AI 编程工具的经验门槛：慢 19%、缺陷 +41% 与被遗忘的旧代码

一、一条知乎回答，和一年来的硬数据

知乎答主「潜龙勿用」最近写了一段被广泛转发的回答（原文），大意是：深度用过 Claude Code、Codex、OpenCode、WorkBuddy、Qoder 的人都会得出结论——这玩意是给有经验的程序员用的，小白用只会产出一坨谁都看不懂的克苏鲁；人力消耗减少了，脑力消耗却指数级倍增；没有架构能力的人做产品，要么得到奇形怪状没法用的玩意儿，要么得到「AI 借着对话的契机开发出的、它自己想要的东西」；在已有系统上开发，后来者就等着吃「工业化批量生产的屎山」。他给的时间判断是：十年起步，二十年都可以碰一碰。

情绪浓烈，但每一条主张都可以检验。2025–2026 年恰好是 AI 编程实证研究的高产期：METR 的随机对照实验、Google DORA 年度报告、Stack Overflow 年度调查、GitClear 的亿行级代码遥测、Veracode 的安全审计、斯坦福的十万级开发者遥测。本文把这些可追溯的研究放到那段「体感」旁边，看哪些被证实、哪些被夸大、哪些要反过来读。

结论先行：数据大体站在这位作者一边。但机制比他的表述更精确——AI 编程的净收益不由「会不会用」决定，而由验证 AI 输出的成本决定，验证能力恰恰是经验的核心构成。收益沿「任务熟不熟、代码库老不老」这条梯度分布，而不是沿「会不会敲命令」分布。

二、生产力悖论：感觉快 20%，实测慢 19%

METR 的随机对照实验（RCT）是这场争论的锚点。 2025 年 2–6 月，METR 请 16 名资深开源维护者在自己的仓库上干活：仓库平均 22k+ star、百万行代码量，任务 246 个、平均约 2 小时一个，每个任务随机决定「允许或禁止用 AI」（允许组主要用 Cursor Pro 搭配 Claude 3.5/3.7 Sonnet）。结果：用 AI 反而慢 19%（95% 置信区间 +2% ～ +39%）。更扎心的是两个感知数字——实验前开发者预测 AI 能让他们快 24%；实验结束后，他们仍然自认为快了 20%（METR 报告）。

2026 年 2 月 METR 的后续进展说明，连「测量」本身都成了难题（METR 更新）：AI 普及后，30%–50% 的参与者承认会刻意避开不愿脱手做的任务，样本出现系统性选择偏差；复访的 10 名开发者点估计转为「快 18%」（置信区间跨零），新招募的 47 人只有「快 4%」（同样跨零）——工具确实升级到了 Claude Code、Codex 这样的智能体形态，但两个估计都无法与「无影响」区分。与此同时，METR 对 349 名技术工作者的调查里，自我报告的效率提升中位数是 1.4–2 倍。感知与实测的裂缝横贯整个 2025–2026。

正方数据同样真实。GitHub 官方 2023 年的 RCT：写一个独立的 HTTP server，快 55.8%（arXiv:2302.06590）。微软与埃森哲等三家机构的联合团队做了三组企业内 RCT：完成任务多 26%，且收益集中在低年资开发者身上（Cui et al., Management Science）。但 Uplevel 对 800 名真实企业开发者的前后对照给出另一面：Copilot 组的 PR 缺陷率上升 41%，交付周期与吞吐量无显著变化（Uplevel）。DORA 2025（约 5000 名受访者）发现 AI 采用与交付吞吐的关联在 2025 年转为正向，但交付不稳定性仍然上升（DORA 2025）。

研究	规模与口径	关键数字
METR RCT（2025）	16 名资深维护者，246 个成熟仓库真实任务	慢 19%，自认快 20%
GitHub Copilot RCT（2023）	独立小任务：实现一个 HTTP server	快 55.8%
微软/EDB 联合 RCT	三家企业随机实验，Management Science 发表	任务数 +26%，低年资收益最大
Uplevel 前后对照（2024）	800 名企业开发者真实工作流	PR 缺陷 +41%，吞吐无变化
DORA 2025	约 5000 人年度调查	采用 90%，吞吐转正、不稳定仍升

所有数字都真，分歧在口径：孤立小任务与 greenfield 演示上，AI 是加速器；成熟大仓库里的真实任务上，验证成本会吞掉收益。 这正是「经验门槛」的数字形态。

三、经验门槛的直接证据：资深者的怀疑是对的

Stack Overflow 年度调查提供了最直接的分层证据。2025 年：84% 的开发者正在用或打算用 AI，但信任在崩——46% 不信任 AI 输出的准确性，信任的只有 33%，高度信任仅 3%，好感度从前两年的 70%+ 跌到 60%（SO 2025）。最关键的是分层：经验最丰富的开发者最谨慎，「高度不信任」比例 20.7%，高于早期职业组的 17.5%；日常使用率反而最低（47.3%，早期职业组 55.5%）。2026 年信任回弹：87% 的人有一定信任，但成色要细看——48% 只在「能轻松验证」时才信任，愿意把大多数任务交给 AI 的只有 16%（SO 2026）。

还有两组自我选择的数据：2026 年调查里，69.3% 的人用 AI 做熟悉领域的代码生成，陌生领域只有 56.0%；67% 的人只在熟悉的代码库上用 AI。开发者自己都在用脚投票——大家直觉上知道，AI 的输出只有在能被自己廉价验证的领域才划算。

Addy Osmani 把这套现象命名为「70% 问题」：AI 能飞快给你 70%，剩下 30%——边界情况、安全、生产集成——才是真功夫，而这 30% 恰恰需要经验才能跨过（Osmani 原文）。DORA 2026 ROI 报告引用的斯坦福遥测把收益梯度量化到了任务类型上：greenfield 简单任务收益 35%–40%，复杂遗留代码上常常不足 10%（InfoQ 解读）。

flowchart LR
    A[AI 一口气产出代码] --> B[人类审查与测试]
    B --> C{验证成本}
    C -->|低：任务孤立、领域熟悉| D[收益兑现]
    C -->|高：遗留代码、陌生领域| E[返工与认知税]
    E --> F[技术债持续累积]

小结：资深的定义变了——不是写得快的人，而是验证得便宜的人。

四、被推迟的账单：「工业化屎山」的量化形态

知乎回答里最狠的一句是「工业化批量生产的屎山」。GitClear 每年分析上亿行真实提交，2026 年报告追踪 2023–2026 的七个代码结构信号，几乎就是这句话的注释（GitClear 2026）：

结构信号	AI 普及前	2026 年	变化
重复代码块（每百万变更行）	40.3（2023）	73.0	+81%，历史新高
重构（moved）占变更行	21%（2022）	3.8%	塌缩到不足五分之一
复制粘贴占变更行	9.4%（2022）	15.7%	涨近七成
新代码函数连通性（每千行调用数）	343（2023）	223	−35%
遗留维护占比（更新超 1 年旧代码）	1.7%（2023）	0.46%	−74%

2024 年是 GitClear 有记录以来第一次「复制粘贴超过搬移重构」的年份；开发者宁复制不重构的倾向从 AI 前的约 2 倍涨到约 5 倍。GitClear 自己的概括比「屎山」更冷：默认的 AI 工作流被激励去交付「原子式代码」——一条 happy path、一个通过的测试、一张关闭的工单——同时给真正决定第三年维护成本的复用、合并、错误暴露机制悄悄加税。上表「连通性 −35%」那一行，就是「AI 借着对话开发出它自己想要的东西」的数据形态：新代码自成一体，不接入系统的既有结构。

「高手用了会更好吧」也要打个问号。GitClear 2026 年 1 月的报告发现重度 AI 用户产出是非用户的 4–10 倍，但大部分差距在 AI 之前就存在——与过去的自己相比，重度用户的速度增益只有约 25%。相关不等于因果，筛选效应无处不在。

安全账单没有随能力提升而下降。Veracode 让 100 多个模型做 80 项安全敏感编码任务：2025 年报告 45% 的任务引入安全漏洞，2026 年报告 44%——模型强了一整年，安全质量纹丝不动（Veracode）。DORA 2026 ROI 报告替组织算了笔账：变更失败率从 5% 涨到 6%，对一个 500 人组织意味着约 34.4 万美元的额外停机损失——它管这个叫「不稳定税」，连同学习曲线与「验证税」一起构成 ROI 的 J 曲线：先跌后涨，而多数组织低估了跌的那一段。斯坦福十万级开发者的遥测结论同向：平均 15%–20% 的短期收益，但「头两个月感觉变快，常常是在制造让团队后期变慢的技术债」（Proxify 整理）。

小结：成本没有消失，只是从工资单转移到了第三年的维护账单上。

五、工具换了一茬又一茬，「验证税」纹丝不动

回看那段知乎回答点名的五个入口，版图一年一变：Anthropic 的 Claude Code 把终端变成智能体主场；OpenAI 的 Codex 走云端与 CLI 双形态；OpenCode 以 MIT 协议开源、可接任意模型（opencode.ai）；阿里的 Qoder 主打 Quest 异步委派，而其 Quest 窗口已对新用户停用、老用户分批关闭（官方文档）；腾讯的 WorkBuddy 把编码做成桌面多智能体工作台的一个模式。Stack Overflow 2026 调查里，Claude Code 使用率 66%、GitHub Copilot 59%，占据头部。

Karpathy 在 2025 年 2 月发明「vibe coding」一词时，推文自带免责声明：「这不是真的编程——我只是看东西、说东西、跑东西、复制粘贴东西」，并且明确说适合一次性的周末项目（Wikipedia 辑录）。两年过去，入口从 IDE 换到终端再换到桌面智能体，交互范式没有变过：说清规格、产出、审查、验证。工具层的更替以月为单位发生，认知层的成本曲线几乎没动。这也是经验门槛难以被工具迭代抹平的原因：工具替掉的是打字，替不掉判断。

六、五年、十年，还是二十年

知乎作者的时间判断是「十年起步，二十年可以碰一碰」。这是全文唯一的纯预测，把两侧证据都摆出来。

看多的一侧是能力曲线。METR 的「任务时长地平线」测度显示：AI 能一次性完成（50% 成功率口径）的任务时长，在 2019–2025 六年间指数增长，约 7 个月翻一倍（METR 时间地平线）。如果外推成立，几年内智能体将能稳定吃下以「天」计的工程任务。

看空的一侧是摩擦系数。Veracode 的安全缺陷率一年只从 45% 降到 44%，说明模型能力并未自动转化为交付质量；2026 年只有 16% 的开发者愿意把大多数任务托付给 AI；DORA 的 J 曲线意味着组织消化 AI 是以年计的工程；连 METR 自己都在 2025 年底失去了干净的测量手段——评估基础设施滞后于工具本身。

本文判断（推测，非事实）：门槛不会消失，只会向上迁移。当「写」的成本被打到底，「定规格、验结构」成为新的稀缺能力——而它依然需要年头去养成。所以「十年起步」作为行业整体判断不离谱；但对个体而言，分水岭可能更早到来，而且与 AI 的进度无关：不是 AI 什么时候变强，而是你什么时候开始积累验证能力。

七、三类读者各自带走什么

正在学习的人：用 AI 学，别只用 AI 交货。把每次生成当教材逐行读懂——「感觉快 20%、实测慢 19%」发生在全球最资深的一批维护者身上；没有验证能力的使用者，只会把这道裂缝放大。

资深工程师：杠杆是真的（greenfield 任务收益 35%–40%），但把 GitClear 的四个信号——重复块密度、moved 行占比、函数连通性、遗留维护率——纳入自检。AI 加速的是你，也是第三年的账单。

技术负责人：DORA 的结论是「放大器」——AI 放大组织既有的强与弱。先修 review、测试与小批量交付，再放大 AI 用量；没有工程卓越，AI 只是更快地放大你的问题。

回到那段知乎回答：克苏鲁不是 AI 画出来的，是没人为结构负责时自然长出来的东西。工具已经把「写」变得无限便宜，但「负责」从来没有降过价——这大概就是「经验门槛」四个字最准确的含义。

参考资料

1. METR：Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity（2025-07-10） — 19% 减速与感知偏差的一手报告
2. METR：We are Changing our Developer Productivity Experiment（2026-02-24） — 后续实验的选择偏差与新证据
3. Stack Overflow Developer Survey 2025·AI — 84% 采用率与信任分层（46% 不信任）
4. Stack Overflow Developer Survey 2026·AI — 有条件信任：48% 验证后才信
5. GitClear：The Maintainability Gap（2026） — 重复/重构/连通性/遗留维护四信号遥测
6. DORA：State of AI-assisted Software Development 2025 — 90% 采用率与「放大器」效应
7. InfoQ：DORA ROI of AI-assisted Software Development 报告解读（2026-05） — J 曲线、验证税与不稳定税
8. Veracode 2025 GenAI Code Security Report — 45% 任务引入安全漏洞的基线