METR做过一个受控实验：让经验丰富的开发者用AI工具写代码。结果他们自我感觉快了20%，实际计时却慢了19%。知乎
体感和现实之间，裂开了一条缝。
这不是孤例。哈佛一份覆盖718家企业、72.5万名员工的研究给出了同一幅画面：AI编码智能体让代码产出涨了约30%，人均每月多写1500行，commit涨20%，PR涨23%。看起来很猛。
但下半句才是重点——被关闭的业务issue没有统计显著的增加，review时间反而涨了49%，平均多花3.45天，需要返工的PR翻了近一倍，每个PR的评论数涨了35%。知乎
DX平台追踪400多家组织更夸张：中位PR吞吐量只涨了7.76%，review时间涨了441%。GitClear统计，合并进去的代码有7.1%在两周内被整个重写。
翻译成人话：代码像开了闸的水涌进来，下游的审查、测试、集成却没扩容。水漫了。
为什么会这样？
TikTok CEO周受资在星展亚洲未来前瞻大会上一句话讲透了：写代码只占大多数软件工程师工作时间的30%左右。剩下70%是理解需求、方案设计、沟通协调、审查代码、测试验收、部署上线。知乎
一个需求8小时，真正写代码可能只有1小时。AI把这1小时压到10分钟，编码提效6倍——整个需求从8小时变7小时10分钟，整体提效约10%。更现实的情况是，AI生成的代码需要额外review，其他环节工作量反而增加了。
首席架构师Carlos Kelkboom在播客BeyondCoding里分享了更扎心的观察：AI让启动项目变得容易，却没有让完成项目变得同样容易。36氪
他自己启动过5个编译器项目，最终完成的只有1个。
“你必须抵制那种一上来就立刻得到东西的多巴胺快感。”Carlos说。AI把从零到初步结果的成本压到极低，但从初步到能上线的路一样长。
他还发现一件让他警惕的事：“开发者之间的协作正在减少。你会和自己的Agent一起工作，但不再和团队一起工作了。”
Carlos总结了一套对抗悖论的方法，核心四条：
第一，自己先花20分钟到1小时搭好代码骨架——目录、关键文件、函数签名。Agent擅长蛮力找方案，但经常忘记方案怎么融入整体。
第二，主Agent不准碰代码，只负责理解需求。确认理解度超过90%后，才派出子Agent执行。
第三，看不懂的代码直接扔。不要在偏离预期的基础上打补丁。Carlos曾让Agent开发编译器，一个月后发现同一功能被重复实现了5次。36氪
第四，让Agent一次做完较大的任务，而不是反复修改。“Agent不擅长修改，却擅长一次性完成。”
美团技术团队就实践过同一套思路。他们一个业务系统规模达到31万行代码，90%以上都由AI生成。团队把工程规范转化成AI能执行的规则，提交前增加AI自查环节，再由工程师重点审业务逻辑。美团技术团队36氪
瓶颈已经换了位置。
AI编程的下一张牌，不是谁能生成更多代码，而是谁能让审查、测试、交付这些下游环节跟上速度。代码产出+30%只是故事的一半，能上线的东西有没有变多，才是真答案。
对每个用AI写代码的人来说，这意味着：别让AI只帮你写代码。让它帮你理清需求、生成测试、检查架构、review变更——写代码，从来不是最贵的那一步。
