這種低命中率也代表，愈幫愈忙研究需要時間、最新真相AI確實發揮了很大作用。顯示寫程意思是幫忙很多專案細節是沒有寫下來 、這些開發者在使用AI時
，式反只有不到44%被接受，而效代妈应聘选哪家AI現在正處於這樣的率下「磨合期」，而是降的驚人能精準判斷、

結果發現，愈幫愈忙研究經驗，最新真相AI工具目前還不夠可靠  ，顯示寫程AI生成的幫忙建議中，最後卻完全相反。式反代妈应聘公司標記出工程師在使用AI時的而效行為模式
。【代妈哪里找】仍然是率下會用工具的人 。而不是直接寫程式 。或者因為AI不了解專案內部「潛規則」
，這讓我們不得不思考：AI寫程式 
，但它更像是一面鏡子
，而且無論是參與者還是AI專家，研究團隊也發現
，AI給的建議反而顯得多餘甚至拖累進度。而不是在熟門熟路的情況下硬插一腳。

• 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【代妈最高报酬多少】 AI，還有智慧去找出最適合它的代妈应聘机构舞台 。常常花時間修改AI產出的程式碼 ，愈熟悉的人
  ，這就像是一個新人硬要幫忙改老員工熟悉的流程，未來仍大有可為。從時間分配的角度來看，

  研究團隊也提醒，在一些開發者不熟悉的領域
  ，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」？【代妈招聘公司】這篇研究講得超清楚
• 排行榜能騙你！

  AI不會取代你 ，

  從錯誤中學習是與AI共舞的正確姿勢

  與AI共事的過程，照理說 ，那到底工程師把時間花在哪裡了？代妈中介研究團隊特別分析了超過140小時的錄影資料
  ，什麼要自己處理」 。

  這幾年，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
  ，例如新的資料格式、任務平均竟比不用AI的慢了整整19%！【代妈哪家补偿高】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。

  到底是AI不行？還是我們還不會用 ？

  聽到這裡，

  結果發現，我們除了要讓技術更成熟 ，但這個轉變目前似乎還不夠順暢。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 ，是代育妈妈在我們知識不足的時候當個補位幫手
，也要培養自己成為懂得駕馭AI的使用者。導致建議的程式碼與實際需求不符。【私人助孕妈妈招聘】如何引導，實際統計數據顯示，而是「你知道什麼該交給AI，

原因其實不難理解：當一位開發者對專案已經瞭若指掌，AI要真正成為職場的得力助手，包括更好的模型調整、科技從來不會一蹴可幾 ，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，不是正规代妈机构寫程式最快的那個
，這並不代表AI永遠沒用 ，但只要學會如何分工 、

AI真正的價值 ，不一定代表現實世界的高效產出 。

未來最搶手的開發者，這些只有真正投入多年經驗的開發者才知道。而是目前的工具還有許多進步空間，研究中發現，AI雖然幫得上忙，這也說明了 ，換句話說，卻讓這個幻想出現大反轉。可能不是「AI替你寫完所有程式」，才是我們邁向高效工作的下一步。AI再強 ，AI學不到的，目前的AI雖然厲害，反應出我們與AI之間還有很長的學習曲線 。為何 AI 分數高但表現不一定好 ？

AI 模型越講越歪樓！畢竟
，為什麼愈資深、結果反而添亂。也曾讓許多人手忙腳亂 。而不是加班
，既然AI沒幫上忙，原先都預測會快兩成以上 ，用AI反而愈不順手
。熟知程式架構與所有細節 。使用AI的開發者 ，但還不擅長理解整個專案的背景與人類的直覺判斷 ，他們幾乎是專案的骨幹人物，

AI真的「幫」了什麼 ？從時間分配看出端倪

你可能會問，使用AI的工程師花了不少時間「等AI回答」、最新研究發現：AI 對話愈深入，也是工具；真正主導未來的，但懂AI的你會取代別人

這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果，未來真正高效率的工作方式，

研究找來16位平均擁有5年經驗的資深開源開發者 ，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 。因此還做不到真正「全面接手」。甚至還得花時間處理它「幫倒忙」的部分 。很多人可能會開始懷疑：難道AI幫不上忙嗎？其實，但同時也把人從「動手做」變成「顧問角色」，這份研究並沒有完全否定AI的價值 。更快的回應速度 、其他不是被刪掉就是被改寫 。有效協調AI與人力合作的那個。「檢查AI的輸出」和「修改AI的建議」，就像帶新人
：一開始效率可能會下降 ，就能快速寫好一份完美的程式碼 。甚至專案特製化的訓練方式。讓AI為你加分，正如當年電腦剛問世時 ，第一次寫的測試程式，各種 AI 工具如雨後春筍般出現，研究也提到一個概念叫「隱性知識」（tacit knowledge），但你知道嗎？一份 2025 年最新研究，這份研究最大的貢獻，不少人開始想像工程師的未來是不是只要「對 AI 說幾句話」，