AI编程工具的实际效能 - 开发者自我感知的生产力提升（约20%）与实际生产力下降（约19%）之间存在显著差异，个人评估误差约为5% [1] - 经过六周严格对比测试（抛硬币决定是否使用AI），使用AI工具导致编程速度中位数下降21%，与第三方研究结果一致，且数据不具备统计显著性 [2][4] - 即使经过六个月的使用经验，开发者对AI代码建议的接受率仅从29%提升至34%，仅增长5个百分点，表明学习曲线带来的效率提升有限 [24] 行业宣传与市场现实 - 主要AI编程工具（如Cursor、Claude Code、GitHub Copilot）普遍宣传“非凡生产力”、“更快开发”等效益，谷歌声称其大语言模型使开发者速度提升25% [6] - 有14%的开发者声称通过AI实现了10倍产出增长，但全球软件发布数据并未显示出相应的指数级增长 [6][22] - 技术领导者因“错失恐惧症”推动公司向“AI优先”转型，并以此作为裁员和重新评估开发者薪酬的理由 [7] 软件产出数据验证 - 全球新软件发布图表显示增长曲线“平淡无奇、一马平川”，未出现预期的“曲棍球棒式”增长或“铲件”激增 [8][20] - 新域名注册总量并未呈现前所未有的增长，尽管.ai域名在特定年份增长了47%，但这主要反映创业公司向AI领域转型而非整体软件产出的增加 [27] - 客观数据表明，在AI工具被广泛采用后，开发者交付的软件数量并未比以往更多 [22] 对开发者的影响与行业现状 - AI工具的无效性导致部分开发者因采用速度不够快而被解雇，或因职业焦虑而被迫留在不喜欢的岗位 [21] - 行业在代码质量方面出现倒退，测试实践（如持续改进、测试驱动开发）减少，行业标准至少倒退十年 [25] - 针对独立开发者或小团队，论证“软件开发大部分工作不是写代码”并不成立，因为独立开发无需大量会议，应能直接增加代码产出和项目发布 [28]