注解：这个标题简化了英文标题，使其更加口语化，并且突出了文章讨论的核心问题，即人工智能生成代码对软件工程师的影响。

• 微软CEO萨提亚·纳德拉说，公司“多达30%的代码现在是由人工智能编写的”（2025年4月）。

• Anthropic的CEO表示，在12个月内，“AI可能会编写几乎所有的代码”（2025年3月）。

• 谷歌CEO表示，“他们添加的代码中超过四分之一是由AI生成的”（2024年10月）。

看到这种标题时，我常常会想，XYZ这个数字有软件工程师替代率的意味。由AI写的代码就是人类没写的代码，我们也不再需要那些30%的人类来敲键盘。考虑到媒体总是要吸引眼球和争夺读者注意力，我就不明白为什么他们不会选择更戏剧化的说法。

这种猜测确实挺有趣的（他们不是也只是根据一些线索或启发式方法做出猜测吗？），除了评估AI编码工具的普及率之外，似乎没有太多意义。

让我给你一个最近的例子。我最近完成了一个小型项目，创建了一个作为MCP工具的本地Python解释器环境，可以把它想象成ChatGPT中的代码解释器。

何必自找麻烦，不是已经有Python工具了吗？确实有，但是要么是在本地运行Python代码，这风险很大，要么就是依赖Docker或远程环境，这些环境搭建起来挺费劲的。

想法是将自定义的、沙箱化的本地Python解释器嵌入到MCP服务器中，由HuggingFace的smolagents库提供。

克隆了smolagents的仓库后，研究了代码库的内容，并创建了一个解释器的小示例后，我要求Cursor的Agent创建一个新的MCP服务器项目。我给它展示了那个示例和解释器的代码，并给了它Anthropic的MCP服务器文档的链接。代理创建了一个完全没有lint警告的代码库。

然而在接下来的几个小时里，我对生成的代码进行了多次迭代。我删除了大部分文件和行。积极利用AI，尤其是自动补全和聊天功能，也就是说，我自己并没有输入多少Python代码。

可以说，100%的程序代码都是由AI生成的。可能。这是否意味着什么呢？

• 在构建软件的过程中我不再需要（完全被AI替代）。
• 或是我工作效率提高了300倍，因为我作为一个普通人每分钟只能打30个字左右，而最先进的模型（每分钟约3000个词）每秒生成约150到200个tokens。

以下是这些数据：

• Claude 3.7/Cursor Agent 1.0 版本：9 个文件，1062 行，45 条注释，158 空白行
• 最终发布的版本：4 个文件，318 行，9 条注释，79 空白行

在迭代代码库的过程中，我动用了大脑来理解AI生成的代码，同时也加深了对实际需要构建的内容的理解——这需要付出努力和时间。有时候阅读代码比写代码更难。此外，编写代码（或者说对底层代码的修改）有一个非常重要的功能，那就是帮助你熟悉代码库，并给你时间让这些内容在脑海中沉淀，变得更容易理解。

毕竟，我废弃了大约70%的AI生成的代码。这说明了什么？是否意味着AI生成的代码全是垃圾，如果必须扔掉？几分钟生成，几个小时重写或调试？我不这么看。不过，单凭重写比例并不能说明全部问题，就像生成的代码占比一样。

有人可能会说这个例子是孤立的。从头开始创建一个小型项目在现实中并不常见。的确如此。然而，我认为它仍然提到了一些相关的问题，并给出了一些数字。在维护大型代码库时，同样存在大量的生成代码被移除或重新工作的趋势。任务规模越大，工作流程越自主，涉及的代码行和文件越多，你就越需要解决这些问题。不知为何，即使是最好的AI工具仍然难以掌握项目的氛围——它们在做出与项目精神一致的改变时仍然存在困难。

这与整合和发布代码有关。你是否知道，曾经微软的 Windows 发布周期是三年，"在从开始到完成这三年中，大约只有六个月到九个月的时间用于编写新代码？其余时间则用于整合、测试和发布测试版阶段" 1，2。

编写代码只是众多重要任务中的一部分，但并不是唯一的。你知道吗？根据最近微软的一项研究（https://arxiv.org/pdf/2502.15287），开发人员只花20%的时间在编写或重构代码上：这就是XYZ%这个由人工智能生成的指标所反映的情况。

在与团队和客户合作的过程中，开发软件过程中，我发现了许多AI几乎无法发挥作用的地方。

如果你的利益相关者变得不响应，玩内部政治，在需求上摇摆不定，ChatGPT（或某个高大上的“代理”）会追着客户，找到所有的需求矛盾（例如：7条绿线，其中一条必须透明），与整个团队沟通交流，并缓解任何核心风险？

即使你有看似高要求的标准……每个团队成员需要花多少时间来接纳他们各自的目标？团队需要花多少时间来找到围绕目标组织、界定范围并将业务需求转化为具体实施方案的内部共识？生成式AI工具是否会加速团队动态发展，使其从形成和震荡阶段直接跳转到规范和高效协作阶段，在几天内完成而不是几周？

我经常看到这种情况：人们思考较慢，我们的大脑在处理信息和建立维护社交联系方面有自然的限制。生成大量没人关心或尝试理解的文字并不能解决任何问题。

鉴于目前AI工具在软件开发中的状态和趋势，我将它们视为提高生产力的独立工具，其中人类是瓶颈。AI代理还不能完全替代人类在日常工作中的所有角色。即使在更高水平的AI自主性下，人们还是需要时间来做出决定、调整他们的看法、交流和达成共识。

最终，企业希望用更少的努力或资金完成更多的工作。在开发团队中采用人工智能，并以某种神奇的数字（不知为何总是20%到30%）来削减成本和人员——这并没有像预期的那样有效。整个行业内并没有明确展示出开发者生产力的显著提升。我对去年秋天的两项研究特别感兴趣，这些研究探讨了人工智能如何提高开发者的工作效率。

• 👍 微软和埃森哲（Accenture，https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566）报告任务完成量增加了26%。
• 👎 Uplevel（https://lnkd.in/eHnbrWAQ）发现循环时间没有变化，不过错误增加了41%。

P.S > 你知道吗？到2025年4月为止，流行的AI编程助手Aider的代码中，大约有80%是由Aider自己生成的[1]

P.P.S > 在 “P.P.S >” 出现之前，这篇文章正好是1200字，我花了好几天时间思考，4个小时写作。GPT 4.1 只需要12秒就能生成类似长度的博客文章 :)

[MCP]：模型上下文协议（MCP）
[LLM]：大型语言模型（LLM）
[RAG]：检索增强生成（RAG）
[SSE]：服务器发送事件（SSE）