AI帮你提速80%，却让你的能力掉17%——Anthropic自己算的这笔账

知乎这两天有个问题上了热榜："当没有 Token 额度了，你会开始手动改 AI 生成的代码吗？"评论区意外地分裂：有人说早就不记得完整语法了，离开AI手都是生的；有人说自己从来没逐行看过AI给的代码，改不动就只能重新充额度。一个看似调侃的提问，其实已经有公司用实验数据认真回答过了——而且这家公司，就是造Claude的Anthropic自己。

我把Anthropic官方研究博客和近几天的几篇译文报道扒了一遍，整理出这笔"效率与能力"的账。

官方的"自曝"：AI辅助组，测验低了17%

Anthropic做了一项以软件开发者为对象的随机对照试验，考察两件事：有无AI辅助时，掌握一项新技能（一个Python库）的速度差多少；以及用AI是否让人更不理解自己刚写出的代码。

结论：用AI辅助写代码的开发者，在"刚用过的概念"测验中，比手写组低17%——官方译文的说法是"相当于差了近两个字母等级"。

讽刺的是，同一家公司的另一项观察性研究还发现：AI能将某些任务提速高达80%。也就是说，这组数据放在一起读是——干得更快了，但留下的更少了。Anthropic没有回避这个矛盾，而是把它公开写成研究博客，这一点比结论本身更值得注意。

为什么：要分清"两种摩擦"

开发者Lars Faye最近有篇文章《AI编程将阻碍专业能力的形成》在技术圈被转得很多，他提出一个"熟练编排者悖论"：管理AI编程智能体所需要的那些能力，恰恰会因为持续使用这些智能体而逐渐退化。

他的解法不是"少用AI"，而是分清两种摩擦：

• 第一种摩擦：系统切换、格式转换、重复搬运——它只拖慢工作，应该全交给AI；
• 第二种摩擦：思考、试错、受挫——它构成成长，必须亲手保留。

代码生成得越顺畅，人就越容易绕过形成判断力所必需的规划、失败和调试。回到知乎那个问题：Token用完改不动代码的人，多半是把第二种摩擦也外包了。

这不是吓唬谁。36氪报道过Anthropic一份内部研究的数据：自2025年初以来，其技术部门初级员工占比从21%降至14%，初级技术招聘占比从27%降至9%。行业的入场门槛在悄悄抬高，而抬高的恰恰是AI替代不了的那部分——判断力。

怎么办：把手交出去，把判断留下来

Anthropic的Claude Code团队成员、谷歌前工程总监Addy Osmani最近也发了篇长文，观点正好是同一枚硬币的另一面：别再"过度提示"AI了。模型越强，指令越该短——说清楚你要什么结果、AI该如何自查是否完成，然后放手让它跑。

翻译一下：你省下来的力气，不该花在盯AI打字上，而该花在定义问题和验收结果上。整理成一张对照表，建议存下来对着用：

选工具也是同理：好的AI工具应该让你始终坐在"判断位"上，而不是把你架空成点确认的。我自己筛过的一批工具按真实使用场景做了分类，放在 spark1.cn/tools/ ，可以对着这张表挑一个先练手感。