代码量涨三成，解决率没动：这周三份数据，逼着上编码智能体的人换一套记账法

源自131位全网作者

19:54

十月中旬的开发者信息流有点精神分裂。一边是 Claude「自己组队查 Bug」刷屏：11.6 万行代码预埋 70 个 Bug，单 Agent 三轮最好成绩找出 27 个，组队动态工作流三轮都揪出 66 个；另一边，哈佛一份工作论文泼来冷水：企业上了编码智能体，代码量涨了约三成，但「把事办成」的进度没同步变快。中间还夹着 B 站一片「七天从小白到大神、学完即就业」的 Agent 教程。热闹是社区的，账单是自己的。如果你是在团队里真拿智能体干活、还要向上汇报 ROI 的人，这周落地的三份数据，比任何 Demo 都值得看完。

第一份账单：上游变快了，下游没消化

哈佛工作论文《Artificial Intelligence in the Firm: Bottlenecks in Software Production》（Fiona Chen & James Stratton，2026 年 8 月修订版，Ars Technica 10 月 9 日报道）样本覆盖 718 家企业、70 万以上员工、3 亿条工作事件，引入编码智能体后代码行数上升约 30%、提交量上升约 20%、合并请求上升约 23%，但记录的待解决问题、大型需求解决率变化在统计上不显著。更扎心的是下游：合并请求评审周期拉长约 49%，单条 MR 评论数增加约 35%，需要返工的 MR 占比接近翻倍。知乎

BairesDev 三季度《Dev Barometer》调查覆盖 60 多个国家、705 名开发者与 41 名企业 CTO，结论是同向的：67% 的开发者花在审查 AI 生成代码上的时间变多了，52% 花更多时间修复 AI 引入的问题，78% 的受访 CTO 增加了代码评审与质量保障投入。知乎

道理不复杂：模型压低了「写」的成本，但「看清、拍板、兜底」的成本一分没降，还因为产出变多被放大了。效率没有消失，只是从写代码挪到了审代码、修代码、学工具。很多团队年初上工具、年底说不清省了什么，原因就是手里拿的是产量表，不是成果表——代码行数、提交次数、MR 数量全是活动量指标，衡量「干了多少活」，不衡量「办成了多少事」。

第二份账单：多智能体不是下一步，而是有条件的一步

行的一面写在开头那个刷屏测试里。它来自 Anthropic 10 月 10 日开启公测的 ClaudeManagedAgents 动态工作流：主 Agent 自己编写分工程序，安排多个 Agent 分阶段执行再汇总。这组结果的成立条件很清楚——目标可验证（埋好的 Bug 数得出）、分工可枚举；官方还把「复核」写进工作流指令：首轮每个模块查过，第二轮另起 Agent 全量重查，明确区分「没查出问题」和「根本没查到」。36氪

不行的一面同一周公开。 AgentWorld 基准（OpenAgents 联合哥伦比亚、宾夕法尼亚、首尔大学等团队发布，200 个任务、单任务 3 到 20 个智能体、角色不对称、黑盒沟通、数十轮长时程协作）里，主任务集最高成功率只有 52.0%，增强任务集最高只剩 26%。还有个更微妙的数字：Gemini3Flash 团队能把中间目标推进到 71.5% 的「部分成功」，但完整跑完只有 52%——前九步都对，最后交接崩了。协作质量也不靠话多：GPT-5Mini 平均每条任务发 44.1 条消息，成功率 36%；Gemini3Flash 平均 11 条，成功率反而 52%。36氪

把两面拼起来，一个能直接用的判断标准：多 Agent 值不值得上，看两点——任务有没有可验收的产物，分工能不能写成程序。查 Bug、逐份筛查 300 份合同的条款这类「对错数得出」的活，值得组队；开放式、长时程、互相黑盒的协作，目前只有 52% 的天花板，别拿生产系统给智能体蜂群交学费。

另外，先别急着汇报「组队更省钱」。那组查 Bug 测试的模型、耗时、Token 用量和误报情况官方都没披露；按现在的计费口径，ManagedAgents 按 Token 用量计费之外，每个运行中的会话每小时另收 0.08 美元。账单不清楚之前，「66 比 27」只能算能力证明，不能算成本证明。36氪

第三份账单：社区情绪很热，落地还是「Demo 惊艳、上线即溃」

这周企业级智能体研发流传最广的一句困境概括是：Demo 惊艳众人，上线一触即溃。实验室里几条精心编排的 Prompt 就能展现敏捷的推理与工具调用，推向生产却常常一触即溃——玩具级 Demo 与生产落地之间，隔的是上下文治理、交接设计和度量口径，而不是框架数量。OpenClaw 式的全民跟风部署，GitHub 星标暴涨与漏洞、安全预警并存，就是这个落差的现场版。知乎知乎

对普通个体，这个现场更直观：B 站「目前B站最全最细Agent应用开发零基础教程，2026最新版」「七天就能从小白到大神」「转行 Agent 开发岗 40K」的教程还在刷屏。 Karpathy 给这种状态起了名字：全球最顶级的 2000 万人，正陷入「智能体眩晕」。他们一边亲眼看模型融化几周的编码难题，一边发现自己团队的账根本算不清。收藏教程拉不开差距，把账算清的人才开始拉开。哔哩哔哩36氪

换完账，这个月该做的三件事

把汇报口径从产量表切到成果表。用「解决的真实需求数、需求提出到上线的周期、线上缺陷数、返工率」替代代码行数和提交数；行数留着观察产能，退出 KPI。
先量瓶颈，再决定铺什么。把一周的时间流向记下来：评审队列最长，就把预算花在评审工具和门禁上，而不是再买生成端席位；修 AI 引入的问题最重，就补测试与可追溯。瓶颈段没找到之前，全员铺开只是给下游堆库存。
把配套算进成本，而不是当纯增益。三类投入最容易被漏：评审人力（产出变多、能拍板的人没变）、质量门禁（合并前自动比对、改动可定位）、再培训（每周实打实多花几小时学工具）。

谁该按哪档来

研发人数上百、有专职 QA 的团队：智能体是杠杆，先补门禁和评审带宽，再谈扩面。
三五个人、没有评审流程的小团队：最容易掉进活动量陷阱，先定义清楚「办成一件事」长什么样，再谈提效。
在收藏「七天就业」教程的转行者：2026 年 Agent 岗拉开差距的不是框架操作，是「瓶颈定位、可验证任务拆解、交接设计」这些判断——上面两份数据，恰好就是题库。