管理岗用Claude Code写代码，成功率反超程序员

之前在群里提到过，未来真正要学的是管理学、经济学，不论harness还是loop既是工程学，更是agent管理学，就像管人一样，怎么管好，用好，做对决策才是关键。

现在有了一个数据上的佐证。Anthropic最近放出一份报告，里面有张图让人愣了一下：按职业分类统计用Claude Code完成编码任务的成功率，管理岗排第一，95%，软件与数学是94%，反而落在后面。

更有意思的是，整张图各职业之间差距很小。法律93%，商业金融92%，医疗91%，连排在最末的科研也有86%。沃顿商学院教授Ethan Mollick转发这张图时说，这是管理是一种AI超能力的早期证据。

Mollick补充了一句很关键的话：这确实只是早期证据，样本量不错，验证产出的方法也合理，但还有很多看不见的因素可能影响相对成功率。换句话说，别急着下定论。不过这个数据和他一直以来的观察对得上。

他此前在博客里写过一个例子。他在宾大上了一门实验课，让学生四天内从零做出一家创业公司的原型。班上大多是高管MBA，平时是医生、经理、各种公司的负责人，几乎没人写过代码。他让他们用Claude Code和Google Antigravity搭原型，用ChatGPT、Claude、Gemini做市场调研、竞品定位和财务模型。结果远超预期，四天做出来的东西，比AI出现前学生一整个学期的成果还要靠前一个数量级。

他的解释是，这些人不是AI专家，但花了多年时间学会怎么界定问题、定义交付物、在财务模型或医疗报告出错时一眼看出不对。这些被叫做软技能的东西，恰恰是和AI协作时最硬的本事。模型不是瓶颈，能把你脑子里想要的东西，清楚地说给一个不在你脑子里的对象听，才是瓶颈。

知道好的产出长什么样，本来就是真正的技能，代码对会管理的人来说从来不是难点。有网友自称2025年前一行代码都写不出来，现在靠的不是语法，而是能精确说出自己要什么、什么算好，整个开发过程变成了一份管理工作。也有人调侃，会写十页需求文档的产品经理，要开始把资深工程师比下去了。

当然有冷静的声音。一位做地产AI的网友提了个更大的隐忧：如果管理agent成了最值钱的技能，那种靠写烂代码慢慢练出判断力的学徒期就会消失，我们会得到一批很会指挥agent、却没建立起底层直觉的人。还有人指出，规格文档救不了糟糕的品味。

Agent工程师奶爸zakk给出了一个挺实用的框架，他叫它填色本方法。模型像孩子手里的蜡笔，给它一张画好轮廓的填色页，它能填得相当不错；给它一面白墙和自由，它会自信地多画出一个你没要的单眼怪物、或在你不想刷的房间里的乱画。所以真正的技能在模型两边：你递过去的轮廓，和你事后擦掉出界部分的橡皮。

图像

流程就三步，列轮廓、让模型填、自己核对和打磨。他说就算模型越来越强，这个循环也不会变，变的只是出界少一点、自动核对多一点，人的意图和验证始终省不掉。

把这些串起来看，结论挺朴素：模型负责拿蜡笔，但决定画什么的，还是人。