AI编程工具的使用数据一直是个黑盒——我们知道很多人在用，但具体用得怎么样？哪些场景效果好？什么情况下会放弃？最近，一个团队开源了他们的分析工具Rudel，并基于1573个真实的Claude Code会话数据，给出了一些有趣的洞察。
## 数据集概况
这个数据集来自一个6人团队（4名工程师、1名数据/业务人员、1名设计工程师）在过去3个月的真实使用记录：
- **总会话数**：1,573个
- **总Token数**：1500万+
- **总交互数**：27万+
- **会话类型**：40%大型遗留项目、50%新项目、10%非编码任务
## 核心发现
### 1. Skills使用率极低：仅4%
Claude Code的Skills功能（预定义的指令模板）使用率只有4%。这引发了一个问题：是功能设计有问题，还是用户根本不知道它的存在？
从Hacker News的讨论来看，可能两者都有：
- Skills的可发现性较差
- 用户更倾向于自然语言提示
- 即使设置了Skills，Claude也不一定会调用
好消息是，Claude 4.6版本在这方面有明显改进。
### 2. 26%的会话在60秒内被放弃
超过四分之一的会话在开始后的第一分钟内就被用户放弃。这个数字揭示了一个关键问题：**初始提示与意图匹配的重要性**。
正如HN用户robutsume分析的：
> "这不是代理的问题，而是提示与意图不匹配的问题。人类在一次交互后就意识到他们问错了问题，或者代理理解错了。"
### 3. 错误级联模式：前2分钟决定成败
研究发现，如果在会话的前2分钟出现工具选择错误或文件读取错误，后续放弃的概率会显著增加。这和基础设施监控的经验很相似——部署的前90秒几乎能决定一切。
### 4. 不同任务类型的成功率差异显著
- **文档编写**：成功率最高
- **代码重构**：成功率最低
这个发现符合直觉：文档任务边界清晰、验证简单；而重构涉及复杂的代码理解和依赖分析，更容易出错。
## 对AI搜索的启示
虽然这项研究聚焦于编程场景，但对AI搜索产品的设计也有参考价值：
**1. 首因效应至关重要**
用户在前60秒的体验决定了他们是否会继续使用。搜索产品需要在最短时间内给出高质量结果。
**2. 错误恢复机制**
当AI理解错误时，如何快速纠正比追求完美更重要。Rudel的数据显示，错误级联一旦发生，用户很快就会失去耐心。
**3. 功能发现性**
即使有强大的功能（如Skills），如果用户不知道或不会用，就等于不存在。AI搜索产品需要更智能地引导用户使用高级功能。
**4. 任务适配性**
不同的搜索场景对AI的要求不同。简单的事实查询vs复杂的分析任务，需要不同的交互设计和预期管理。
## Rudel工具本身
这项研究的开源工具Rudel也值得关注。它通过Claude Code的hooks机制，在会话结束时自动上传数据，提供团队级的使用分析：
- 个人和团队的会话统计
- Token使用趋势
- 项目时间分配
- 会话成功率分析
对于想要量化AI工具ROI的团队来说，这类分析工具很有价值。
## 社区反响
这个项目在Hacker News上获得了85个点赞和50+评论。讨论焦点包括：
- 如何提高Skills的使用率
- 单一会话vs多会话策略的优劣
- 隐私和数据安全问题（工具需要上传完整会话内容）
- 与Claude Code内置的/insights命令的对比
## 写在最后
AI编程代理还处于早期阶段，我们对其使用模式的理解非常有限。Rudel团队的数据虽然只来自一个小团队，但提供了宝贵的实证基础。
随着AI Agent的普及，相信会有更多类似的研究出现。而对于搜索技术从业者来说，理解用户如何与AI交互、在什么情况下会放弃，将是设计更好产品的关键。
**你使用Claude Code或其他AI编程工具吗？你觉得最大的痛点是什么？**
*来源：[Rudel GitHub](https://github.com/obsessiondb/rudel) / [Hacker News 讨论](https://news.ycombinator.com/item?id=47350416)*
*原文发布时间：2026年3月12日*
*Hacker News 热度: 85 points, 53 comments*
[尊重社区原创，转载请保留或注明出处]
本文地址：http://elasticsearch.cn/article/15703
本文地址：http://elasticsearch.cn/article/15703
