哈佛大学近期联合 Jellyfish 分析平台开展的一项研究显示，尽管 AI 编程助手与智能体能提升代码产出量，但并未转化为完工工作量的同步增长，部分原因在于 AI 生成的代码加大了开发后期的工作量，尤其是代码评审环节。 技王数据恢复
该研究数据覆盖 2021 年 1 月至 2026 年 3 月，涉及 700 余家企业、70 万名员工及约 3 亿个工作事件。研究通过三项指标衡量编码产出：新增代码行数、代码提交记录和合并请求。结果显示：
www.fixhdd.cn
- AI 编程助手仅小幅提升编码产出：代码行数增加 12%，提交记录增加 9%，合并请求增加 5%；其中仅提交记录的增加具有统计显著性。
- AI 智能体在三项指标上带来显著大幅增长：代码行数增加 30%，提交记录增加 20%，合并请求增加 23%。
然而，以每名工程师每月解决的 Jira 工单和大型需求数量评估软件交付成果时发现，编程助手并未提升工单解决数量，而 AI 智能体虽带来 12% 的增长，但增幅远低于代码行数 30% 的预估涨幅。 技王数据恢复
研究团队指出，工程师仅将 30% 至 40% 的时间用于写代码，其余时间投入配套任务。当 AI 提升编码效率时，后续配套任务便成为瓶颈。具体表现为： www.fixhdd.cn
- 合并请求的平均评审时长增加了 49%。
- 单条合并请求的评论数量增加了 53%。
- 需要修改的合并请求占比翻了一倍。
此外，参与代码评审的人员占比增加了 14%，即便引入 AI 辅助评审也没有改善这一状况。作者同时指出，合并请求相关工作量上涨并不能用单次合并请求体量变大来解释。 www.fixhdd.cn
Reddit 社区用户对此表示关注，认为每一行代码都是潜在风险，AI 幻觉带来的额外风险使得智能体比大多数合作对象都更不可靠。另有观点指出，随着代码库持续扩张，工程师对交付代码的理解变浅，故障平均恢复时长或许会成为评估 AI 对软件开发影响的一项愈发重要的指标。
技王数据恢复
Jellyfish 是一家软件公司，提供用于衡量和分析软件工程绩效的平台，接入了来自 GitHub 和 Jira 等工具的数据。查看英文原文：https://www.infoq.com/news/2026/10/jellyfish-ai-productivity/ 技王数据恢复
技术审核：邓严军｜技王数据恢复实验室技术总监 www.fixhdd.cn
