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。

文章指出，AI已接管大部分代码审查，但团队通过审查讨论决策、建立系统认知的部分被忽视。作者提出“智能体验证、人来决策”的五层框架，强调应记录并辩论AI生成代码中的关键决策，由具名负责人最终拍板，而非逐行读代码。

Claude Code团队博客分享AI时代代码审查经验：代码审查仍必不可少，但改为先由AI审查验证、再由人确认，以减轻人工负担。审核路径按风险分级，低风险改动自动合并，高风险需人工批准。提交者须对自己的改动负责，不能推责给AI。开发者可借助AI阅读完整源码、理解项目全貌，从而维持对项目的理解。

Qt 重构了 QML 与 Qt C++ 代码审查技能以降低 token 消耗：将深度分析由 6 个子代理改为单代理，2500 行以下代码按规则直接分析，并仅审查会话中修改的代码。测试显示审查准确率未下降，小项目平均成本从 1.25 美元降至 0.31 美元。更新已发布在 GitHub 仓库及 Anthropic qt-development 插件中。

文章认为，AI编码代理普及后IDE仍不可替代：代理虽能执行多文件修改，但开发者仍需在IDE中掌握完整项目上下文、验证结果并承担责任。编码瓶颈已从写代码转向审查与判断，IDE的类型检查、导航和测试等工具既帮助人理解代理产出，也应供代理使用。作者还强调应通过ACP和BYOK避免被单一模型供应商锁定，保持工具选择自由。

JetBrains调查显示，开发者对AI的接受度快速上升：愿意将应用逻辑代码编写交给AI的比例从18%升至50%，测试编写从50%升至75%，重构从38%升至60%；但多数人仍不愿完全委托代码审查（仅43%愿意）和调试（54%不愿）。79%认为雇主将要求熟练使用AI工具，37%认为AI会减少开发者需求，近四分之一认为AI终将完全取代人类开发者，重度使用者中这一比例更高。

VSLive!圣地亚哥大会显示，资深开发者积极采用GitHub Copilot等AI工具，但并非取代原有工具，而是按任务灵活组合。AI常用于研究、理解代码和排查问题，开发者仍重视文档、视频与动手实践。AI加快写码，却增加代码审查与验证时间。学习最大障碍仍是时间和技术变化速度。Visual Studio订阅提供学习路径、Azure额度和实验环境，支持持续探索。

SpaceXAI 成为 Omarchy 系统所属 Omacom 基金会的创始企业赞助方，提供价值 150 万美元的 Grok 模型调用额度。该基金会由 DHH 创立，Grok 将用于代码审查等。阿里云、DigitalOcean 各捐 300 万美元现金，Meta 捐 150 万美元额度。

文章探讨AI代理对工程团队的影响：开发者个人借助代理提速明显，但团队整体收益停滞。三大问题：缺乏共享配置导致知识散落个人、团队效率差距拉大；实现变快后代码审查与规划成为新瓶颈；自动化重复工作带来维护和治理负担。结论是仅给每人配备代理无法解决协作问题。

作者在Rails Business播客中回顾了在Aura使用Rails和PostgreSQL扩展数据库、应对峰值流量的经验，并将在两场峰会分享。他提到所著PostgreSQL书籍出版两年，因AI工具兴起，开发者买书减少，出书回报降低。最后讨论了用Claude等AI工具写代码、做架构规划，以及审查AI代码和团队沟通的挑战。

Qodo在获得7000万美元B轮融资后，为工程师设定每月1万美元的AI代币使用上限，以提升效率并控制成本。其AI基础设施支出同比增长约5倍，同时通过路由优化降低单次代码审查成本。公司重度自用产品，内部Claude Code仍领先，但Codex份额上升。Qodo观察到PR数量约每两月翻倍，缺陷和事故减少。CEO弗里德曼主张用“收益除以成本”衡量AI投资回报，并建议初创公司从六到八个指标开始跟踪。

Slack总经理Rob Seaman介绍了新功能Code Channels，将多玩家AI引入团队聊天。开发者与智能体在频道中协作，可将写代码与代码审查合并为一步，Slack频道可能比终端更适合开发环境。

Jev API 实用开源项目清单包括：jev-ultrafast 高速浏览器 Agent；fast-jev-compaction 与 Winnow 用于上下文压缩和垃圾回收；json-render 生成式 UI；typesafe-mcp、jev-mcp 接入 Claude 等工具；SemDecide 命令行分类评分；jev-codex-router 根据任务难度选择模型；jev-review 筛选高风险代码变更；Blink 导航代码仓库。

AI生成代码导致资深工程师审查负担过重：代码量大、缺乏意图说明，且看似合理却暗藏错误。建议将重复反馈规则化、保留生成意图作为验收标准，并衡量真正防止劣质代码的工作，否则核心工程师可能因不堪重负而离职。

国内AI编程工具如Trae、CodeBuddy可部分替代Cursor，在中文支持、价格和网络访问上占优，但Cursor的补全与Agent能力仍属第一梯队。Gitee并非同类IDE，其AI能力聚焦PR评审规则生成与代码审查，可作代码托管与评审底座，与IDE工具组合使用。是否迁移应基于场景实测，而非“国产Cursor”标签。

作者总结半年AI编程实践：vibe-coding高效但代码不审查、难积累经验，多数弃坑。有效做法包括用git维护AGENTS.md、启用memory、git worktree并行、通用SKILLS、多模型review PR；有害的是省token中间层和过度编排harness。已弃用SDD和plan模式。建议打造个人工作流，与agent多探讨，人类仍需控制复杂度。

OpenAI的Codex团队已实现代码审查自动化，AI模型能强制阻止含漏洞的代码合并，无需人工干预。该模型在正确性和安全性上表现超人类，还能处理依赖升级和重构。人类工程师角色转向早期规划，讨论代码意图。AI加速了繁琐维护，使大型清理项目从数月缩短至数天。但AI审查与生成共享盲点，可能遗漏供应链攻击等深层问题。

Harness 现场 CTO 指出，AI 编码工具使代码审查成为瓶颈，测试团队难以应对激增的拉取请求。为此，Harness 推出重建的代码仓库和 AI 代码审查产品，利用知识图谱提供上下文，优先展示关键变更，并强调保留确定性工具，以缓解审查压力。