什么值得买App下载 App ›
连续签到专享现金活动

AI写代码越来越快,交付却卡在8%:这周三份证据把瓶颈说透了

如果你这周觉得AI编程"越用越不对劲",别怀疑,你不是一个人。知乎这几天有个高热度问题,把这种体感问得很扎心:“为何AI编程的速度远超人类,但是程序员利用AI编程的工作效率却只提升了30%而已?”。同样被反复追问的还有:AI无成本产出代码,为什么程序员反而更要加班? AI写的代码,你们还自己一行行看吗?知乎

而本周发布的一篇新benchmark,把这种体感变成了数字:最好的编程Agent,完整交付率不到8%。

AI写代码越来越快,交付却卡在8%:这周三份证据把瓶颈说透了

8%不是不会写,是不敢交

这篇叫SWE-CoWork的论文把编程Agent丢进一个由26个"数字同事"组成的模拟团队,让它自己找人问需求、写代码、交接。结果:最好的模型能过约63%的新功能测试,但论完整交付,不到8%;就算把完整需求文档直接喂给它,通过率也没涨。数字崩成这样,原因不是代码写不出来,而是写代码和交付产品,压根是两件事。哔哩哔哩

AI写代码越来越快,交付却卡在8%:这周三份证据把瓶颈说透了

知乎那个高赞回答打了个好懂的比方:给你配100个手脚飞快的实习生替你焊电路板,可产品是挂你的名字交出去的,实习生再熟练也只是实习生,接错焊错了,出问题锅是你的。它们产得越多,你查得越累,交付反而越慢——瓶颈已经从"不会写"挪到了"验不过来、接不上、不敢兜底"。知乎

能把8%掰回来的,都是先改"怎么检查"的

巧的是,本周有两个站在8%反面的团队,把方法公开了。

Grok团队在AI工程师大会的演讲(油管5天破百万):工程师Lauren Tan摆出一座"信任倒金字塔"——先看架构和API,再看lint、类型、编译、测试,然后是运行时与形式化验证,提示词排最末位。他们不逐行审查代码,只审查验证产物,结果就是月均1.1万个PR、每天发稳定版、回滚率约0.5%。说白了,审查的对象变了:不再看代码写得漂不漂亮,而是看约束有没有被机器撞穿。哔哩哔哩

Claude Code团队的工程博客《How the Claude Code team thinks about verification》给出的内部数字更直接:团队里约90%的代码由AI编写并审查。撑住这个比例的关键是验证闭环——把"构建、部署、端到端跑通"写成仓库里的验证技能,Agent提交代码前必须自己把真实系统跑一遍。闭环搭起来之前,一个人同时盯一两个Agent就是极限;搭起来之后,可以同时并行跑几十甚至上百个。博客里还有个反直觉数据:用独立评分器对照标准检查产出,任务成功率最多提升10个百分点,而且任务越难、提升越明显。知乎

AI写代码越来越快,交付却卡在8%:这周三份证据把瓶颈说透了

普通人今天就能抄的三招

不用带100个实习生,这些方法一个人也够用:

  • 别逐行读代码,让AI"把现场交出来":要求它端到端跑完整流程,贴出失败轨迹、截图和根因。"单元测试全绿、功能照样坏"是AI编程的通病,真实流程跑通才算数。

  • 把"怎么算对"写成固定清单:哪些步骤必须跑、跑不过就不许提交——验收标准进流水线,比进脑子可靠。

  • 改老代码、做迁移时,让AI自己生成刁钻问题:属性测试、差分测试,成千上万组随机输入去撞边界,比人肉盯快得多,还能撞出你和Agent共同的思维盲区。

一句话总结:AI把"施工"乘了N倍,你的岗位就从泥瓦匠挪到了监理。写代码越来越便宜,"敢为交付负责"越来越值钱。

最后提个醒:上面这些证据来自一篇benchmark论文和两个大厂团队,验证闭环对普通个人开发者的效率提升幅度,跟项目复杂度强相关,不必直接套别人船上的数字。但至少对"AI编程怎么越用越累"这波困惑,8%和0.5%放在一起,就是最诚实的答案:卡点从来不在写,而在交。

评论

评论区空态插画

当前文章无评论,是时候发表评论了