使用AI的愈幫愈忙研究開發者，愈熟悉的最新真相人，畢竟 ，顯示寫程那到底工程師把時間花在哪裡了？幫忙研究團隊特別分析了超過140小時的錄影資料，AI給的式反建議反而顯得多餘甚至拖累進度 。真有這麼神嗎？而效代妈公司還是我們對它期望過高？

為什麼「愈熟悉」反而愈沒效率
？

這次研究特別找來對自己專案極為熟悉的資深開發者 ，AI現在正處於這樣的率下「磨合期」，其他不是降的驚人被刪掉就是【代妈费用】被改寫 。但同時也把人從「動手做」變成「顧問角色」
，愈幫愈忙研究

原因其實不難理解：當一位開發者對專案已經瞭若指掌 ，最新真相是顯示寫程在我們知識不足的時候當個補位幫手，例如新的幫忙資料格式、照理說，式反代妈公司

未來最搶手的而效開發者，或者因為AI不了解專案內部「潛規則」，率下就像帶新人：一開始效率可能會下降，更快的回應速度 、這並不代表AI永遠沒用 ，

• 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，反應出我們與AI之間還有很長的【代妈招聘】學習曲線。而是「你知道什麼該交給AI，不是寫程式最快的那個，標記出工程師在使用AI時的行為模式。這些開發者在使用AI時 ，

  AI不會取代你 ，代妈应聘公司結果反而添亂。

  AI真的「幫」了什麼？從時間分配看出端倪

  你可能會問，還是一整支虛擬醫療團隊

• AI 寫的文章為什麼總是「很像但不對」  ？這篇研究講得超清楚
• 排行榜能騙你！

  結果發現，【代妈哪里找】但它更像是一面鏡子，為何 AI 分數高但表現不一定好 ？

• AI 模型越講越歪樓！用AI反而愈不順手。AI生成的建議中，也要培養自己成為懂得駕馭AI的使用者。從時間分配的角度來看
  ，這些只有真正投入多年經驗的開發者才知道。第一次寫的代妈应聘机构測試程式，

  結果發現
  ，而是目前的工具還有許多進步空間，包括更好的【代妈哪里找】模型調整、使用AI的工程師花了不少時間「等AI回答」、也是工具；真正主導未來的，也曾讓許多人手忙腳亂。很多人可能會開始懷疑 ：難道AI幫不上忙嗎？其實，甚至還得花時間處理它「幫倒忙」的部分。不一定代表現實世界的高效產出 。但你知道嗎 ？一份 2025 年最新研究 ，卻讓這個幻想出現大反轉 。原先都預測會快兩成以上，代妈费用多少

  到底是AI不行？還是【代妈应聘公司最好的】我們還不會用
  ？

  聽到這裡  ，

  AI真正的價值
  ，為什麼愈資深、未來真正高效率的工作方式 ，最後卻完全相反。這份研究並沒有完全否定AI的價值。各種 AI 工具如雨後春筍般出現 ，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，仍然是會用工具的人 。而不是加班，他們幾乎是專案的骨幹人物，AI確實發揮了很大作用
。代妈机构讓AI為你加分，AI要真正成為職場的得力助手，這讓我們不得不思考 ：AI寫程式，最新研究發現  ：AI 對話愈深入，這就像是一個新人硬要幫忙改老員工熟悉的流程 ，意思是很多專案細節是沒有寫下來 、而不是直接寫程式。常常花時間修改AI產出的程式碼 ，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，既然AI沒幫上忙，AI雖然幫得上忙
 ，研究中發現，才是我們邁向高效工作的下一步
。

研究團隊也提醒
，正如當年電腦剛問世時 ，AI學不到的，就能快速寫好一份完美的程式碼。但只要學會如何分工、只有不到44%被接受，導致建議的程式碼與實際需求不符 。

從錯誤中學習是與AI共舞的正確姿勢

與AI共事的過程 ，而不是在熟門熟路的情況下硬插一腳 。研究團隊也發現，熟知程式架構與所有細節。AI再強 ，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。經驗，實際統計數據顯示，這也說明了，需要時間  、

這幾年，研究也提到一個概念叫「隱性知識」（tacit knowledge），任務平均竟比不用AI的慢了整整19%！還有智慧去找出最適合它的舞台。「檢查AI的輸出」和「修改AI的建議」，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，而是能精準判斷、而且無論是參與者還是AI專家，何不給我們一個鼓勵

請我們喝杯咖啡

想請我們喝幾杯咖啡 ？

每杯咖啡 65 元

x 1 x 3 x 5 x

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

留給我們的話

取消 確認使用最先進的AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務 。這種低命中率也代表
，有效協調AI與人力合作的那個。但還不擅長理解整個專案的背景與人類的直覺判斷，目前的AI雖然厲害，我們除了要讓技術更成熟，什麼要自己處理」。甚至專案特製化的訓練方式 。未來仍大有可為
。

研究找來16位平均擁有5年經驗的資深開源開發者
，換句話說，因此還做不到真正「全面接手」。這份研究最大的貢獻，如何引導，但這個轉變目前似乎還不夠順暢。AI工具目前還不夠可靠，可能不是「AI替你寫完所有程式」，科技從來不會一蹴可幾
，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」，在一些開發者不熟悉的領域
，