“程序员”这个职业将不复存在，这样的言论在过去两年随着生成式人工智能的不断进化、AI开始能够代替人类写代码，而大行其道。从百度、阿里到谷歌、Meta，AI生成代码也成为了一众科技大厂彰显AI能力的“示范田”。

那么程序员真的开发出了一个可能会“优化”自己的终结者吗？专门从事代码质量分析和改进的GitClear公司在最新报告中，给广大程序员群体吃了一颗定心丸。在这篇题为《人工智能生成的代码如何加剧技术债务》的文章中揭示了这样的现象，即随着AI代码工具的流行，代码重复率上升和质量下降的问题日益严重。

在2024年，GitClear跟踪到五行及以上代码块重复相邻代码的频率同比增加了8倍，同样是在2024年，46%的的代码变更是新增行，复制粘贴的行数超过了移动行数。据悉，GitClear提出的“移动行数”是用于跟踪代码重组的一个指标，这样的数据表明代码复用和重构正在减少。

简而言之，GitClear方面发现AI编程工具并不存在“代码复用”，而是只会一味新增代码，也就是说AI是“Ctrl C+Ctrl V”的好手，往往会直接复制粘贴写好功能的代码。作为对比，“不要重复自己”(DRY)则是一种被人类程序员广泛接受的编程原理，它要求代码中没有重复的部分。

虽然AI编程工具加快了代码的生成速度，却无法避免代码质量的下降，以至于让使用AI编程的项目变得更加难以维护。不受控制的AI生成代码将会给项目的长期维护带来负担，特别是对于那些使用时间较长的代码库更是如此。如今不仅仅是GitClear，就连超过1/4的新代码已经由AI生成的谷歌，也意识到了AI编程工具的负面性。

每年都会发布一份关于软件开发、部署、交付、安全性、文化和组织变革行业现状报告的谷歌旗下DevOps调研与研究团队（DORA），在最新的DORA 2024报告中就指出，研究人员发现AI编程采用率的提高使得软件交付稳定性降低了7.2%，交付吞吐量降低了1.5%。

DORA团队负责人Nathen Harvey表示，“我们看到采用更多人工智能功能的工程师或团队，其工作流程时间更短、个人生产力水平更高，然而我们没有看到这种生产力和时间以及流程，在能够快速安全地交付软件方面产生良好的下游影响。”

如果说大公司、行业机构的说法不那么接地气，其实也有具体的开发者抱怨AI编程。从去年夏季，也就是AI编程工具GitHub Copilot、Cursor‌被大规模应用后，海外技术社区HakerNews几乎同步就出现了大量吐槽AI代码的帖子。

比如名为Tacitus的开发者就表示，在他为客户解决技术问题的过程中发现，有相当多的问题源自于客户使用了ChatGPT等AI工具生成的代码。由于AI幻觉的存在，这类代码往往会出现各种低级错误，例如访问不存在的端口，或是试图从不存在的API响应中读取数据。

这一类错误属于典型的人类程序员一眼就能发现，但毫无编程知识的人则完全无法察觉。从某种意义来说，Tacitus遇到的问题以及他的抱怨，恰恰就指出了当下AI编程最大的命门，那就是在不了解编程的情况下使用生成式AI写代码，往往不会带来生产力的提升。

更为致命的一点，是AI本身的高技术属性是极具迷惑性的，很容易让使用者通过即时、便捷的体验产生“知识膨胀”的错觉，以至于让使用者盲目相信AI的输出。如此一来，一个更加严重的问题就会浮出水面，那就是AI能不能担责？

从目前业界认可的AI伦理来看，AI显然是不能背锅的。那么AI幻觉的存在导致AI编程工具输出的代码不稳定，就需要人类程序员来维护和检查。可是如果AI生成的内容都需要人工再校核一遍，AI也就没有意义了，因为核校不仅是对数据和来源，还包括了编程思路。

如果AI生成的代码需要人工来核校，又与“重复造轮子”有什么区别？GitClear在相关报告中就悲观地预测，“如果开发者的生产力继续通过提交数量或新增行数来衡量，AI生成的代码可维护性下降将会加剧”。由AI生成的代码缺乏可维护性，就将加重开发者的运营负担，进而带来负面的财务影响。

AI编程的支持者认为，AI将人类程序员从繁琐编写代码的工作中解放出来，使得他们能够专注于更具创造性的工作，也就是用少数有AI辅助的高水平程序员替代普通程序员。毕竟众所周知，创造性的工作往往只需要少数天赋型选手负责，以往的科技产品、互联网服务很多就都是几位大神带着一批普通人搞出来的。

所以未来的编程或者说软硬件开发，可能就是“大神”来引流潮流，而打下手或许就会从普通人变成AI。然而GitClear、谷歌DORA，乃至HakerNews如今指出了AI靠不住。所以除非彻底解决AI的幻觉问题，让AI不再虚构不存在的事实，编程工作交给AI才具有可行性。

现在的AI编程似乎更类似于寅吃卯粮，由其所产生的技术债务有朝一日终归是要出清的。