为什么人类代码跟不上AI编写的速度 - Tariq Shaukat, Sonar
Original · Why Humans Can't Keep Up With AI-Written Code - Tariq Shaukat, Sonar
Key Takeaway
AI代理将代码生成变得极其充裕，但由于错误累积和认知投降，未来的软件工厂必须依靠由意图、引导轨、独立验证和证据构成的代码置信度公式来重建发布信心。
Highlights
在开发生命周期中引入异步AI代理后，编写的代码行数呈井喷式增长，高达2450%。
在金融服务领域，有39%的开发者预计在一年内会运行智能软件工厂。
当代码库规模从10,000行增加到50,000行时，代码翻译智能体的准确率会出现崩溃。
当AI正确时人类有93%的概率同意其意见，而当AI错误时五分之四的情况下人类同样会同意它。
大语言模型在相同重复实验中，有7%到17%的裁决结果会发生改变。
通过聚焦于意图和引导轨，Token成本降低了36%，并且提交代码中的问题减少了92%。
Timeline
从传统制造到软件工厂的发展历程
雷克萨斯通过钢球滚过车身接缝的广告展示了零返工和完美契合的制造理念。这种将质量置于产量之上的思维方式演变出了敏捷开发、看板和持续集成等现代软件工程最佳实践。然而，随着AI代理的全面介入，软件开发正在迎来新一轮的颠覆。
- 丰田生产方式的核心原则彻底改变了汽车制造业的质量标准。
- 现代软件开发的最佳实践大多源自丰田生产方式的理念。
- AI代理正在彻底改变软件开发的游戏规则。
智能软件工厂面临的五大局限性
虽然代码生成变得轻而易举，但传统的“人在回路”模式无法有效扩大生产代码的交付规模。智能体在大型复杂代码库中导航时会消耗高达30倍方差的Token，并在长时间运行的任务中因错误累积导致准确率大幅下降。同时，大语言模型的裁决结果在重复实验中存在7%到17%的不稳定性。
- 异步AI代理使代码行数增长了2450%，但版本发布数量只增加了30%。
- 认知投降现象表现为人类在AI错误时有五分之四的概率会盲目同意。
- 代码库规模从10k行扩大到50k行时，智能体的翻译准确率会崩溃。
- 大语言模型作为裁判时存在不可靠性，面对相同提问会产生成果波动。
代码置信度公式与软件工厂的未来
为了应对AI生成的代码充裕但信心稀缺的现状，必须将防范措施工程化内置到软件工厂中。通过明确意图、设置引导轨、实施独立彻底的验证并产出可审计的证据，企业能够在降低开发成本的同时，大幅减少代码问题并提升整体系统的可靠性。
- 代码置信度公式由意图、引导轨、验证和证据四个相乘的要素组成。
- Sonar Vortex等工具通过意图和引导轨的应用使Token成本降低了36%。
- 黄金标准的独立验证能够显著提升安全性并减少系统故障频率。
- 未来的软件工厂的核心目标是在代码极度丰富的时代持续交付信心。
Description
Agents have made code cheap: one study saw lines of code up 2,450% but releases up only 30%. Sonar CEO Tariq Shaukat draws on the factory revolution that Toyota and Lexus started to explain how to build agentic software factories you can trust. He breaks down five hard problems: human review that doesn't scale (people agree with AI that's wrong 4 out of 5 times), agents struggling with large codebases, errors compounding over long tasks, unreliable LLM judges, and near-zero time to exploit. Then he lays out Sonar's code confidence formula: intent, guide rails, verification and evidence. Chapters: 0:00 Intro 0:26 The ball bearing that changed car factories 2:23 Software already borrowed these ideas 2:55 Agents break the factory 5:19 Problem 1: Human in the loop doesn't scale 6:45 Problem 2: Agents struggle with big codebases 8:04 Problem 3: Errors compound 9:06 Problem 4: LLM judges are unreliable 10:03 Problem 5: Time to exploit is near zero 10:25 The code confidence formula 12:36 Results from customers 15:49 Code is abundant, confidence is scarce Tariq Shaukat https://www.sonarsource.com Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!