黄色视频 探听 800 名开垦者后，斟酌发现：GitHub Copilot 无功无过，并未晋升编码速率

比年来，生成式 AI 编码助手如 GitHub Copilot 等器用被等闲实施，堪称大约提高开垦者的坐蓐力，减少开垦时分。相关词黄色视频，最新斟酌标明，这些器用的现实效果可能不如预期，甚而在某些情况下可能导致代码质地下跌和职责效力裁汰。

作家 | Shenisha 翻译 | 郑丽媛

近期，一项斟酌对“AI 编码器用大约晋升开垦者坐蓐力”的说法冷漠了质疑，摒弃暴露：使用 GitHub Copilot 反而导致 Bug 增多了 41%，凸显其代码质地堪忧；尽管对照组和实验组的职责时长齐有所减少，但使用 GitHub Copilot 的开垦者的疲惫感和职责压力并未因此减少；此外，开垦者还需破耗更多时分审查 AI 生成的代码，一定进度上对消了其潜在从简的时分。

概述看下来，AI 编码器用对开垦者坐蓐力的影响似乎聊胜于无。

探听了 800 名开垦者，Uplevel 指出：GitHub Copilot 无功无过

在开垦者社区中，围绕 AI 编码助手是否实在晋升坐蓐力的询查仍在持续。诚然有些公司申报称 AI 器用带来了显赫的坐蓐力晋升，但也有一些公司发现这些器用引入了更多造作，并使调试过程变得愈加复杂。尤其是低级开垦者，即便有 AI 器用的匡助也难以达到高档开垦者的效力。

编码器用是生成式 AI 崛起的早期应用之一，但分析公司 Uplevel 的一项最新斟酌标明，预期的坐蓐力晋升可能被高估了，甚而根柢不存在。Uplevel 通过分析编码和合作数据发现，使用 GitHub Copilot 导致了造作率高涨 41%。

在《生成式 AI 能否晋升开垦者坐蓐力》申报中，Uplevel 提到：“这标明 Copilot 可能对代码质地产生了负面影响。工程诈骗可能需要探听带有 Bug 的拉取肯求，并为负包袱地使用生成式AI实施保险次第。”

斟酌揣测了拉取肯求（PR）周期时分（将代码吞并到仓库所需的时长）以及 PR 糊涂量（即吞并肯求的数目），摒弃发现，使用 GitHub Copilot 的开垦者在这些策画上并未显赫改换——这些发现来自 Uplevel 的斟酌申报，其旨在回答以下三个要害问题：

使用 GitHub Copilot 是否能匡助开垦者更快地编写代码？

GitHub Copilot 是否能匡助开垦者产出更高质地的代码？黄色视频

GitHub Copilot 是否能缓解开垦者的疲惫感？

Uplevel 分析了其客户的数据，对比了约 800 名开垦者在接收 GitHub Copilot 前后三个月的阐扬，得出了以下两个主要发现：

（1）效力策画无显赫变化

“当比较有无测试情况下的PR周期时分、糊涂量和复杂度时，GitHub Copilot 对开垦者既无匡助也无禁绝，也未提高编码速率。尽管其中一些策画具有统计学意旨，但这些变化对时候摒弃并无现实影响——举例，PR 周期时分仅减少了 1.7 分钟。”Uplevel 在申报中指出。

（2）放松职业疲惫感

Uplevel 的“合手续在线”策画（该策画用于跟踪超出旧例职责时分除外的职责时长，是锤真金不怕火职业疲惫感的先行策画）在两组中齐出现了下跌。相关词，使用 GitHub Copilot 的开垦者下跌了 17%，而不使用该器用的开垦者则下跌了近 28%。

GitHub 发布的斟酌摒弃，得出了不同论断

“Uplevel 的斟酌动机是源于对 AI 编码助手将成为主流这一说法感到意思。”Uplevel 的家具司理兼数据分析师 Matt Hoffman 说。比拟之下，GitHub 于 2024 年 8 月发布的一项斟酌发现，97% 的软件工程师、开垦者和法子员申报称他们正在使用 AI 编码助手，且其他斟酌也有相通发现。

GitHub 的斟酌申报指出，罕见 97% 的受访者在职责中曾使用过 AI 编码器用。相关词，关于公司是否积极饱读吹或允许使用这些器用，所占比例较小，且这一比例因地区而异。以下是该探听的一些要害发现：

● 生成式 AI 在软件开垦范围的海潮合手续增长。这次调研遮盖了 2000 名参与者，果真扫数东谈主（罕见 97%）齐还是以某种容颜使用过这些器用，不管是在职责中照旧职责除外（尽管并非扫数公司齐风雅认同其使用）。

● 尽管好多受访者示意其方位公司对 AI 时候合手盛开魄力，但仍有改换空间。探听数据暴露，在不同阛阓中，59% 至 88% 的受访者示意“他们的公司积极饱读吹或允许使用这些器用”。

● 软件开垦团队正在逐渐意志到 AI 编码器用的更多克己，包括创建更安全的软件、提高代码质地、生成更好的测试用例，以及加速新编程谈话的学习过程。这些改变为开垦者从简了大齐时分，让他们大约干涉到更具政策意旨的任务当中。

GitClear 的斟酌东谈主员还发现，像 GitHub Copilot 这么的 AI 器用主要建议添加新代码，较少推选更新或删除代码，这时常会导致冗余代码的产生。此外，他们还不雅察到“代码反复修改”好意思瞻念的急剧增多，也等于说代码被时时修改——当年这是代码质地欠安的阐扬。

“每次迭代生成的 AI 代码越来越不一致，因为不同部分是基于不同教唆而生成的。摒弃等于，代码变得越来越难以分解和调试，导致故障排查豪侈大齐资源，偶然重写代码反而愈加容易，”一位用户指出，AI 当今还未能晋升坐蓐力。

严慎接收 AI 编码助手的策略

GitHub Copilot 等 AI 器用的引入冷漠了几个蹙迫问题：AI 是否能匡助开垦者更快地职责？它能否提高代码质地并留心职业疲惫？对此，Uplevel 在申报中申报：“关于刻下的群体来说，谜底是申辩的。相关词调动正在马上发展，GitHub 发现 Copilot 提高了开垦者的闲暇度。”

总体来说，工程辅导可能需要以一种严慎的魄力来斟酌怎样接收 Copilot：

设定具体方向：明确将 GitHub Copilot 整合到团队职责进程中的预期后果。比如你但愿杀青哪些具体改换？

提供团队培训：进行初步培训，证明在什么情况下应该或不应该使用 GitHub Copilot，并树立保险次第以确保正照实施。

持续尝试生成式 AI 的应用：笃定 Copilot 阐扬出色的具体应用场景，并优化能带来最好效果的教唆词。在扫数这个词组织内共享奏效的策略，以便复制奏效素养。

监控时候效力策画：进行 A/B 测试黄色视频，以汇集客不雅量化的数据，评估 AI 是否实在提高了开垦者的坐蓐力，并匡助杀青运营方向。