圍繞 Windsurf 的收購，OpenAI 與 Google 上演商戰(zhàn)大戲。

類似Cursor，Windsurf 也是“AI 編碼助手”。作為 GenAI 潛在的殺手級(jí)應(yīng)用，“AI 編碼助手” 被行業(yè)寄予厚望：

將深刻影響開發(fā)效率、重新定義開發(fā)方式。

AI 編碼助手拖累資深開發(fā)者

然而近期非盈利機(jī)構(gòu) METR的研究【文獻(xiàn)1】卻發(fā)現(xiàn)，AI并沒有讓資深開發(fā)者更高效。

METR 基于隨機(jī)對(duì)照試驗(yàn)設(shè)計(jì)，對(duì) 16 位經(jīng)驗(yàn)豐富的開源項(xiàng)目開發(fā)者進(jìn)行測(cè)試，每人需完成 246 個(gè)任務(wù)。

開發(fā)者預(yù)估AI 有助提效?20?%，但客觀數(shù)據(jù)顯示：使用如 Cursor Pro + Claude 3.5/3.7 時(shí)，平均完成時(shí)間反而延長19%。

主要原因梳理如下：

AI 的建議僅有約 44% 被采納，且大多數(shù)代碼需要逐行復(fù)查與重構(gòu)（約 9% 的總時(shí)間）；

在熟悉的復(fù)雜項(xiàng)目中，AI 隨意修改可能引入額外錯(cuò)誤與上下文沖突。

啟發(fā)是，對(duì)資深工程師而言，AI編程助手在處理部分小問題時(shí)有些價(jià)值；

但并未帶來整體效率提升，反而引入更多校對(duì)時(shí)間和認(rèn)知干擾。

哈佛商業(yè)評(píng)論團(tuán)隊(duì)的實(shí)驗(yàn)

對(duì)于 AI 能否重塑軟件開發(fā)工作中的角色和任務(wù)結(jié)構(gòu)，哈佛商業(yè)評(píng)論團(tuán)隊(duì)也基于 GitHub Copilot 做過實(shí)驗(yàn)分析【文獻(xiàn)2】。

研究表明：

接入 Copilot 后開發(fā)者減少協(xié)作頻率，更傾向于獨(dú)自完成任務(wù)，組織扁平化趨勢(shì)顯現(xiàn)；

開發(fā)者側(cè)重進(jìn)行高度探索性思考（如嘗試新框架、實(shí)驗(yàn)新方法），而將具體編碼任務(wù)交由 AI 輔助；

Copilot 對(duì)技術(shù)經(jīng)驗(yàn)較少的開發(fā)者幫助顯著，有助于縮小與資深開發(fā)者之間的能力差距；

原本耗費(fèi)在項(xiàng)目管理、資料搜集、協(xié)調(diào)溝通上的時(shí)間，更多被用到“核心開發(fā)”與“創(chuàng)新思考”上。

研究給出這樣的務(wù)實(shí)建議：為開發(fā)者提供更多“AI?輔助自主塊”，可以讓他們將腦力資源更聚焦在核心設(shè)計(jì)與創(chuàng)新上，提升工作滿意度與創(chuàng)造力。

多Agent協(xié)作開發(fā)模式

來自清華、悉尼大學(xué)等機(jī)構(gòu)的團(tuán)隊(duì)，則針對(duì)多 Agent 協(xié)作開發(fā)的模式做了系統(tǒng)化的探索【文獻(xiàn) 3】。

研究構(gòu)建了 ChatDev：一個(gè)協(xié)同工作的“虛擬軟件公司”，由代表多種常見角色的Agent構(gòu)成。

他們通過 Chat Chain 持續(xù)對(duì)話協(xié)作，覆蓋從需求到設(shè)計(jì)、編碼、測(cè)試與文檔的完整開發(fā)流程。

ChatDev具備如下特征：

• 所有 Agent 均基于自然語言通信，避免多模型不一致問題；
• 將大任務(wù)拆分成許多子任務(wù)，通過對(duì)話鏈協(xié)作推進(jìn)；
• 交流降低幻覺設(shè)計(jì)，Agent 在執(zhí)行前會(huì)主動(dòng)提問、澄清需求。
  
  

ChatDev 可在少于 7 分鐘、低于 1 美元成本內(nèi)完成一個(gè)五子棋游戲的開發(fā)。

ChatDev 展示了多 Agent 分工協(xié)作遠(yuǎn)超單一 AI 工具的潛力，能顯著改善任務(wù)的連貫性與質(zhì)量；

但其明顯的缺點(diǎn)在于成本高——持續(xù)運(yùn)營多模型 Agent 面臨資源與費(fèi)用挑戰(zhàn)。

機(jī)遇與風(fēng)險(xiǎn)并存

METR強(qiáng)調(diào)，當(dāng)前 AI 尚不足以替代專家，但其認(rèn)知緩沖仍深受青睞。

哈佛團(tuán)隊(duì)指出，AI 效果與策略使用關(guān)系緊密，若設(shè)計(jì)得當(dāng)，能夠釋放研發(fā)潛力。

ChatDev 則顯示，AI 群體合作可提升結(jié)構(gòu)化任務(wù)效率，但需克服資源瓶頸。

從單一 AI 輔助到 AI 改變工作方式，再到 AI Agent 協(xié)作，各具挑戰(zhàn)與適用場(chǎng)景。

這里，筆者看到一條AI Coding 的新征途：任務(wù)原子化，把“寫代碼”拆成“說話”；認(rèn)知外包，用 AI 代理擴(kuò)展“個(gè)人帶寬”；多代理協(xié)作，讓 AI 之間先“吵”出共識(shí)?？偨Y(jié)一句話，語言即編譯器，自然語言成為最高抽象，把軟件工程變成一場(chǎng)多代理的“語言游戲”。

文獻(xiàn)1, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity， https://arxiv.org/abs/2507.09089

文獻(xiàn) 2, Generative AI and the Nature of Work，https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5007084  

文獻(xiàn) 3, ChatDev: Communicative Agents for Software Development ，https://arxiv.org/html/2307.07924v5

本文轉(zhuǎn)載自?????????????清熙?????????，作者：王慶法