HaiAI123

全球AI工具精选导航

行业动态
持平

哈佛研究:AI 编程的真正瓶颈在 Code Review

2026/11/20 — 11/21 08:20·2 个来源(全部)·2 篇报道(全部)

核心速览 (Key Takeaways)

  • 哈佛两位博士候选人的工作论文以 718 家公司、725,938 名员工为样本测算 AI 编程 Agent 的实际效果:人均每月新增代码行数从 5017 行升至 6511 行,提交数增长 20%,Pull Request 增长 23%。
  • 但作者用 Jira 数据核对后发现活并未相应干完,因而认为当前瓶颈在 Code Review 环节。

事件背景与详细解读

2026 年 11 月 20 日,开源中国报道了哈佛大学两位博士候选人发布的一份工作论文。该研究以 718 家公司、725938 名员工为样本,测算 AI 编程 Agent 的实际效果:使用后人均每月新增代码行数从 5017 行升至 6511 行,增长约 30%,提交数增长 20%,Pull Request 增长 23%。但论文通过 Jira 数据核对后发现,实际工作并没有相应完成,作者据此认为当前的瓶颈在 Code Review 环节。

2026 年 11 月 21 日,DEV Community 的 AI 栏目也报道了这项研究,并披露了两位研究者的姓名 Fiona Chen 和 James Stratton,称其考察了 655 家公司、逾 72 万名员工的数据,同样发现 AI 工具让人写出更多代码,但完成交付的软件量几乎没有变化,原因指向代码评审环节。报道还指出,企业在给开发者配备编码代理的同时仍沿用旧有工作流程,是效率未能兑现的关键。两篇报道在样本公司数量和覆盖员工规模上存在不一致,前者为 718 家公司、725938 名员工,后者为 655 家公司、逾 72 万名员工,目前尚无材料对这一分歧作出说明。

AI 综合 2 篇报道生成 · 更新于 1 天前

最新进展一项覆盖 655 家公司、逾 72 万名员工的哈佛研究发现,AI 编程工具让人写出更多代码,但完成交付的软件量几乎没有变化,原因指向代码评审环节。企业在给开发者配上编码代理的同时沿用旧有流程,是效率没有兑现的关键。

updream
24 小时热度热度指数 76 · 峰值 149 · 23 小时前
24 小时前现在

这件事的报道 点标题看原文

昨天
  1. 一项覆盖 655 家公司、逾 72 万名员工的哈佛研究发现,AI 编程工具让人写出更多代码,但完成交付的软件量几乎没有变化,原因指向代码评审环节。企业在给开发者配上编码代理的同时沿用旧有流程,是效率没有兑现的关键。

    看清 AI 编程为何没换来交付提速

    DEV Community · AIAI 评分 53
11月20日
  1. 哈佛两位博士候选人的工作论文以 718 家公司、725938 名员工为样本测算 AI 编程 Agent 的实际效果:人均每月新增代码行数从 5017 行升至 6511 行,提交数增长 20%,Pull Request 增长 23%。但论文用 Jira 数据核对后发现活并没有相应干完,作者因此认为当前瓶颈在 Code Review 环节。

    用大样本数据说明 AI 写得多不等于交付得多。

    开源中国AI 评分 62

同时在说的其他事

热度怎么算的?了解口径

热度按 48 小时内有多少个独立来源在说这件事算:同一个来源发多条只算一次,并按 24 小时半衰期衰减,所以排前面的是很多人在说的事。

本页汇总公开订阅源,标题与摘要由模型整理,版权归原作者所有;重要信息请回原文核对。如权利人认为相关标题或摘要侵权,请通过页尾联系邮箱提供具体页面与权利依据,我们核实后会及时删除或替换。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加

回 AI 行业动态榜 →