Survey Finds AI-Generated Code Increases Debugging and Failure Rates and Creates a Comprehension Gap

调查发现AI生成的代码增加了调试和故障率并造成理解差距 - InfoQ

InfoQ 首页新闻 调查发现AI生成的代码增加了调试和故障率并造成理解差距

AI, ML & Data Engineering

在线InfoQ AI安全与隐私工程认证（10月26日）：在受监管环境中部署AI？

调查发现AI生成的代码增加了调试和故障率并造成理解差距

2026年10月7日 2分钟阅读

作者：

• Sergio De Simone

#### 关注我们

YouTube

232K 粉丝

LinkedIn

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 赞

Bluesky

收听本文 -

0:00

音频准备播放

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

• 阅读列表

由独立研究机构Coleman Parkes受专注于扩展AI驱动的根本原因分析的公司Undo委托进行的调查显示，尽管AI编码代理加速了代码生成，但主要瓶颈已转移到调试、代码理解和维护上。

该报告调查了300位负责交付关键任务软件的高级工程师负责人，其中大多数人使用C/C++。调查特别聚焦于必须"被理解"的关键任务代码库，受访者将最困难的任务确定为"理解代码的作用、其对现有代码库的影响，以及当应用程序行为不符合预期时进行调试"。

在这些环境中，团队平均每周花费9.8小时编写代码，但每周需要花费16.9小时调试开发过程中发现或生产环境中遇到的问题，占平均工作周的42%。

随着调试变得越来越重要，另一个关键维度正成为挑战：代码理解：

现在AI生成了大部分代码，工程师不再拥有以前固有的理解能力。这使得缺陷更容易被遗漏，当问题不可避免地发生时，没有人具备追溯故障根本原因的知识。

由于AI代理加速了代码生成，调查显示35%的生成代码在团队完全理解之前就已经进入生产环境。此外，80%的受访者表示，编码代理在解决复杂代码库中的难题时存在困难。因此，大约三分之一的团队"仅在简单代码库中使用AI代理进行理解和调试"，而在处理更复杂的系统时则依赖其他技术来建立足够的信心。

被调查团队报告的其他重大问题包括：影响内部用户或客户的生产事故或服务中断（81%的受访者在过去六个月中至少经历过一次，14%的受访者每月多次经历）、由于幻觉导致的错误根本原因或问题诊断（93%的受访者至少经历过一次，18%的受访者每月多次经历）、测试遗漏，严重缺陷或优化不佳的代码进入生产环境（91%的受访者至少经历过一次，8%的受访者每月多次经历这些情况）。

总体而言，79%的工程负责人表示，AI代理可以显著加快代码生成速度，但由此引发的调试工作量增加以及对AI生成代码的“拆解”分析，使得整体发布周期“并未比以前更快”。

Undo公司创始人兼CEO Greg Law总结调查结果时指出，工程师们“可能需要耗费数天时间去排查代码哪里出错以及原因”，尤其是面对“几乎正确但又不完全正确”的代码时，而“尽管代理能够快速生成大量代码，但在调试方面能力较弱”。

自AI编码代理推出并广泛采用以来，软件工程社区对其优势、局限性以及最佳使用方式展开了深入讨论。一个持续存在的担忧是，当代理速度远超人类审查生成代码的能力时，如何管理这种速度差异。这催生了多种流行方法，包括测试优先的红绿循环（test-first red-green loop）、自动化回退机制（automated fallbacks）等。然而，普遍共识是，AI代理并未从根本上改变软件工程的本质——软件工程从来就不仅仅是编码，更关乎理解约束条件、权衡取舍，并确保最终系统按预期运行。

作者简介

关于作者

每位作者的主要信息包装区

#### Sergio De Simone

显示更多

显示更少

#### 本内容属于AI、机器学习与数据工程主题

##### 相关主题：

• 开发
• AI、机器学习与数据工程
• C++
• 代码审查
• AI辅助编码
• AI编码代理
• 代理
• 相关编辑内容
• 相关赞助商 AI的物理限制：AI如何重塑数据中心
• 相关赞助商 PostgreSQL：面向时间序列规模的数据库 处理海量时间序列数据，无需牺牲性能。了解Tiger Data如何实现高速数据摄入、快速查询和可扩展存储。了解更多。

InfoQ新闻简报

每周五汇总InfoQ最新内容，每周二发送。加入超过25万名高级开发者的社区。查看示例

我们保护您的隐私。