AI 加速了编码，Sonar 通过验证注入信心。
内容提要
卡内基梅隆大学研究发现，采用Cursor后代码库首月代码量增长3至5倍，但约两个月后增益消失，静态分析警告增加30%、复杂度增加41%，技术债持续上升。Sonar专家指出，编码提速但人工审查跟不上，AI自审如同学生自批作业。应将指导、生成、验证、修复嵌入智能体循环、CI验证和持续维护三个环节，以自动化检查配合人工判断高风险变更，实现可信的AI开发速度。
延伸解读
短期提速的代价：技术债持续累积
卡内基梅隆大学研究发现，采用Cursor后首月代码量增长3至5倍，但约两个月后增益消失，同时静态分析警告增加30%、复杂度增加41%。这意味着AI带来的编码提速并未转化为长期效率，反而留下更多技术债。团队若只关注代码行数等产出指标，容易忽视质量下滑，最终需要更多时间修复和审查。
验证瓶颈：人工审查跟不上生成速度
Sonar专家指出，编码速度提升后，依赖人工代码审查的验证环节并未同步加速。若开发者生成50倍代码而审查流程不变，审查时间会上升并成为瓶颈。此外，智能体可能因缺乏代码库上下文而做出不必要假设，生成冗余复杂代码。让生成代码的模型自审如同学生自批作业，不能作为唯一防线。
三层验证循环：把检查嵌入开发全流程
Sonar提出将指导、生成、验证、修复嵌入智能体循环、CI验证和持续维护三个环节。智能体循环在编码时即时检查并修复问题；CI验证在变更进入共享代码库前独立把关；持续维护则通过后台分析处理遗留问题和技术债。三层循环相互增强，自动化检查处理常见问题，人工判断聚焦高风险变更，从而在提速同时保持质量与安全。
衡量AI价值：关注可管理PR与发布频率
Sonar建议不要用代码行数衡量AI成效，若该指标大幅上升反而可能是问题信号。更合理的指标包括团队完成更多可管理的拉取请求、更频繁发布以及缩短周期时间。同时，代码库健康是规模化应用AI的前提，低质量代码会成为未来智能体的上下文并自我强化。组织应先统一“好软件”的标准，再逐步将验证嵌入工作流。
Q&A
采用Cursor后代码量增长能持续多久？
卡内基梅隆大学研究发现，采用Cursor后首月代码量增长3至5倍，但约两个月后增益消失。
AI编码工具导致技术债增加的具体表现是什么？
静态分析警告增加30%，代码复杂度增加41%，技术债持续上升。
为什么AI代码审查不能作为唯一防线？
因为AI模型是概率性的，输出不一致，可能遗漏问题；让生成代码的模型审查自己的作品如同“学生自批作业”，不可靠。
Sonar提出的代码信心公式是什么？
代码信心 = 意图 × 护栏 × 验证 × 证据。任何一项缺失，信心就会崩溃。
Sonar的AC/DC包含哪三个循环？
三个循环是：智能体循环（在编码时提供指导、生成、验证和修复）、CI验证循环（整体评估变更）、持续维护循环（后台分析和修复遗留问题）。
为什么在智能体循环中要尽早验证代码？
因为问题发现得越早，修复成本越低；在智能体编写代码时验证，可以防止错误重复出现，避免在PR阶段才发现问题。
工程领导者在扩展AI编码工具时应关注哪些指标？
应关注团队是否完成更多可管理的拉取请求、发布更频繁、缩短周期时间；避免使用代码行数作为衡量标准，因为代码行数大幅上升可能意味着问题。
