AI 编程代理写出更多代码，却没有带来更多软件

AI 编程代理正在改变软件团队的工作方式，但“写得更快”并不等于“交付得更多”。哈佛大学研究人员 Fiona Chen 和 James Stratton 对 Jellyfish 汇总的工程数据进行分析后发现，AI 代理确实让企业产生了更多代码，却没有带来可观测的软件产出增长。

研究看到了什么

这项研究覆盖2021年至2026年3月的约3亿条工程工作记录，涉及700多家软件开发企业和超过70万名员工。研究人员结合企业实际的AI使用情况与GitHub活动，比较公司引入AI编程助手或代理前后的变化。

核心结果包括：

• AI 编程代理引入后，企业生成的代码行数平均增加30%；
• 提交次数增加20%，拉取请求数量增加23%；
• Jira等工具跟踪的Issue和Epic解决率没有出现统计显著变化；
• 从提交拉取请求到合并的平均审查时间增加49%；
• 被要求修改的拉取请求比例接近翻倍，每个拉取请求的评论数增加35%；
• 参与代码审查的员工比例增加14%。

这些数字勾勒出一个清晰的“产出错觉”：代码生产环节提速了，但后续验证、沟通和返工环节承受了更大压力。代理生成的代码越多，团队需要检查的内容就越多；而当代码质量和上下文理解仍不稳定时，审查者往往只能通过更多评论和修改请求来控制风险。

人工审查成了新瓶颈

软件开发不是单纯的代码生成任务。代码必须符合现有架构、测试要求、安全规范和业务目标，才能转化为可交付的软件。研究结果表明，AI代理目前主要压缩了“写代码”的时间，却没有同步解决审查与整合问题，因此效率收益被生产流程下游吸收。

AI代码审查工具也尚未完全填补这一缺口。到2026年3月，研究中的约80%企业已经使用某种AI代码审查功能，但AI代理只负责了23.3%的审查评论和10.8%的拉取请求。换言之，绝大多数审查工作仍由人完成。研究还没有发现AI代理引入后企业活跃员工总数出现显著变化，因此目前也不能据此证明它已经大规模替代软件工程师。

对企业意味着什么

这并不意味着AI编程代理没有价值。对于原型开发、重复性任务和局部代码生成，它们可能明显缩短初始产出时间。但企业若只用代码行数、提交量或拉取请求数量衡量成效，就容易把“活动增加”误认为“软件交付改善”。更合理的评估应包括功能完成率、缺陷、返工、审查负担和最终交付周期。

研究数据截至2026年3月，代理能力、团队流程和使用经验仍在快速变化。未来，随着团队学会为不同任务设定代理边界，并改进测试、审查自动化与责任分工，当前的瓶颈可能缓解。眼下更现实的结论是：AI代理提高了代码供给，却没有自动提高软件系统的吞吐量。企业真正需要优化的，或许不是让代理写得更多，而是让整个交付链条能够消化这些代码。

来源：Ars Technica AI