软件工程的八大专有名词迷思
Eight Myths on Software Engineering and GenAI
生成式 AI 正在重塑软件工程，但营销话术和片面案例制造了诸多迷思。研究显示，开发者仅有 14% 的时间在写代码，盲目追求代码生成量不仅无效，还可能加剧技术债务。AI 并非万能钥匙，它对熟悉任务的提升明显，却可能拖慢资深工程师的进度。真正的生产力提升不靠个人单打独斗，而需组织层面的流程重构。本文拆解八个常见误区，用数据揭示 AI 在软件工程中的真实边界，帮助团队做出基于证据的决策，而非盲目跟风。
用代码行数衡量软件生产力，就像用飞机的重量来衡量飞行进度。
- a_bonobo
每次我去湾区，都会问 AI 研究员或实习生，既然一两年后代理型大模型（agentic LLMs）可能就能完成他们现在的工作，他们为什么还要做当前的研究或项目？
这种观点很奇怪，不能因为所有人都在一直说它就变得正确了。如果未来有某种神奇技术能清理海洋，我们为什么现在还要清理？如果某个仁慈的 AI“就在转角处”能替我们拯救世界，我们为什么现在还要救世？人们已经念叨这种观点好几年了，可我的工作也没因此变轻松，我只是得到了更多 AI 罢了。
https://www.poetryfoundation.org/poems/51294/waiting-for-the...
我这么说，是因为我几乎每小时都在复杂环境中使用 Claude Code；作为人类，我依然得负责思考，因为 Claude 仍然“跳不起来”[1]，我也没看到任何证据表明它们（或类似 AI，至少在不久的将来）能像人脑那样“跳跃”式思考。
- simonw
我们已经知道开发者实际上并没有把大部分时间花在写代码上，微软等地的研究显示这一比例更接近 14%。
还有其他人觉得现在自己花在写代码（或者至少是驱动代理写代码）上的时间变多了吗？
14% 这个数字以前对我来说感觉挺准的——剩下的时间我都在研究方案和库、在 Issue 里规划，或者有时候就是绞尽脑汁思考遇到的问题。
现在……我依然在做这些事，但做得更快了——而且我经常是在我的代码代理忙着写代码的同时做这些事。
还有一种奇怪的现象：问题越难，我能在并行处理中完成的工作就越多，因为代理可能需要花 20 分钟独立处理它，期间我不需要参与。
- mfru
我发现，用 LLM 生成大量代码会完全抽干我原本自己写代码时能获得的多巴胺。
其他人也有这种感觉吗？这甚至导致我对副业项目失去了兴趣，因为我觉得自己跟代码库“脱节”了。
- lentil_soup
“优秀”的工作日里，工程师只有 18% 的时间在“写代码”（不包括修 bug、测试等）。
这真是个奇怪的指标，为什么要排除修 bug 和测试？根据项目阶段的不同，我可能 100% 的写代码时间都在修 bug。
- levmiseri
“如果开发者只有大约 15% 的时间在编辑器里打字”。
我觉得这里漏掉了一个重要细节。过去大量时间花在了非编码事务上，是因为写代码的门槛更高、成本更贵。如今，无论是快速原型还是生产级代码，都能迅速完成，代码本身也成了一种沟通工具。
- mkozlows
我觉得，只要看他们引用了那份古老的 2025 年初 METR 研究，并在文中描述为“最近甚至有人发现……”，你就该知道该多么严肃地看待这篇文章了。
- lz400
像评论区里的许多人一样，我觉得这篇文章里有很多假设。以前编码只占 14%，所以是“一小块”。我觉得这个假设非常肤浅。那是因为过去编码成本高，我们必须确保没写错东西。如果像现在这样代码变得如此廉价，我们的优化方式就会不同，架构也会围绕代码来设计。我们不会开那么多会，而是会写出 5 个同一功能的版本然后从中挑选，等等。
- kylecazar
我不理解迷思 1（开发者大部分时间都在写代码）。
他们引用了一项研究，称开发者报告每天只有 11-14% 的时间在写代码，其余时间用于方案设计、开会等。言下之意是，AI 最多只能自动化你一天中 14% 的工作。
这个论证的问题在于，一旦有了代码，部分（并非全部）写代码前的准备工作就消失了。