AI 繁荣背后的债务：AI 生成代码在真实场景中的大规模实证研究
软件工程
2026-04-28 v2
摘要
AI 编程助手现在被广泛用于软件开发。软件开发者越来越多地将 AI 生成的代码集成到代码库中以提高生产力。此前的研究表明，AI 生成的代码在受控环境下可能包含代码质量问题。然而，对于 AI 生成的代码在引入生产仓库后对软件质量和维护的实际影响，我们仍然知之甚少。换句话说，这些问题是被迅速修复，还是会持续存在并随时间积累为技术债务，仍不清楚。在本文中，我们对真实场景中 AI 编程助手引入的技术债务进行了大规模实证研究。为此，我们构建了一个包含来自 6,299 个 GitHub 仓库的 302.6k 条经过验证的 AI 撰写提交的数据集，覆盖了五种广泛使用的 AI 编程助手。对于每个提交，我们在变更前后运行静态分析，以精确归因 AI 引入了哪些代码异味、正确性问题和安全问题。然后，我们追踪每个引入的问题从引入提交到仓库最新版本的生命周期。结果表明，我们识别出 484,366 个独立问题，其中代码异味是最常见的类型，占所有问题的 89.3%。我们还发现，每个 AI 编程助手中超过 15% 的提交至少引入了一个问题，尽管各工具之间的比率有所不同。更重要的是，22.7% 的被追踪 AI 引入问题在仓库的最新版本中仍然存在。这些发现表明 AI 生成的代码可能给真实软件项目带来长期维护成本，并强调了在 AI 辅助开发中需要更强的质量保证。
引用
@article{arxiv.2603.28592,
title = {Debt Behind the AI Boom: A Large-Scale Empirical Study of AI-Generated Code in the Wild},
author = {Yue Liu and Ratnadira Widyasari and Yanjie Zhao and Ivana Clairine Irsan and Junkai Chen and David Lo},
journal= {arXiv preprint arXiv:2603.28592},
year = {2026}
}