AI让代码产出增加33%,但review等待时间暴增441%
Faros基于22000开发者的两年遥测数据:AI使任务吞吐量提升33.7%、PR合并率提升16.2%,但PR处于review状态时间增加441.5%、无review直接合并的PR增加31.3%、事故率增加242.7%。
完整中文译文
What the telemetry says
每个在衡量 AI 辅助开发的人都在报告同样形状的结果:产出上升了,而检查这些产出的成本上升得更多。我想走一遍这些数字,因为两者之间的差距比大多数团队已经调整到的幅度要大得多,然后再说说我在一个小团队内部看到的景象——在那里,我自己承担了大部分评审工作。
What developers say about it
Faros AI 发布了一份工程报告,基于两年间来自超过 4000 个团队、22000 名开发者的遥测数据。不是关于 AI 感受如何的调查,而是同一个组织内部 AI 采用前后的工作流数据。
交付侧有所改善:
- 每个开发者的任务吞吐量提升 33.7%
- 完成的 epic 提升 66.2%
- PR 合并率提升 16.2%
评审侧的变化却截然不同:
- PR 在评审中等待的中位时间上升 441.5%
- 平均评审时间上升 199.6%
- 首次评审时间的中位数上升 156.6%
- 每个开发者每天处理的 PR 上下文数量上升 67.4%
同一份报告中,有两个数字描述了当这种压力无处释放时会发生什么:
- 未经任何评审即合并的 PR 上升 31.3%
- 事故数与 PR 数的比值上升 242.7%
所以团队写得更好了,而评审者面前的队列比作者身后的队列增长得更快。其中一部分队列通过根本不评审来解决,而事故数字也随之而来。
Why checking is more expensive than writing
Sonar 的《代码开发者现状调查》于 2026 年 1 月发布,涵盖超过 1100 名开发者,补充了人的那一半:
- 96% 并不完全信任 AI 生成的代码在功能上是正确的
- 只有 48% 在提交前总是检查 AI 辅助生成的代码
- 38% 表示评审 AI 生成的代码比评审同事写的代码更费力
- AI 贡献了 42% 的提交代码
把前两个数字放在一起看,你就得到了问题的形状。几乎没有人信任输出,而他们中只有不到一半的人验证了它。信任差距并不会自动转化为评审工作。它转化为评审工作——只针对那些有纪律或有责任的人,而对其他所有人则转化为风险。
那个 38% 是我最有共鸣的数字。
What this looks like on a small team
当你亲自写代码时,思维模型是在过程中逐步建立的。等到最后一行就位时,你已经掌握了每一个决策背后的理由,包括那些你拒绝掉的方案。评审不是这样的。评审是从一个成品反向重建模型,没有被丢弃的分支,没有作者决定这个方案值得一做的那一刻。
这在同事的代码上就已经很昂贵了,而在模型的代码上更昂贵,因为模型均匀地产生看似合理的工作。同事会发出不确定的信号。他们的提交信息会留有余地,他们会留一条评论,他们会在不确定的地方 ping 你。而生成的代码到处都是同样自信的表面,所以评审者没有梯度可循,必须对每个部分给予同等程度的注意力。
再加上上下文切换。每天 67.4% 的 PR 上下文增量意味着中断不只是成倍增加,而是按照别人的时间表到来。自动化运行的工作仍然会回到你这里,而且是在你选择的时刻之外回来。每一次回来都要付出重新加载你已经放下的上下文的代价。
The part worth arguing about
我主要靠自己构建一个产品,AI agent 承担着越来越大的机械工作份额。自动化吃掉了打字。它没有触及检查环节,反而让等待检查的东西成倍增加。
我仍然不能直接把模型的结果发到生产环境而不去看它。从来没有过一次这样做过让我感到安全。所以评审这一层始终存在,而这一天实际上就花在那里了。我使用 AI 编程工具已经很长时间了,但只有当单个完成项变成一组并行运行的自动化时,负载才变得明显。瓶颈不再是我写得有多快,而是我能为不是自己做的事情重建上下文有多快。
我没有一套干净的规则来解决这个问题。真正对我有帮助的事情都很朴素:
- 更小的生成工作单元,因为评审成本增长比 diff 大小更快
- 更少的并行线程,即使牺牲吞吐量,因为每多一个线程都会在返回时拖累其他所有线程
- 在生成之前写好测试,这样一部分验证工作不需要我一直在脑中持有整个模型
- 把「我不理解为什么这能工作」视为一个阻塞性结果,而不是风格上的抱怨
这些都关闭不了那个差距。只是把它移动了一点点。
Where does your review time actually go
行业对话仍然主要关注生成质量,假设更好的模型会减轻评审负担。遥测数据表明,评审负载不是当前模型质量的一个 bug,而是你为之承担责任的委托工作的一个结构性质。即使准确度很高,也必须有人承担责任,而承担责任意味着重建上下文。
这就是为什么 Faros 报告中的生产力数字和评审数字应该被作为一个结果来读,而不是两个。吞吐量提升了三分之一,评审时间提升了四倍多。如果你的规划捕获了第一个数字而没有捕获第二个,你的团队正在某个地方吸收这个差异:在高级工程师的晚间时光里,在没有人看过的合并里,或者在事故数量里。
你的评审时间实际上花在哪里了,你做了什么改变让它变得可以承受?
Sources: Faros AI, "The AI Engineering Report 2026: The Acceleration Whiplash" (telemetry from 22,000 developers across 4,000+ teams). Sonar, "State of Code Developer Survey 2026" (1,100+ developers, published January 8, 2026).