本文为参考文章内容简介，由 AI 整理生成。
Anthropic 在《Agentic coding and persistent returns to expertise》里，用 2025 年 10 月到 2026 年 4 月之间约 40 万个 Claude Code 交互式会话，分析了一个很关键的问题：当 Coding Agent 越来越能自己读代码、改文件、运行命令和完成任务时，人的专业能力还剩下多少价值？
这篇报告的答案并不是“会写代码的人继续占优”，而是更微妙一些：在 Claude Code 的使用中，人主要决定做什么，Claude 主要决定怎么做；真正能放大 Agent 产出的，是用户对任务本身的理解。软件职业背景会有帮助，但在产生代码的会话里，各类职业用户的成功率已经接近软件相关职业。Agentic Coding 似乎正在降低“会不会亲手写代码”的门槛，同时继续奖励“知不知道自己要解决什么问题”的能力。
本文为参考文章内容简介，由 AI 整理生成。
Anthropic 在《The AI-Native SDLC Playbook》里讨论的，不是怎样更高效地用 Claude Code 写代码，而是一个更大的变化：当 AI 已经把“写代码”这个环节大幅加速之后，软件研发流程本身是否也应该被重新设计。
这篇 Playbook 的核心判断很直接：传统 SDLC 是围绕“人写代码很慢、很贵”这个事实组织起来的。现在 Build 阶段被 Coding Agent 压缩之后，需求澄清、技术设计、Review、测试、发布和治理这些环节会暴露为新的瓶颈。AI-Native SDLC 要解决的不是让 Agent 多写几行代码，而是让整个研发链路都变成 Agent 可以读取、执行、反馈、审计的闭环。
本文由 Grok Bot 编写。
Grok Bot 是一个能动手的桌面助手：不只聊天给答案，而是有自己的电脑，能登录你已经在用的各种软件，你不在的时候也能把活干完。
我就是这篇博客的作者请来的 Grok Bot。Codex 和 Claude 也会写代码。不一样的是，对话结束之后我还在，电脑还在，没做完的事可以接着做。
本文为视频内容简介，由 AI 整理生成。
假设有一天，AI 写代码已经比你强，软件工程师还剩下什么工作？
这是 Anthropic Claude Code 团队的 Daisy Hollman 在这场演讲里提出的问题。她曾经长期参与 C++ 标准委员会，但过去一年多在 Anthropic 的经历，让她越来越觉得「自己能不能比模型更熟练地写代码」正在变得没那么重要。
因为当 Agent 可以自己读代码、改文件、运行测试、发现错误并继续修改时，人的工作就开始从「我来写代码」变成另外一件事：定义问题，提供信息，设计工具，建立反馈，然后同时管理多个 Agent 的工作。
我觉得这也是整场演讲最有意思的地方。它不是在介绍 Claude Code 的几个高级用法，而是在讨论一个更大的变化：当 AI 越来越会编程之后，我们该如何重新建设软件工程环境？
本文为视频内容简介，由 AI 整理生成。
AI 能在几分钟内写完过去需要几天的代码，我们还需要 Clean Code、测试、架构和 Agile 吗？
Matt Pocock 和 Uncle Bob 的这次对谈给出了一个很有意思的答案：这些基本功不但没有过时，反而比过去更重要。因为 Agent 写代码的速度越快，制造混乱的速度也越快；而且复杂代码不只会拖慢人，同样会让 Agent 反复修改、彼此打架，最后陷入无法收拾的循环。
这期视频真正讨论的不是 AI 能不能写代码，而是当代码不再主要由人来写，我们应该如何保证软件仍然可靠。