面对此时*人工智能日益增长的影响*对软件开发的影响，必须进行深入的思考。近期研究表明，人工智能或许 paradoxe 地降低了开发者的效率，*在解决问题时达到了 19 % 的减速*。这一现象引发了对预先设想的专业人士的质疑，他们原本期望能显著加快自己的任务。*现实与期望*之间的对比，成为了理解行业未来的核心关注点。
METR 研究结果
由研究机构模型评估与威胁研究（METR）进行的一项研究表明，基于人工智能的编程助手远没有优化开发者的生产力，反而似乎在阻碍其效率。2025年7月10日发布的结果显示，使用人工智能工具的开发者在解决复杂问题时花费了额外的 19 % 的时间。
研究方法论
为了进行这项研究，METR 招募了 16 名经验丰富的开发者，他们在开源项目中积极工作，并熟悉人工智能。每个人选择了 246 项代表性任务，例如修复错误或添加功能。这些任务随后被分配到使用和不使用人工智能助手的情况，使用的工具是 Cursor Pro，基于被认为最先进的 Claude 3.5 和 3.7 模型。
对开发者期望的分析
即使在乐观地预期加速 24 % 的情况下，开发者在使用人工智能工具时仍然感受到减速。这种期望与现实之间的差距凸显出显著的隔阂。尽管出现了减速，20 % 的参与者仍然相信人工智能增强了他们的任务执行速度。
导致低效的解释因素
多种因素解释了这种低效。开发者在其项目上的强大专业知识使他们能更好地理解所遇到的问题，因而人工智能的帮助显得不那么相关。实际上，他们在面对不太熟悉的问题时感受到更大的困难。
缺乏上下文和工具的可靠性
人工智能无法理解周围上下文，使其低效成为可能。人工智能在复杂环境中难以融入，例如拥有超过百万行代码的库，这些库通常创建于十多年前。此外，只有 44 % 的人工智能建议得到了开发者的批准，从而导致了困难的修订和纠正过程。
人工智能使用的影响
METR 的研究引发了对人工智能在软件开发过程中整合的疑问。它强调了需要调整辅助工具，使其真正满足开发者的需求。人工智能工具如 Cursor 的潜在学习效果，可能在数百小时的使用后才会显现，但测试用户尚未达到这一阶段。
人工智能未来的使用案例
行业专业人士需要重新评估人工智能在其工作方法中的角色。市场领导者如微软和OpenAI，正在开发可能旨在绕过这些限制的定制解决方案。未来充满希望的进展，但开发者仍在寻求自我决策和人类辅助之间的平衡。
常见问题解答
关于人工智能对开发者效率影响的研究主要结果是什么？
METR 的研究显示，使用人工智能助手的开发者解决问题时花费了额外 19 % 的时间，这与他们最初期望的 24 % 效率提升形成了对比。
该研究中评估了哪些使用人工智能的任务？
开发者记录了一份包括修复错误和添加新功能的 246 项实用任务，所有这些任务理论上都可以在两个小时内完成。
为什么开发者对人工智能有不成比例的期望？
开发者认为人工智能将显著加速他们的实现，但这一过高的期望导致了他们的看法与观察到的现实之间的差距。
导致开发者减速的原因有哪些？
该研究指出了多个因素，包括上下文的缺失、开发者在其项目上的高水平专业知识、人工智能建议的可靠性不足以及工作环境的复杂性。
在研究中，人工智能生成的建议的接受率是多少？
只有 44 % 的人工智能生成的建议得到了开发者的批准，这导致了额外的时间用于修正或修订由助手提供的代码。
在观察到减速后，开发者仍然认为人工智能改善了他们的效率吗？
尽管减速，开发者依然坚信人工智能帮他们加快了工作 20 %。
与像 Cursor 这样的人工智能工具的经验如何随时间演变？
METR 认为，学习效果可能在数百小时的使用后出现，但到那时，研究参与者尚未达到这一阶段。
使用人工智能工具的开发者可能获得哪些建议？
开发者可能从更好的人工智能工具使用培训以及对这些技术在复杂环境中的局限性的认识中受益。
