圍繞 Windsurf 的收購，OpenAI 與 Google 上演商戰大戲。

類似Cursor，Windsurf 也是“AI 編碼助手”。作為 GenAI 潛在的殺手級應用，“AI 編碼助手” 被行業寄予厚望：

將深刻影響開發效率、重新定義開發方式。

AI 編碼助手拖累資深開發者

然而近期非盈利機構 METR的研究【文獻1】卻發現，AI并沒有讓資深開發者更高效。

METR 基于隨機對照試驗設計，對 16 位經驗豐富的開源項目開發者進行測試，每人需完成 246 個任務。

開發者預估AI 有助提效?20?%，但客觀數據顯示：使用如 Cursor Pro + Claude 3.5/3.7 時，平均完成時間反而延長19%。

主要原因梳理如下：

AI 的建議僅有約 44% 被采納，且大多數代碼需要逐行復查與重構（約 9% 的總時間）；

在熟悉的復雜項目中，AI 隨意修改可能引入額外錯誤與上下文沖突。

啟發是，對資深工程師而言，AI編程助手在處理部分小問題時有些價值；

但并未帶來整體效率提升，反而引入更多校對時間和認知干擾。

哈佛商業評論團隊的實驗

對于 AI 能否重塑軟件開發工作中的角色和任務結構，哈佛商業評論團隊也基于 GitHub Copilot 做過實驗分析【文獻2】。

研究表明：

接入 Copilot 后開發者減少協作頻率，更傾向于獨自完成任務，組織扁平化趨勢顯現；

開發者側重進行高度探索性思考（如嘗試新框架、實驗新方法），而將具體編碼任務交由 AI 輔助；

Copilot 對技術經驗較少的開發者幫助顯著，有助于縮小與資深開發者之間的能力差距；

原本耗費在項目管理、資料搜集、協調溝通上的時間，更多被用到“核心開發”與“創新思考”上。

研究給出這樣的務實建議：為開發者提供更多“AI?輔助自主塊”，可以讓他們將腦力資源更聚焦在核心設計與創新上，提升工作滿意度與創造力。

多Agent協作開發模式

來自清華、悉尼大學等機構的團隊，則針對多 Agent 協作開發的模式做了系統化的探索【文獻 3】。

研究構建了 ChatDev：一個協同工作的“虛擬軟件公司”，由代表多種常見角色的Agent構成。

他們通過 Chat Chain 持續對話協作，覆蓋從需求到設計、編碼、測試與文檔的完整開發流程。

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；
• 將大任務拆分成許多子任務，通過對話鏈協作推進；
• 交流降低幻覺設計，Agent 在執行前會主動提問、澄清需求。
  
  

ChatDev 可在少于 7 分鐘、低于 1 美元成本內完成一個五子棋游戲的開發。

ChatDev 展示了多 Agent 分工協作遠超單一 AI 工具的潛力，能顯著改善任務的連貫性與質量；

但其明顯的缺點在于成本高——持續運營多模型 Agent 面臨資源與費用挑戰。

機遇與風險并存

METR強調，當前 AI 尚不足以替代專家，但其認知緩沖仍深受青睞。

哈佛團隊指出，AI 效果與策略使用關系緊密，若設計得當，能夠釋放研發潛力。

ChatDev 則顯示，AI 群體合作可提升結構化任務效率，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 協作，各具挑戰與適用場景。

這里，筆者看到一條AI Coding 的新征途：任務原子化，把“寫代碼”拆成“說話”；認知外包，用 AI 代理擴展“個人帶寬”；多代理協作，讓 AI 之間先“吵”出共識。總結一句話，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多代理的“語言游戲”。

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

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

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

本文轉載自?????????????清熙?????????，作者：王慶法