🔥 HN 热议

“每天按回车”背后:Claude Code暴露的工作问题

约2分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
Anthropic(安斯罗皮克)

开发Claude的人工智能公司。

Claude Code(克劳德 Code)

帮助人们编写程序的工具。

METR(M-E-T-R)

研究人工智能工具怎样影响工作的团体。

发生了什么

2026年9月,一名使用网名v0xium的匿名软件工程师在X上谈到自己的工作。对方没有公开公司名称。据这名工程师说,Anthropic(开发Claude的人工智能公司)的Claude Code已经参与大量工作,包括产品说明、测试、任务单和报告。人们没有足够时间检查结果,却每天工作12到13小时,只是不断按回车。TechSpot报道了这篇帖子,Business Insider后来也采访了这名工程师。

这件事在Hacker News(技术人员讨论新闻的网站)获得了59个积分和71条评论。这些数字说明它受到了关注,但不能证明匿名说法一定正确。

背景是什么

AI编程助手一直被宣传为节省输入时间的工具。它们可以生成代码、修改错误,并处理多个步骤。人们期待它们让软件开发更快。

但这名工程师指出的问题不只是代码会不会出错。他说,管理者把冲刺周期、代码合并请求数量和功能数量当作成绩标准。这样做可能鼓励团队不断发布功能,却不一定让用户得到更多帮助。他认为,真正堵塞工作的不是写代码本身,而是代码周围的流程。设计、界面和服务器代码也被交给AI,和这种压力一起扩大了。

为什么重要

这起案例把问题从AI能不能写代码,推向人还剩下什么工作。如果AI产生更多说明、测试和代码,人仍然需要时间去理解、检查、修正,并判断这些东西是否值得发布。

如果检查时间被压缩,某个环节变快,风险却可能转移到别处。这是根据这起案例提出的担忧,不是已经测出的普遍结果。它也不说明所有使用AI的公司都一样,但提醒我们,使用规则和考核方式会影响AI带来的结果。人可能仍要承担责任,却没有足够时间作判断。

已经确认的内容

可以确认的是,一名匿名工程师在X上提出了这些说法,并在后续采访中重复了主要担忧。报道显示,这名工程师把Claude Code描述为能处理许多种工作,也说检查时间不够。公司名称、员工数量、错误数量和生产率数据都没有公开。

TechSpot还提到METR在2025年的一项研究。研究观察了16名有经验的开源开发者完成246项真实任务的情况。他们使用AI工具时,完成任务的时间反而长了19%。但那是另一项研究,既没有调查这家公司,也不能单独证明Claude Code在这里造成了什么结果。

还不知道什么

我们不知道这种工作安排是否影响了整家公司,也不知道AI产出的质量、后续返工量和用户得到的实际价值。问题来自Claude Code本身、公司的使用规则,还是管理层的考核方式,也没有被分开验证。

接下来关注什么

接下来需要更多公司的数据,比较使用AI前后的检查时间、错误、返工和用户结果。还要观察团队是否给设计和排错留下足够时间。真正值得看的,不是Claude Code写了多少代码,而是人是否仍然理解发布的东西、知道为什么发布,并在发布前完成检查。

💬 HN评论摘要:AI是否正在改变软件工程的重心

评论区分成两派:一派认为 Claude Code 减少了枯燥劳动,另一派担心它削弱理解能力、质量控制和亲手创造的满足感。以下是评论者的经历与观点,不是经过独立验证的生产率或性能测量。

  • 支持者认为,工作重点正从手写代码转向架构设计、向 AI 下达任务、审查结果、设计评测和沙箱。经验丰富的工程师能够判断 AI 的结果是否符合要求,因此可能反而受益。
  • 一名自称有25年编程经验的评论者说,他让 Claude 处理乏味的底层工作,自己先在纸上设计整体架构,再让 AI 补全细节。他不会把从头到尾的任务全部交给模型。
  • 其他使用者则报告,AI 有时能帮助解决卡住的问题,但也可能在解决问题前制造更大的混乱。另一名评论者认为,当代码需要同时处理许多概念和严格限制时,生成代码容易膨胀、纠缠,因此仍需要人来写出清晰的代码。这些都是使用者自述,不是受控测试。
  • 有人主张先设定成功标准和参考示例,让人只判断结果;反对者指出,如果人不了解生成代码的工作方式,就无法可靠地判断其中含糊的部分。
  • 一些评论者报告,公司现在要求大约比过去高十倍的产出或速度。另一名评论者反驳说,生成十倍数量的低质量代码,不等于生产率提高十倍。这不是经过验证的数字。
  • 关于技能变化,评论者也没有共识。有人认为,对具体代码语法的熟悉会减少,而高层次系统设计会更重要;也有人担心,把基础知识交给 AI 会让学习和审查代码变得更困难。

这是评论数为71时的初期(修订1)。获取84条,并从整体抽取84条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

Claude Code会让人只按回车吗?

📰 完整报道: “每天按回车”背后:Claude Code暴露的工作问题

一名工程师的经历,让我们重新思考AI和人的工作分工。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
Anthropic(安斯罗皮克)

开发Claude的人工智能公司。

Claude Code(克劳德 Code)

帮助人写程序的工具。

Hacker News(黑客新闻)

技术人员讨论新闻的网站。

💡 一句话总结

  • Claude Code可以完成许多编程工作。
  • 一名工程师说,大家没有时间检查结果。
  • AI更快,不代表工作一定更好。

Anthropic是开发Claude的人工智能公司。 Claude Code是帮助人写程序的工具。 2026年9月,一名匿名工程师讲述了自己的工作。 他没有说出公司名称。

他说,Claude Code会写计划、测试、任务单和报告。 他说,员工每天工作12到13小时,却主要是在按回车。 他们没有足够时间阅读和理解结果。 这些内容是他的说法。 它们不是所有公司的已证事实。

为什么值得注意

关键问题不是AI打字快不快。 关键问题是人有没有时间检查。 AI可以做出更多文字和代码。 人仍然要理解它们,也要找出错误。 如果检查时间太少,错误可能更晚才被发现。

这名工程师还说,管理者重视冲刺周期、代码合并请求和功能数量。 这些数字容易让团队追求发布速度。 它们却不一定说明用户是否真的受益。

TechSpot还介绍了一项2025年的METR研究。 研究观察了16名有经验的开源开发者。 他们完成了246项真实任务。 使用AI工具后,任务时间反而长了19%。 但那项研究没有调查这家公司。 它不能证明这次经历一定由Claude Code造成。

Hacker News给这件事59个积分和71条评论。 这表示很多人注意到它。 这不能证明匿名工程师说得一定正确。

接下来要看什么

未来需要比较检查时间、错误、返工和用户结果。 AI写了多少代码,不是唯一重要的数字。 更重要的是,人是否仍有时间理解和思考。

💬 HN评论摘要:AI是在帮助开发者,还是在改变工作?

评论中既有“AI减少了麻烦工作”的兴奋,也有“人会失去理解代码的能力”的担忧。关于速度和故障的说法都是个人经历,不是确定的研究结论。

  • 一些开发者喜欢 AI,因为它能处理小而重复的编码工作,让人更多关注产品目标、整体设计和结果检查。
  • 一名自称编程25年的人说,他自己设计整个程序,只让 Claude 补充较低层的小部分,而不是把所有工作都交给 AI。
  • 其他使用者说,AI 有时会在解决问题前制造更大的混乱,并生成难以理解的代码。如果人无法解释代码,就很难好好检查它。
  • 一些评论者报告,公司现在要求大约十倍的产出;但也有人指出,代码变多并不代表工作质量和生产率同样提高。
  • 人们还在争论未来的技能:可能少学一些具体语法、多学系统设计,也可能因为依赖 AI 而失去学习和检查代码所需的基础。

这是评论数为71时的初期(修订1)。获取84条,并从整体抽取84条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

AI帮忙写程序,人还要动脑

📰 完整报道: “每天按回车”背后:Claude Code暴露的工作问题

电脑可以帮忙写指令,但人要检查它。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
Anthropic(安斯罗皮克)

做Claude的人工智能公司。

Claude Code(克劳德 Code)

帮人写电脑指令的工具。

Hacker News(黑客新闻)

大家谈技术新闻的网站。

Anthropic(做Claude的AI公司)有一个工具。 它叫Claude Code(帮人写电脑指令的工具)。

有个写程序的人讲了自己的工作。 他说,工具会写计划和测试。 他说,人们常常只按回车。 他说,他们工作12到13小时。 公司的名字没有说出来。

Hacker News(谈技术新闻的网站)也谈了这件事。 那里有59个积分和71条评论。 这说明很多人看到了它。 这不能说明故事一定是真的。

电脑帮忙很好。 但人还要看它做了什么。 人还要找出不对的地方。 人也要想清楚要做什么。 这样工作才不会只剩按按钮。

💬 HN评论摘要:AI和程序员的工作

这些是评论者对 AI 助手如何改变编程工作的经历和看法。

  • 有些程序员让电脑助手做小而无聊的工作,自己负责想大计划。
  • 助手也可能写出乱糟糟的代码。如果人说不清代码在做什么,就不知道它对不对。
  • 代码多写十倍,不一定代表工作好十倍。人们还不确定,未来的程序员会学更多大设计,还是忘掉基础。

这是评论数为71时的初期(修订1)。获取84条,并从整体抽取84条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源