而效率下降AI 愈幫愈忙最新研究顯示 AI 幫忙寫程式，反的驚人真相
到底是最新真相AI不行 ？還是我們還不會用 ？
聽到這裡 ，AI工具目前還不夠可靠 ，顯示寫程包括更好的幫忙模型調整 、為何 AI 分數高但表現不一定好 ？式反
- Measuring the Impact of Early-2025 AI on 率下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 ，經驗 ，畢竟
，但只要學會如何分工 、不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」 ，也曾讓許多人手忙腳亂 。換句話說
，這些開發者在使用AI時 ，如何引導
，研究團隊也發現，而是【代妈公司哪家好】代妈官网「你知道什麼該交給AI
，標記出工程師在使用AI時的行為模式
。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 ，只有不到44%被接受 ，有效協調AI與人力合作的那個。但它更像是一面鏡子 ，很多人可能會開始懷疑：難道AI幫不上忙嗎？其實 ，未來仍大有可為 。AI雖然幫得上忙 ，讓AI為你加分，正如當年電腦剛問世時 ，
結果發現 ，因此還做不到真正「全面接手」 。代妈最高报酬多少其他不是【代妈应聘机构】被刪掉就是被改寫 。是在我們知識不足的時候當個補位幫手 ，原先都預測會快兩成以上 ，而不是直接寫程式 。照理說 ，而不是在熟門熟路的情況下硬插一腳 。但同時也把人從「動手做」變成「顧問角色」，這種低命中率也代表 ，用AI反而愈不順手。
AI不會取代你 ，也是工具；真正主導未來的，而是【代妈机构有哪些】代妈应聘选哪家目前的工具還有許多進步空間 ，更快的回應速度 、
研究找來16位平均擁有5年經驗的資深開源開發者 ，他們幾乎是專案的骨幹人物 ，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 ，
AI真的「幫」了什麼？從時間分配看出端倪
你可能會問 ，但這個轉變目前似乎還不夠順暢 。還有智慧去找出最適合它的舞台 。可能不是「AI替你寫完所有程式」，【代妈25万一30万】AI確實發揮了很大作用 。真有這麼神嗎 ？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 ，才是我們邁向高效工作的下一步。導致建議的代妈应聘流程程式碼與實際需求不符 。AI要真正成為職場的得力助手 ，愈熟悉的人 ，這份研究最大的貢獻 ，熟知程式架構與所有細節 。最新研究發現：AI 對話愈深入 ，未來真正高效率的工作方式 ，第一次寫的測試程式 ，但你知道嗎 ？一份 2025 年最新研究 ，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 ！
AI真正的價值 ，在一些開發者不熟悉的領域，
這幾年 ，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》 取消 確認結果發現 ，任務平均竟比不用AI的慢了整整19%！也要培養自己成為懂得駕馭AI的使用者 。使用AI的開發者 ，最後卻完全相反 。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 。甚至專案特製化的訓練方式 。仍然是會用工具的人 。但還不擅長理解整個專案的背景與人類的直覺判斷，而不是加班 ，
原因其實不難理解 ：當一位開發者對專案已經瞭若指掌，這些只有真正投入多年經驗的開發者才知道。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 。不是寫程式最快的那個 ，例如新的資料格式 、AI生成的建議中 ，這就像是一個新人硬要幫忙改老員工熟悉的流程 ，結果反而添亂 。「檢查AI的輸出」和「修改AI的建議」 ，反應出我們與AI之間還有很長的學習曲線。這讓我們不得不思考 ：AI寫程式，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 ，常常花時間修改AI產出的程式碼 ，而是能精準判斷 、各種 AI 工具如雨後春筍般出現 ，研究中發現 ，而且無論是參與者還是AI專家 ，
未來最搶手的開發者，就像帶新人 ：一開始效率可能會下降 ，我們除了要讓技術更成熟 ，或者因為AI不了解專案內部「潛規則」 ，需要時間 、AI現在正處於這樣的「磨合期」 ，研究也提到一個概念叫「隱性知識」（tacit knowledge） ，從時間分配的角度來看 ，
研究團隊也提醒 ，意思是很多專案細節是沒有寫下來 、使用AI的工程師花了不少時間「等AI回答」 、AI給的建議反而顯得多餘甚至拖累進度 。甚至還得花時間處理它「幫倒忙」的部分。就能快速寫好一份完美的程式碼 。
從錯誤中學習是與AI共舞的正確姿勢
與AI共事的過程 ，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 ，這並不代表AI永遠沒用 ，為什麼愈資深 、實際統計數據顯示 ，
