程序员绝命：Claude Code疯狂渗透GitHub新智元

从Claude Code到Vibe Coding，人类写代码的时代就要被AI终结了。

Claude Code已经疯狂渗透GitHub！

「人类写代码」的时代即将成为历史，Claude Code正在引爆这个突发性的拐点。

刚刚，SemiAnalysis曝出一个惊人数据：

目前，GitHub上4%的公开提交（commits）都是由Claude Code生成的，到了2026年底这个数字将达到20%以上。

眨眼之间，AI已经吞噬了整个软件开发领域！

在过去13个月中，Claude Code在GitHub上提交的代码次数出现了非常夸张的爆发式增长：

截至目前，Claude Code一天在GitHub提交代码的次数已达到134646次，增长了42896%！

毫不夸张地说，Claude Code就是AI智能体的拐点。

如果把以前的软件开发比作有线电视，那么Claude Code的崛起就是流媒体时代的到来。

它不仅仅是一个辅助工具，也是覆盖在所有软件之上的一个新的「智能层」。

这一变化，加速了「人类写代码时代」的终结。

新型「数字成瘾」火爆硅谷

过去编程是逐行敲击，现在你只需用自然语言描述意图，然后靠在椅背上看着屏幕上的代码如瀑布般自动生成。

这种剧变，让许多顶级技术大神都感到了一种混杂着兴奋与恐惧的眩晕。

AI界的超级巨星Andrej Karpathy，由此提出了「Vibe Coding」这个全新的概念。

他在推文中坦言，Vibe Coding正在生理层面上重塑他的大脑：

自己手动写代码的能力正在退化，思维模式被强制从「生成模式」切换到了「辨别模式」。

就在去年11月，Karpathy的工作流还是「80%人工+20%AI」，仅仅几周后，这个比例就发生了惊天逆转：变成了「80%AI生成+20%人类审查」。

如今，这种共识正在行业顶层迅速形成。

NodeJS之父Ryan Dahl直言「人类写代码的时代已经结束」，软件工程师的重心将彻底转移；

Ruby on Rails的创造者DHH感叹：如今在编辑器里手写代码已变成一种「奢侈的复古行为」。

就连对代码质量挑剔至极的Linux之父Linus Torvalds，也开始在GitHub上尝试这种新模式。

从Claude Code负责人Boris Cherny到OpenAI Codex工程主管Thibault Sottiaux，这些技术领袖们纷纷透露，他们的代码已完全由AI完成。

Vercel CTO Malte Ubl更是形象地描述了他当下的工作状态：「我不再写代码，我的主要工作就是告诉AI它哪里做错了。」

这种范式转移也催生了像OpenClaw、龙虾教和Moltbook这样火爆的新应用。

Moltbook的创造者Matt Schlicht更是离谱：他一行代码都没写，只是提出了技术架构的构想，AI就将他的构想变成了现实。

新的ChatGPT时刻

智能体正在成为一种人类与AI交互的重要方式：

AI的未来将在于Token编排，而不仅仅是以基础成本出售Token，这是一个堪比2023年初ChatGPT时刻的节点。

回顾这几年AI的发展历程，每一个时刻都扩展了AI能做的事情。

· GPT-3证明了规模化是有效的；

· Stable Diffusion展示了AI可以制作图像；

· ChatGPT证明了大众对智能的需求；

· DeepSeek证明了大模型可以在较小的规模上完成；

· o1展示了可以将模型扩展到更好的性能……

而Claude Code，则是在组织模型以形成更强输出结果在智能体层面的新突破。

Claude Code和IDE侧边栏里的聊天机器人不同，它直接接管了你的CLI（命令行界面），更像是一个拥有你电脑完全访问权限的「数字分身」。

它可以读取整个代码库，自己规划任务，执行命令，甚至在遇到错误时自我纠错。

它不只是在写代码，而是在像人类一样操作计算机。这种技术差异直接重塑了我们的工作流。

智能体编排是新的「思维链」

今年的模型演进，每一个增量更新都将更侧重于智能体编排与系统性能，正如去年业界对「推理」能力的集体狂热一样。

单纯的「模型对模型」参数比拼已毫无意义，竞争的核心已转变为智能体协作。

正如Anthropic和Google Gemini最初低估了强化学习和思维链的爆发力一样，如今在智能体这一新赛道上，Anthropic反而抢占了先机，而OpenAI似乎错失了这一「战略拐点」。

智能体编排有可能就是下一个CoT（思维链）级别的技术浪潮。

「并行智能体强化学习」（PARL）正是这一未来趋势的标志，广泛的并行化将是下一个核心能力，很快我们将看到整支「智能体军队」被生成出来，大规模地攻克任务。

当AI学会了「长跑」

真正加速这一进程的核心变量，并非是AI变得有多聪明，而是其「长跑」能力的指数级爆发。

这涉及一个关键概念：「任务视界」（Task Horizon）。

简单来说，就是一个AI智能体在把事情搞砸之前，能连续独立工作多久？

根据METR的数据，这个时间限制每4到7个月就会翻一番。