規劃／執行的分工

資料來源#

• Agentic coding and persistent returns to expertise

摘要#

Anthropic 對 40 萬次工作階段的研究，為代理式程式設計中的人類—代理協作提供了實證輪廓：**人們決定要打造 什麼；代理決定 如何 打造。**透過一個保護隱私的決策歸因分類器測量，在典型的 Claude Code 工作階段中，使用者做出約 70% 的 規劃 決策（要做什麼、採用哪種方法、什麼算是完成），但只做出約 20% 的 執行 決策（要修改哪些檔案、要寫什麼程式碼、要執行哪些指令）。這是對本文集其他文章以質性方式描述之角色倒置的清晰量化版本——寫程式不再是人類的工作、人類成為分配者／指揮者、思考被委派，理解得以保留。

證據註記。empirical，與 Returns to Expertise in Agentic Coding 採用相同的第一方資料限制：Anthropic 透過 Clio + Sonnet-4.6 分類器測量自家產品，並以遙測資料驗證，但排除無頭模式／SDK／IDE 的使用情境。決策歸因是從逐字稿推斷而來。

兩種視角：決策與動作#

這項研究將「誰做決定」與「委派了多少工作」分開處理：

• **決策（內容）。**分類器列出每一項有意義的決策，將其拆分為規劃與執行，再將每項歸因於使用者或 Claude。結果是：**約 70% 的規劃由人類完成，約 80% 的執行由 Claude 完成。**這是清晰的分工，而非模糊混合。
• **動作（結構）。**工作階段是來回互動：使用者發出提示，Claude 離開對話並採取行動。典型工作階段約有 4 個回合；每個使用者提示平均會觸發 約 10 個 Claude 動作（讀取檔案、編輯程式碼、執行指令），每回合寫入約 2,400 個字。長尾效應明顯——約 2% 的工作階段平均每個提示超過 100 個動作。

兩種視角彼此契合：**Claude 在兩次確認之間做多少事，與誰掌控規劃相互對應。**當使用者掌控執行（超過 80% 的執行決策）時，Claude 每回合採取的動作較少（約 8 個）。當 Claude 掌控規劃（超過 80% 的規劃決策）時，它會執行最長的動作鏈（約 16 個動作）。委派 規劃 才會讓繫繩變長——而根據 Returns to Expertise in Agentic Coding，領域專業正是讓使用者能安全交出更長繫繩的條件（新手約 5 → 專家約 12 個動作／提示）。

「AI 作為主要作者」的張力#

這是 wiki 中最有意思的跨來源對照，因為在區分單位之前，這兩個數字看起來互相矛盾：

• **Faros：**AI 撰寫了約 60% 的已接受程式碼，而且助理→作者的門檻「並非經過刻意決策」便被跨越。
• **本研究：**人類仍做出約 70% 的 規劃 決策，而約 80% 的執行由 Claude 完成。

兩者並不衝突——它們衡量的是不同的事物。Faros 計算的是撰寫的程式碼行數（執行層指標）；Anthropic 計算的是歸因的決策（區分規劃與執行）。調和後的結論是：Claude 寫下大多數程式碼行（執行），而人類仍掌握大多數規劃決策。「AI 是作者」與「人類決定要打造什麼」可以同時為真。不過，真正的開放性疑慮仍然存在：Faros 所說的「並非經過刻意決策」，以及本研究所示的 80% 執行轉交給 Claude，都描述了悄然發生的漂移；而 橡皮圖章式核准的風險在於，名義上的人類規劃控制是否會被掏空，退化為預設核准。

能力上限與實現的自主性#

報告謹慎地區分模型能夠做什麼，以及使用者允許模型做什麼。METR 的時間範圍評估衡量的是上限——前沿模型現在已能完成原本需要人類多個小時、且必須自主克服障礙的任務。這裡的決策歸因與每提示動作數，捕捉的是實際工作階段中的實現分工：即使上限很高且持續提升，典型使用者仍保留規劃控制權，並授予執行權。上限與實現自主性之間的差距，本身就是值得觀察的變數——如果隨著上限提升，規劃越來越轉移給 Claude，那就是人類決策軸上的鷹架收縮。

相關連結#

• Implementation Abundance Inverts Product Work — 這項分工重新組織的流程：人類策展／決策，代理執行大量可供選擇的建置工作
• Role Averaging, Not Role Elimination — 建立在「人類決定什麼、代理決定如何」之上的團隊結構重組
• AI as Primary Author — 將程式碼行的作者歸因與決策歸因分開後，表面上的矛盾（60% 作者比率與 70% 人類規劃）得到解決
• Compute Allocator — 「人類做出規劃決策」正是 Thariq 的分配者角色：決定什麼值得做，同時由模型負責產出
• Verification as the New Bottleneck — 如果人類掌握規劃與驗證，而 Claude 掌握執行，那麼人類的判斷吞吐量就是制約因素
• Returns to Expertise in Agentic Coding — 專業讓使用者能安全委派規劃，並解鎖更長的（16 動作）鏈
• Task Time-Horizon Scaling — 能力的上限（模型能獨自完成的事）與本研究的實現自主性（使用者實際委派的事）之間的對比
• Harness Shrinkage as Models Improve — 委派給代理的規劃比例，是對鷹架收縮的使用側解讀
• Outsource Your Thinking, Not Your Understanding — 「決定什麼／代理決定如何」就是外包思考，但保留理解（規劃）
• Claude Code — 衡量這項分工的介面
• Conversation-to-Delegation Shift — 跨族群的實現自主性資料：使用者實際委派給 Codex 的工作量（16.5%／63.3%／99.8% 的 token 比例），就是在採用規模下衡量的這項分工
• Parallel Agent Orchestration — 人類保留規劃／協調角色，同時讓執行工作分散到許多並行代理上——大規模代理群體中的分工
• Configurable Human Participation — 「人類決定什麼、代理決定如何」之下更細緻的時程：HAS-Bench 將人類輸入拆為釐清（規劃時、提交前）與回饋／控制（執行時、產出存在後），並衡量每種任務模式下哪一種介入值得行使——這是分工的何時／如何，而不只是誰
• Unknowns as the Agentic Bottleneck — 更進一步的修正：前置規劃無法排除只有在實作深處才會浮現的未知，因此人類約 70% 的規劃決策掌控，並未涵蓋規劃時尚不存在的決策
• Latent vs. Deterministic Space — 再往下抽象一層的相鄰切分：本頁將決策分在人類與代理之間；Tan 的框架則將計算分給模型與程式碼

開放問題#

• 隨著模型改進，人類在規劃決策中的比重會逐漸下降（上限上升至規劃層），還是約 70% 會成為穩定的人類下限？
• 「決策歸因」是從逐字稿推斷而來。當 Claude 提出計畫、使用者表示同意時，這會被記為使用者的規劃決策，還是 Claude 的規劃決策？橡皮圖章式核准的界線，正是這項測量最困難的地方。
• 無頭模式／SDK／pipeline 使用情境（本研究排除）是執行自主性最高、且規劃被前置到單一提示中的地方——70／20 的分配在那裡仍成立嗎，還是會崩解為完全委派？

資料來源#

• Agentic coding and persistent returns to expertise — §"The division of labor", §"Who decides what"