来源笔记
An AI coding agent, used to write code, needs to reduce your maintenance costs
摘要
文章认为，只有当 AI 编码代理把维护成本降到与代码产出提升同样的比例时，长期生产率才会提高。文章用一个简单的维护成本模型说明，更快的代码生成会让团队随着时间推移变慢。
问题
- AI 编码代理可以增加代码量，同时也会增加评审负担、缺陷、设计清理和依赖升级工作。
- 维护工作会累积，因为每个月新增的代码，只要还在生产环境里，就会在未来持续带来工作量。
- 这个问题很重要，因为短期的编码提速，可能会让团队未来的产能更低，如果生成的代码维护成本更高的话。
方法
- 作者把每个月的功能开发都建模为在后续年份产生重复性的维护工作。
- 基线示例把每个月的代码量设为第一年带来 10 天维护工作，之后每年带来 5 天维护工作。
- AI 代理情景改变了两个变量：代理帮助产出的代码增加多少，以及这些代码按单位计算的维护成本是多少。
- 核心机制很简单：总维护成本等于代码量乘以单位代码的维护成本。
- 实际检验标准是，代理是否把维护成本降到足以抵消它带来的额外代码。
结果
- 文中没有给出实证基准结果；最强的论点来自一个示意性电子表格模型。
- 在基线模型中，每个月新增代码在第 1 年产生 10 天维护工作，在之后每年产生 5 天维护工作。
- 按这些假设，约 2.5 年后，维护会占用团队时间的 50% 以上；10 年后，留给新工作的时间所剩无几。
- 把维护估算减半后，维护占团队时间达到 50% 之前大约多出 3 年；把维护估算翻倍后，团队在不到 1 年内就会低于 50% 的新工作产能。
- 在 AI 示例中，代码产出提高 2 倍，同时单位维护成本提高 2 倍，会让下个月的维护成本变成 4 倍。
- 在这个 2x/2x 情景下，生产率会在大约 5 个月后回到起点，然后跌到低于没有代理的路径；作者指出，2x 产出需要单位维护成本降到 0.5x，3x 产出则需要单位维护成本降到约 0.33x。