Harness 与 Agent 工程 · AI研发与测试工程 · 2026-05-30

企业级 AI Coding 还有一堆问题,并没有像PR一样说的这么好用

企业级AI写代码远未成熟,80%的“正确”背后隐藏着20%的生产级隐患。

核心内容:

  1. AI代码的“80%问题”:功能可用但缺失关键生产级逻辑
  2. 代码与项目架构的脱节:风格、库和模式不匹配的普遍困境
  3. 上下文衰减效应:对话越长,AI生成代码的质量越差

如果你的团队正在用 AI 写代码(随便哪个AI工具),下面这些问题你大概率正在经历,或者即将经历。

一、80% 问题:功能写完了,但不能上线

AI 写代码最大的幻觉不是"它写错了",而是"它写对了——但只对了 80%"。

AI 做得很好的 80%:

AI 系统性遗漏的 20%:

举个真实场景:

AI 生成了一个支付接口:

app.post('/api/payments', async (req, res) => { const { amount, currency, customerId } = req.body; const charge = await stripe.charges.create({ amount, currency, customer: customerId }); await db.payments.insert({ chargeId: charge.id, amount, status: charge.status }); res.json({ success: true, chargeId: charge.id });});

这不是 bug。AI 写的每一行代码都是"正确的"。但它不是生产级代码。

二、代码不属于你的项目

这是最普遍的问题。AI 生成的代码"功能正确"但"无法采纳",因为:

问题 典型表现
用了项目没有的库 项目用 Axios,AI 用 fetch;项目用 dayjs,AI 用 moment
绕过分层架构 项目有 Repository 模式,AI 直接 db.query()
命名风格不一致 项目用 getUserById,AI 写 fetch_user
不知道已有的工具类 项目有统一的 ApiResponse.success(),AI 自己包一个 {code: 200, data: ...}
错误处理模式不同 项目统一抛自定义异常,AI 写 try-catch返回字符串
不了解配置方式 项目用环境变量,AI 写死在代码里

结果:你花 10 分钟让 AI 生成代码,花 30 分钟把它改成"属于这个项目的样子"。有时候还不如自己写。

三、Context Rot:对话越长,质量越差

这是有数据支撑的事实:

实际表现:

你越想在一个 session 里做完整件事,质量越低。

四、产出速度的幻觉

METR 2025 研究(目前最严格的对照实验):

结果:使用 AI 工具的组,完成任务实际慢了 19%。

但实验后,开发者自己估计 AI 帮他们快了 20%。主观感受和客观数据完全相反。

为什么:

Stack Overflow 2025 调查:

注意:这不是说 AI 没用。而是说"AI 让你快 10 倍"这种话,至少目前不是事实。

五、从不重构,只会叠加

GitClear 对 2.11 亿行代码的纵向研究(2020-2024):

指标 2020 2024
重构/移动代码占比 24.1% 9.5%
复制粘贴代码占比 8.3% 12.3%
5 行以上重复代码块 基线 8 倍增长

AI 的默认行为是"生成新代码"而不是"复用已有代码"。它不会说"这个功能你项目里已经有了,不需要再写"。

实际后果:

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/neirongchuangzuo/2026053059604.html