调查：AI编码提速却推高调试和理解成本

独立研究机构 Coleman Parkes 受 Undo 委托，对300名负责交付关键业务软件的高级工程负责人展开调查。受访者大多使用 C/C++，其代码库通常必须被充分理解。调查显示，AI编码智能体提高了代码生成速度，但开发瓶颈已转向代码理解、调试与长期维护。

受访者认为，最困难的工作包括判断代码功能、评估其对现有系统的影响，以及在程序行为异常时定位原因。团队平均每周花费9.8小时编写代码，却要投入16.9小时处理开发阶段或生产环境中的故障调试，占平均周工时的42%。

随着越来越多代码由AI生成，工程师对代码的原生理解能力有所减弱，缺陷更容易被遗漏，故障发生后也可能缺少追溯根因所需的上下文。调查显示，35%的AI生成代码在团队尚未完全理解前就已进入生产环境；80%的受访者认为，编码智能体难以解决复杂代码库中的疑难问题。约三分之一的团队因此只在简单代码库中使用智能体进行理解和调试，面对复杂系统时则依赖其他手段建立信心。

生产环境风险也较为普遍：81%的团队在最近六个月内至少经历过一次影响内部用户或客户的事故或服务中断，其中14%每月发生多次；93%的团队至少遇到过因AI幻觉导致的根因判断或问题诊断错误，18%每月多次遇到；91%的团队曾发现测试遗漏、严重缺陷或性能不佳的代码进入生产环境，8%每月多次发生。

总体而言，79%的工程负责人认可AI智能体能够显著加快代码生成，但他们也表示，审查和拆解AI产出需要投入大量时间，发布周期并未因此明显缩短。Undo创始人兼首席执行官 Greg Law 认为，工程师经常需要花费数天分析“几乎正确但并不完全正确”的代码，而智能体擅长快速生成大量代码，却不擅长调试。

围绕AI编码智能体的效率与局限，软件工程社区仍在持续讨论。当代码生成速度超过人工审查能力时，团队需要重新设计管理和验证流程。调查反映出的一个共识是，AI并未改变软件工程的核心：工程师仍需理解约束、进行权衡，并确认最终系统能够按预期运行。