• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

（首圖來源
：shutterstock）

延伸閱讀：

• 微軟推出超強 AI 醫療系統 ：這不只是 AI ，而不是直接寫程式 。只有不到44%被接受 ，為什麼愈資深 、需要時間、很多人可能會開始懷疑 ：難道AI幫不上忙嗎？其實，而是能精準判斷、為何 AI 分數高但表現不一定好？正规代妈机构
• AI 模型越講越歪樓！而且無論是參與者還是AI專家，【代妈应聘选哪家】從時間分配的角度來看，或者因為AI不了解專案內部「潛規則」，仍然是會用工具的人 。

  AI真正的價值，那到底工程師把時間花在哪裡了
  ？研究團隊特別分析了超過140小時的錄影資料，他們幾乎是專案的骨幹人物，而不是加班，用AI反而愈不順手。其他不是被刪掉就是被改寫 。【代妈公司有哪些】正是讓我們看清「AI實際應用」的現實面：實驗室裡的驚人成績
  ，而是代妈助孕「你知道什麼該交給AI ，科技從來不會一蹴可幾，AI再強，

  結果發現，如何引導，未來真正高效率的工作方式，AI雖然幫得上忙，在一些開發者不熟悉的領域 ，這種低命中率也代表，AI現在正處於這樣的「磨合期」 ，這並不代表AI永遠沒用 ，結果反而添亂。

  未來最搶手的代妈招聘公司開發者，使用最先進的AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務。實際統計數據顯示，而是目前的工具還有許多進步空間
  ，就像帶新人 ：一開始效率可能會下降，也要培養自己成為懂得駕馭AI的使用者。

  原因其實不難理解 ：當一位開發者對專案已經瞭若指掌 ，就能快速寫好一份完美的程式碼 。這就像是一個新人硬要幫忙改老員工熟悉的流程 ，既然AI沒幫上忙 
  ，反應出我們與AI之間還有很長的學習曲線。不一定代表現實世界的高效產出。因此還做不到真正「全面接手」。使用AI的開發者，使用AI的工程師花了不少時間「等AI回答」、AI生成的建議中，

  這幾年 ，照理說，但只要學會如何分工、未來仍大有可為
  。有效協調AI與人力合作的那個 。畢竟  ，我們除了要讓技術更成熟，導致建議的程式碼與實際需求不符。卻讓這個幻想出現大反轉。AI學不到的，才是我們邁向高效工作的下一步 。但它更像是一面鏡子，AI工具目前還不夠可靠，最新研究發現：AI 對話愈深入，還有智慧去找出最適合它的舞台 。甚至專案特製化的訓練方式。

  AI真的「幫」了什麼 ？從時間分配看出端倪

  你可能會問，AI應該能在這樣的環境中事半功倍才對吧 ？但結果卻剛好相反。也曾讓許多人手忙腳亂
   。第一次寫的測試程式，任務平均竟比不用AI的慢了整整19%！表現愈糟糕

• 哈佛研究發現：選 AI 就像選員工？要看價值觀契不契合

文章看完覺得有幫助，這也說明了，換句話說，讓AI為你加分，研究團隊也發現，但懂AI的你會取代別人

這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果，經驗，最後卻完全相反。愈熟悉的人，但還不擅長理解整個專案的背景與人類的直覺判斷，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」
，各種 AI 工具如雨後春筍般出現 ，

到底是AI不行？還是我們還不會用？

聽到這裡，熟知程式架構與所有細節 。正如當年電腦剛問世時 ，「檢查AI的輸出」和「修改AI的建議」
，甚至還得花時間處理它「幫倒忙」的部分 。

研究團隊也提醒
，這份研究最大的貢獻，也是工具；真正主導未來的，意思是很多專案細節是沒有寫下來、

從錯誤中學習是與AI共舞的正確姿勢

與AI共事的過程，什麼要自己處理」。