2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家
背景
将人工智能（AI）工具融入软件开发，已引发关于其对编码活动效率影响的广泛讨论。本文所汇总的研究表明，人工智能已被应用于编码、调试、测试、文档编写、代码审查以及持续集成/持续交付（CI/CD）等任务中（平托等，2024；佩雷拉等，2025）。在结构化程度较高且重复性较强的任务中，例如代码生成、简单测试和文档编写，效率提升往往更为明显，这主要得益于人工工作量的减少、信息检索时间的缩短以及开发者认知负荷的降低（潘迪等，2024；平托等，2024）。
另一方面，相同的数据也表明，人工智能在某些情况下反而可能降低效率。当工具提供的建议不完整、过于笼统或存在错误，需要大量人工复核，或无法准确理解项目上下文时，就会出现这种情况（福尔特斯等，2025；温克勒等，2025）。这些局限性在复杂且高度依赖上下文的任务中尤为突出，例如疑难缺陷的调试和生成代码的验证。在这些场景中，初始代码生成所节省的部分时间，可能会被用于检查、修正和调整工具输出结果所耗费的精力所抵消（斯特雷等，2024；达维拉等，2024）。
本证据简报综合了近期文献中的研究成果，聚焦于三个维度：人工智能所应用的编码活动、用于评估效率的指标以及所报告的局限性，重点关注其在软件工程和企业系统中的应用。
编码活动及其对效率的影响
人工智能最常用于提升效率的编码活动包括编码、软件测试和代码调试，其带来的收益涵盖新代码生成、自动补全、样板代码（boilerplate）创建、单元测试编写以及对简单错误修复的支持（平托等，2024；佩雷拉等，2025；潘迪等，2024）。
研究还指出，在文档编写、知识支持和代码理解方面也存在效率提升，尤其是减少了开发者在查找示例、API、语法以及遗留代码片段上所花费的时间。这一用途表明，人工智能所带来的效率提升不仅体现在代码产出本身，还体现在减少日常工作中认知与信息层面的摩擦（福尔特斯等，2025；斯特雷等，2024）。
效率损失则更明显地出现在涉及多个文件的分布式修改、依赖特定业务规则的任务、疑难缺陷调试以及生成代码的验证等场景中（沙努卡；维贾亚纳亚克；维达纳格，2025；潘迪等，2024；桑托斯等）。表1按活动详细列出了这些影响。
表1——编码活动及人工智能对效率的影响
| 编码活动 | 提升效率 | 降低效率 |
|---|---|---|
| 编码 / 代码编写 | 代码生成、自动补全、样板代码（boilerplate）、上下文相关的代码片段（snippets） | 错误建议、上下文丢失、过度复核 |
| 调试与代码修正 | 修正建议、调试（debugging）辅助、简单错误处理 | 错误循环、表面化修正、返工 |
| 软件测试 | 测试生成、自动化、回归测试 | 测试覆盖不足、误报、维护成本高 |
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
