Fastly 2025年7月的调查显示，资深开发者（10年以上经验）在生成代码中使用AI的比例是初级开发者（0-2年经验）的2.5倍，分别为50%和13%。资深开发者更倾向于花时间修复AI生成的代码，尽管这抵消了部分时间节省，但59%的资深开发者认为AI工具总体上提高了开发效率，而初级开发者中这一比例为49%。资深开发者对AI节省时间的乐观态度更为明显。

AI编程趋势：资深开发者比初级开发者产出更多AI代码

Fastly在2025年7月对791名开发者进行的调查显示，资深开发者（10年以上经验）与初级开发者（0-2年经验）在AI生成代码的应用上存在显著差异。约三分之一的资深开发者表示，他们发布的代码中超过一半是由AI生成的，这一比例是初级开发者的近2.5倍（初级开发者仅为13%）。

一位资深开发者表示：“AI能够比人类更快地测试代码并发现错误，无缝修复问题。这种情况已经多次发生。”而一位初级开发者则指出了AI的局限性：“当AI误解我的意图时，我不得不重新手动修改代码。”

此外，资深开发者更倾向于花时间修复AI生成的代码。近30%的资深开发者表示，他们编辑AI输出的代码足以抵消大部分时间节省，而初级开发者中这一比例仅为17%。尽管如此，59%的资深开发者认为AI工具总体上帮助他们更快地发布代码，而初级开发者中这一比例为49%。

资深开发者对AI节省时间更为乐观

超过50%的初级开发者表示，AI使他们“适度”加快了工作速度，而只有39%的资深开发者持相同看法。然而，资深开发者更有可能报告显著的效率提升：26%的资深开发者表示AI使他们“大幅”加快，而初级开发者中这一比例仅为13%。

这种差距可能源于资深开发者更擅长发现和纠正AI的错误。他们凭借经验能够识别代码“看似正确”但实际存在问题的情况，这使得他们更有信心高效使用AI工具，即使是在处理高风险或关键业务代码时。相比之下，初级开发者可能不完全信任自己发现错误的能力，因此对依赖AI持更谨慎的态度，甚至可能避免在生产环境中使用AI。

感知与现实的差距

近三分之一的开发者（28%）表示，他们经常需要修复或编辑AI生成的代码，以至于抵消了大部分时间节省。只有14%的开发者表示他们很少需要修改代码。然而，超过一半的开发者仍然认为像Copilot、Gemini或Claude这样的AI工具使他们工作更快。

Fastly的调查并非唯一对AI生产力提出质疑的研究。最近一项针对经验丰富的开源开发者的随机对照试验（RCT）发现，使用AI工具的开发者完成任务的时间反而延长了19%。

这种差距可能与心理因素有关。AI编程通常感觉流畅：只需几次按键，代码就能自动完成。这给人一种快速推进的错觉，但早期的速度提升往往伴随着编辑、测试和重做的循环，最终抵消了任何效率增益。

AI编程的隐性成本

Fastly的调查还探讨了开发者对“绿色编码”（编写节能软件）的认知，以及AI编程工具背后的能源成本。随着经验的增加，绿色编码的实践显著上升。超过56%的初级开发者表示他们在工作中积极考虑能源使用，而中高级工程师中这一比例接近80%。

开发者普遍意识到AI工具的环境成本：约三分之二的开发者表示他们知道这些工具可能带来显著的碳足迹。只有少数（即使在最初级开发者中也不到8%）完全不了解这一点。总体而言，数据表明可持续性正逐渐融入开发者文化。

调查方法

该调查由Fastly于2025年7月10日至14日进行，受访者为791名专业开发者。所有受访者均确认编写或审查代码是其工作的核心部分。调查在美国进行，并对数据准确性进行了质量控制，但由于所有数据均为自我报告，可能存在一定偏差。

评论内容主要围绕开发者对AI代码生成工具（如Copilot、Claude等）的使用态度和体验展开，观点多样且存在争议。以下是总结：

1. 支持使用AI工具的观点

• 提高效率：许多开发者认为AI工具可以加速开发过程，尤其是在处理重复性任务或生成样板代码时。例如，matula提到：“我可以用3分钟填写CLAUDE.md，5分钟让Claude完成代码生成，这比我自己花4小时更高效。”
  原文：I could either spend the next 4 hours doing that, or spend 3 minutes filling out a CLAUDE.md with the specs and 5 minutes having Claude do it.
• 辅助学习与探索：AI工具可以帮助开发者快速了解不熟悉的领域或技术。INTPenis表示：“AI帮助我在处理Google API时快速切换上下文，节省了大量时间。”
  原文：It’s great at context switching between different topics.

2. 对AI工具的质疑与担忧

• 代码质量与调试问题：部分开发者认为AI生成的代码存在错误，且调试过程复杂。calibas指出：“AI在调试时经常错过真正的问题，甚至不必要地重写大段代码。”
  原文：Too many times I’ve seen it miss the real problem, then try to rewrite large sections of the code unnecessarily.
• 过度依赖与学习障碍：一些开发者担心过度依赖AI工具会影响新手的学习能力。lpapez提到：“实习生过度依赖AI工具，导致他们无法独立思考问题。”
  原文：The main problem with interns since 2023 has been their over reliance on AI tools.

3. 对“vibe coding”定义的争议

• 概念模糊：许多评论者对“vibe coding”的定义提出质疑，认为它被过度泛化。csbrooks表示：“‘vibe coding’是否等同于使用AI工具？我认为它更多是指通过LLM迭代生成代码的过程。”
  原文：Is 'vibe coding' synonymous with using AI code-generation tools now?
• 实际应用与预期不符：部分开发者认为“vibe coding”并不适用于所有场景，尤其是复杂项目。smusamashah指出：“在遗留代码库中，AI工具只能处理非常具体的任务，无法胜任大部分工作。”
  原文：I just can’t fathom shipping a big percentage of work using LLMs.

4. 对调查数据的质疑

• 样本量不足：一些评论者认为调查样本量过小，无法代表整体开发者群体。mr90210批评道：“在超过2500万程序员中，791人的样本量不足以支持这样的结论。”
  原文：In a universe of well over 25 million programmers a sample of 791 is not significant enough.
• 自我报告偏差：部分开发者认为调查结果可能受到自我报告偏差的影响。goosejuice指出：“许多人可能不愿意承认使用AI工具，尤其是新手。”
  原文：Many are very hesitant to say they use AI, and I suspect that’s much more likely to be the case when you are new to the field.

5. 对AI工具未来发展的思考

• 工具与人类角色的平衡：一些开发者认为AI工具应作为辅助，而非替代。bob1029表示：“我只让AI处理函数级别的实现，绝不让它定义方法签名。”
  原文：I don’t ever let the LLM define method signatures for me.
• 技术局限性：部分评论者指出AI工具目前仍存在技术瓶颈。kachapopopow认为：“LLM需要技术突破才能克服当前的局限性。”
  原文：LLMs are currently at a wall where they require technical advancements before they can overcome it.

总结：

开发者对AI代码生成工具的态度呈现两极分化：支持者认为其能显著提高效率，尤其是在处理重复性任务时；而质疑者则担忧代码质量、调试难度以及过度依赖问题。此外，对“vibe coding”的定义和调查数据的有效性也存在广泛争议。总体而言，AI工具在开发中的应用仍处于探索阶段，其未来发展与技术突破将决定其能否被更广泛地接受。