哈佛研究:AI 编码代理把瓶颈从写代码移到代码审查
据 ComplexDiscovery 报道,哈佛研究人员得出的结论是:AI 编码代理普及后,开发流程的主要瓶颈已从编写代码转移到审查代码。该报道称这一发现引发了大量从业者讨论,但目前只有二手报道,没有给出论文标题、作者、样本规模、所用模型版本或具体测量指标。报道本身也没有说明这项研究是预印本、同行评审论文,还是尚未公开的内部成果。
已证实与未证实
- 已证实: ComplexDiscovery 报道称,哈佛研究人员发现 AI 编码代理把开发者瓶颈推向代码审查环节;Hacker News 上出现了大量从业者就此展开的讨论。
- 尚未证实: 研究的具体结论强度与适用范围,包括论文标题、作者、发表状态、样本量、所用模型及版本、衡量“瓶颈转移”的指标,以及是否经过独立复现;这些均只见于二手描述,来源未提供可核查细节。
背景
这项结论出自哈佛的 Fiona Chen 与 James Stratton 的一篇工作论文:他们使用工程效能分析平台 Jellyfish 的数据,覆盖约 718 家企业、约 70 万名开发者从 2021 年 1 月到 2026 年 3 月的记录。研究称,AI 编码代理让工程师多写出约 30% 的代码,但一次拉取请求(pull request,代码合入前的评审请求)的评审时间随之上升约 49%,因此企业实际交付的软件量没有同步增长。也就是说,在讨论 AI 编码工具的真实产出时,“评审成为新瓶颈”是这项研究给出的核心前提。
为什么重要
如果瓶颈确实落在审查端,团队的约束条件就从“写得够快”变成“看得够快”:有评论者指出,合并请求里的代码量变大,且 AI 倾向给出过度设计的方案,审查者需要更多时间判断是否真的需要这些复杂度。对采用编码代理的团队来说,这意味着要同步投入审查容量与审查工具(例如让多个代理互相审查),否则吞吐量会卡在评审队列上。
社区讨论
多位从业者称自己的日常工作已变成审查 AI 写的代码:一位有 25 年经验的开发者表示,AI 写得不比自己差,找问题时甚至更好,但他仍强调审查还有“理解代码”的作用;另一位专职做代码审查的评论者则认为,AI 生成的合并请求代码更多、方案常常过度设计。也有人质疑这类大学研究已经过时,认为学界跟不上实践节奏,另有医疗行业开发者强调仍有人坚持手写代码与测试。
延伸阅读
-
[Harvard study of 718 firms finds AI coding agents ‘ output… Pondero](https://pondero.ai/news/2026-10-12-harvard-jellyfish-code-review-bottleneck/) - AI Coding Agents and the Code Review Bottleneck ( 2026 Data)
- AI Coding Agents Add Code ; Review Is the Bottleneck · SW Architect
评论
评论需要 GitHub 账号登录,会经过管理。 评论规则