编码 Agent 在社会科学中的应用¶

原文发布于 2026 年 5 月 27 日，作者 Thomas Lyttelton、Maxim Massenkoff、Nathan Wilmers

摘要¶

AI 编码 Agent 如何改变我们研究经济与社会的方式？¶

社会科学正在经历范式转变——核心研究任务可以交给机器执行。 AI 聊天机器人越来越多地参与科学研究，包括顶级期刊发表和社会科学领域的研究。这引发了对研究生产力提升的乐观预期，同时也加剧了人们对同行评审过载和"学术 AI 垃圾"的担忧。

轮次对话式 AI 聊天机器人主要用于写作辅助，而编码 Agent 可能更根本性地重塑社会科学研究。像 Claude Code 和 Codex 这样的 Agentic 编码平台可以接受一个研究思路和数据集，自主编写和运行分析、解释输出并进行迭代。以前不可简化的人工操作环节现在可以自动化。研究者已经构建了多 Agent 流水线来自动化计算机科学研究和自主执行社会科学研究设计。

这些工具可以加速科学进步、使研究更加大胆——快速的研究执行意味着廉价且丰富的发现。它们也可能放大研究资源的差距，加剧学术记录的拥堵。随着 AI 处理越来越多的研究任务，其独特的分析选择可能会在我们对经济、社会和自身的集体理解上打上印记。

本文呈现的是 2026 年初对 1,260 名定量社会科学家进行调查的初步结果。这项调查是一个更大型的持续研究的基线波次，该研究探讨编码 Agent 如何影响研究生产力，其中包括一项向研究者提供 Claude Code 访问权限的随机对照实验。实验结果将在未来发布。目前的发现揭示了谁在使用这些工具、用于什么目的、用户与非用户的产出有何不同，以及研究者对日益增长的采用率有何期待。

面向定量社会科学家的 AI 编码 Agent 使用调查¶

这是一项针对活跃定量社会科学家的非代表性调查，受访者可能偏向对 AI 工具感兴趣的研究者。 调查于 2026 年 2 月下旬至 3 月进行，目标对象是活跃的定量社会科学家。这不是代表性样本——受访者是为一项提供 Claude Max 账户访问权限的研究招募的，因此选择性可能偏向对 AI 工具感兴趣的研究者。不过，受访者与之前收到更通用邀请的样本相当相似（见附录表 A2）。

受访者在经济学、政治学和社会学之间大致均匀分布（各约五分之一），管理科学和心理学紧随其后（见附录表 A1）。公共卫生、教育和传播学研究者的响应数量较少。大约 40% 是正教授或副教授，25% 是助理教授，约 30% 是博士生。

编码 Agent 尚未触达大多数社会科学家¶

81% 的人用过 AI 辅助研究，但仅 20% 的人每周使用编码 Agent。 AI 使用通过两种方式衡量。第一种："你之前是否使用过 genAI 模型来辅助研究过程？"——81% 回答是。

对于编码 Agent 的采用，问的是："你是否定期（每周一次以上）使用集成到命令行的 AI 编码助手（如 Codex、Cursor 或 Claude Code）？"后续问题验证了是否确实使用了上述工具之一（或 Google Antigravity）。

只有 20% 的受访者使用编码 Agent。调查进行时距离 2025 年 12 月底关于 Claude Code 和 Opus 4.6 的热烈讨论仅约两个月。即使在自愿参与调查的感兴趣的受访者中，也只有五分之一采用了 Agent。Claude Code 是最常用的工具，86% 的编码 Agent 用户报告使用 Claude Code（其次是 Codex，31%）。

图 1：经济学家和政治学家报告的编码 Agent 使用率最高。 编码 Agent 使用定义为对"你是否定期（每周一次以上）使用集成到命令行的 AI 编码助手（如 Codex、Cursor 或 Claude Code）？"回答是，并通过后续问题验证确实使用了上述工具之一或 Google Antigravity。学科分类说明见附录。

采用率高度不均¶

经济学家采用率高达 39%，而公共卫生和教育领域低至 4-6%，早期职业研究者和男性研究者采用率明显更高。 图 1 显示整体采用率存在巨大差异：经济学家 39%，政治学家 25%，而公共卫生（6%）、教育（4%）和传播学（6%）仅个位数。这一梯度大致对应各领域整体 AI 使用的差异，但编码 Agent 的采用差异平均而言更加陡峭。

超过四分之一的博士生和博士后每周至少使用一次编码 Agent；在终身教职教授中，这一比例下降了一半以上。早期职业研究者正在采用编码 Agent——他们技术上更流畅、更可能直接接触代码和数据，面临更强的职业压力来产出研究成果。

图 2：早期职业研究者的采用率最高。 蓝色系列显示按职业阶段划分的报告使用 AI 辅助研究的百分比。下方橙色系列显示定期使用编码 Agent 进行研究的百分比。

采用差异不仅限于学科和职业阶段。具有典型男性姓名的研究者采用编码 Agent 的比率是具有典型女性姓名受访者的两倍多。高声望大学和私立大学的使用率明显更高。所有差异在 p<0.05 水平上显著。这些差异比整体 AI 使用的差异更加明显，表明在编码 Agent 采用的早期阶段存在更大的不平等。

性别差距不仅仅反映了尝试 AI 比率的差距。在尝试过将 AI 用于研究的受访者中，定期使用编码 Agent 的性别差距甚至比总体样本中的差距略大。这些差异在比较同一学科和职业阶段的不同性别时仍然存在。

图 3：编码 Agent 的采用呈现出明显的不平等。 按职业阶段、性别和大学属性划分的使用 AI（左图）和编码 Agent（右图）的研究者百分比差异。男性和女性类别通过姓名分类来衡量。前 25 所大学根据 Nature Index Leading Institutions 定义。所有组间采用率差异在 p<0.05 水平上统计显著。

研究者主要用 AI 写代码和编辑，而非从头写作¶

最常见的用途是编写定量数据分析代码（97% 的 Agent 用户），而非人们最关注的"AI 论文写作"问题。 在使用 AI 的研究者中（无论通过编码 Agent 还是聊天机器人），讨论主要集中在写作上：虚构的文献综述、模板化的引言和完全自动化的论文写作。

但图 4 显示，最常见的用途是编写定量数据分析代码：97% 的编码 Agent 用户和 77% 的其他 AI 用户报告使用它来生成代码。其次是编辑文本，然后是方法建议和先前研究的背景信息。综合所有 AI 用户来看，只有三分之一的人使用过它来起草文本。这些模式在各学科中基本成立，只有经济学和管理学研究者普遍使用 AI 来起草文本。

图 4：最常见的用例是代码和编辑。 左图显示按是否使用编码 Agent 或仅使用 genAI 进行研究划分的用户对每种具体用例的使用比例。受访者可以选择多个类别（仅限研究用例）。右图显示按学科划分的相同数据。

编码 Agent 用户发布了更多工作论文、提交了更多基金申请，但并未向期刊提交更多稿件¶

编码 Agent 用户在研究流程早期阶段表现出 10%-75% 的生产力优势，但这一差距在期刊投稿阶段消失。 编码 Agent 是否让研究者更高效——这是更大研究的核心问题。实验仍在进行中。但基线调查允许比较编码 Agent 用户与其他人在研究过程各个节点的产出。这种比较纯粹是描述性的——自主选择使用编码 Agent 的研究者可能在不可观测的维度上有所不同。差异不应被解读为因果关系。

图 5：编码 Agent 常规用户与其他研究者在研究产出方面的生产力差异。 结果由受访者自我报告。已发布的工作论文、期刊投稿和期刊再投稿为互斥类别。模型说明见附录。误差线显示使用稳健标准误计算并按结果均值缩放的 95% 置信区间。 p < 0.05，* p < 0.01。

图 5 展示了调查前六个月中不同研究流程阶段的自我报告产出。调整后的估计值比较了编码 Agent 用户与其他人的差异，控制了职业阶段、学科和调查完成周数。编码 Agent 用户启动了更多项目、发布了更多工作论文、提交了更多基金申请，可能也发送了更多会议投稿。

编码 Agent 用户启动项目的速度大约多出四分之一篇论文，发布的工作论文比非 Agent 用户多约半篇。以百分比计，编码 Agent 用户比同学科同职业阶段的其他人看起来多出约 10%（启动的实证项目）到 75%（发布的工作论文）的生产力。

然而，这种生产力差异仅出现在研究流程早期阶段的指标中。没有证据表明编码 Agent 用户向期刊提交了更多新论文或更快地再投稿。这可能反映了从编码 Agent 使用到投稿的时间线（编码 Agent 的使用很新），也可能反映编码 Agent 更有利于启动项目运行，而非打磨论文以达到期刊投稿标准。

研究者预期 AI 工具会提高生产力，但对 AI 是否能整体改善社会科学没那么有信心¶

88% 的研究者相信 AI 能提升论文生产力（评分 5 分以上），但 70% 的人对 AI 提升个人论文效率的乐观程度高于对整个学科影响的乐观程度。 研究者被问及 AI 是否让社会科学家在撰写可发表论文方面更高效，以及 AI 将使社会科学变得更好还是更差。

研究者对生产力持乐观态度。在 1-10 分的量表上，88% 的人评分高于 5，半数评分在 8 分及以上。图 6 显示评分随 AI 使用程度强烈变化——使用更多类型 AI 任务的研究者更乐观，编码 Agent 用户比其他人更乐观。

图 6：研究者对 AI 影响生产力的看法与对 AI 影响整体研究领域的看法对比。 信念通过 10 分滑块量表衡量。生产力问题为："在撰写可发表论文方面，你认为 AI 让社会科学家生产力降低还是提高？"滑块标注为"降低生产力"到"提高生产力"。领域影响问题为："你认为 AI 会让社会科学变得更差还是更好？"滑块标注为"更差"到"更好"。AI 用例数量为图 4 中列出的类别之和。

调查对象来自对尝试这些工具感兴趣的人群，因此一定程度的乐观并不意外。但即使在这些乐观者中，对 AI 帮助撰写可发表论文的看法与对 AI 广泛影响社会科学的看法之间存在真实差距。70% 的受访者对论文生产力比对更广泛的学科影响更加乐观。很少有研究者对学科影响比对论文生产力更乐观，而许多人对学科影响更悲观。

讨论¶

编码 Agent 用户更为多产，但采用不平等问题显著，且研究者对"个人受益"和"学科受损"之间的张力保持警觉。 使用编码 Agent 的社会科学家发布了更多工作论文并申请了更多基金。相对于同学科同职业阶段的同行，他们启动了更多项目。但截至 2026 年 3 月，他们尚未带动期刊投稿的激增。项目启动增加可能是生产力增长的早期证据，也可能表明早期采用者本身就更加多产。

早期采用倾向于早期职业研究者、男性和高声望大学的研究者。目前编码 Agent 的使用在这些类别中比广泛的 LLM 使用分布更不均匀。有迹象表明，研究者担心论文生产力提升的即时收益可能伴随学科层面的代价——更多论文意味着拥堵和注意力竞争，或者 AI 工具加剧了选择性报告和规避风险的渐进式研究等现有问题。

局限性¶

尽管存在局限性，编码 Agent 正在向社会科学领域扩散。我们研究经济和政治的方式越来越多地通过部分由 AI 编码 Agent 做出的分析决策来进行。未来的报告将带来更多关于这种自动化的潜力和风险的证据。

致谢¶

Tim Belonax, Keir Bradwell, Jake Eaton, Rebecca Hiscott, Peter McCrory, Kerry Persen, Sarah Pollack, Santi Ruiz, Heather Whitney, Jack Clark.

附录¶

完整附录见此处。

引用¶

@online{lyttelton2026agents,
 author = {Thomas Lyttelton and Maxim Massenkoff and Nathan Wilmers},
 title = {Coding Agents in the Social Sciences},
 date = {2026-05-27},
 year = {2026},
 url = {https://www.anthropic.com/research/coding-agents-social-sciences},
}

参考文献¶

• Alvero, A. J., Stoltz, D. S., Stuhler, O., & Taylor, M. A. (2026). Generative AI in Sociological Research: State of the Discipline. Sociological Science, 13, 45-62.
• Korinek, A. (2025). AI agents for economic research (No. w34202). National Bureau of Economic Research. NBER Working Paper Series.
• Liang, W., Zhang, Y., Wu, Z., Lepp, H., Ji, W., Zhao, X., ... & Zou, J. (2025). Quantifying large language model usage in scientific papers. Nature Human Behaviour, 1-11.
• Lu, C., Lu, C., Lange, R. T., Yamada, Y., Hu, S., Foerster, J., ... & Clune, J. (2026). Towards end-to-end automation of AI research. Nature, 651(8107), 914-919.
• Wilmers, N., & Engzell, P. (2026). The Paper Factory. SocArXiv Preprints.

脚注¶

1. 调查在 Claude Cowork 发布后仅一个月即启动，且在 OpenAI Codex 应用发布之前，因此问题集中在命令行界面工具上。这意味着仅通过更通用的桌面应用程序使用 AI Agent 的研究者未被计入。