Anthropic於週一爲其AI編碼助手Claude Code推出了網頁應用，允許開發者直接在瀏覽器中創建和管理多個AI編碼代理。這標誌着Claude Code從命令行工具向多平臺產品的擴展。

Claude Code網頁版現已面向Anthropic的訂閱用戶推出，包括每月20美元的Pro計劃以及每月100美元和200美元的Max計劃用戶。用戶可以通過訪問claude.ai網站（與Anthropic消費者聊天機器人相同的網站）並點擊"Code"標籤，或通過Claude iOS應用訪問該功能。

此次推出是Anthropic試圖讓Claude Code超越命令行界面工具的最新嘗試。通過將Claude Code部署到網頁端，Anthropic希望開發者能在更多場景中使用AI編碼代理。

Claude

AI編碼工具市場的競爭日益激烈。雖然微軟的GitHub Copilot曾經主導這一領域，但Cursor、谷歌、OpenAI和Anthropic現在都擁有高性能的AI編碼工具，其中許多已經提供網頁版本。儘管如此，Claude Code可以說是最受歡迎的產品之一。Anthropic的旗艦編碼工具自5月廣泛推出以來用戶增長了10倍，該產品目前按年化計算爲公司貢獻了超過5億美元的收入。

Anthropic產品經理Cat Wu在接受TechCrunch採訪時表示，她將Claude Code的成功很大程度上歸功於公司的AI模型，這些模型近年來已成爲開發者的最愛。不過Wu也表示，Claude Code團隊會刻意在產品中"增添一些樂趣"。

Wu表示，Anthropic將繼續在更多地方部署Claude Code，但終端可能仍將是其AI編碼產品的主陣地。"展望未來，我們的重點之一是確保CLI產品是使用編碼代理最智能、最可定製的方式，"Wu說。"但我們會繼續將Claude Code推廣到各處，在開發者所在的地方爲他們提供服務。網頁端和移動端是朝這個方向邁出的重要一步。"

Anthropic聲稱，Claude Code產品本身90%的代碼是由公司的AI模型編寫的。曾是工程師的Wu表示，她現在很少坐在鍵盤前編寫代碼，主要只是審查Claude Code的輸出。

早期的AI編碼工具像自動補全工具一樣工作，在開發者編寫代碼時完成代碼行。但包括Claude Code在內的新一代代理式AI編碼工具允許開發者啓動自主工作的代理。這一轉變使數百萬軟件工程師在日常工作中更像是AI編碼助手的管理者。

這種變化並非所有開發者都歡迎。最近的一項研究發現，一些工程師在使用Cursor等AI編碼工具時實際上變慢了。研究人員認爲一個因素可能是，研究中的工程師花費大量時間提示和等待AI工具完成任務，而不是處理其他問題。AI編碼工具在大型複雜代碼庫中也存在困難，因此工程師可能花費大量時間處理AI模型的錯誤響應。

儘管如此，像Anthropic這樣的公司仍在繼續推進AI編碼代理的開發。Anthropic首席執行官Dario Amodei幾個月前預測，AI應該很快能爲軟件工程師編寫90%的代碼。雖然這在Anthropic內部可能是事實，但這一轉變在更廣泛的經濟中實現可能需要更長時間。

從產品策略來看，Claude Code網頁版的推出降低了使用門檻。命令行工具對許多開發者而言是熟悉的環境，但網頁版和移動版能夠覆蓋更多使用場景，例如快速代碼審查、臨時調試或在非開發環境中的編碼需求。這種多平臺策略有助於提高產品的使用頻率和用戶粘性。

5億美元的年化收入表明，Claude Code已成爲Anthropic的重要收入來源。考慮到該產品在5月才廣泛推出，這一增長速度相當可觀。不過，這一收入很可能主要來自企業客戶和重度用戶，而非大衆市場。

Wu提到的"90%代碼由AI編寫"這一數據，既展示了AI編碼工具的能力，也引發了對軟件工程未來角色的討論。如果工程師的主要工作從編寫代碼轉向審查AI輸出，所需的技能組合和工作流程將發生根本變化。這種轉變對初級工程師尤其具有挑戰性，因爲他們可能失去通過編寫代碼來學習的機會。

研究顯示部分工程師使用AI工具後效率下降的發現值得關注。這表明AI編碼工具並非在所有場景下都能提升效率。在複雜代碼庫、需要深度理解業務邏輯或涉及架構決策的任務中，AI工具可能增加而非減少工作量。工程師需要花時間理解AI生成的代碼、驗證其正確性並整合到現有系統中，這些開銷可能抵消自動化帶來的收益。

從競爭格局來看，Claude Code面臨的挑戰是如何在功能日益同質化的市場中保持差異化。當多家公司都提供高性能AI編碼助手時，模型質量的邊際差異可能不足以維持競爭優勢。產品體驗、集成生態、定價策略和品牌認知將變得更加重要。Anthropic在開發者社區中的良好口碑是其優勢，但這種優勢能否轉化爲長期的市場領導地位還有待觀察。

Amodei關於"AI將編寫90%代碼"的預測代表了一種願景，但實現路徑並不明確。即使AI能夠生成大部分代碼行，軟件開發的核心挑戰——理解需求、設計架構、做出權衡決策、調試複雜問題——仍然需要人類的判斷和創造力。AI編碼工具更可能改變工程師的工作方式，而非完全取代他們的角色。