AI写出更多代码,为什么成品没有明显变多?
AI编码代理(AI biān mǎ dài lǐ)
能在较少逐步指示下完成较长编程任务的工具。
代码审查(dài mǎ shěn chá)
把新代码使用前交给人检查的工作。
工作论文(gōng zuò lùn wén)
还没有完成正式评审的研究报告。
发生了什么
哈佛大学(研究型大学)的研究员Fiona Chen和James Stratton发布了一篇工作论文。论文研究了AI编码代理对软件团队的影响。ComplexDiscovery在10月13日的报道中介绍了论文的8月版本:代码数量增加约30%,已经完成的Jira任务没有明显增加,而合并请求通过审查所需的时间增加了49%。合并请求是把代码改动加入共同项目的申请。原报道
论文链接现在显示的是2026年11月14日的更新版本。这个版本报告,使用AI代理后,代码行数增加44%,从提交审查到获得批准的时间增加56.1%。两个版本的数字不同,不能混在一起比较。最新版论文
背景:写代码只是中间环节
软件开发通常要经过几个步骤:确定任务、编写代码、代码审查、测试,最后部署。代码审查就是由人检查改动是否可以安全加入软件。AI代理可以加快编写代码,却不会自动增加审查人员的时间。
论文的模型提出了两个可能的压力。第一,更多代码会流向数量有限的审查人员。第二,更多的修改要求和评论,可能说明草稿需要更多修正。数据能显示审查过程变慢,但不能证明每家公司变慢的原因都一样。
为什么重要
如果只数代码行、提交次数或合并请求,就只能看到中途活动。一个功能还要经过审查、测试和部署,才会成为用户可以使用的成品。一个环节变快,另一个环节就可能限制整体速度。
因此,公司不能只看AI写了多少代码。还要记录已经批准的改动、审查时间、被退回的次数,以及真正发布的功能。AI可能移走瓶颈,却不一定消除瓶颈。
已经确认的事实
最新版论文使用了4450万?这里的原文数据是4.45亿条工作记录,来自655家公司和720542名员工,时间范围是2021年1月至2026年8月。数据来自Jellyfish(一项商业开发分析服务),只包括同意用于研究的客户。研究把代码活动、Jira问题、日历和GitHub Copilot、Cursor、Claude Code的使用记录联系起来。
AI代理出现后,代码行数增加44%,提交次数增加36%,合并请求增加35.7%。Jira任务完成数增加13.7%,大型项目任务增加18%。论文认为,任务完成数的结果只达到边界显著。审查总时间增加56.1%,等待审查的时间增加59.9%,正在审查的时间增加58.5%,每次改动收到的评论增加38.6%。79.1%的公司使用过AI审查工具,但大多数审查和评论仍由人完成。
这件事也在Hacker News(技术新闻社区)上获得了很多关注。关注度只表示社区在意这件事,不代表研究结论一定正确。讨论页面
仍然不知道什么
这是一篇求职市场论文,不是已经完成正式同行评审的最终论文。数据是专有数据,来自同意研究的Jellyfish客户。作者说明,数据提供方只检查了是否泄露商业机密,没有审查科学内容。
研究不能解释所有公司为什么选择AI,也不能用这些数字回答所有软件质量问题。论文在观察期间没有发现明确的就业影响,但这不能证明未来一定没有影响。11月版本的更新也提醒读者,研究结论需要连同版本日期一起阅读。
接下来要看什么
接下来应关注的不是AI写了多少行代码,而是有多少改动真正获准发布。还要看审查人员用了多少时间、改动被退回多少次,以及从写完到上线用了多久。AI已经加快了编写环节。整个软件流程能否变快,还取决于审查环节能否跟上。
AI写得更快,工作却没有同样变快
📰 完整报道: AI写出更多代码,为什么成品没有明显变多?
AI可以更快写代码,但人还要花时间检查。
AI编码代理(AI biān mǎ dài lǐ)
能帮助人完成较长编程任务的AI。
代码审查(dài mǎ shěn chá)
人检查代码改动的工作。
Jira(Jira)
记录工作进度的工具。
💡 一句话总结
- AI让写代码变快了。
- 成品没有同样多起来。
- 人的检查成了慢的一步。
研究看了什么
哈佛大学(研究型大学)的研究员Fiona Chen和James Stratton研究了AI编码代理。AI编码代理(能完成较长编程任务的AI)可以帮助人写代码。
ComplexDiscovery报道的早期版本说,代码增加约30%。已经完成的Jira任务没有明显增加。合并请求(请求把新代码放进共同项目)通过检查的时间增加49%。Jira是记录工作进度的工具。原报道
为什么会这样
软件工作不只是写代码。写完以后,还要有人检查、测试,再放进正在使用的软件里。
代码审查(人检查代码改动的工作)需要时间。AI写得更多时,人要看的内容也更多。如果检查的人没有增加,等待时间就会变长。写得快,不一定代表整个工作都快。
研究论文后来在11月14日更新。新版的数字不同。阅读这类新闻时,要看清论文是哪一版。更新后的论文
还要注意什么
这项研究使用了许多公司的记录,但不是所有公司的情况。它还是一篇没有完成正式评审的论文。数据来自Jellyfish这项商业服务的客户。
这件事在Hacker News(技术新闻社区)上也很受关注。受关注只说明很多人看见了它,不说明研究一定正确。讨论页面
以后不应只数代码行。还要看有多少功能真的发布,以及人检查代码用了多久。
💬 AI 生成更多代码,也可能带来更多检查工作
HN 评论者没有达成一致:有人认为 AI 让代码审查变成了瓶颈,也有人认为真正卡住的是需求、设计、测试或 CI/CD。评论主要是个人经历和观点,不能代表所有公司。
- 一位评论者自述,AI 让每项开发和审查更快,却也增加了需求、代码和拉取请求,使后面的工作堆积。这是个人报告,不是普遍结论。
- 另一些人认为,更难的步骤可能是决定做什么、设计系统、测试代码,或运行自动化交付流程,而不只是审查代码。
- 了解公司背景和整个系统的人仍然重要。小改动看起来没问题,也可能解决了错误的问题。LLM 能帮忙做常规检查和画图,但不能代替人的判断。
- 另一份个人报告称,有人让代理生成 PR 后自己批准。虽然当时还没有发生故障,但评论者担心会出现重大事故。
- 更好的测试和安全规则可能减少人工审查,但建设它们需要时间。让一个 AI 检查另一个 AI,再自动批准,并不一定安全。
这是评论数为232时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。
AI写好了,为什么还要等?
📰 完整报道: AI写出更多代码,为什么成品没有明显变多?
AI帮忙写给电脑的指令。人还要看看它对不对。
AI编码代理(AI biān mǎ dài lǐ)
帮忙写电脑指令的AI。
Hacker News(Hacker News)
分享技术消息的网站。
发生了什么
AI编码代理(帮忙写电脑指令的AI)出现了。Fiona Chen和James Stratton是哈佛大学(做研究的大学)的研究员。
AI写指令很快。人还要检查这些指令。检查需要时间。写得更多时,要看的东西也更多。
为什么要等
电脑的指令不能马上使用。人要先读一读。人要找出不对的地方。人还要把问题改好。
所以,AI写得快了。检查却没有一样快。研究报道
Hacker News(分享技术消息的网站)上也有人注意这件事。注意很多,不等于研究一定对。讨论页面
这份研究报告还在修改。它也不代表每一家公司。以后要看看,人检查AI写的指令要用多久。
💬 谁来检查 AI 写的代码?
AI 可以很快写代码。但代码变多以后,人也可能要检查更多东西。
- 有人说,自己的工作场所用 AI 后更快了,但需求和 PR 也变多了。这只是一个人的经历,不一定适用于所有地方。
- 其他人说,难点还包括决定做什么、看懂整个系统和测试代码。一个小改动看起来没问题,整体计划却可能错了。
- AI 可以帮忙检查,但人仍要做判断。有人让 AI 写的改动自己通过,这可能藏住错误。
- 好的测试和安全规则会花时间建设。让 AI 检查另一个 AI,也不能保证没有错误。
这是评论数为232时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。
💬 AI 编程更快后,代码审查会成为新的瓶颈吗?
HN 评论者围绕文章的核心判断展开争论:编码代理把瓶颈从写代码转移到了审查代码。一些人分享了工作中的个人经历,另一些人提出反例;这些内容不是对研究的独立验证,也不能证明所有公司都会如此。
这是评论数为232时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。