哈佛研究人员发现 AI 编码代理将瓶颈转移到了代码审查

随着生成式 AI 工具迅速加快代码编写速度,软件团队发现真正的瓶颈已从实现转移到代码审查、测试和系统理解,而不是编码本身。评论者描述了审查疲劳、AI 生成代码过度设计或结构不佳,以及组织上要求跳过或自动化人工监督的压力;与此同时,责任和风险仍然落在人类工程师身上。许多人认为,现在需要把重点从逐行审查转向更好的规格说明、架构决策和测试基础设施,而另一些人则警告,过度依赖代理会侵蚀人类专业能力和长期可维护性。

对这项“发现”的看法

  • 很多人说,这个发现很显然,而且在 6–18 个月前的实践中就已经能看出来。
  • 也有人为正式研究辩护,认为它有助于验证“显而易见”的说法,并说服管理层。
  • 还有几个人抱怨,学术界的 AI 研究感觉已经过时,因为模型和工作流的演进速度比研究周期更快。

瓶颈转移到了哪里(以及它是否一直都在那里)

  • 许多人认同:更快的代码生成把瓶颈推向了审查、测试和 CI。
  • 也有人认为代码审查本来就是瓶颈;AI 只是让它变得格外明显。
  • 少数人说,在他们的组织里,新的瓶颈是测试、CI 和并行化——审查被绕过或自动化了。

代码审查中的人类与 AI

  • 大量团队正在试验让 AI 做首轮审查、linting 和测试生成。
  • 有些团队现在对“低风险”变更采用仅 AI 审查、没有人类介入的发布方式。
  • 另一些人坚持认为,人类在判断、安全性以及理解系统上下文方面仍然不可或缺;AI 无法为后果负责。
  • 还有人担心“agents all the way down”(AI 审查 AI),却没有稳固的安全网。

代码质量、架构与可维护性

  • 许多人报告说,AI 生成的代码即使功能正确,也常常过度设计、冗长或脆弱。
  • 有人声称现代代理现在写出的代码比大多数普通开发者更好;也有人说他们看到的所有 AI 代码都很一般,而且并未针对人类可读性进行优化。
  • 还有几个人担心技术债会大幅增长:代码库膨胀得比人类能理解或重构的速度更快,未来的工作只能依赖 AI 才有可能完成。

规范、上下文与系统理解

  • 一派观点认为:真正的瓶颈始终是规格和设计;更好、更丰富的规范能减少审查痛苦。
  • 另一派观点认为:没有任何规范能在真实世界的复杂性面前保持完整;迭代式的人类理解和设计演进至关重要,而代理对这些处理得很差。
  • 强烈的担忧是,如果没有人“拥有”或深度理解代码,有效审查和安全演进就会变得不可能。

工作流和角色的变化

  • 一些开发者说,他们现在的工作主要是在审查 AI 输出、编写规范、改进 CI/防护措施,以及做更高层次的架构工作。
  • 很多人报告了审查疲劳和决策过载;浅层的“LGTM”审查很常见,或者审查被跳过。
  • 少数人提出,应减少逐个 PR 的逐行审查,转而依赖:
    • 更强的自动化测试和沙箱隔离。
    • 周期性的、系统级或以风险为导向的审查。
    • 更严格的架构/设计审查,而不是语法层面的吹毛求疵。

激励机制与组织风险

  • 评论者指出,对速度和“AI 生产力”的压力会导致:
    • 自我批准的 AI PR、最少的审查,以及不断上升的故障风险。
    • 对审查能力、架构和测试的投入不足。
  • 有些人预测未来会有一次清算:短期收益换来长期可维护性、可靠性和安全性问题。