从Claude Code进化史，读懂Coding Agent的终局逻辑

• 正在发生的产品演化：Coding Agent的终局是消灭Coding

• 当工程师变成Claude Code的agent，下一个被自动化的是谁？
  

• 从Claude Code看Coding Agent的发展终局

• Claude Code进化论：当Coding Agent学会吃掉自己，企业的机会与陷阱在哪里

旧金山某大厂工程师，2026年3月，在技术论坛匿名发帖：我基本上成了Claude Code的agent。经理告诉我做什么，我转达给Claude Code，它完成，我Review，我提交。

这句话乍看像是自我贬低，实则描述了一种正在规模化发生的人机协作模式。但它同时暗含一个让很多工程师不安的问题：如果"我转达"这个环节也被自动化掉，会发生什么？

答案在2026年4月落地了，就是Claude Code推出最新功能Routines，配置好规则，它自己监听事件、自己触发任务、自己完成、自己提交报告，全程跑在Anthropic云端，你的笔记本关机了照样工作。"转达人类"这个角色，正在被系统性地自动化。

这不是科幻。这是正在发生的产品迭代。

王吉伟频道今天要聊的，就是这背后的故事：Claude Code为什么能在18个月内从一个工程师的侧项目跑到25亿美元ARR，Coding Agent这个品类的天花板到底在哪里，以及在这波浪潮里，企业该如何判断、如何行动、如何避开那些"看起来很美"的坑。

PS：公众号主页发私信 260416 ，获取本文提到的Anthropic 2026 智能体编程趋势报告。

Coding Agent 是一种无需人类过多干预的智能编程系统，能够自主完成软件开发全流程中规划、编码、测试、部署等任务。现在人们常说的Claude Code、OpenCode、Cursor、GitHub Copilot等都是。

很多人第一次接触Claude Code，会下意识把它理解成"更聪明版的GitHub Copilot"。这个对比不算错，但大幅低估了两者之间的本质差异。

GitHub Copilot的定位是代码补全。它坐在你的IDE里，观察你正在输入的上下文，在合适的时机给出下一行或下一段的建议。整个交互模型是"你输入，它提示，你决定用不用"。本质上，Copilot是一个被动的、单步推断工具。

Claude Code的定位是Agentic编码工具，更准确地说，是一个拥有本地开发环境操作权的AI Agent。它能读取整个代码库、跨文件编辑、执行Shell命令、调试报错、提交Git、发起PR，在你去开会的时候继续跑任务，回来告诉你结果。它是主动的，目标驱动的，能自我纠错的。

两者的差别用一句话说：Copilot是旁边那个会提示"下一步可以这样"的导航App，Claude Code是你雇来的工程师，你说目标，他自己想办法到达。

这个区别不是修辞，是架构层面的分野。Claude Code的核心运行机制是ReAct循环（Reasoning + Acting）：理解目标→分解任务→调用工具→观察输出→自我纠错→继续执行，形成完整的"规划-执行-反馈"闭环。

这才是Agentic AI的根本特征，也是理解后续所有内容的前提。

在聊Claude Code的进化路径之前，有必要把Agent Skill（智能体技能）这个概念单独拿出来讲一讲。

如果把AI Agent类比为一个人，那Agent Skill就是这个人掌握的一项具体技能：会读文件、会写代码、会跑测试、会提PR、会搜索文档……

每个Skill都是独立的、可复用的能力单元，Agent通过组合调用这些Skill来完成复杂任务。

Claude Code内置的Skill涵盖：文件系统读写、Bash命令执行、Git操作、代码搜索与索引、Web搜索、MCP工具调用等。这些Skill本身并不复杂，但当一个强推理模型以任务目标为导向自由组合它们，涌现出来的能力远不是各个Skill的简单叠加。

更重要的是，通过Claude Agent SDK，企业可以为Claude Code添加自定义Skill：接入内部代码库、对接CI/CD系统、连接企业内部的知识库或数据库。

这是Claude Code从通用Coding工具变成企业定制编码Agent的关键路径。Agent Skill的可扩展性，直接决定了这个平台对企业的上限。

Claude Code从内部实验到ARR 25亿美元，走了不到两年。这段历史值得仔细拆解，因为每个阶段都不只是功能迭代，而是产品范式的跃迁。

第一阶段（2024年9-11月）：内部实验，发现"产品悬垂"

Claude Code的起点是Anthropic工程师Boris Cherny（TypeScript领域知名贡献者）的一个侧项目：让Claude模型直接访问本地文件系统、执行Bash命令。技术门槛不高，但洞察相当犀利。

Cherny发现，2024年底的Claude 3.5 Sonnet已经天然具备成为"真正开发伙伴"的潜力：不需要额外训练，它就能自主读懂代码库、追踪依赖关系、理解整体架构。

这种能力一直潜伏在模型里，只是产品形态没能把它释放出来。他把这个现象命名为"Product Overhang（产品悬垂）"：模型能力已超出当前产品形态所能承载的上限，新形态的出现只是时间问题。

内部测试的数据很能说明问题。Dogfooding第一天，20%的工程师开始用；第五天，50%；到2024年11月，Anthropic内部80%以上的工程师依赖这个工具，平均每天产出5个Pull Request，远超正常水平。一个内部工具能有这种采用率，说明它解决了真实痛点，而不是制造了需求。

第二阶段（2025年2-8月）：公开发布，完成商业验证

2025年2月24日，Claude Code研究预览版上线。没有发布会，没有刷屏Demo，只有一篇低调的博客公告。事后回看，有人把这个时间节点称为"没有人注意到的革命"。AI系统第一次不再只是回答问题，而是开始行动：理解代码库、制定计划、逐步执行、自我纠错。

产品定位"无意见（unopinionated）"，尊重用户已有的工作流，直接进入用户的真实环境，不试图把用户圈进设计好的围栏里。这种谦逊带来了更高的信任度，这点很多AI产品没学会。

2025年5月22日，Claude Code随Claude 4系列正式GA。Boris Cherny在接受Wired采访时描述了一个有意思的曲线：产品发布时他用Claude Code完成5%的日常编码，Claude 4上线后跳到30%，采访时已达100%。这不是渐进提升，而是跨越临界点后的阶跃。

第三阶段（2025年9-12月）：SDK开放，从产品走向平台

2025年9月，Anthropic开放Claude Agent SDK（Python/TypeScript两个版本），把Claude Code底层的Agent引擎（规划循环、工具调用、记忆管理、沙箱执行）封装成开发者可直接调用的基础设施。从产品变成平台，这是明确信号。

与此同时，MCP（模型上下文协议）在2025年12月被捐赠给Linux基金会旗下的Agentic AI Foundation。到2026年初，苹果在Xcode中原生支持MCP，OpenAI在ChatGPT中接入MCP。竞争对手主动采纳你的协议，这是生态级认可的最高形式。

这一阶段还有一个容易被忽视的技术里程碑：自动上下文压缩（Memory Compaction）。长时运行一直是Agentic工具的核心痛点，任务越长上下文越污染，模型开始"记性变差"甚至产生幻觉。

压缩技术的引入，让Claude Code能处理数小时乃至数天的连续任务，从短期助手跃升为真正意义上的"agent。

第四阶段（2026年至今）：云端化与多Agent编排

2026年3月，Computer Use全面集成，Claude Code开始直接操作屏幕，SWE-bench得分达到80.8%（这个数字在2024年还只是个位数）。4月，桌面App重构支持多Agent并行管理，Routines研究预览上线，定时任务、事件驱动自动执行，全程云端运行。

这时候的Claude Code，已经很难被"Coding Agent"几个字框住了。Claude Code研究员Alex Albert说：现在Cowork加上Code基本能覆盖我所有工作，不用再打开其他App。这句话背后的含义，不是写代码更方便了，而是边界已经在重绘。

Claude Code能够快速被广大组织及个人所接受，除了前面提到的Agent skill，另一个原因就在于Harness ，这对有实际部署需求的企业团队非常重要。

AI Agent能力再强，企业在部署时都绕不开一个问题：我怎么知道它在我的场景里好不好用？怎么测试它的行为是否符合预期？怎么在它出问题之前发现问题？

这就是Agent Harness要解决的事情，围绕它形成的工程实践叫做Harness Engineering。

借用软件测试里的术语，Harness最初指"测试线束"：一套包裹在被测系统外部、用来驱动测试、捕获输出、评估结果的自动化框架。移植到AI Agent领域，Agent Harness就是：一套用来系统性测试、评估、验证Agent行为的工具体系。

SWE-bench是目前最知名的公开版Agent Harness：给Agent提供真实的GitHub Issue，让它生成修复方案，通过自动化测试套件评分。能有这样精确的评估结果，前提正是有规范的Harness体系在支撑。

但大多数企业部署Coding Agent时，并没有自己的Harness。他们的评估方式往往是：让工程师试用两周，问问感觉怎么样。这个方法不是没价值，只是极其不可靠。

为什么企业需要自己的Agent Harness？

原因有三个层次。

第一，每个企业的代码库、技术栈、业务逻辑都不同。公开基准测试测的是通用能力，不代表在你的私有代码库上表现相同。Anthropic的数字针对的是典型开源项目场景，和企业内部那几百万行Java遗留代码完全是两回事。

第二，没有Harness，你不知道模型升级是在帮你还是在坑你。AI厂商经常悄悄更新模型，你今天用起来不错，下个月版本一迭代，某些任务的表现可能悄然退步。如果没有自动化评估基线，这种退步可能要几个月后才发现。

第三，安全与合规。Agent会读代码、会跑命令、会提PR，它会不会无意中把敏感配置内容提交到仓库里？会不会生成含有已知漏洞的依赖项？这些问题需要自动化检测，而不是靠人工Code Review兜底。

企业级Harness Engineering应该包含什么？

一个基本可用的企业级Agent Harness至少需要四层。

评估数据集层：从历史Bug列表、Code Review记录、真实需求文档里筛选出一批"标准测试任务"，建立可复现的评估集。这个数据集要定期更新，反映你真实业务场景的难度分布，不能一次建完就放在那里吃灰。

自动化执行层：在沙箱环境里自动跑评估任务，捕获Agent的全部输出，包括生成的代码、执行的命令、产生的副作用。这一层依赖Claude Agent SDK或类似工具来实现程序化调用，是整个Harness的执行引擎。

质量评分层：不只看测试通过率，还要看代码风格合规性、安全扫描结果、依赖项合理性、注释完整度等维度。这些评分标准要对齐你企业自己的工程规范，通用标准代替不了这一步。

回归追踪层：把每次测试结果存档，跨版本对比，当某个维度得分出现下滑，自动触发告警。这一层让Harness从"一次性评估工具"变成"持续质量监控系统"，是真正的价值所在。

前面说了这么多关于Harness的，主要就是为了引出下面这句话。

Claude Agent SDK 在这里的价值很直接：它让企业可以用编程方式调用Agent、注入自定义工具、模拟真实工作流，是构建Harness的技术基础。MCP则提供了标准化的外部系统接入方式，让Harness可以连接内部测试环境、代码审查系统、安全扫描工具，打通工具链的最后一公里。

这种方式，让Claude Code等Coding Agent能够真正融入企业生产环境。

一句话总结：在大规模部署Coding Agent之前，先建好自己的评估体系。这一步很多企业会跳过，结果在"大规模失望"之后才回头补课，代价远大于一开始就做对。

Coding Agent市场目前已形成相对清晰的三强格局：GitHub Copilot、Cursor、Claude Code，三家份额接近均等。AI编码工具整体市场规模2025年约为73.7亿美元，预计2032年达到301亿美元，复合年增长率27.1%。

赛道足够大，但三家的战略终局是三条完全不同的岔路。

三条路线里最激进的是Claude Code。它不甘心只做Coding，把编码能力当作撬动更大版图的杠杆，逐步向通用知识工作Agent扩张。这既是最大的野心，也是最大的风险：覆盖面越广，越容易在每个具体场景里败给深耕的垂直对手。

GitHub Copilot的护城河最深，原因不复杂：背靠Microsoft和GitHub两张最大的开发者基础设施牌，再差也不会出局。真正的问题是产品创新速度能否跟上Claude Code在模型能力上的代差。

Cursor靠开发者体验做到极致，口碑飞轮一旦转起来很难打断，但天花板也很清晰：这是一个开发者工具，不是企业级平台，"如何规模化进入企业"这道难题迟早要正面回答。

一个更核心的判断：Coding Agent竞争的下一阶段，不会是"谁的代码写得更准"。当AI写代码的能力不再是稀缺品，差异化会转向工具链集成深度、安全合规成熟度、自定义Skill生态，以及那个最现实的落脚点：客户成功体系。

能帮企业把Agent真正跑通的那家，才是最后赢家。

把Claude Code放到更大的AI Agent演化框架里看，它其实是在印证一个规律：AI Agent的发展路径是先分后合。

当前阶段，市场的主旋律是"分"。模型能力有天花板，单个Agent不可能在所有场景都做得足够好，所以市场按场景、行业、功能分化出大量垂直Agent：写代码的、做PPT的、搜索研究的、管客户的、处理财务的。

各自跑马圈地。这种分化在当前阶段是合理策略，把精力聚焦一个场景做深，反馈数据更集中，迭代效率更高。

但"合"是迟早要来的事。当底层模型强到足以在所有场景里达到专业水准，垂直Agent的护城河会开始松动。用户的需求本来就是跨场景的，今天写代码、明天做分析、后天写报告，凭什么要在五个不同Agent之间反复切换？

Claude Code的演进，是这个逻辑最好的现实案例。从Coding出发，通过Computer Use扩展到桌面操控，通过Routines扩展到工作流自动化，通过Agent Teams实现多Agent协作，一步一步走向"合"。用编码能力作为桥头堡，逐步覆盖更大的知识工作版图。

这跟亚马逊从卖书到卖百货的逻辑如出一辙，只是Claude Code跑得快得多。

驱动这个"先分后合"的根本力量，是模型性能的分阶跃迁。Boris Cherny个人使用率从5%到100%的变化，就是这样一次阶跃的微观体现：某个时间点跨越了"有用的助手"和"真正替代工程师"之间的临界点，然后就没有回头路了。

对押注垂直场景的创业者，这个规律提出了一个务实的问题：你的护城河，是建立在"模型能力暂时追不上"之上，还是建立在"数据、场景、工作流集成深度"之上？前者是危险的护城河，模型总会追上来；后者相对稳固，因为数据和集成深度不是靠算力能买来的。

说了这么多看好的理由，王吉伟频道还是要把反向数据摆出来，才算完整。

Stack Overflow 2025年开发者调查，约5万名开发者参与，结论相当值得回味：只有33%的开发者信任AI编码工具的输出准确性，而2024年这个数字是43%，整整下滑10个百分点。认为AI助手对工作流有正面影响的比例，也从72%降到约60%。

热情之后，现实主义在回归。

arXiv学术研究（2512.14012）给出了一个更反常识的结论：经验丰富的开源项目维护者在允许使用AI工具时，效率实际上下降了19%。部署在issue tracker中的Agentic系统，只有8%的调用最终产生了被合并的PR。

研究者的解释很清醒：有经验的工程师在意代码质量，他们花在Review和修正AI输出上的时间，吃掉了AI生成速度带来的收益。

DORA 2025报告的方向一致：AI在流程规范、基础扎实的团队里扮演放大器角色；但在流程混乱的组织里，AI只会把混乱放大。个体层面的效率提升，经常无法转化为团队级别的交付提速。

IBM研究员Danilevsky的判断相对务实：一旦事情变得复杂，你仍然需要人类介入。Agent的应用最终会沉淀为增强角色，人类始终在场做最终决策。

这些数字的含义很清晰：AI Agent的能力跃迁，和它在真实组织里发挥的效用，之间还有一条很长的路。模型性能的突破不等于企业生产力的突破，中间隔着工具集成、流程改造、人员培训、安全合规，以及那个最难改变的东西：人的习惯和组织惯性。

对Coding Agent最理性的定位：对有经验的工程师是放大器，对初级工程师是护栏，对非技术人员是降低门槛的工具。期待它替代工程师，大概率失望；把它当成杠杆工具合理使用，收益是真实的。

聊完技术和市场，回到最实际的问题：企业在这波Coding Agent浪潮里，该怎么做？

王吉伟频道给出三个判断，不保证正确，但保证务实。

判断一：优先修流程，再考虑上工具

DORA 2025报告的核心结论值得被直接引用：AI在流程规范的团队里是放大器，在流程混乱的团队里放大混乱。这不是哲学，是可量化的工程观察。

企业在部署Coding Agent之前，应该先做一个诚实评估：代码库有没有足够的测试覆盖率？Code Review流程是走过场还是有实质价值？需求文档清不清楚？CI/CD管道是不是通畅的？如果这些基础设施是松散的，引入Coding Agent不会修复它们，只会以更快的速度生产更多混乱的代码。

很多企业把这个顺序搞反了，用AI工具快速积累了一大批将来要花更长时间偿还的技术债。先修流程，再上工具。

判断二：先建Harness，再规模化部署

这是对前文Harness Engineering内容的落地版本。

不要把"全公司铺开试用一个月，看感觉如何"当成评估方法。正确路径是：先在一个代表性业务场景里建立评估Harness（从历史任务里抽取测试集、设定质量基线、配置自动化评分），在这个场景里跑出清晰的ROI数据，再以此为模板推广到其他场景。

Harness先行，部署随后。Claude Agent SDK等提供的是构建这套体系的技术基础，企业需要的是工程投入，而不只是商业判断。

判断三：把Agent Skill扩展纳入长期规划

当前大多数企业使用Coding Agent的方式，是把它当通用工具直接调用。这没有问题，但永远停留在这个层次，用的始终是"标准版"能力，无法形成差异化优势。

真正有战略眼光的企业，会把Agent Skill的定制扩展纳入长期规划：把公司内部的代码规范、架构模式、业务逻辑沉淀成Agent可以调用的自定义Skill；把内部的测试框架、部署脚本、监控系统通过MCP接入Agent的工具集；让Agent真正"懂"你的业务，而不只是懂通用的编程知识。

这带来两个好处：Agent在你的场景里真正有效（因为它懂你的上下文），以及形成高切换成本（你积累的Skill和Harness是你的资产，不是Anthropic的资产）。

Anthropic的商业模式决定了它没有动机帮你建这套东西，这是企业自己的工程投资，也是在这波AI浪潮里最可能形成的长期竞争壁垒之一。

到了整篇文章最核心的判断：Coding Agent的终局，是"Coding"这个定语变得多余。

这听起来像是在说编程会消失，实际不是。编程不会消失，代码也不会消失，但"用代码解决问题"这个行为，会从人类的显式操作，退化成AI Agent的内部实现细节。

做一个类比。今天的计算机用户不需要理解CPU指令集，不需要写汇编语言。但CPU依然在运行指令，只是这层细节被操作系统和应用层彻底封装，普通用户感知不到。

AI Agent的进化路径与此相似：当前阶段，"编写代码"还是用户能感知到的中间过程；但在更成熟的阶段，用户说"帮我把这个数据整理成报告"，Agent直接生成结果，背后跑了什么Python脚本、调用了什么API，用户完全不关心。Coding变成了底层实现，而非认知负担。

为什么代码仍然是最好的底层语言？因为代码是数字世界唯一通用的行动语言，它能操作文件、调用服务、处理数据、控制界面，覆盖所有数字场景。

AI Agent用代码作为行动的底层工具，就像人类用语言作为思考的底层工具一样自然。这个底层不会消失，只是会越来越隐形。

数据在印证这个判断。Anthropic 2026 Agentic Coding Trends Report显示，AI生成代码占比在2025年已达约41%。GitHub公开提交中，4%已由Claude Code生成，预计2026年底将超过20%。代码，正在快速从"人类写的东西"变成"AI写的东西"。

当这个趋势的终点到来，Coding Agent这个品类的定义会发生根本性转变：它不再是帮你写代码的工具，而是用代码作为底层语言、完成任何数字任务的通用Agent。

到那时，Coding这个前缀会像今天的互联网公司一样显得多余，毕竟，哪家公司不是互联网公司？

Boris Cherny那句话，值得被完整引用一次：今天，编程问题实际上已经被解决了。软件工程师这个头衔会消失，取而代之的是建造者或产品经理。

说这话的人，是把Claude Code从零做到25亿美元ARR的那个人，也是第一个被Claude Code"取代"100%编码工作的那个人。信不信，你自己判断。

有一点是确定的：这个品类还有很多仗要打，也还有很多钱要赚。对于企业来说，现在是布局Harness、扩展Skill、修好流程的时间窗口，而不是等待观望的时候。

等到Agent能力再跳一次临界点，那时候再追，可能已经是追赶模式了。