哈佛研究：AI生成代码增加代码量，但下游评审成瓶颈
- 研究对象：哈佛研究基于 Jellyfish 分析平台，覆盖 718 家企业，考察 AI 编码助手与 Agent 对代码产出及完成工作的影响。
- 核心发现：AI 工具确实提高了代码生成量，但这一增量未转化为相应的完工效率提升。
- 瓶颈定位：AI 生成代码增加了后续开发负载，尤其是代码评审环节，导致从生成到交付的转化受限。
- 行业意义：评估 AI 编码工具不能只看生成速度或代码行数，还需同时计量评审、验证与交付吞吐；否则局部生成效率的提升可能被下游流程吸收，甚至转化为团队新瓶颈。 🔗 InfoQ 报道
