AI工具的使用反而降低了开源开发者的工作效率，尽管他们预期并坚信AI能加快任务完成速度。研究表明，熟悉代码库的开发者在使用AI工具完成任务时，耗时比不使用AI工具时增加了19%。这一现象与开发者的预期和专家预测相悖，显示出认知与现实的显著差距。

文章主要内容总结

标题: AI 拖慢了开源开发者的速度，Peter Naur 可以告诉我们原因

来源: John Whiles 的博客

发布时间: 2025年7月14日

主要内容:

1. AI 工具对开源开发者生产力的影响:

   • Metr 最近发布的一项研究表明，当开源开发者在他们熟悉的代码库中使用 AI 工具完成任务时，他们完成任务的时间比不使用 AI 工具时增加了 19%。尽管开发者预期 AI 会使他们更快，但实际结果却相反。

2. 开发者心理模型与 AI 工具的冲突:

   • Peter Naur 的论文《编程作为理论构建》提出，编程的核心在于开发者形成的对程序的“心理模型”。这些模型帮助开发者理解系统、诊断问题并有效工作。然而，当前的 AI 工具无法真正获取开发者的心理模型，导致开发者在使用 AI 工具时效率下降。

3. AI 工具在不同场景下的适用性:

   • 对于那些不熟悉项目或缺乏心理模型的开发者，AI 工具可能有助于提高生产力。然而，如果开发者希望长期理解项目并有效进行更改，依赖 AI 工具可能会阻碍他们构建心理模型的能力。

4. 是否应在工作场所禁止 LLMs:

   • 文章认为，对于熟悉项目并拥有心理模型的开发者，AI 工具可能会拖慢他们的速度。但对于那些不熟悉项目或处于快速交付压力的环境中的开发者，AI 工具可能更有优势。

5. 未来 AI 工具的潜力:

   • 文章指出，当前的 AI 工具并未帮助开发者构建心理模型，但未来如果模型改进，可能会有工具能够真正加速开发者的工作，甚至无需人类持有心理模型。

结论: - 文章建议，如果开发者希望长期理解项目并有效工作，应避免过度依赖 AI 工具，而是亲自编写代码以构建心理模型。对于那些只是快速交付任务的开发者，AI 工具可能是一个不错的选择。

参考资料: - Metr 的研究 - Peter Naur 的论文

评论总结

1. AI工具的效率问题

• 观点：AI工具在某些情况下会降低开发效率，尤其是在处理复杂或大型代码库时。
• 论据：
  • mkagenius：AI在处理小规模上下文时表现良好，但随着上下文扩大，AI难以跟上，导致效率下降。"Fully autonomous coding tools like v0, a0, or Aider work well as long as the context is small."
  • lsy：AI提供的快速修复可能短期内有效，但长期来看，开发者并未真正理解代码，可能导致代码库难以维护。"When you have an AI that says 'here is the race condition and here is the code change to make to fix it', that might be 'faster' in the immediate sense, but it means you aren’t understanding the program better."

2. AI在理解代码库中的优势

• 观点：AI在处理不熟悉的代码库时具有优势，能够快速生成可行的代码。
• 论据：
  • doc_manhat：AI可以比人类更快地消化不熟悉的代码库，并生成基本可行的更改。"They can ingest the unfamiliar codebase faster than any human can, and can often generate changes that will essentially work."
  • nico：在处理新框架和架构时，AI帮助快速构建系统，显著加速了开发进程。"Within a couple hours, with the help of Claude Code, I had already created a really nice system to replicate data from staging to local development."

3. AI对开发者生产力的影响

• 观点：AI工具的实际生产力提升可能被高估，开发者可能误判自己的效率。
• 论据：
  • gjsman-1000：开发者普遍高估了AI带来的生产力提升，实际效果可能为零甚至负。"In reality, they were 0% more productive at best, and 40% less productive at worst."
  • blake1：AI创造了远超现实的生产力提升错觉，开发者应警惕这种自我认知的扭曲。"AI creates the perception of productivity enhancements far beyond the reality."

4. AI工具的适用场景

• 观点：AI工具在某些特定场景下（如初始探索或一次性脚本）非常有用，但在其他场景下可能增加工作量。
• 论据：
  • xyst：AI在探索未知代码库或语言时很有帮助，但过度使用会增加工作量。"Use of LLM has only been helpful in initial exploration of unknown code bases or languages for me."
  • yomismoaqui：AI工具使开发者能够处理更具挑战性的项目，但需谨慎避免完全依赖AI生成代码。"I personally find that agentic AI tools make me be more ambitious in my projects, I can tackle some things I didn’t thought about doing before."

5. AI工具的局限性

• 观点：AI工具并非万能，开发者需要理解其局限性，并学会正确使用。
• 论据：
  • rosspackard：AI工具需要学习和适应，才能发挥其最大效用。"It is a tool and you have to learn it to be successful with it."
  • antimora：AI生成的代码可能掩盖问题，而非真正解决问题，开发者需谨慎审查。"The 'fix' simply muted an error instead of addressing the root cause."

6. AI工具的未来发展

• 观点：随着AI模型的不断改进，其效率和适用性可能会显著提升。
• 论据：
  • afro88：当前的研究基于早期模型，随着模型的改进，AI工具的效果可能会大幅提升。"These models are such a big step up from what came previously."
  • narush：AI工具的效果受多种因素影响，未来可能会有更多改进。"My guess: there is no one factor -- there’s a bunch of factors that contribute to this result."

总结

评论中对AI工具的看法存在分歧。一方面，AI在处理不熟悉的代码库和特定任务时表现出色，能够显著提升开发效率。另一方面，AI在处理复杂或大型项目时可能降低效率，且开发者可能高估其实际生产力提升。AI工具的适用性和效果受多种因素影响，开发者需理解其局限性，并学会正确使用。随着AI模型的不断改进，未来其效率和适用性可能会进一步提升。