40万次Claude Code会话揭示：真正拉开差距的，不是Prompt

前面我们写过Claude Code高效使用指南，讲了CLAUDE.md、Skills、Hooks和多Agent怎么配。

但还有一个更扎心的问题：大家用的是同一个Claude Code，为什么有人一句话能让它连续干十几步，有人来回聊半天，最后还是做不成？

Anthropic最近分析了约40万次Claude Code交互会话，覆盖约23.5万名用户。结论不是“专家更会写Prompt”，而是：越懂当前要解决的问题，越能让Agent真正干活。

这40万次会话，到底统计了什么

研究覆盖2025年10月至2026年4月的Claude Code CLI、Claude.ai和桌面端交互，不包含IDE集成、SDK和claude -p这类无人值守调用。

Anthropic用隐私保护工具分析完整会话，再结合代码增删、Git提交、PR和测试结果等信号，判断用户在做什么、谁负责决策，以及任务有没有成功。

这里的“专业程度”也不是看职位。

一个高级工程师第一次写Rust，可能还是新手；一个不会Python的会计，如果能说清月末对账规则，还能抓住脚本漏掉的边界情况，在这个任务上就是专家。

专业程度是针对当前问题的，不是简历上的头衔。

最稳定的分工：人决定做什么，Agent决定怎么做

研究把决策分成两类：

• 规划决策：要做什么、选哪条路、什么算完成；
• 执行决策：改哪些文件、写什么代码、跑哪些命令。

结果很清楚：典型会话里，人做了约70%的规划决策；Claude做了约80%的执行决策。

这说明Claude Code最有效的姿势，不是人盯着每一行代码，也不是把目标都扔给Agent自己猜。

人守住目标、约束和验收，Agent接管搜索、修改、运行与修复。

这张图回答的是：人机协作为什么不是“五五开”。人像建筑师一样决定盖什么、边界在哪、怎样才算完工；Agent施工队负责选择工具和完成具体动作。

真正的专家，一条指令能撬动更多行动

一条Prompt发出去，Claude平均会执行约10次行动：读文件、搜代码、修改、跑命令、再根据结果继续。

但不同用户之间差距很大。

用户在当前任务上的水平	每条Prompt触发的行动	Claude输出量
新手	约5次	约600词
专家	约12次	约3200词

别把这个结果理解成“专家的Prompt更长”。研究判断专业程度时，看的是用户能不能准确描述问题、要求Claude验证什么，以及出错后谁在纠正谁。

新手常说：“这个功能不对，帮我修一下。”

熟手会说清业务规则、失败现象、不能破坏的边界和验收证据。Agent不需要走两步就回来猜一次，自然敢连续做更多事。

真正有效的上下文，不是字多，而是里面有判断。

这张图回答的是：为什么两个人用同一个Agent，产出差距会这么大。新手只给一句模糊命令，熟手则把业务地图、边界和验收标准交给机器人。

从新手变成熟手，收益最大

Anthropic用了一个很严格的“验证成功”指标：不只让模型判断任务像是完成了，还要看到测试通过、匹配的Git活动或用户明确确认等硬证据。

新手会话达到验证成功的比例约15%，中级及以上达到28%—33%；如果放宽到“至少部分成功”，两边是77%和91%—92%。

更值得注意的是出错以后。

遇到明显错误、测试失败或反复重试时，新手最终验证成功的比例只有约4%，专家约15%。困难会话里，新手有19%直接放弃，其他层级只有约5%—7%。

不过，差距主要发生在“新手到中级”。从中级继续走到专家，提升反而没那么陡。

这对普通录友是个好消息：你不需要先成为顶级专家，但至少要对问题有一套能工作的理解。

不会写代码的人，已经能做出软件了吗

在真正产出代码的会话里，软件相关职业的验证成功率约34%，其他职业约29%；看“至少部分成功”，两边分别约89%和88%。

十大职业类别和软件工程师的差距都在7个百分点以内。管理类用户甚至略高，但研究也提醒，这可能和管理者更善于分派任务、表达完成有关，也可能受统计方式影响。

所以结论不是“编程已经没用了”。

更准确的说法是：代码语法和实现正在变得更容易获得，领域知识、任务拆解和结果判断正在变得更值钱。

律师能让Agent写合同检查工具，前提是他知道什么条款算风险；会计能让Agent写对账脚本，前提是他知道哪些差异必须报警。不会写代码不再是绝对障碍，不懂业务仍然是。

这张图回答的是：AI降低编程门槛以后，什么能力没有贬值。法律、财务和产品人员可以把规则交给Agent实现，但最后仍要靠专业判断验收。

Claude Code正在从“修Bug”走向“替你跑完整件事”

七个月里，修复代码的会话占比从33%降到19%；部署、配置和运行软件从14%升到21%；写作与数据分析从约10%升到20%。

研究估算的平均任务价值也提升了约27%。这个数字来自和自由职业平台任务的粗略匹配，只适合看相对变化，不能当成Claude真的替用户赚了多少钱。

趋势仍然很明显：用户不再只让Agent补一段代码，而是开始把部署、数据、文档和完整工作流交给它。

这和我们在从Prompt走向Agent Loop里讲的是同一件事。任务越完整，真正重要的越不是某一句Prompt，而是目标、工具、验证和错误恢复能不能连成闭环。

想让Claude Code更靠谱，先补这5件事

第一，先把问题搞懂，再研究Prompt。 至少说清现状、目标、不能碰的边界和失败代价。

第二，把“什么算完成”写出来。 测试、截图、日志、指标和人工确认，都比“你检查一下”更有用。

第三，把专业证据交给Agent。 业务规则、历史案例、接口契约和项目文档，才是它做判断的材料。

第四，别替Agent遥控每一步。 人控制规划，执行层给它足够空间；否则你只是把Claude Code用成了昂贵的代码补全。

第五，出错时诊断，不要只换一种说法再问。 看测试为什么失败、假设哪里错了、缺了什么证据。能从错误里把Agent拉回来，正是熟手和新手最明显的差距。

这些经验可以继续沉淀进CLAUDE.md和Skills。个人脑子里的专业判断，只有变成项目规则、验收脚本和失败案例，团队里的Agent才能反复用上。

这份研究也不能被神化

40万次会话很多，但它仍然不是一次严格的因果实验。

职业、专业程度和成功结果主要由模型读取会话后分类；研究看不到代码最终有没有进入生产，也排除了大量无人值守和IDE里的Claude Code调用。“验证成功”比只听用户说完成更严格，但仍不等于真实商业结果。

所以不要拿这些数字证明“程序员会消失”，也不要证明“人人都能做软件”。它真正说明的是：当实现能力越来越便宜，懂问题的人会获得更大的杠杆。

别再只收藏万能Prompt了。

先让自己成为那个知道该做什么、也知道怎样才算做对的人。

参考链接

• Anthropic研究（Agentic coding and persistent returns to expertise）：https://www.anthropic.com/research/claude-code-expertise