任何与计算机编程哪怕只有一点关联的人都知道，现代 AI 编程助手和智能体在生成大量可用代码方面效率惊人。但使用这些工具的编码人员也明白，不能轻信这些代码的准确性，这意味着需要投入大量精力去审查任何 AI 生成的输出。

最近一项针对数百家公司实际编码实践的研究发现，人工代码审查构成了 AI 编程工具整体效率的一个显著“瓶颈”，导致“几乎没有证据表明公司通过使用这些工具提高了软件产出或减少了用工”。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，拉取请求更有可能需要修改，审查者留下的评论也更多。”

量两次，剪一次

为了得出这些结论，哈佛大学研究人员 Fiona Chen 和 James Stratton 利用了 Jellyfish 的汇总分析数据，该数据衡量工程团队的细粒度产出。这些数据涵盖 3 亿个单独的“工作事件”（例如提交和拉取请求），以及 2021 年至 2026 年 3 月期间、700 多家相关软件开发公司中超过 70 万名员工的问题管理软件数据。

阅读全文

评论