AI 编程对资深工程师的影响:哪些工作变了,怎么用好 Claude Code / DeepSeek
用有出处的证据看 AI 编程对资深工程师的影响:METR 的 19% 变慢与 2026 年的反转、Stack Overflow 的信任数据、DORA 的「AI 是放大器」,以及资深工程师该把时间挪到的五个地方。
资深工程师是最常被告知「AI 编程改变一切」的一群人,也是最不吃「没有出处的主张」的一群人。所以这篇只做两件事:把数字和链接摆上桌,并把「数据支持的结论」和「我自己的判断」分开写。
先说结论:就目前最强的证据而言,AI 不会默认让一个有经验的工程师变快,它改变的是「哪一部分工作变贵了」。评审、写清规格、验证这三件事,起步更便宜了,做对更贵了。受益最大的人,是把时间挪到这三处的人。
证据到底说了什么
值得引的源头有四个,没有一个说「资深工程师没用了」,也没有一个说「资深工程师不受影响」。它们说的是更别扭的东西。
1. METR 的随机对照试验发现资深开发者变慢了。 METR 在经验丰富的开源开发者身上做了一次随机对照试验,任务是他们自己的仓库。结论逐字是:「when developers use AI tools, they take 19% longer than without—AI makes them slower.」也就是慢 19%,置信区间 +2% 到 +39%,数据来自 2025 年 2–6 月,16 名开发者(METR,2025-07-10)。
对资深工程师来说,这是最相关的一份研究,因为受试者不是刚拿到新工具的初学者,而是非常熟悉自己代码库的人——这恰好是一个 staff 工程师每天的状态。
2. METR 自己的后续说这个数字已经过时,而且他们现在测不准。 2026 年 2 月 METR 发了一篇研究设计变更说明(metr.org,2026-02-24)。对参加后续研究的同一批开发者的子集,现在估计是提速 18%(置信区间 −38% 到 +9%);对新招募的开发者,估计提速 4%(−15% 到 +9%)。
但同一篇里的限定才是重点:他们观察到「a significant increase in developers choosing not to participate in the study because they do not wish to work without AI」,时薪从 $150 降到 $50,同时承认对并跑多个 agent 的人,任务耗时无法可靠测量。他们自己的结论是这批数据「gives us an unreliable signal」,尽管他们相信现在开发者大概率被加速得更多。
所以诚实的总结是:我们唯一一次干净的实验,在 2025 年初测到资深开发者变慢;后续研究没法干净地证明相反结论。任何人把「AI 让工程师快 20%」或「慢 20%」当定论,都是在引用一份已经过了保质期的研究。
3. 有经验的开发者是最怀疑的一群人,而且差距很大。 Stack Overflow 2025 调查(survey.stackoverflow.co/2025/ai)里,84% 的受访者在用或计划用 AI 工具(上一年 76%),51% 的专业开发者每天用。全体受访者的好感度从 2023、2024 的 70%+ 降到 2025 年的 60%。
信任方面:46% 明确不信任 AI 输出的准确性,33% 信任,只有 3% 「highly trust」。有经验的开发者(调查里定义为 10 年以上)是最谨慎的子群,「highly trust」最低(2.5%),「highly distrust」最高(20.7%)。这不是技术恐惧症,这是替模型刚写的代码值过班的那批人。
4. DORA 的结论讲的是组织,不是个人。 2025 年 DORA 报告(dora.dev)的结论是:AI 的「primary role is as an amplifier, magnifying an organization's existing strengths and weaknesses」,而且「the greatest returns on AI investment come not from the tools themselves, but from a strategic focus on the underlying organizational system」。配套的 AI Capabilities Model 列了七个能放大收益的能力。
对资深工程师的含义是:如果周边系统——评审文化、测试覆盖、发布纪律、明确的归属——本来就弱,AI 会让这些弱点更快到达。放大器不在乎是谁的责任。
硬数据 vs 判断
把这两者分开,是这一题的全部功夫:
| 主张 | 状态 |
|---|---|
| 2025 年初,有经验的开源开发者用 AI 慢了 19% | 实测(METR 随机对照试验,16 人,CI +2% 到 +39%) |
| 同一批人后来测得约快 18% | 实测但不可靠——METR 自己说选择偏差让信号很弱 |
| 46% 的开发者不信任 AI 输出准确性;有经验者最怀疑 | 实测(Stack Overflow 2025,33,244 份回答) |
| AI 会放大组织已有的强项与弱点 | 研究结论(DORA 2025) |
| 资深工程师应该把更多时间花在规格、评审、验证上 | 判断——我的判断,与上面一致,但不是实测结果 |
| AI 会/不会减少资深岗位 | 没有可靠的公开证据——有人拿图表跟你讲这个,先要数据 |
最后一行值得记住。
什么变便宜了,什么变贵了
如果对资深工程师的净效果在总量上大致持平,那有意思的问题就是构成。结合上面的来源和工具的实际形态,有四个变化站得住:
写第一版变便宜了。 样板代码、一个新接口、一次迁移、一个测试骨架——模型几秒就能给出一个像样的初版。这是真的,也是那些「10 倍」轶事的来源。
评审变贵了。 代码来得更多更快,而且是跟这个系统没有利害关系的东西写的。评审成了瓶颈,而这恰好是需要经验的那部分。
写清规格更值钱了。 含糊地要求一个人,会得到一个澄清问题;含糊地要求一个 agent,会得到 400 行。把验收标准说准,现在是资深工程师性价比最高的写作。
验证一点没变便宜。 测试本身仍然要对,而一个既能写代码又能写测试的模型,可以自信地错两次。Stack Overflow 那组信任数字,大致反映了从业者认为需要多少验证。
由此得出的五个动作
以下是建议,不是研究发现。每一条对应上面一个变化。
- 先写验收标准,再打开 agent。 两句话加上那条能证明它工作的命令。写不出来,说明任务还没准备好——你刚刚省下了一小时去评审自信的废话。
- 明确给评审留预算。 如果 diff 是 agent 产出的,就假定评审成本等于过去写作的成本。把它排进日程,而不是在傍晚六点发现。
- 留住你信得过的测试,让 agent 对着它自证。 变更之前由人写的测试,是防「看起来合理的回归」最便宜的手段。这也是 DORA 那句话的缩影:AI 放大的是你本来就有的验证体系。
- 把自己的时间往上移。 架构、边界、数据模型、失败模式、「这东西到底该不该做」。这些决定错了要赔几周,而 agent 在这些问题上能提供的上下文最少。
- 把约定写一次,然后自动加载。 代码风格、评审清单、「我们用这个 HTTP client,不用那个」——写成 agent 会读的技能或
AGENTS.md,而不是每隔两次评审留一条评论。
用 Claude Code 或 DeepSeek,但别骗自己
两个工具都能做上面说的第一版工作,也都乐于产出你在评审里会拒掉的代码。三个习惯能让分工保持诚实:
- 先要计划,再要补丁。 一份简短的计划能在十行里暴露错误假设,而不是四百行。这也和你给初级工程师交底的方式一样——同一个技能,换了个对象。
- 让 agent 给出依据。 「你依据的是哪个文件的哪一行?」是个便宜的问题,能抓住编造的 API。这与那 46% 的不信任是同一个直觉,只是用在建设性的方向,而不是一概拒绝。
- 把人写的测试当作契约。 这样 agent 的输出要么合规要么不合规,你不需要在半夜裁决风格。
本站的相关操作指南:Claude 技能教程(把团队约定打包成技能)、DeepSeek 与 ChatGPT 写代码对比(模型选择)、OpenCode 教程(不绑定单一 agent 的配置方式)。
不太好接受的那部分
METR 后续里有一句话比任何百分比都重要:越来越多开发者完全不愿意在没有 AI 的情况下工作——多到实验招募不到干净的对照组。
这不是生产力发现,而是组织发现。如果你的团队已经到了「工具不再可选」的地步,那么被放大的就是你原本的流程。对资深工程师而言,这意味着评审文化和测试套件才是真正的 AI 战略,模型选型只是细节。
来源
- METR — Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity,2025-07-10:19% 变慢、置信区间、16 名有经验开发者、数据取自 2025 年 2–6 月。
- METR — We are Changing our Developer Productivity Experiment Design,2026-02-24:−18% 与 −4% 的重估与置信区间、时薪 $150→$50、参与者拒绝参加带来的选择偏差、以及「新数据是不可靠信号」的原话。
- Stack Overflow Developer Survey 2025 — AI:84% 在用或计划用;51% 专业开发者每天用;60% 好感;46% 不信任 vs 33% 信任;3% highly trust;有经验开发者 highly trust 2.5%、highly distrust 20.7%;复杂任务顾虑在专业开发者中从 35% 降到 29%。
- DORA — 2025 State of AI-assisted Software Development:上面引的「放大器」结论。
- DORA AI Capabilities Model:七个能力,页面最后更新于 2025-11-25。
所有来源读取于 2026-11-17。百分比都带着来源给出的样本量或区间;来源没给数字的地方,这篇不编。
