(圖說:Claude Code 正在進行 代理式程式開發 (agentic coding)。圖片來源:Anthropic。)
✳️ tl;dr
- Anthropic 最近分享了他們內部團隊使用 Claude Code 1 的真實案例 2,讓我看到了從單純的程式碼自動完成,進化到「代理式軟體開發生命週期 (agentic SDLC)」的大致畫面。
- Data Infrastructure 團隊讓 Claude Code 用 OCR 看錯誤截圖,診斷出 Kubernetes IP 耗盡,並提供修復指令
- 非技術背景的財務人員只要用 自然語言 描述需求,Claude Code 就能自動產生查詢並輸出 Excel 報表
- Product Development 團隊在 auto-accept mode 下讓 Claude Code 自主寫出 70% 的 Vim 模式程式碼
- Security Engineering 透過 Claude Code 快速解析 Terraform plan,完成安全審核並減少開發瓶頸
- Inference 團隊依賴 Claude Code 生成涵蓋 edge case 的單元測試,研究開發時間降低 80%
- DS/ML 團隊用 Claude Code 建立 5,000 行 TypeScript 儀表板 (dashboard),從一次性分析轉向長期可重用工具
- MCP(Model Context Protocol) 3 讓 Claude 在安全環境中存取精準的組態與資料
- Claude Code 借助「自我驗證迴圈」:撰寫程式 → 執行測試/CI → 自動修正錯誤,推進代理式 SDLC (agentic SDLC)
- 第三代 AI coding 工具正整合到端到端開發流程,從需求到部署 全面自動化
- Anthropic 透過 RLAIF 與 Constitutional AI 訓練模式,讓 Claude 在程式碼生成中展現業界領先的自我修正能力
- 你有想過 AI coding 工具 在你的組織內部 或 對你自己的工作流程 到底能做到什麼 程度 嗎?
- 今年五月我在 AWS Summit Hong Kong 2025 分享「重塑程式設計: AI 如何轉變企業的程式開發方式」,從 SDLC 開始拆解,大家有興趣也可以搭配投影片一起閱讀。
✳️ 知識圖譜
(更多關於知識圖譜…)
✳️ 思考展望
幾個問題:
- 技能
- 當 AI 能處理大部分程式細節時,開發者的核心競爭力是什麼?系統設計能力?對其他人類的需求理解能力?還是對 AI 工具的駕馭能力?
- 如果需求來自於非人類 (e.g. 來自 AI),還需要需求理解能力嗎?還是轉變成某種中間層語言?還需要資料中台嗎?Unified Data Layer 也許會變成 Unified Language Layer?Unified Ontology Layer?
- 未來
- 如果現在 Claude Code 已經能做到這樣的程度,那未來一年、三年、五年,軟體開發的樣貌會是什麼?
✳️ 延伸閱讀
Claude Code: Deep coding at terminal velocity - Anthropic ↩︎
Anthropic proposes a new way to connect data to AI chatbots - TechCrunch ↩︎
‘The Trillion-Dollar Question’: How did Anthropic make AI so good at coding? - Business Insider ↩︎
Claude Code: Best practices for agentic coding - Anthropic ↩︎
https://aws.amazon.com/blogs/machine-learning/supercharge-your-development-with-claude-code-and-amazon-bedrock-prompt-caching/ ↩︎