由独立研究公司Undo（聚焦AI根因分析）代表的调查揭示，AI编码智能体虽加速代码生成，但调试、代码理解与维护瓶颈显著上升，进而引发代码理解鸿沟。调研覆盖300名关键业务软件高级工程负责人（多使用C/C++），核心问题集中在理解代码作用、关联现有代码库及应对异常调试，团队每周约9.8小时写代码，却16.9小时用于故障调试，占比达42%。此外，AI生成代码占比超35%的团队提前进入生产环境，80%受访者反映难以处理复杂代码库难题，仅约三分之一团队在复杂场景下依赖其他手段。此外，AI智能体还导致81%团队近一年内发生生产事故，93%出现根因诊断错误，79%工程负责人认为生成速度提升未显著缩短发布周期，因调试及代码分析负担过重。研究强调，AI智能体未改变软件工程本质，需关注其速度与人类审查平衡等管理难题。

--91likeyou---

调查显示，得益于 AI 智能体带来的代码生成提速，35% 的生成代码在团队尚未完全理解前就进入了生产环境。此外，80% 的受访者表示，代码智能体难以处理复杂代码库中的疑难问题。因此，约三分之一的团队“只在简单代码库中使用 AI 智能体进行代码理解和调试”，在处理更复杂系统时依靠其他手段来建立足够的信心。

受访团队报告的其他重大问题包括：影响内部用户或客户的生产事故或服务中断（81% 在前六个月内至少发生一次，14% 每月多次发生）、由于幻觉导致根因或问题诊断错误（93% 至少发生一次，18% 每月发生多次）、以及测试遗漏、严重缺陷或优化不佳的代码进入生产环境（91% 至少发生一次，8% 每月多次发生）。

总体来看，79% 的工程负责人认为 AI 智能体确实可以大幅加快代码生成，但随之而来的工作量转移——大量精力要投入调试以及“拆解” AI 生成代码，使得整体发布周期“并没有比以前更快”。

Undo 创始人兼 CEO Greg Law 总结调查结果时指出，工程师“花费数天时间试图弄清楚出了什么问题、为什么出问题”，面对的是“几乎正确但又不完全正确的代码”，并且“虽然智能体擅长快速编写大量代码，但在调试代码方面能力较弱”。

自 AI 编码智能体推出并被广泛采用以来，软件工程社区一直在广泛讨论它们的好处、局限性以及如何最有效地使用它们。一个反复出现的担忧是当智能体的代码生成速度超过人类审查代码的能力时该如何管理智能体的速度。这催生了多种主流方案，包括、等。然而，更广泛的共识是，AI 智能体并没有从根本上改变软件工程的本质，软件工程从来都不只是编写代码，而是理解约束、做出权衡，并确保最终系统按预期运行。

查看英文原文：

🔥 热词：#AI · #调查发现 · #生成代码会提升调试难度与故障发生率 · #并造成代码理解鸿沟 · #由独立研究公司 · #Coleman · #Parkes · #代表