研究：AI编程代理生成更多代码，但未提升软件产出
来源标题：AI coding agents generate more code, but not more software
哈佛大学研究显示，AI编程工具虽能快速生成大量代码，但人工代码审查成为效率瓶颈，导致企业软件产出未见增长、员工数量也未减少。研究发现代码审查时间显著增加，拉取请求更易需修订，审查者评论更多，编程阶段的效率提升被下游环节吸收。
以下正文由 AI 翻译自 Ars Technica（原文版权归原站所有），可能存在偏差，重要内容请以原文为准。
任何与计算机编程稍有接触的人都知道，现代 AI 编程助手和 agent 在生成大量功能性代码方面效率惊人。但使用这些工具的开发者同样清楚，不能轻信这些代码的准确性，这意味着需要投入大量精力审查 AI 生成的输出。
一项针对数百家公司实际编程实践的最新研究发现，人工代码审查构成了 AI 编程工具整体效率的显著「瓶颈」，导致「几乎没有证据表明企业通过使用这些工具增加了软件产出或减少了就业」。研究作者发现，在实际编码阶段提升的任何效率，都被「生产流程下游的约束所吸收」；因为「代码审查流程显著变长，pull request 更可能需要修改，审查者留下的评论也更多」。
砍一次，量两次
为了得出这些结论，哈佛大学研究人员 Fiona Chen 和 James Stratton 使用了 Jellyfish 的聚合分析数据，该平台专门衡量工程团队的细粒度产出。这些数据涵盖了 3 亿个独立「工作事件」（例如 commit 和 pull request）以及问题管理软件数据，涉及 700 多家相关软件开发公司的逾 70 万名员工，时间跨度为 2021 年至 2026 年 3 月。
阅读全文 评论
正文由 探How 从来源站点 RSS 同步，内容未经改写；遇到排版缺失或需要图片、视频时请以原文为准。