Claude寫出80%合併代碼 管控成本同步攀升

Anthropic的AI模型Claude，截至2026年5月，已撰寫公司內部並入正式生產環境代碼庫中超過80%的程式碼。業界評價認為，AI已經從開發輔助工具，躍升為實際服務程式碼撰寫流程的核心角色。

Anthropic在研究文章《When AI builds itself》中公開了這項數據。不過該公司說明，80%並非全部程式碼生成量，而是指並入生產代碼庫的程式碼中可歸因於Claude的比重，公司也表示歸因流程仍有缺口，部分自動生成的程式碼可能未被納入統計。

Anthropic在同一篇文章中指出，2026年第2季，每位工程師的程式碼合併量較2021至2025年平均值增加了8倍。在難度最高的開放性任務中，Claude的成功率截至2026年5月為76%，較6個月前提高了50個百分點。

該公司將這股趨勢與「遞歸式自我改進」的可能性連結在一起，說明AI承擔了AI開發過程中部分程式碼撰寫、實驗執行與審查工作，使開發速度加快。

不過Anthropic強調，目前尚未走到那個階段。也就是說，由人類設定目標、判斷方向並做最終核准的結構依然存在。

遞歸式自我改進，是指AI直接參與下一代AI的開發過程，藉此加快性能改進速度的概念。過去軟體開發流程是由人類設定需求、撰寫程式碼，再經測試與審查後部署上線，但隨著AI程式撰寫工具普及，撰寫與審查環節被自動化取代的比例正在擴大。

問題在於，伴隨速度提升，「管控成本」也隨之增加。Anthropic在7月21日公開的軟體開發生命週期安全文章中，再次說明Claude撰寫了約80%的合併程式碼，並表示安全審查與存取權限管理方式也必須一併調整。

該公司提出的因應方式包括：按風險等級劃分代碼庫、投入多個AI審查代理，並在高風險區段保留人工核准環節。沙盒（Sandbox）、虛擬機、外部通訊控制、權限邊界設定等，也被列為對應措施。

僅靠核准流程仍有其局限。Anthropic在5月25日的文章中表示，Claude Code用戶的核准提示通過率約為93%。該公司提出的問題意識是，若核准請求反覆出現，用戶可能因此降低警覺，產生「核准疲勞」。

審查瓶頸也在數據中顯現。Anthropic在3月9日公開的程式碼審查系統說明中表示，幾乎所有內部拉取請求（PR）都會經過程式碼審查。附有實質審查意見的PR比重，已從原本的16%提升至54%，但公司也說明，最終核准仍由人類決定。

業界看法分歧。一方認為，AI程式撰寫工具是提升開發生產力的案例；另一方則認為，相較於程式碼撰寫本身，來源追蹤、驗證與責任歸屬才是更大的課題。

GitLab在6月23日公布的調查中指出，80%的受訪者表示，組織採用AI工具的速度快過政策制定的速度；另有92%的受訪者表示，AI生成程式碼的治理仍是待解課題。

這起案例，對加密貨幣企業而言同樣並非事不關己。鏈上服務與交易基礎設施，須同時兼顧部署速度與安全驗證。本媒此前也曾報導過Anthropic AI代理在同一儲存庫中彼此互相干擾的實驗案例。

若AI開發工具的擴張，進一步延伸至實際服務程式碼與營運權限，驗證體系恐將比生產力更早面臨考驗。在智能合約、交易基礎設施、錢包服務等部署後修改成本高昂的領域，誰撰寫程式碼或許不再是重點，留下審查紀錄與核准責任歸屬的流程，可能變得更加關鍵。

Anthropic公布的數據屬於自我報告，並非經過外部稽核的獨立統計。所謂「8倍合併量」，也是以程式碼行數為基礎的指標，無法完整反映品質、複雜度與可維護性。Claude撰寫的程式碼比重雖然擴大，但哪些程式碼最終部署、由誰負責，仍需要由人來確認。