研究显示：AI 编程工具在经验丰富的开发者手中表现未达预期

一项最新的研究对 AI 工具能够加速软件开发的普遍认知提出了挑战。METR的研究人员针对经验丰富的开源开发者开展了一项随机对照试验，这些开发者使用了 Claude 3.5 和 Cursor Pro 等 AI 增强型开发工具。研究结果显示，与预期相反，AI 辅助编程使得任务完成时间延长了 19%，尽管开发者们认为他们工作得更快。这一发现揭示了 AI 所承诺的潜在效益与实际影响之间可能存在的显著差距。

为了在真实环境中评估 AI 的实际影响，研究人员设计了一个基于生产级环境的随机对照试验（RCT）。他们没有使用合成基准测试，而是邀请了经验丰富的开发者，在成熟的开源代码库中完成真实的开发任务。

参与者是 16 位专业开发者，他们在各自被分配的项目中平均拥有 5 年的开发经验。这些项目均为成熟且知名的开源代码库，包含了来自开发者自身代码库的真实、“实战”问题。这些代码库规模庞大，代码行数超过 110 万行。

在 246 个任务中，每位开发者被随机分配到最多两小时的会话，其中一部分开发者可以使用 AI 辅助，而另一部分则被限制在不使用 AI 的环境中。能够使用 AI 的开发者使用的是集成了 Claude 3.5/3.7 Sonnet 支持的代码编辑器 Cursor Pro，而对照组则明确被禁止使用任何 AI 工具。

该研究综合收集了客观与主观两方面的指标，涵盖任务完成时间、代码质量以及开发者的主观感受。在每个任务开始前和结束后，开发者和外部专家分别对 AI 工具可能对生产力产生的影响进行了预测。

核心结果既显著又出人意料：使用 AI 辅助的开发者完成任务的时间比未使用 AI 的开发者多出 19%。这一结果与参与者和专家在任务前的预期背道而驰，他们曾预测平均速度会提升约 40%。

作者将这种减速归因于多种因素，包括花费在提示词、评审 AI 生成的建议以及将输出与复杂代码库整合的时间。通过对 140 多个小时的屏幕录像进行分析，他们确定了导致减速的五个关键因素。这些因素可能抵消了代码生成带来的任何初始收益，揭示了感知生产力与实际生产力之间的显著脱节。

研究人员指出，这种现象是一种“感知差距”——AI 工具引入的消耗在当下可能极为微妙，难以察觉，但其累积效应却会显著减缓现实世界的产出效率。感知与实际结果之间的鲜明对比，凸显了该研究的重要性：AI 工具的评估不仅应基于用户的主观感受，更应依赖于严格的量化测量。

作者提醒不要过度泛化他们的发现。尽管该研究在特定环境中观察到了使用 AI 工具导致的可测量的减速现象，但他们强调，许多促成这种现象的因素是特定于他们研究设计的。在研究中，开发者们是在大型、成熟的开源代码库中工作，这些项目不仅规模庞大，而且有着严格的审查标准和复杂的内部逻辑，对于开发者来说可能并不完全熟悉。任务被限制在两小时单位时间内，限制了开发者的探索，所有 AI 交互都通过单一工具链进行。

重要的是，作者强调未来的系统可能会克服当前所面临的挑战。通过改进提示词技术、优化代理框架，以及针对特定领域的微调，即使在类似的研究环境中，也有可能实现真正的生产力提升。

随着 AI 能力的持续快速发展，作者将他们的发现框架化，不是对 AI 工具的有用性做出最终裁决，而是作为快速演变的领域的一个数据点，这个领域仍需要严格的现实世界评估。

【声明：本文由 InfoQ 翻译，未经许可禁止转载。】

原文链接：

https://www.infoq.com/news/2025/07/ai-productivity/