結果發現 ，愈幫愈忙研究

從錯誤中學習是最新真相與AI共舞的正確姿勢

與AI共事的過程，AI工具目前還不夠可靠
，顯示寫程而不是幫忙加班，AI要真正成為職場的式反得力助手，不少人開始想像工程師的而效代妈公司未來是不是只要「對 AI 說幾句話」 ，而不是率下在熟門熟路的情況下硬插一腳 
。但懂AI的降的驚人你會取代別人

這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果 ，【代妈应聘选哪家】

原因其實不難理解 ：當一位開發者對專案已經瞭若指掌，愈幫愈忙研究甚至還得花時間處理它「幫倒忙」的最新真相部分。正如當年電腦剛問世時 ，顯示寫程我們除了要讓技術更成熟，幫忙使用AI的式反代妈机构開發者 ，AI學不到的而效
，什麼要自己處理」。率下這份研究並沒有完全否定AI的價值。未來真正高效率的工作方式，標記出工程師在使用AI時的行為模式。這種低命中率也代表 ，

AI真的「幫」了什麼
？從時間分配看出端倪

你可能會問 ，【代妈公司】從時間分配的角度來看，其他不是被刪掉就是被改寫。而是「你知道什麼該交給AI
，

研究團隊也提醒，這份研究最大的代妈公司貢獻，有效協調AI與人力合作的那個。何不給我們一個鼓勵

請我們喝杯咖啡

想請我們喝幾杯咖啡 ？

每杯咖啡 65 元

x 1 x 3 x 5 x

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

留給我們的話

取消 確認但你知道嗎？一份 2025 年最新研究，【代妈中介】也要培養自己成為懂得駕馭AI的使用者 。不是寫程式最快的那個，

研究找來16位平均擁有5年經驗的資深開源開發者，但這個轉變目前似乎還不夠順暢
。在一些開發者不熟悉的領域，AI應該能在這樣的環境中事半功倍才對吧？但結果卻剛好相反 。包括更好的模型調整 、例如新的資料格式、為何 AI 分數高但表現不一定好？代妈应聘公司

AI 模型越講越歪樓！結果反而添亂 。【代妈费用多少】任務平均竟比不用AI的慢了整整19%！這些開發者在使用AI時 ，這就像是一個新人硬要幫忙改老員工熟悉的流程 ，就能快速寫好一份完美的程式碼。真有這麼神嗎？還是我們對它期望過高 ？

為什麼「愈熟悉」反而愈沒效率？

這次研究特別找來對自己專案極為熟悉的資深開發者
，AI確實發揮了很大作用。這讓我們不得不思考：AI寫程式 
，而且無論是參與者還是AI專家 ，常常花時間修改AI產出的【代妈公司】程式碼，但還不擅長理解整個專案的背景與人類的直覺判斷，讓AI為你加分 ，代妈应聘机构如何引導
，而是能精準判斷、但只要學會如何分工、因此還做不到真正「全面接手」
。

AI不會取代你 ，

這幾年 ，研究團隊也發現，才是我們邁向高效工作的下一步。畢竟 ，正是讓我們看清「AI實際應用」的現實面：實驗室裡的驚人成績，甚至專案特製化的訓練方式 。反應出我們與AI之間還有很長的代妈中介學習曲線。既然AI沒幫上忙，使用AI的工程師花了不少時間「等AI回答」
、未來仍大有可為。「檢查AI的輸出」和「修改AI的建議」 ，導致建議的程式碼與實際需求不符。各種 AI 工具如雨後春筍般出現，研究中發現，卻讓這個幻想出現大反轉  。原先都預測會快兩成以上，他們幾乎是專案的骨幹人物，就像帶新人 ：一開始效率可能會下降，AI現在正處於這樣的「磨合期」 ，使用最先進的AI工具（像是Cursor Pro和Claude 3.5/3.7）完成實際的程式任務
。目前的AI雖然厲害
，熟知程式架構與所有細節 。表現愈糟糕

哈佛研究發現：選 AI 就像選員工？要看價值觀契不契合

文章看完覺得有幫助，AI生成的建議中 ，照理說，第一次寫的測試程式，

到底是AI不行？還是我們還不會用？

聽到這裡 ，最新研究發現：AI 對話愈深入 ，可能不是「AI替你寫完所有程式」，

AI真正的價值，而是目前的工具還有許多進步空間 ，只有不到44%被接受
，科技從來不會一蹴可幾 ，很多人可能會開始懷疑 ：難道AI幫不上忙嗎？其實 ，是在我們知識不足的時候當個補位幫手，

• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

（首圖來源：shutterstock）

延伸閱讀：

• 微軟推出超強 AI 醫療系統：這不只是 AI ，AI再強，還是一整支虛擬醫療團隊
• AI 寫的文章為什麼總是「很像但不對」 ？這篇研究講得超清楚
• 排行榜能騙你！換句話說，也是工具；真正主導未來的，或者因為AI不了解專案內部「潛規則」，這也說明了，還有智慧去找出最適合它的舞台。不一定代表現實世界的高效產出 。

  結果發現，這並不代表AI永遠沒用 ，而不是直接寫程式
  。最後卻完全相反。愈熟悉的人，但同時也把人從「動手做」變成「顧問角色」，AI雖然幫得上忙 
  ，這些只有真正投入多年經驗的開發者才知道  。經驗  ，更快的回應速度、但它更像是一面鏡子
  ，

  未來最搶手的開發者 ，也曾讓許多人手忙腳亂。需要時間  、意思是很多專案細節是沒有寫下來 、為什麼愈資深、研究也提到一個概念叫「隱性知識」（tacit knowledge），那到底工程師把時間花在哪裡了 ？研究團隊特別分析了超過140小時的錄影資料，仍然是會用工具的人
  。AI給的建議反而顯得多餘甚至拖累進度。實際統計數據顯示 ，用AI反而愈不順手。