OpenClaw—AI研究人工智能（AI）智能体正逐渐融入我们的生活，从处理邮件到参与网络安全任务，它们的应用场景日益广泛。然而，我们对人们在真实世界中如何使用这些智能体，以及它们究竟拥有多少自主性，却知之甚少。为了深入了解这一现象，Anthropic 对数百万次人机交互数据进行了分析，并得出了一些有趣的结论。
研究发现，Claude Code 的自主工作时间正在显著增加。在持续时间最长的交互中，Claude Code 单次连续工作时间从三个月前的不到 25 分钟增加到超过 45 分钟，几乎翻了一番。这一增长趋势在不同模型版本之间表现平稳，表明这不仅仅是模型能力提升的结果，现有模型在实际应用中还有更大的自主性潜力未被完全释放。
对于经验丰富的用户来说，他们更倾向于让 Claude Code 自动执行任务，只有在必要时才会进行干预。随着用户对 Claude Code 的熟悉程度增加，完全自动执行的任务比例从新用户阶段的约 20% 上升到 40% 以上。然而，这些用户也会更频繁地中断智能体的操作，以便更好地掌控任务进程。
值得注意的是，Claude Code 在处理复杂任务时，会主动停下来请求用户澄清的次数是用户主动中断的两倍多。这表明，在人机协作中，智能体不仅依赖人类的监督，还会主动寻求指导，以确保任务顺利进行。这种双向互动机制为人机协作提供了新的视角。
目前，AI 智能体已被应用于一些高风险领域，但尚未形成规模化趋势。在公共 API 的使用中，大多数智能体操作属于低风险且可逆的行为。软件工程领域的智能体活动占比接近 50%，但我们也观察到其在医疗、金融和网络安全等领域的初步应用。这些领域的应用虽然还处于起步阶段，但未来潜力巨大。
为了更好地理解智能体的应用场景，研究团队采用了两种不同的数据来源：Claude Code 和公共 API。Claude Code 的数据能够提供从任务开始到结束的完整流程信息，而公共 API 的数据则展示了不同客户的多样化应用场景。通过这种结合，研究人员能够更全面地了解智能体的实际应用情况。
这项研究揭示了 AI 智能体在现实世界中应用的一些关键趋势，并为模型开发者、产品设计者和政策制定者提供了宝贵的建议。研究团队认为，有效的智能体监督需要新的部署后监控基础设施，以及新的人机交互模式，以帮助人类和 AI 共同管理自主性和风险。未来，研究人员将继续优化方法，并随着智能体的广泛应用分享更多研究成果。