LLM辅助编程的短期效率红利与长期技术债陷阱-已脱敏-茹炳晟.pdf

1、当理想照进现实茹炳晟复旦大学 CodeWisdom团队 首席技术专家腾讯研究院 特约研究员LLM辅助编程的短期效率红利与长期技术债陷阱茹炳晟 复旦大学 CodeWisdom团队 首席技术专家腾讯研究院 特约研究员腾讯云架构师技术同盟入会发展主席 中国计算机学会CCF 技术前线委员会TF 研发效能 主席中国通信标准化协会TC608云计算标准和开源推进委员会云上软件工程工作组副组长目录CONTENTSn风口浪尖的LLM辅助编程n理想中 VS 现实中 的LLM辅助编程n为什么理想与现实之间的差距如此巨大nLLM在代码生成领域的局限性n资深工程师和初级工程师使用LLM辅助编程的差异nVibe Codi

2、ng的虚假繁荣与正确打开方式nLLM辅助代码级测试用例生成的一些洞察LLM辅助编程 在C端的渗透率以47%排名第数据来源：腾讯研究院AICoding共识报告https:/metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/https:/arxiv.org/abs/2507.09089Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivityhttps:/metr.org/blog/2025-07-10-e

3、arly-2025-ai-experienced-os-dev-study/https:/arxiv.org/abs/2507.09089Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity尽管在体感上工程师觉得他们提效了24%，但是实际生产力反而下降了19%n 工作没有消失，只是转移到了别的地方。n 别的地方对人提出了新的要求。浮躁的大环境谈及LLM编程介入的深度，必须区分待开发软件的类型，否则就是耍流氓暗知识：代码的迭代更新依赖对历史上下文的理解，而LLM缺乏长期记忆和

4、上下文连贯性修改遗留系统时，人类工程师更能识别技术债务和潜在风险。暗实现：除了做了该做，有没有做了不该做的需求以外的额外操作是否是安全的？代码大模型训练的数据静态性：LLM本身训练过程的局限性当需求变更时，LLM倾向于重新生成代码而非增量修改，可能导致逻辑冲突或技术债务累积一致性恶化：代码一致性的恶化直接通过业务需求生成代码具有太高的不确定性，应该遵循“需求-设计-代码”无效测试：代码级测试代码生成的“将错就错”陷阱（后面展开）当开源遇到Vibe Coding只是能跑起来的Vibe Coding代码，完全没必要开源，直接给个程序就好了。因为脱离了最初通过代码让大家交流和学习的初衷。nLLM不会

5、完全取代程序员，但会深刻改变开发流程和职业结。AI替代的是码农，共生的是工程师nAI 处理了部分传统上由初级开发者完成的任务，可能导致团队结构的变化。“小团队”成为可能nVibe Coding带来的短期效率提升，可能会以长期的技术债务为代价。nLLM生成的代码需人类对其安全性和合规性负责。nLLM无法替代人类在需求模糊场景下的决策能力（需求分析与架构设计的不可替代性）n需求一次性讲清楚比后续不断打补丁更有效nLLM暴露了传统编程教育中对“死记硬背”的依赖，未来计算机教育需更注重逻辑思维、系统设计和跨领域协作能力。n由于数据垄断和人类强化反馈，cursor这类工具会越来越强，尽量使用国产工具讲师著作和译作讲师著作和译作茹炳晟 在 软件研发效能 领域出版的图书茹炳晟 在 软件工程和软件架构 领域翻译的图书茹炳晟 在 软件质量和软件测试 领域出版的图书茹炳晟 在 DevOps 领域翻译的图书讲师著作和译作