(Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding
这项研究表明，虽然编程智能体通过加速任务完成显著提升了开发者的生产力，但同时也损害了用户的代码理解能力以及扩展其工作成果的能力，尤其是在交互涉及低投入提示的情况下，这凸显了开发者必须应对的效率与理解之间的关键权衡。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你正在学习烹饪。多年来，提高厨艺的唯一方法就是亲自动手切菜、调味和搅拌。你可能会犯一些错误，但到上菜的时候，你完全清楚为什么它味道是这样的。现在，想象有一个神奇的机器人副厨，它可以瞬间完成切菜、调味和搅拌。你只需告诉它：“给我做一份千层饼。”它就会照做。你比以往任何时候都更快地吃到了晚餐。但问题在于：因为你没有亲自进行切菜或搅拌的过程，你根本不知道奶酪和酱料的各层是如何组合在一起的。如果这个机器人明天坏了，或者你需要为一位讨厌番茄的朋友调整食谱，你可能会束手无策。你得到了这顿饭，却丢失了食谱。这就是计算机科学领域一项新研究的核心——该研究专门探讨“编程智能体”（coding agents，即能为我们编写软件的智能 AI 工具）是如何改变人们构建事物的方式的。大问题不仅仅是“AI 能否完成这项工作？”，而是“人类是否仍然理解他们刚刚完成的工作？”
这篇题为《(不)配对编程》（(Im)Paired Programming）的论文深入探讨了这一困境。研究人员想要观察使用这些 AI 编程助手是否能帮助人们更快地完成工作，但代价是否是失去了对所构建代码的实际理解。他们为 54 名计算机专业的学生设计了一个游戏：为一个独特的井字棋版本——“Zic-Zac-Zoe”构建一个网站。学生被分为两组。一组使用的是“聊天机器人”（Chatbot），它会提供提示和代码片段，但仍要求学生自己动手输入代码。另一组使用的是功能强大的“智能体”（Agent），它会听从指令并实际编辑代码文件，承担繁重的体力活。
结果令人震惊，就像发现那个神奇的机器人厨师虽然能喂饱你，但却完全不会教你如何烹饪。使用 AI 智能体的学生在完成初始网站任务时，比那些亲自动手写代码的学生速度更快，且错误更少。如果只看谁先完成任务，AI 智能体显然是赢家。然而，当研究人员测试学生对所构建内容的实际理解程度时，情况发生了彻底的反转。那些让 AI 代劳的学生在关于代码运作原理的问题上得分显著较低。他们无法解释为什么网站的某些部分看起来是那样，或者如果更改某行特定的代码会发生什么。就好像他们被递给了一个拼好的拼图，却不知道碎片是如何组合在一起的。
更有趣的是，当学生被要求在没有任何 AI 帮助的情况下为他们的网站添加一个新功能（例如一个“重置”按钮）时，AI 组的优势消失了。那些从一开始就亲手编写代码的学生，在添加新功能方面表现得与使用 AI 的学生一样出色。AI 给他们提供了一个领先的起点，但并没有在 AI 停止帮助后赋予他们继续前进的技能。这项研究表明，虽然这些智能体在快速完成任务方面非常出色，但它们可能会创造一种“生产力陷阱”——用户感觉自己很有生产力，但实际上却正在失去对自身创造物进行批判性思考的能力。
研究人员还观察了学生如何使用这些工具。他们发现，那些采取“偷懒”路径的学生——比如不加思考地复制粘贴指令，或者在 AI 做出每一项更改时都直接点击“全部接受”——理解程度最低。而那些花时间阅读代码、询问解释或手动输入语法的人表现较好，尽管仍不如从头开始亲手编写代码的那组人。令人惊讶的是，尽管学生们知道使用 AI 时自己的理解程度降低了，但他们仍然更喜欢它。他们觉得这样更轻松、更快，且心理负担更小。这有点像比起学习如何识图，更倾向于使用一个能为你开车 GPS。
最终，这篇论文认为，我们不能仅仅通过任务完成的速度来衡量成功。如果我们希望人们将来能够修复、解释和改进他们的代码，我们就需要设计出能迫使他们保持参与感的 AI 工具。作者建议，未来的 AI 不应该仅仅是一个“替我做”的按钮，而应该是一个鼓励用户去思考、阅读和理解其生成的代码的伙伴。在此之前，我们可能会得到很多完成好的网站，但我们也面临着失去那些真正了解其运作原理的人才的风险。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。