请教关于使用 AI 编程工具，能提高多少效率

[yunv2]

请教一下各位大佬，使用 AI 编程工具，例如 cursor 、claude code 等，在实际工作中，帮助大家的工作效率提升了多少？

公司领导向其它公司调研的是 3-5 倍，最高 15 倍（具体场景未说明）

个人感觉提升 50%是有的

这个 3-5 倍，15 倍分别可能是哪种场景出现的？
请问这个效率提升是怎么计算的？

看了一下大家的回复，效率提升百分比，3-5 倍，10 倍的都有

还有一个问题，各位大佬的公司，在个人效率提升几倍的基础上，有没有给大家增加工作量呢？

（我们领导调研之后，要求按照效率提升的比例，缩短工作量对应的完成时间）

[logic2]

大概率是吹牛，AI 没那么神，LLM 你说穿了 也就是大数据算命，给你补足代码而已，能不能正确运行，运行了之后能不能不把屎山掀翻 是另外一回事了

[7gugu]

写小工具和写流水线的时候非常好用，能让 AI 快速帮你把框架搭建好。比如写 jenkins 的时候，不熟悉语法就可以把流程说给 AI ，让 AI 帮你实现，就可以剩下很多调试的时间。

[liuchenwei2000]

"他们搞了 AI 生成式代码，两个人弄得，开发项目又快又好，你们干的活，交给他们两个人比你们十个人都要好。"——我们领导说的

[logic2]

个人感受以及案例

1. 小规模代码 AI 能运行的很好，特别是使用开源库方面，

昨天用 python + scapy 写了一个 mysql 的抓包分析工具，把包解析出来 sql ，然后 sql 格式化，第一版 AI 生成出来的很好用，但是很快发现 SQL 太长它就解析不出来，然后个人拿 wireshark 抓包折腾了一通，发现长 SQL 会被拆解成多个 TCP 包，

而最初 AI 写的代码是使用单个包做解析的，没有把 TCP 流重组串起来

发现原因之后写了提示词让 AI 把 TCP 抓的包，重新串起来，基本上 1 分钟完成，测试无 bug ，如果是人力完成的话，查资料调试代码可能需要 2-3 小时，因为我没有处理 TCP 流的经验

然后今天调试的时候 发现一些服务端发送过来的报文也会被莫名奇妙解析成 SQL ，写了提示词，让 cursor 把代码改成只解析本地 interface 发送出去的 TCP 数据包，1 分钟搞定，如果是我个人处理的话，需要大概 30 分钟去找 scapy 获取 interface ip 的 API ，然后加上一些逻辑处理

后续又想捕捉 redis 发送的命令，花了 1 分钟写提示词，大概 2 分钟就改好了，调试花了 20 分钟，如果是我个人开发的话，大概需要 2 个小时左右开发时间跟调试时间，关键是 API 跟 redis 的协议不熟悉

[logic2]

@logic2 #4 AI 说到底还是一个能力放大器，如果你一开始不知道 tcp 是流的形式，可以在代码里面把 packet 重组，然后不会使用 wireshark 这种工具定位问题，你指望提示器帮你解决一切，跟指望大数据算命没啥区别，它讲到底还是基于数据驱动的概率模型，不是一个许愿机

[sampeng]

个人感觉：0%
但这个 0 不是意味着没有效率提升。而是看不见的东西提升了。
为什么呢。你写代码不是只是为了实现功能，要设计，要考虑，要文档，光写代码那是嗖嗖的。但是如果所有这些边缘的都要做。说实话：程序员最不喜欢的就是写文档，最讨厌的就是别人的代码没注释。
但有 AI 就不一样了，我强制自己按工程化的要求去做。其实是整体时间和自己实现一个功能是差不多的。不过，代价是什么呢？
- 充分的单元测试，覆盖率轻轻松松 100%
- 复杂和详细的设计和实现过程文档
- 重要的代码有行级注释

如果不考虑这些。你公司怎么调研的 15 倍？有种用法是开 5 个以上的终端，同时做 5 个需求。如果要求工程质量，这就是个玩笑，如果不需要工程质量。。简直是魔法。

[logic2]

另外在屎山代码场景下，AI 基本上无效，一堆乱七八糟的表结构+落后了不知道多少个版本的注释，连我自己都搞不明白前人写的东西，

你指望 AI+mcp 上下文提示词就能出活，那跟做梦没啥区别，而且前人写的业务代码，一个表上百个字段，10 几个字段标识一个订单的状态，DDL 跟代码里面的注释落后了好几个版本，你指望写几句提示词就能出一个业务逻辑正确的查询接口，跟许愿没啥区别，

关键我老板还对这个东西狂吹，说怎么怎么提升效率，实际上真的很有限，因为屎山代码问题太多，经常人自己都看糊涂了，明明字段 A 你以为他是做什么业务标识用的，然后你一看，历史上一直都把它当做另一个字段在用，而且想改还改不动，因为太多地方在用

[iOCZS]

没有 UI ，没有产品，没有代码。。。。什么都没有的时候，AI 能提供你要的 N 倍效率。

[mudssky]

业务代码效率提升 20%左右，但是额外帮你执行了单元测试，写文档和脚本。

[leon0903]

个人感觉十倍

[COW]

你能读懂 AI 的代码，那你说个几倍不过分，你看起来吃力甚至不理解，那后面维护的时候就有你受的了

[novojo]

如果你觉得 AI 增加了你的心智负担，那么就没有提高效率，如果你觉得 AI 减少了你的心智负担，那么就说明提高了效率。

[raycool]

比如现在把 python 的某些耗时的模块改写为 cython
使用 claude 效率提升非常大

[ranley123]

写代码的话，个人感觉提效 40%吧。
看代码的话，提效 5 倍（ cursor ），至少我用来看强化学习和一些大模型训练的框架的时候，这种代码其实挺晦涩难懂的，尤其是各种维度张量的拼接转换，是真的牛逼。其中的语义给你娓娓道来。

[mumbler]

50%是因为你还要写代码，试试完全给 AI 写，你只负责提供上下文，检查作业，15 倍轻轻松松

[ota]

效率和你的 prompt 有关。现在更多的是解构业务需求，如果你是 SE 的话，那么 AI 时代就是 1000%的效率了。一人旅团。

[bodayw]

最近还真的有人做了实验来研究这个：
https://bsky.app/profile/metr.org/post/3ltn3t3amms2x

至少在这个实验里，虽然阅读和搜索、写代码、测试和 debug 的时间缩短了，但检查 AI 输出、写 prompt 、等待 AI 输出的时间增加了，最终总体效果反而是更慢了。

[logic2]

@bodayw 没毛病，这些作者都是开源库作者，他们的东西本身就不在语料库训练里面，大部分人是使用开源库的开发者，这些开发者对接口或者 API 的不了解 会大幅度降低他们的开发效率，而 AI 对这些开源库的 API 信手拈来

[mkt]

取决于怎么用，如果是全脱手，完完全全让 ai 动手。效率-10000+%
取个例子，我和开发说有 2 行字字体大小不一样，改个 size 几秒的事情，他用 ai 干了 1 礼拜，虽然做好了，但是整个页面代码都变了。
注意这是个真实例子

[happytaoer]

还是要看人，如果你是一个擅于对功能拆分解耦模块化的程序员，那么对你的提效至少有 5 倍以上。 对于那种不会模块化分组代码的程序员，一个文件上万行，一个函数几百行的程序员，提效甚微，甚至是负提效。

[yb2313]

目前来看快不快不一定, 但我体力肯定是节省出来了, 主观感受上是轻松的

[Xalen]

每人配个 AI 工资是不是可以降 3-5 倍了。

[ZDaYu]

之前用 cursor 的时候不停的跟他口干舌燥的说，我现在使用 claude code 感觉还可以，效率是有一定的提升的，有些之前想不到解决方案 ai 也能想到，可能是我太菜了， 我估计对我而言有 百分之 70-80 吧，因为我我得工作不管是要开发写代码，还需要测试部署，，，，还需要好几个项目直接协调修改

[li746224]

对前端的提效可能有 2 倍，至少我们公司不会前端的后端可以用 ai 来完成前端的一些需求了。对后端可能就是负提效了，需要花更多的时间去看 ai 生成的代码是不是真的正确。

[logic2]

@li746224 主要还是后台摸不着，历史屎山多，前端页面上，你生成一下，鼠标点击一下，观察一下，就知道是不是正确的，而后台的业务逻辑给你改了之后，你根本不知道是不是正确的

[scegg]

体力活方面 AI 效果好，比如包含下列情况的时候：
1 高度相似的代码段，比如手工为多个表或者业务场景写的 CRUD ；尤其是在重构的时候，也就是需要逐个方法按照统一的要求修改的时候。
2 注释完善时候的常用技术代码，比如前端一般性的代码编写。
3 常见的数据处理逻辑。

如果做算法，那靠 AI 还不如靠自己。

[xsen]

@logic2 #7 那是你用法不对。你先叫 ai 分析当前的代码，包括不限于业务流程、实现、技术方案、接口等，然后提出需求要 ai 给解决方案；方案评估好，就可以叫 ai 改

[logic2]

@xsen 兄弟，注释都落后了好几个版本了，字段名称也是乱的，你真的以为 AI 是智能的啊，而且这种你自己都搞不明白的情况，就算 AI 给你生成了，你敢用么？要花大量的时间去测试 验证，

[logic2]

@xsen 兄弟，我现在领导已经在鼓吹 AI 时代，代码可以随便复制了，什么以前的工程最佳实践在 AI 时代下遵守已经毫无意义了，反正大模型可以一下子帮你把重复的所有地方 给你一下子改一遍，你信么？

[yidinghe]

@logic2 就算他的看法在未来某个时间真的能实现，但他这种情绪和心态，作为对产品质量负责的岗位来说是不应该的。

[Fastmail]

你要对汇报上效率提升建议控制在 20%以下，不然是想被降本增效吗。。。

[yh7gdiaYW]

编程阶段提效不止翻倍，但自测阶段耗时略有增加（多了个 review 和修改）。
然后最重要的，写代码本身在总体开发过程中的时间占比有限，所以对于整个人来说提效没有到飞跃的程度

[logic2]

@yidinghe 领导嘛，嘴巴张闭说啥都是对的，你听着就算了，别真的当回事

[digimoon]

ai 这么厉害，想必各种屎山已经被 ai 全改好了吧

[jayzhong]

这个东西很复杂，每个人使用的水平都不一样，千差万别，只能说这个东西将大家的水平和效率的差距越拉越大，对我来说 10 倍。
现在所有的时间都是在做产品的事儿，写文档，然后用 AI 将文档产品化，然后再变成编程需求，剩下的 AI 就帮你完成编码了。

[BortonJones]

根据一些文章 国外有人做过实验 让硅谷好像还是哪里的 20 个程序员 使用 AI 编码工具工作 10 个人用 10 个人不用

结果表示 用 ai 编码工具的人 开发速度慢了 10%-20%
但是 这部分人认为 ai 极大地提高了自己的工作效率

问题可能出在了 正常写代码都是连续性的 但是用 ai 编码工具是说了提示词再等 然后一次出不来还要来回修改 还得等
说句大白话就是 用 ai 可以方便你摸鱼

[HENQIGUAI]

做 demo 和玩具非常快，但是真做大活有点做不了，上下文不够。

[msg7086]

别的例子不说了，就拿 AI 开发工具本身举例好了，RooCode ，VS Code 上的 AI 开发插件本体。基本保持在每周发布 5 个左右版本的速度。就算这里面水分多，我们大砍一刀，算他每周一个新版本，速度也已经足够快了。这算是代表了「一群懂怎么用好 AI 的人」的开发效率。

[xsen]

@logic2 #29 我最近一年都深度使用 ai 辅助编程，虽然没有你领导说的那么夸张——但是我本人是认同他的一些观点的
AI 只是将大家的水平、效率的差距越拉越大，简单点就是强者愈强

[xsen]

@yidinghe #30 质量从来都是有测试（单元测试、集成测试、e2e 测试）、测试团队来保障的，依赖于开发人员的代码审核、手工测试本就是不靠谱的行为

[jimbray]

最近有看到一个： https://www.53ai.com/news/neirongchuangzuo/2025071157164.html
用 AI 写代码效率反降 19%！ 246 项任务实测，16 位资深程序员参与。

时间维度下的 AI 编程的真实成本：
1. 需求沟通时长
2. AI 执行时长
3. 验证修改时长
4. 上下文切换成本
5. 长期维护成本

有兴趣可以看一下。
我主要是等 AI 的时间，我一般会摸鱼，摸着摸着就摸过头回不来了，这属于降效了😂

[blackmirror]

领导问就说测试时间要多花 10 倍 等真上了 你们就没用了

[BlueSkyXN]

不同场景、不同用户差异很大，对我来说大概能提升 30 倍吧

[wnpllrzodiac]

15 倍，就是一个大 team 的人都要裁了。出点钱买模型套餐就行了。

[jukanntenn]

AI 现阶段只是降低心智负担，效率反而可能降低。
程序员是个脑力+体力劳动，写代码的时候大脑需要高强度工作，往往 4 个小时工作后就饱和干不动了，只能摸鱼。而有了 AI ，大脑工作强度降低很多，等 AI 写代码的时候还能休息一下，干 8 个小时都不觉得累。

[jmliang]

小公司，App 开发。用了 ai 有 1 年了。目前感觉效率提升最少 1 倍吧

[micean]

前端可以，后端效率还是比不上。
不过 AI 可以把一些工作规范化，这个是我觉得很好的点

[logic2]

@xsen #39 这个观点是我的，不是他的，他已经把 AI 当做许愿机了，现在大模型为什么这么有效？说白了，大家都是在重复自己罢了，写个电商页面 写个购物车，写个博客，LLM 并不是在思考 解构你的需求，并帮你细化实现，而是从成千上万的代码里么 帮你预测，像我写一个 TCP 的包捕捉器，去分析 MySQL 协议，这种代码在 github 上开源的有数千个或者数万个仓库 搞过这种事情。

但是 LLM 并不知道你要的是哪一段，甚至直接随便找了点代码 拼接就给你上了，你一跑起来，还真没问题，短的 SQL 解析没啥问题，因为都在一个 ip packet 里面，mtu 1500 ，一般够装一个短的 SQL 了，但是长的呢？立马出问题，你如果自己都不了解协议，或者对网络协议一概不知，根本不可能做出完整的解析器来，因为 AI 它并不理解网络协议，也不知道 TCP 是流的形式，你只能不断的去提示，它才能组织好代码，而且就算提示完了，很多生成出来的代码并不一定是可用的，

LLM 只是从开源库里面 随便抓一点代码，解析一个包，然后抄一下别人解析 mysql 的代码给你，从你第一步使用库开始捕捉 packet 到你做出一个完整的 Mysql 协议的 SQL 解析器，中间不知道要踩多少个坑

我更倾向于 LLM 是一种能力放大器，它可以解放你对知识细节的记忆，例如我了解网络是分层的，每一层有哪些职责，IP 包是可以重复的，TCP 协议是通过重复发包 以及退让策略等等，你可以在脑子里面建立一个简易的心智模型，至于细节你可以交给 LLM ，因为它的记忆能力比你强，但是这并不代表你完全不用学习，或者建立知识网络心智图谱，否则你连提示词怎么写都不知道

[logic2]

@jukanntenn 其实说实话并没有，只是减少了查资料的强度罢了，大部分时候 AI 生成的并不是有效的代码，上面提到的 44%的 AI 生成代码 都被删除了，说明程序猿真的是不喜欢查资料 去查看别人的文档

[xomix]

3 到 5 倍 甚至 15 倍这种东西，肯定是极限情况。
举个例子你写好一套后端 api ，没有写任何文档，你想写个文档，你跟 ai 说我的 api 在这里，你帮我写个文档。
ai5 分钟内给你一份完整文档，非常完善。
你自己写要多久？

[snow0]

@logic2 #7 你这就属于上下文过大，甚至含有有错误的上下文

[logic2]

@snow0 兄弟 国内这种历史系统，哪里来的正确上下文 都是跟侦探一样看代码 梳理逻辑

[yunv2]

@BlueSkyXN 大佬是自己做老板吗？

我们领导如果调研其他公司这样描述，就会认为 1 天能做别人 30 天的工作，12 天做别人 1 年的工作

大佬现在是 1 天做 30 天的工作吗？

[BlueSkyXN]

@yunv2 没，打工仔一个，管理部门，我这边的 DDL 都是按天计算，早上提晚上要，下午提明天要。预研调研文档报告开发代码算法测试调试数据部署上线维护全部都是我来。