这是一次真实模型写作实测。请独立写成可直接阅读的中文文章,只输出 Markdown 成稿(标题、正文、末尾简短资料来源),不要输出创作说明、自我评价、隐藏思考或过程。 用你自己的措辞组织和分析资料,不拼贴原文。事实只来自下面的固定资料包;可以推理,但要让推理与已知事实自然区分。没有网页或工具访问,不要声称自行采访、实测或获取额外资料。不得创造匿名信源、未提供的数字或直接引语。来源用文中简短链接或 [S编号] 标记,文末保留可点击的原始 URL。 文章要有自然段之间的推进、具体信息和适合读者的语言;不要写“仅供参考”等免责套话,不以“在当今时代”开头。资料里的限制在相应事实处准确表达,不另堆防御性声明。 写作类型:有锋芒的观点评论 正文长度:1100–1600个汉字(不计来源表)。 任务:写一篇署名专栏式评论:AI 写代码越来越快,软件团队该怎样衡量一个工程师的价值?立场由你决定,开篇直接亮出一个可争辩的判断,论证中回应最强的反方意见,最后落在一个具体取舍上。语气鲜明、自然,可以有幽默,不能辱骂群体、制造失业恐慌或编造个人使用经验。不要把“人只剩审核价值”当作不证自明的结论,也不要堆“不是 X 而是 Y”的句式。至少使用 2 个来源,年份与统计口径写对。 固定资料包: [ { "id": "S2", "title": "Early-2025 experienced developer randomized trial", "publisher": "METR", "date": "2025-07-10", "url": "https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/", "facts": [ "16 名熟悉各自开源仓库的开发者处理了 246 项真实任务;随机允许或禁止使用 AI。", "允许 AI 的任务完成时间增加 19%;参与者事前预期能加快 24%,事后仍觉得加快了 20%。", "这是 2025 年初工具、特定熟练开发者及仓库环境的结果,不代表所有开发者或当前模型。" ], "accessedAt": "2026-11-17" }, { "id": "S3", "title": "Changing the developer productivity experiment design", "publisher": "METR", "date": "2026-02-24", "url": "https://metr.org/blog/2026-02-24-uplift-update/", "facts": [ "后续实验包含 10 名原参与者和 47 名新开发者。研究方认为选样与计时问题使它难以可靠估计当前生产率效果。", "更多开发者不愿放弃 AI,一部分不提交自己最想用 AI 做的任务;研究方判断这些因素可能低估 AI 的加速作用。", "原参与者子组的时间变化估计为 -18%,置信区间 -38% 至 +9%;新参与者为 -4%,区间 -15% 至 +9%。两个区间均跨过零。", "研究方认为早期 2026 的工具很可能比早期 2025 帮助更大,但现有数据对加速幅度的证据很弱。不能把后续估计写成确定的提升比例。" ], "accessedAt": "2026-11-17" }, { "id": "S4", "title": "Octoverse 2026: commits and pushes reach new highs", "publisher": "GitHub", "date": "2026", "url": "https://github.blog/news-insights/octoverse/octoverse-commits-pushes-reach-new-highs-in-2026-as-developers-build-with-agents/", "facts": [ "统计覆盖截至 2026-09-30 的 12 个月,包含公开和私有仓库。", "报告称 pushes 为 179 亿次、commits 为 343 亿次、合并拉取请求为 13 亿次。", "当年新建、带 agent 配置文件的仓库,其平均提交数约为不带该文件的新仓库的 8 倍。", "仓库活动相关性不能直接当成人均效率、代码质量或 AI 因果贡献;push、commit 与合并拉取请求是不同口径。" ], "accessedAt": "2026-11-17" }, { "id": "S5", "title": "2025 developer survey: AI", "publisher": "Stack Overflow", "date": "2025", "url": "https://survey.stackoverflow.co/2025/ai", "facts": [ "在回答相关问题的调查受访者中,46% 不信任 AI 工具输出准确性,33% 信任,3% 高度信任。", "66% 对“差一点就正确”的 AI 结果感到困扰,45% 对调试 AI 代码更费时感到困扰。", "这些是受访者态度与自报体验,不是随机实验测得的速度或缺陷率。" ], "accessedAt": "2026-11-17" } ]