AI工具对开发者效率的影响 - 在真实开源项目实验中，使用AI工具导致任务完成时间增加19%，与开发者预期效率提升24%相反[1][15][16] - 16位经验开发者完成246项任务（136项允许使用AI，110项禁止），涉及平均23K星、110万行代码的仓库[6][14] - AI组开发者减少主动编码和搜索时间，但增加33%时间用于审查AI输出、调整提示和等待生成[20][22] 实验设计与执行细节 - 任务来自开发者真实代码库，包括错误报告和功能请求，通过随机分配决定是否使用Cursor Pro+Claude 3.5/3.7 Sonnet[7][10][11] - 开发者平均5年经验，在实验仓库有1,500次提交记录，对熟悉度高的任务AI减速效应更明显[28] - 仓库平均存在10年，规模达110万行代码，AI在复杂环境中表现更差[28] 关键影响因素分析 - 直接生产力损失：开发者仅接受44%的AI生成代码，9%时间用于清理AI输出，AI缺乏对隐式上下文的理解[28] - 实验偏差：47%的AI任务产生更多代码行数，开发者存在因实验要求过度使用AI的情况[30] - AI局限性：生成延迟占4%工作时间，开发者主要采用基础提示策略，未充分挖掘模型潜力[30] 行业应用现状 - SAP调查显示AI平均每日节省1小时，但企业将节省时间转化为更高产出要求，如亚马逊要求用AI实现"更精简团队完成更多工作"[36][37][38] - 开发者使用AI时提交的PR质量与传统方式无显著差异，但代码审查时间相近[30]