个月借助Claude Code完成了一个合同风险审查工具的开发。她一行代码都不会写，但十年法务经验让她对合同中哪些条款是“坑”心知肚明——违约金不对等、知识产权归属模糊、竞业限制范围过大……

她用自然语言给AI下达指令：“审查这份合同，重点关注以下12类风险条款。”

AI生成了一套完整的Python脚本，接入了GPT-4o做条款分析，最终输出风险报告。她花了三天调试整个流程，现在她所在的律所，初级律师都在使用这个工具。

她不是程序员，但她解决了一个程序员需要花费大量时间才能理解的业务问题。

程序员如何看待这一变化

Hacker News上的讨论更为激烈。

一位ID为stult的用户情绪激动：“这个分析简直荒唐。他们把领域专长和编码专长混为一谈。懂软件开发的人当然更擅长软件开发，这不是废话吗？”

但另一条回复更扎心：“你说得对。但问题是——当AI能写完80%的代码时，'懂软件开发'的定义已经变了。”

论文中有一个数据很值得玩味：

用户平均承担70%的“做什么”决策，而Claude包揽了80%的“怎么做”决策。

人类负责判断方向，AI负责落地实现。

这种分工模式意味着：会不会写代码，正在从核心竞争力，演变为一项可以被AI大量接管的体力活。

不是“程序员完了”，而是“只会写代码的人完了”。

做了七年后端开发，说完全不慌是假的。但慌的不是“AI会写代码”，而是长期以来一直在用“会写代码”来定义自己的价值。

论文释放了一个清晰信号：从新手到中级这一步跨越最大。你不需要成为顶尖技术专家，但必须在自己的领域拥有足够深度——这样才能给AI下达精确的指令，才能在AI出错时准确判断如何修正。

一个可能的思考方向：

深耕业务理解：不再只做接需求写代码的执行者，而是参与产品决策
提升AI协作效率：学会写精准的Prompt，让AI承担更多工作量
建立领域壁垒：在金融+技术这样的交叉领域积累不可替代的经验

未来程序员的核心价值，不再是“会写代码的人”，而是“能用AI解决领域问题的人”。