以质量为代价的速度：Cursor AI 如何提升开源项目的短期速度与长期复杂性
软件工程
2026-01-27 v3 人工智能
摘要
大型语言模型（LLM）已展现出颠覆软件工程领域的潜力。除此之外，LLM 智能体在软件开发中正迅速获得关注，从业者报告称采用后生产力成倍增加。然而，这些主张缺乏实证证据。在本文中，我们估计了采用一种广泛流行的 LLM 智能体助手（即 Cursor）对开发速度和软件质量的因果效应。该估计采用最先进的双重差分设计，将采用 Cursor 的 GitHub 项目与未使用 Cursor 的相似 GitHub 项目匹配对照组进行比较。我们发现，Cursor 的采用导致项目级开发速度出现统计学上显著的、大幅但短暂的提升，同时伴随着静态分析警告和代码复杂性的大幅且持久的增加。进一步的广义矩面板估计表明，静态分析警告和代码复杂性的增加是导致长期速度放缓的主要因素。我们的研究将质量保证确定为早期 Cursor 采用者的主要瓶颈，并呼吁在智能体 AI 编码工具和 AI 驱动工作流的设计中将其作为首要考量。
引用
@article{arxiv.2511.04427,
title = {Speed at the Cost of Quality: How Cursor AI Increases Short-Term Velocity and Long-Term Complexity in Open-Source Projects},
author = {Hao He and Courtney Miller and Shyam Agarwal and Christian Kästner and Bogdan Vasilescu},
journal= {arXiv preprint arXiv:2511.04427},
year = {2026}
}