AI写代码成功率升到约九成，为什么还不能叫“自动改进自己”
内容提要
Anthropic数据显示，Claude Code任务成功率已升至约九成，但AI写代码并不等于能递归自我改进。真正的自主需目标设定、实验、训练、验证与安全决策形成闭环，当前更接近强力人机研发循环。团队应按风险分级AI改动，用交付周期和事故率替代代码行数，并公开任务抽样与外部审计。
延伸解读
内部数据与外部可复现性的差距
文章引用的成功率曲线来自Anthropic内部生产环境，未公开完整任务集、逐条判定与独立复现。这意味着约九成的数字能证明该组织实践已大规模发生，但不能直接推广到所有团队、代码库和模型。读者应区分“内部证据”与“跨组织可比证据”，后者需要公开任务抽样、判定一致性和外部审计。
代码生产率、AI辅助研发与递归自我改进
文章明确将三个概念分开：代码生产率指AI加速生成与修改代码；AI辅助模型研发指AI参与数据处理、实验基础设施或训练代码；递归自我改进则要求目标设定、实验、训练、验证和安全决策形成闭环。当前证据更支持“强力人机研发循环”，因为评测、目标、资源与上线权限仍由人掌握。
团队指标应从代码行数转向交付与事故
当写代码变快，瓶颈会移向问题定义、评审、测试、部署和事故响应。若继续用提交行数衡量效率，可能把更高吞吐误当成更高价值，导致验证队列膨胀和隐藏回归。文章建议用交付周期和事故率替代代码行数，并记录返工、线上缺陷、回滚、评审负荷和长期维护成本。
权限升级应依赖证据而非新鲜感
对个人开发者，文章建议逐步扩大“可验证任务”的范围：先让Agent修测试明确的小问题，再处理带回滚方案的模块变更，最后才接触生产诊断。高风险变更应要求独立测试与非同源评审。能力增长越快，权限升级越应依赖可重复复现、受控权限、回滚路径和人类批准等证据。
Q&A
Anthropic 数据显示 Claude Code 的任务成功率现在是多少？
到 2026 年 9 月，四类任务（琐碎、常规、重大、开放式）的成功率约为 88% 至 92%，其中开放式任务从约 26% 升至 91%，提升最明显。
为什么 AI 写代码成功率到九成，还不能叫递归自我改进？
因为递归自我改进需要目标选择、实验设计、训练、验证和安全决策形成可靠闭环。目前评测常由同系列模型完成、研究目标仍由人设定、训练资源与上线权限仍由人掌握，所以只能算强力人机研发循环。
代码生产率、AI 辅助模型研发和递归自我改进这三个概念有什么区别？
代码生产率指 AI 让工程师更快生成、修改和检查代码；AI 辅助模型研发指 AI 参与数据处理、实验基础设施、评测或训练代码；递归自我改进指系统通过改进研发过程，产出更强的后继系统，后继系统又进一步加速同一循环。
Anthropic 的这组数据有哪些证据风险？
主要有四个风险：裁判同源偏差（Claude 判断 Claude 可能偏好相似表达或遗漏隐性错误）；任务构成漂移（曲线上升可能受模型变强、工具改善和任务分配变化影响）；成功率不等于业务价值；代码归因不等于因果生产率。
当 AI 写代码变快后，软件团队的瓶颈会转移到哪里？
瓶颈会向问题定义、评审、测试、部署和事故响应移动。一个工程师可以同时发起更多修改，但代码评审者不会自动增加，若仍用提交行数衡量效率，可能得到更大的验证队列和更多隐藏回归。
团队现在可以采取哪些具体行动来安全地使用 AI 编程？
三件事：把 AI 改动按风险分级；高风险变更要求独立测试与非同源评审；用交付周期和事故率替代代码行数做核心指标。研究机构还应公开任务抽样、判定一致性、失败类型和外部审计。
个人开发者应该如何逐步扩大 AI Agent 的权限？
不要一次开满权限，而是逐步扩大可验证任务的范围：先让它修测试明确的小问题，再处理带回滚方案的模块变更，最后才接触生产诊断。能力增长越快，权限升级越应依赖证据而非新鲜感。
