当 AI 用 3 天完成东谈主类措施员原来3年的代码任务量，东谈主类的扮装会发生怎样的变化？
刻下，AI 正在从用具变为东谈主类的“队友”。跟着大模子的加快发展，AI 在软件工程边界的作用已不再是补助代码补全，而是正在成为可自主编码的智能体（Agent）。
目下，咱们只需向 AI 描画代码思要竣事的功能，它就能自动生成完好代码；借助 Agent，以致能在十几分钟内完成千行级别的代码生成或修改。
近期，加拿大女王大学博士后李豪与所在团队在一项连络中初次构建了一个大范围数据集 AIDev，系统分析和统计了自主编码 Agent 在 7，000 多个较流行的软件中的本色发达和影响。
其袒护范围包括在 GitHub 平台上已提交的超 45.6 万条 Agent 代码合并央求（PR，pull requests），涵盖 6.1 万个代码库和 4.7 万名斥地者，包括主流的 AI 编码用具 OpenAI Codex、GitHub Copilot、Devin、Cursor 和 Claude Code。
连络东谈主员在 AI 边界和软件工程作念相关连络时，每每会遴聘请 SWE-bench 作念测试，通过交给 AI 一些高质地、有测试样例的任务，来优化 AI 性能以及优化系统瞎想等。
但这也带来了好多挑战性的问题。举例，一家公司若是将测试题目用于西席模子，极有可能因“舞弊”导致分数虚高。此外，由于 SWE-bench 是一个静态的基准集（benchmark），部分数据有可能存在一定滞后性。
李豪指出，该连络最大的不同点在于，AIDev 是真正寰宇、大范围、及时集合数据的数据集，米兰体育更逼近于业界践诺和坐蓐。此外，连络东谈主员还不错哄骗该数据集打造更新的 benchmark。
连络团队在 AI 编码 Agent 的速率和质地方面找到了道理的发现。一项个例分析截止知道，有斥地者在使用 AI 编码 Agent 后，3 天内完成的任务量接近其畴前 3 年的总量。
而 AI 在方面的上风，也相通值得关心。他们发现，AI 在编写代码或文本方面的任务中发达优异，举例从文档相关的合并央求接管率来看，OpenAI Codex 和 Claude Code 分离为 88.6% 和 85.7%，而东谈主类在该方面发达为 76.5%。
合并央求接管率是忖度 AI 产出质地和简直度的关键概念，它与东谈主类斥地者/名目真贵者对 AI 孝敬的招供度密切相关。该团队还发现，编码 Agent 的合并央求接管率比东谈主类斥地者低 15% 至 40%（不同任务类型下区间各别显赫），米兰app官网尤其是在新功能斥地、树立 Bug 等复杂的任务方面。举例，OpenAI Codex 的 PR 接管率为 64%，而东谈主类斥地者的 PR 接管率高达 76.8%。
这意味着，AI 写代码并非全面高出了东谈主类。需要看到的是，尽管目下 AI 编码 Agent 生成速率很快，但性能方面还有一些颓势，在结构上也相对较浅易，需要连络东谈主员持续对其进行增强，以确保代码的永久可真贵性。
李豪对 DeepTech 暗示：“短期看，AI Agent 的代码接管率相对东谈主类较低，成果与质地的弃取仍需衡量（trade-off），但这种磨合期对应的是数据飞轮的驱动阶段，变成飞轮效应后，咱们有望赢得坐蓐力的显赫晋升。”
该连络通过分析自主编码 Agent 的发达，为异日更好地优化东谈主与 AI 和解提供了数据基础。这也带来了一种全新的生成时势，斥地者面对的问题不是如何写更多的代码，而是接到一项任务后，如何拆分红更细的任务，再不休这些 AI 更好地扩展。
“该地方在学界和产业界还存在较大的空缺。编程东谈主员的扮装也会徐徐从写代码的东谈主，退换成提供代码审查或提供不休时势的东谈主。目下，咱们也在作念相关的连络，来探索新一代软件斥地进程来复旧斥地者们哄骗 AI Agent。”李豪暗示。
此外连络还揭示出，尽管 AI 的出现激动了东谈主机协同审查进程，但同期也可能会带来偏见等问题。举例，假如 AI 写代码的 Agent 与审查代码的机器东谈主自并吞公司，很有可能在AI审查要领苛刻某些特定类型的诞妄。
在异日的连络中，该团队野心设立更全面的 benchmark，对 AI 编程 Agent 进行真正的发达评测。他们还谋略设立新常识库，激动边界内的连络东谈主员共同更变相关地方，包括如何更好地展望和分析AI可能的失败场景，以及失败原因等。从更永久的发展来看，探索更自动化与范例化的审查机制，亦然一个值得深切连络的地方。
相关论文以《软件工程 3.0 中 AI 队友的崛起：自主编码 Agent 如何重塑软件工程》（The Rise of AI Teammates in Software Engineering (SE) 3.0: How Autonomous Coding Agents Are Reshaping Software Engineering）为题发表在 arXiv[1]。目下，相关代码已在 GitHub 开源。
参考辛勤：
{jz:field.toptypename/}1.相关论文：https://arxiv.org/abs/2507.15003v1
2.AIDev 数据集获取：https://github.com/SAILResearch/AI_Teammates_in_SE3
排版：胡莉花