这项由威斯康星大学麦迪逊分校领导，联合华盛顿州立大学和MIT共同完成的研究发表于2026年3月，论文编号为arXiv:2603.24755v1。研究团队针对AI编程助手在长期迭代开发中的表现进行了深入分析，发现了一个令人意外的现象：AI写出的代码质量会随着项目的推进而持续恶化。
当我们谈论AI编程助手时，大多数人可能会联想到那些能够快速完成单个编程任务的智能工具。然而，现实中的软件开发更像是一个长期的建筑工程项目。建筑师不会一次性完成整栋大楼，而是需要在原有基础上不断添砖加瓦，扩建新的房间和功能。同样，程序员也需要在现有代码基础上反复修改、扩展和优化。
这种迭代式的开发过程对AI来说却是一个巨大的挑战。研究团队发现，当AI需要在自己之前写的代码基础上继续开发时，就像一个建筑师必须在别人设计的不完美基础上继续施工一样困难。每一次修改都可能让整个代码结构变得更加混乱，就像在摇摇欲坠的地基上继续盖楼一样危险。
研究团队为了验证这个现象，创建了一个名为SlopCodeBench的测试平台。这个平台就像一个专门的"建筑工地"，让不同的AI在相同的条件下进行长期的编程项目。他们设计了20个不同的编程问题，每个问题都需要AI分步骤完成，总共包含93个检查点。这就像让AI建造20栋不同类型的建筑，每栋建筑都需要分阶段完成，从地基到装修，一步都不能少。
研究结果令人震惊。在测试的11个不同AI模型中，没有一个能够完整地完成任何一个项目。即使是表现最好的AI，成功率也只有17.2%。这就好比让20个建筑队去建造房子，结果发现每个队伍都无法完整地建完任何一栋房子，大部分房子都是半拉子工程。
更糟糕的是，研究团队发现AI写出的代码质量会随着项目进展而持续下降。他们用两个关键指标来衡量代码质量：一个叫做"冗余度"，另一个叫做"结构侵蚀"。冗余度就像房屋建设中的废料比例，衡量代码中有多少重复或无用的部分。结构侵蚀则像建筑的承重结构集中度，衡量复杂逻辑是否过度集中在少数几个函数中。
在89.8%的开发轨迹中，代码的冗余度都在持续增加，而在80%的情况下，结构侵蚀也在恶化。这意味着AI写出的代码不仅包含越来越多的"垃圾"，而且整体架构也越来越混乱。就像一个原本整齐的房间，随着时间推移变得越来越杂乱，最后连主人都找不到东西放在哪里。
为了更好地理解这个问题的严重性，研究团队还将AI编写的代码与人类程序员维护的48个真实开源项目进行了对比。结果发现，AI代码的冗余度是人类代码的2.2倍，结构侵蚀程度也明显更严重。更关键的是，人类维护的项目在长期发展过程中能够保持相对稳定的代码质量，而AI的代码质量却会随着每次迭代而持续恶化。
这种现象的根本原因在于AI缺乏长期的设计眼光。人类程序员在编写代码时会考虑未来可能的扩展需求，就像建筑师在设计房屋时会预留管道和线路的空间一样。而AI往往只关注当前任务的完成，忽视了代码的可维护性和扩展性。
以研究中的一个具体案例为例，AI在开发一个代码搜索工具时，最初只需要支持Python语言。AI采用了最简单直接的方法，将语言相关的逻辑硬编码在主要函数中。当后续需求要求支持JavaScript和C++时，AI不得不在原有基础上打补丁，导致代码变得越来越臃肿。到项目后期，一个原本只有几十行的核心函数膨胀到了上千行，包含了285个分支判断点，变成了一个难以维护的"怪物"。
研究团队还尝试了不同的提示策略来改善这种情况。他们测试了"反冗余提示"和"先规划后编码"等方法，这些方法能够在一定程度上改善初始代码质量，就像给建筑工人提供更好的施工指导一样。然而，这些干预措施只能延缓代码质量的恶化，无法从根本上解决问题。即使使用了这些优化策略，AI的代码依然会随着项目进展而逐渐劣化。
这项研究揭示了当前AI编程助手的一个重要局限性。在单次编程任务中，AI可能表现出色，就像一个熟练工人能够快速完成单个零件的制作。但在需要长期规划和迭代开发的复杂项目中，AI缺乏必要的架构思维和前瞻性设计能力。
这种发现对软件开发行业具有重要意义。当越来越多的开发团队开始依赖AI编程助手时，他们需要意识到这些工具在长期项目中的局限性。就像我们不会让一个只会砌砖的工人来设计整栋大楼一样，我们也不应该期望AI能够独立完成复杂的软件架构设计。
研究还暴露了现有编程评测标准的不足。传统的测试方法只关注代码是否能够通过功能测试，就像只检查房屋是否不漏雨，而忽视了建筑结构是否合理。这种评测方式无法发现代码质量的潜在问题，可能导致对AI能力的过度乐观估计。
此外，研究发现成本投入与代码质量改善之间存在脱节现象。随着项目的推进，AI需要消耗越来越多的计算资源，但代码质量却没有相应改善。这就像花费更多钱请更多工人，但建筑质量却没有提升一样不经济。
对于普通开发者而言，这项研究提供了重要的实践指导。在使用AI编程助手时，应该更多地将其视为一个强大的执行工具，而非架构设计师。人类开发者需要承担起项目的整体规划和质量把控责任，确保代码结构的合理性和可维护性。
研究团队认为，解决这个问题可能需要在AI训练阶段就引入结构化的设计约束，或者开发专门的工具来监控和维护代码质量。就像建筑行业有严格的质量监管体系一样，软件开发也需要相应的机制来防止AI生成的代码逐渐劣化。
这项研究的意义不仅限于技术层面，它还提醒我们在拥抱AI技术的同时，需要保持理性和谨慎。AI是一个强大的工具，但它并不能替代人类的创造力和判断力。在软件开发这个需要长期规划和精心设计的领域，人机协作可能是比纯粹依赖AI更加明智的选择。
Q&A
Q1：SlopCodeBench是什么？
A：SlopCodeBench是威斯康星大学团队专门创建的AI编程能力测试平台，包含20个编程问题和93个检查点，用来评估AI在长期迭代开发中的表现。它就像一个专门的"建筑工地"，让不同AI在相同条件下进行长期编程项目，以观察代码质量如何随时间变化。
Q2：AI代码质量恶化具体表现在哪些方面？
A：主要表现在两个方面：冗余度和结构侵蚀。冗余度指代码中重复或无用部分的比例，在89.8%的AI开发过程中都在增加。结构侵蚀指复杂逻辑过度集中在少数函数中，在80%的情况下都在恶化。AI代码的冗余度是人类代码的2.2倍，整体架构也更加混乱。
Q3：为什么AI编程助手不能很好地处理长期项目？
A：因为AI缺乏长期的设计眼光和架构思维。它往往只关注当前任务的完成，采用最直接的解决方案，而忽视代码的可维护性和扩展性。就像一个只会砌砖的工人无法设计整栋大楼一样，AI无法进行复杂的软件架构规划，导致后续修改时只能在原有基础上打补丁。
